Estudo · National Bureau of Economic Research
Experimento indica que IA reduziu diferenças de desempenho ligadas à escolaridade
A redução apareceu numa tarefa empresarial com assistência disponível; parte da diferença voltou quando a ferramenta foi retirada.
Um experimento randomizado com 1.174 adultos de 25 a 45 anos avaliou uma tarefa de solução de problemas empresariais, com ou sem assistente de IA, seguida de uma atividade sem a ferramenta. Sem IA, participantes com escolaridade mais alta superaram os de escolaridade mais baixa em 0,548 desvio-padrão. Com acesso ao assistente, a diferença caiu para 0,139. A IA elevou o desempenho nos dois grupos, com ganhos maiores no grupo de menor escolaridade. O estudo é um working paper, realizado fora de empresas e sem revisão por pares.
- Acontecimento
- Publicação
- Última revisão
- Leitura
- 5 min
O que aconteceu
Um working paper do National Bureau of Economic Research estudou se a IA generativa amplia ou reduz diferenças de desempenho associadas à escolaridade. O experimento online reuniu 1.174 adultos de 25 a 45 anos, que realizaram uma tarefa incentivada de solução de problemas empresariais com ou sem acesso a um assistente de IA.
Depois da tarefa principal, os participantes fizeram um módulo de acompanhamento sem assistência. O desenho permitiu comparar o desempenho durante o uso da ferramenta e observar o que permanecia quando ela não estava disponível.
O que mudou
Sem acesso à IA, participantes com maior escolaridade superaram os de menor escolaridade em 0,548 desvio-padrão na tarefa. Com acesso ao assistente, a diferença caiu para 0,139 desvio-padrão, aproximadamente três quartos menor que a diferença inicial.
O acesso à ferramenta aumentou o desempenho dos dois grupos, com ganhos maiores entre participantes de menor escolaridade. Os registros de conversa sugerem que esse grupo conseguiu obter ajuda substancial, enquanto o grupo de maior escolaridade usou o assistente de maneira mais efetiva em algumas dimensões.
Contexto
A pesquisa foi realizada fora de empresas. A tarefa era um exercício geral de solução de problemas empresariais, e não uma avaliação de produtividade em uma ocupação específica ou em um fluxo de trabalho real.
Os autores também avaliaram uma atividade posterior sem IA. Os ganhos da tarefa assistida não desapareceram por completo, mas a diferença de desempenho associada à escolaridade reapareceu parcialmente. O resultado mostra uma diferença entre executar uma tarefa com suporte e realizá-la sem a ferramenta.
Por que importa
Para organizações, o estudo oferece uma hipótese sobre acesso e capacitação: a IA pode ajudar a reduzir barreiras de execução em uma tarefa, especialmente para pessoas que começam com menor desempenho naquela atividade. Isso não significa que diferenças de conhecimento ou de uso da ferramenta deixem de existir.
A maneira de integrar a assistência importa. Na análise dos autores, a melhora posterior foi maior quando o uso intensivo da IA veio acompanhado de esforço contínuo na tarefa. Isso reforça a importância de avaliar aprendizagem e qualidade, além da entrega produzida com ajuda.
Para quem importa
A pauta interessa a lideranças de recursos humanos, educação corporativa e operações, assim como a gestores que precisam desenhar treinamentos para equipes com experiências e formações diferentes.
Também pode orientar empresas que querem avaliar se ferramentas de IA tornam uma tarefa mais acessível sem diminuir a oportunidade de desenvolver capacidade própria. O experimento não fornece uma regra universal de treinamento, mas ajuda a formular perguntas testáveis.
Impacto prático
Uma organização pode comparar o desempenho em tarefas padronizadas sob três condições: execução sem IA, acesso à IA sem instrução específica e acesso com um roteiro de uso que peça análise, verificação e revisão humana. A comparação deve registrar tempo, qualidade, erros e esforço de revisão.
Uma segunda atividade sem IA pode ajudar a avaliar retenção ou transferência imediata. Esse resultado não equivale a medir aprendizagem de longo prazo, promoção, remuneração ou produtividade de uma equipe, mas acrescenta uma dimensão que costuma faltar em testes que medem apenas a resposta final.
O que testar
Escolha uma atividade segura e de baixo risco, como resumir informações para recomendar uma ação. Use um conjunto equivalente de tarefas e distribua as condições de forma equilibrada. Se possível, peça a avaliadores que não saibam qual método produziu cada resposta para analisar qualidade e aderência aos critérios.
Registre escolaridade ou experiência apenas de forma agregada e com proteção de privacidade. Após a etapa assistida, proponha uma atividade comparável sem IA. Compare qualidade, tempo, necessidade de correção e resultado posterior. Não use o exercício como avaliação individual de desempenho ou decisão de pessoal.
O que observar
Separe a diferença entre grupos antes e depois do acesso à IA dos ganhos individuais de cada grupo. Uma lacuna menor durante a execução assistida não prova que todos tenham alcançado o mesmo domínio ou que a diferença desapareça no trabalho cotidiano.
Observe como os participantes formulam pedidos, conferem respostas e combinam sugestões da ferramenta com o próprio raciocínio. Se a ferramenta elevar a nota final, mas a pessoa não conseguir explicar ou revisar a resposta, a empresa precisa avaliar o risco e o desenho do processo.
O que ainda não sabemos
A pesquisa usa uma tarefa genérica, uma amostra online de adultos na Argentina e um acompanhamento de curto prazo. Não mede efeitos em equipes reais, tarefas específicas por profissão, contratação, salários, promoção ou produtividade empresarial sustentada.
O trabalho é um working paper e não passou por revisão por pares. Seus resultados não demonstram que a IA elimina desigualdades educacionais nem medem o efeito de qualquer ferramenta, país ou ambiente de trabalho.
Riscos
O risco de interpretação mais importante é dizer que a IA fechou a diferença sem qualificar que a redução ocorreu numa tarefa assistida, em um experimento online. O estudo encontrou uma diferença menor, não uma equivalência geral entre grupos.
O resultado tampouco justifica selecionar, promover ou avaliar pessoas com base em escolaridade ou em uma única tarefa experimental. Aplicações empresariais exigem validação própria, transparência sobre o uso da ferramenta e proteção dos dados dos participantes.
Fontes
- Does Generative AI Narrow Education-Based Productivity Gaps? Evidence from a Randomized ExperimentNational Bureau of Economic Research · Paper · conferida em 25 de setembro de 2026
- Does generative AI narrow education-based productivity gaps? Evidence from a randomized experimentUniversidad Torcuato Di Tella, Escuela de Gobierno · Paper · conferida em 25 de setembro de 2026
- Does Generative AI Narrow Education-Based Productivity Gaps? Evidence from a Randomized ExperimentSSRN · Paper · publicada em 18 de fevereiro de 2026 · conferida em 25 de setembro de 2026