A produtividade do trabalho no Brasil

O informe Visão do Desenvolvimento 101 do BNDES tratou de um tema bastante caro para a economia brasileira: a evolução da produtividade. Definindo produtividade do trabalho como o valor adicionado (a preços de 2000) dividido pelo número de trabalhadores, o informe chega à conclusão que houve avanço de 1,2% a.a. na produtividade no período 1991-2010. O PIB avançou 3% a.a. no mesmo período. Seria uma recuperação frente ao período 1981-1990, conhecido como década perdida. Lá o avanço da produtividade foi -1,8% ao ano. O aumento da produtividade no pós-Plano Real se deu preponderantemente pelo efeito tecnológico, gerado pela estabilidade macroeconômica, privatizações e abertura comercial.

Chama atenção que no período 1995-2008 a agropecuária teve avanço de 6,7% a.a. na produtividade do trabalho, enquanto que na indústria de transformação o ganho de produtividade foi negativo em 0,2%, como pode ser visto na tabela abaixo, retirada do informe. Nas palavras do informe  "(...) o expressivo ganho de produtividade nesse setor [agropecuário] pode ser explicado tanto por uma maior intensidade no uso dos insumos (aumento na qualificação da mão de obra empregada e mecanização crescente, por exemplo) como por aumento de eficiência (onde se destacam os ganhos proporcionados pelos investimentos em pesquisa da EMBRAPA)". Em outras palavras, ao invés do setor ficar reclamando do binômio câmbio-juros [que também o afeta, diga-se], resolveu investir em eficiência.

A produtividade pode ser dividida em dois efeitos: um tecnológico e outro de composição. No primeiro estão os ganhos propriamente ditos de produtividade em cada setor, fruto de maior eficiência no uso de fatores de produção. Já no segundo está a variação da participação do trabalho nos diferentes setores, ponderado pela produtividade em cada setor. Em outras palavras, um expressa o melhor uso, a melhor combinação de fatores de produção, já o outro expressa o deslocamento do fator trabalho pelos diferentes setores produtivos da economia. No informe é calculado que 90% do crescimento da produtividade do trabalho no período 1995-2008 pode ser explicado pelo efeito tecnológico.

Nesse contexto, mudanças estruturais na economia brasileira, como a estabilização macroeconômica, a maior abertura externa, as privatizações, melhorias institucionais, dentre outras, explicam grande parte do aumento de produtividade do trabalho no período 1995-2008. Um exemplo ajuda a entender isso. Imagine uma empresa que tivesse uma máquina bastante usada para fazer sorvetes. Com a abertura comercial e consequente redução das tarifas de importação, ela pode importar uma máquina mais nova, aumentando sua capacidade de produção, com o mesmo número de empregados. Isso é captado pelo efeito tecnológico descrito anteriormente. Além disso, com a estabilidade de preços, os custos de remarção dos produtos cai sensivelmente. O investimento em Tecnologias de Informação e Comunicação (TIC) também aumenta a capacidade de adicionar valor vis-à-vis a mesma quantidade de trabalhadores. Aumentos de produtividade são, em outros termos, a essência do crescimento econômico de longo prazo.

No fim do informe os autores incluem um 13º setor visando evidenciar o papel da taxa de desemprego na produtividade, baseando-se nesse estudo aqui. A ideia é que aumentos na taxa de desemprego reduzem a produtividade da economia, dado que pessoas desempregadas estão deixando de produzir, atuando assim em um 13º setor da economia com produtividade nula. Reduções da taxa de desemprego, pelo contrário, deslocam essas pessoas desse 13º setor para outro setor da economia, elevando a produtividade - pois a retiram de um setor com produtividade nula para outro setor com produtividade positiva.

Eu até achei essa ideia interessante, mas isso acabou me levando a uma pergunta: e quando você começa a baixar muito a taxa de desemprego a ponto de incluir pessoas sem a menor qualificação profissional? Será que isso não deveria ser levada em consideração em relação a seu impacto na produtividade? É algo a ser testado em um futuro próximo.

Tal pergunta me dá o gancho para um comentário final. O estudo é interessante, mas peca por não evidenciar que a educação [qualificação] da mão de obra é, em última instância, a grande geradora de aumento da produtividade do trabalho. Afinal, a evidência empírica dos últimos modelos de crescimento deixa claro que o capital humano é o grande responsável pelo desenvolvimento. Uma leitura interessante sobre isso é esta aqui. Só há uma menção honrosa a esse fator apenas nas últimas linhas dos informe - e quando fala no aumento da produtividade do setor agropecuário. Você pode creditar isso ao fato de que, afinal, o informe pertence a um banco de desenvolvimento e não a um orgão que defenda aumento de qualificação.

O informe pode ser conferido aqui.

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Coletando e integrando dados do BCB, IBGE e IPEA de forma automatizada

Quem trabalha com modelagem e previsão macroeconômica sabe o quanto é demorado reunir dados de diferentes fontes — Banco Central, IBGE, IPEA, FRED, IFI... Cada um com sua API, formato, frequência e estrutura. Esse gargalo de coleta e padronização consome tempo que poderia estar sendo usado na análise, nos modelos ou na comunicação dos resultados.

Foi exatamente por isso que criamos uma rotina de coleta automatizada, que busca, trata e organiza séries temporais econômicas diretamente das APIs oficiais, pronta para ser integrada a pipelines de previsão, dashboards ou agentes de IA econometristas.

Criando operações SQL com IA Generativa no R com querychat

No universo da análise de dados, a velocidade para obter respostas é um diferencial competitivo. Frequentemente, uma simples pergunta de negócio — “Qual foi nosso produto mais vendido no último trimestre na região Nordeste?” — inicia um processo que envolve abrir o RStudio, escrever código dplyr ou SQL, executar e, finalmente, obter a resposta. E se pudéssemos simplesmente perguntar isso aos nossos dados em português, diretamente no nosso dashboard Shiny?

Dashboard Financeiro com IA e Shiny Python: Análise de Dados Abertos da CVM

Este artigo apresenta um tutorial completo sobre como construir uma ferramenta de análise financeira de ponta. Utilizando Shiny for Python, demonstramos a automação da coleta de dados das Demonstrações Financeiras Padronizadas (DFP) da CVM e o tratamento dessas informações com Pandas. O ponto alto do projeto é a integração da IA Generativa do Google Gemini, que atua como um assistente de análise, interpretando os dados filtrados pelo usuário e fornecendo insights contábeis e financeiros em tempo real. O resultado é um dashboard dinâmico que democratiza a análise de dados complexos e acelera a tomada de decisão.

Boletim AM

Receba diretamente em seu e-mail gratuitamente nossas promoções especiais e conteúdos exclusivos sobre Análise de Dados!

Boletim AM

Receba diretamente em seu e-mail gratuitamente nossas promoções especiais e conteúdos exclusivos sobre Análise de Dados!

como podemos ajudar?

Preencha os seus dados abaixo e fale conosco no WhatsApp

Boletim AM

Preencha o formulário abaixo para receber nossos boletins semanais diretamente em seu e-mail.