Profissões · Remuneração e inteligência artificial
Durante décadas, o reajuste individual nasceu de uma combinação conhecida: a planilha do RH, a percepção do gestor e, em alguma medida, a habilidade de negociar de quem estava do outro lado da mesa. Esse arranjo está sendo reescrito sem alarde. Nos Estados Unidos, empresas passaram a usar modelos de aprendizado de máquina para varrer anúncios de vagas, cruzar dados de folha de pagamento e indicar, funcionário por funcionário, quem ganha abaixo e quem ganha acima do que o mercado pagaria hoje. A reportagem de Callum Borchers no The Wall Street Journal descreve essa prática como uma forma quase invisível de definir salários1.
O assunto interessa ao Brasil por três motivos. Multinacionais tendem a levar para suas filiais as ferramentas que adotam na matriz. A lei brasileira de transparência salarial já produz, a cada semestre, um volume inédito de dados sobre remuneração. E o mercado de trabalho brasileiro, com desemprego em patamar historicamente baixo, muda a forma como qualquer algoritmo de remuneração pesa o risco de perder um profissional.
O que mudou na forma de calcular um aumento
Segundo o WSJ, as pesquisas de remuneração indicam para 2027 um reajuste médio nos EUA em torno de 3,5%, alinhado aos últimos anos. A novidade está na dispersão: a distância entre quem recebe mais e quem recebe menos em torno dessa média deve ser maior que o habitual1. Um levantamento da consultoria Marsh com mais de mil empregadores americanos, citado pelo jornal, aponta que o aumento por mérito deve responder por 3,2 pontos desse orçamento de 3,5%. A The Conference Board chegou a números praticamente iguais e descreve empresas menos dispostas a distribuir o mesmo percentual para todos e mais inclinadas a escolher a dedo quem recebe1.
É nessa escolha que a inteligência artificial entra. O jornal cita a Stello AI, uma das empresas que vendem análise salarial automatizada. A base combina informações públicas de anúncios de vagas e de sites de avaliação de empregadores, como o Glassdoor, com dados comprados de processadoras de folha de pagamento. Ao assumir um cliente, a empresa avalia a remuneração de cada funcionário e emite recomendações. "Nós dizemos exatamente quanto pagar aos seus funcionários", resume a presidente-executiva Amee Parekh, em declaração ao WSJ1.
A lógica tem dois lados. De um, os profissionais de alto desempenho mal pagos aparecem no topo da fila de correções, porque são os que mais facilmente sairiam para um concorrente. De outro, o sistema aponta os que estariam acima do mercado, com frequência pessoas que trocaram de emprego num momento aquecido e conseguiram pacotes que o mercado atual não sustentaria. Parekh afirma ao jornal nunca ter visto alguém ser demitido apenas por ganhar demais, já que o custo de recrutar e treinar um substituto costuma anular a economia. O efeito mais provável, para esse grupo, é o reajuste magro ou nenhum1.
Como a máquina chega a um número
O conceito não é novo. Pesquisas salariais de consultorias existem há décadas e sempre serviram para montar faixas por cargo. O que muda é a escala, a frequência e o nível de detalhe: em vez de uma pesquisa anual por família de cargos, um modelo que atualiza continuamente a referência de mercado e a compara com o salário de cada pessoa.
Na prática, a pergunta que o gestor recebe deixa de ser "quanto essa pessoa merece?" e passa a ser "onde essa pessoa está em relação à mediana do mercado para o cargo dela?". São perguntas diferentes. A primeira abre espaço para desempenho, contexto e trajetória. A segunda ancora a conversa num número externo, que tende a ter mais peso justamente por parecer objetivo.
O paradoxo da transparência
O WSJ observa que a varredura de anúncios ficou mais fácil com a expansão das leis de transparência salarial nos EUA, que obrigam empresas a informar faixas nas vagas1. Há aí um paradoxo: normas criadas para dar ao trabalhador poder de comparação acabam alimentando os modelos que as empresas usam para calibrar o que pagam.
