Dar aos trabalhadores informações sobre remuneração

A informação salarial molda decisões importantes: a que empregos as pessoas se candidatam, se negociam o salário e se um determinado percurso profissional vale a pena. Mas, ao contrário do preço da maioria dos bens, o preço da mão de obra é muitas vezes difícil de encontrar e interpretar — sobretudo para trabalhadores no início de carreira, a mudar de área ou de localidade.

A IA é um novo tipo de recurso para o mercado de trabalho. Em vez de exigir que um trabalhador pesquise em vários websites, interprete páginas salariais dispersas ou faça uma pergunta socialmente arriscada, um modelo pode sintetizar informação salarial e devolver um valor de referência em segundos. Os trabalhadores já usam o ChatGPT desta forma, enviando, em média, quase 3 milhões de mensagens por dia nos EUA, a perguntar sobre salários, remuneração ou rendimentos.

O nosso mais recente relatório de investigação analisa como os americanos estão a usar o ChatGPT para colmatar a lacuna de informação salarial. Na maioria das vezes, recorrem ao ChatGPT para dois tipos de ajuda: converter a remuneração num valor de referência utilizável e compreender quanto é que um cargo, uma empresa, um percurso profissional ou uma ideia de negócio poderá pagar de forma realista. Entre as mensagens classificadas como benchmarking salarial, o cálculo da remuneração representa 26% das perguntas, seguido de cargo específico (19%), empreendedorismo (18%), cargo específico numa empresa (11%) e questões sobre profissão ou carreira (11%). Determinámos isto através de uma análise que preserva a privacidade, que usa classificadores automatizados e nunca implica que um ser humano veja mensagens individuais.

O padrão dessas perguntas é importante. As pesquisas salariais relacionadas com profissões concentram-se em áreas como artes, design, entretenimento, desporto e media; gestão; cuidados de saúde; transportes; vendas; e operações empresariais e financeiras. Relativamente ao emprego, as pesquisas salariais estão sobrerrepresentadas em profissões de maior qualificação e menor transparência, como áreas criativas, gestão, cuidados de saúde e funções de informática e matemática, sugerindo que a procura é mais forte onde a remuneração é mais difícil de balizar, mais negociável ou mais importante para a mobilidade na carreira. Vemos um padrão semelhante nas perguntas relacionadas com empreendedorismo, que se concentram em trabalho criativo e pequenas empresas de serviços — áreas onde muitas vezes não existe um valor de referência salarial publicado.

Em todos os setores, as pesquisas salariais aumentam onde a remuneração é mais dispersa e onde os salários são mais elevados. Por outras palavras, os trabalhadores parecem procurar mais informação sobre remuneração quando acertar na resposta é mais importante e quando a remuneração é mais difícil de interpretar. É por isso que isto é importante para lá de uma simples consulta salarial. Uma perceção errada dos rendimentos potenciais pode manter os trabalhadores em empregos com salários mais baixos, reduzir o poder de negociação, atrasar mudanças de carreira ou desencorajar o investimento em educação e formação. Uma melhor informação não elimina a incerteza, mas pode facilitar a construção de uma perspetiva razoável sobre quanto paga um trabalho e, assim, ajudar as pessoas a tomar melhores decisões.

Para compreender melhor como os nossos modelos servem os trabalhadores, o relatório apresenta também o WorkerBench, um novo esforço para avaliar o ChatGPT em tarefas do mercado de trabalho que são valiosas para os trabalhadores. Neste primeiro benchmark, avaliámos o GPT‑5.4 face aos salários medianos do OEWS 2024 por profissão, a nível nacional e de áreas metropolitanas. Na amostra observada, o modelo é altamente preciso: a cobertura é elevada, o enviesamento é reduzido e quase todas as estimativas numéricas ficam muito próximas do benchmark.

A informação sobre remuneração é economicamente importante, mas muitas vezes é difícil ou delicada de obter. Os trabalhadores já usam o ChatGPT para lidar com esse problema, sobretudo nas partes do mercado de trabalho onde a incerteza é maior e as consequências são mais significativas. O nosso objetivo é continuar a melhorar a utilidade e a fiabilidade dessa ajuda — indo além de benchmarks nacionais para chegar às questões sobre geografia, empresa, nível e remuneração que os trabalhadores realmente fazem todos os dias.