A Europa caminha na mesma direção. A diretiva de transparência salarial da União Europeia tinha 7 de junho de 2026 como prazo para ser incorporada às leis nacionais, mas só quatro dos 27 países (Eslováquia, Itália, Lituânia e Malta) cumpriram a data. Os primeiros relatórios de diferença salarial entre gêneros estão previstos para junho de 20278.
No Brasil, a Lei 14.611, sancionada em 3 de julho de 2023, obriga empresas com 100 ou mais empregados a publicar relatórios semestrais de transparência salarial3. O 5º relatório, divulgado pelo Ministério do Trabalho e Emprego em abril de 2026, cobriu cerca de 53,5 mil estabelecimentos e mostrou que as mulheres recebem, em média, 21,3% menos que os homens no setor privado com 100 ou mais empregados, sem redução em relação ao primeiro ano de vigência da lei2. O ciclo seguinte já está em andamento: entre 3 e 31 de agosto, os empregadores tiveram de atualizar informações para o 6º relatório2.
Há, porém, uma diferença importante em relação ao modelo americano. Os relatórios brasileiros agregam dados por famílias ocupacionais da Classificação Brasileira de Ocupações (CBO), e as próprias empresas, ao publicá-los, ressaltam que essa classificação não distingue níveis de senioridade dentro de uma mesma área3. O dado público brasileiro é valioso para auditar desigualdade, mas pouco útil para posicionar um salário individual. Como o país também não exige, em âmbito federal, a publicação de faixas em anúncios de vaga, o benchmarking feito por IA aqui tende a depender mais de pesquisas privadas e de bases de folha do que da varredura de anúncios.
A mesma transparência que deveria dar ao trabalhador poder de comparação vira insumo para o modelo que calibra o seu reajuste.
No Brasil, o piso ainda passa pela mesa de negociação
O cenário brasileiro tem outra camada que o americano quase não tem: a negociação coletiva por data-base. No primeiro semestre de 2026, segundo o Dieese, 87,5% das 7.858 negociações analisadas garantiram reajustes acima da inflação medida pelo INPC, com ganho real médio de 1,20%4. Para boa parte dos trabalhadores formais, portanto, o reajuste mínimo não é decidido por algoritmo algum, e sim por convenção ou acordo coletivo.
O espaço em que a IA atua no Brasil é o que fica acima desse piso: aumentos por mérito, promoções, ajustes pontuais para retenção e a definição da oferta na contratação. É justamente a parcela que mais pesa na renda de profissionais qualificados e de cargos de gestão, e a que menos aparece nas estatísticas públicas.
O mercado de trabalho também muda o cálculo. A taxa de desocupação ficou em 5,6% no trimestre encerrado em maio de 2026, abaixo dos 6,2% do mesmo período de 2025, segundo a PNAD Contínua do IBGE5. Num mercado apertado, o argumento de retenção que a Stello descreve para os EUA ganha ainda mais força: um modelo bem calibrado tende a apontar com mais frequência quem está mal pago e pode sair do que quem ganha acima da média. O inverso vale num cenário de desaceleração, e é por isso que a mesma ferramenta pode servir tanto para corrigir defasagens quanto para conter reajustes.
Quem sobe e quem fica parado
O jornal americano registra duas tendências que se reforçam. Empresas pretendem premiar quem demonstra fluência em IA e também quem tem liderança, julgamento e habilidades interpessoais difíceis de substituir, segundo o levantamento da The Conference Board1. O Barômetro Global de Empregos em IA da PwC, divulgado em junho e baseado em mais de um bilhão de anúncios em 27 países, mediu um prêmio salarial médio de 62% para vagas que exigem habilidades de IA, ante 57% na edição anterior. O estudo descreve um mercado em dois trilhos: cargos em que a IA amplia o trabalho de especialistas crescem mais em emprego e salário do que aqueles em que a tecnologia torna a função acessível a não especialistas6.
Para quem já está no topo da faixa, o recado é menos animador. Tauseef Rahman, da Marsh, disse ao WSJ que bons gestores explicam o aumento pequeno e redirecionam a conversa para o caminho de promoção1. O próprio autor da reportagem registra a dúvida que fica: como as pessoas vão reagir quando a conclusão de que já ganham o bastante vier de uma máquina.
Horas faturadas, leads e o problema de medir valor
A IA também desorganiza as métricas que sustentavam a remuneração. Escritórios de serviços profissionais medem produtividade em horas faturáveis há gerações; se a tecnologia reduz o tempo de uma tarefa, o salário deveria cair junto? Na outra ponta, um vendedor que prospecta mais clientes com ajuda da IA merece ganhar mais? Lesley Uren, presidente-executiva da Korn Ferry Consulting, disse ao WSJ que clientes estão revendo o que significa bom desempenho e discutindo vincular a remuneração a impacto e resultado, e não a indicadores de atividade como horas trabalhadas1.
A reportagem fecha com uma observação que merece atenção: a IA pode tornar o valor de um profissional mais subjetivo no exato momento em que tenta definir, de forma objetiva, quanto o mercado paga por ele1. O preço do cargo fica mais preciso; o valor da pessoa, mais difícil de demonstrar.
O que o trabalhador brasileiro pode fazer
Conhecer o próprio posicionamento. Perguntar ao gestor ou ao RH em que ponto da faixa salarial do cargo você está é uma pergunta legítima, e cada vez mais as empresas têm essa resposta pronta. Saber se está abaixo, no meio ou no topo da faixa muda o tipo de conversa que faz sentido ter.
Documentar impacto, não apenas atividade. Se a tendência é remunerar resultado, quem consegue mostrar o que mudou por causa do seu trabalho tem mais argumentos do que quem mostra quanto trabalhou.
Conhecer os direitos sobre decisões automatizadas. O artigo 20 da Lei Geral de Proteção de Dados garante ao titular o direito de pedir revisão de decisões tomadas unicamente com base em tratamento automatizado que afetem seus interesses, inclusive as que definem seu perfil profissional9. O alcance é limitado quando há um gestor que formalmente decide, como costuma ser o caso em reajustes. O Marco Legal da Inteligência Artificial (PL 2338/2023), aprovado pelo Senado em dezembro de 2024, trata sistemas usados em decisões sobre relações de trabalho como de alto risco, com exigência de avaliação de impacto, mas o texto ainda aguarda parecer na Câmara dos Deputados10.
Usar a negociação coletiva. Sindicatos e comissões de empregados podem incluir em acordos cláusulas sobre transparência de critérios de mérito e sobre o uso de ferramentas automatizadas em decisões de remuneração. É um espaço ainda pouco explorado no país.
Perguntas frequentes
O que é benchmarking salarial com inteligência artificial?
É o uso de modelos de aprendizado de máquina para comparar o salário de cada funcionário com referências de mercado construídas a partir de anúncios de vagas, pesquisas salariais e dados de folha de pagamento, indicando quem está abaixo, dentro ou acima da faixa para o cargo.
A IA pode decidir sozinha o meu reajuste?
Na prática descrita pelo The Wall Street Journal, a ferramenta gera recomendações e o gestor decide. Ainda assim, a recomendação passa a ancorar a conversa. No Brasil, o artigo 20 da LGPD permite pedir revisão de decisões tomadas unicamente por meios automatizados.
Quem ganha e quem perde com esse modelo?
Tendem a ganhar os profissionais de alto desempenho que estão abaixo do mercado, vistos como risco de saída. Tendem a receber reajustes menores os que já estão no topo da faixa, frequentemente pessoas que trocaram de emprego em momentos de mercado aquecido.
A Lei de Igualdade Salarial brasileira alimenta essas ferramentas?
Indiretamente e de forma limitada. Os relatórios da Lei 14.611/2023 agregam dados por famílias da CBO, sem distinguir senioridade, o que os torna úteis para auditar desigualdade de gênero, mas pouco precisos para posicionar salários individuais.
Existe proibição ao uso de IA para definir salários?
Não há proibição específica no Brasil. Nos EUA, o Colorado aprovou em 2026 um projeto contra o uso de dados pessoais de vigilância na fixação de salários individualizados, mas o governador vetou o texto em junho. Nova York discute proposta semelhante.
O Tecido é uma publicação de jornalismo cívico e participativo. Esta análise usa como ponto de partida reportagem do The Wall Street Journal, devidamente creditada, e acrescenta fontes brasileiras e internacionais independentes.