Trabalho Remoto no Brasil^*

Resumo

Este artigo estima o potencial de trabalho remoto no Brasil, incorporando a necessidade de uma infraestrutura mínima na residência, que inclui acesso contínuo a energia elétrica, conexão de internet e pelo menos um microcomputador em casa. O artigo também compara a estimativa de potencial de trabalho remoto com o uso efetivo do trabalho remoto durante a pandemia de COVID-19. Os resultados mostram que o potencial do trabalho remoto no Brasil é de somente 17,8% da mão de obra, bem abaixo do potencial estimado para países desenvolvidos. No entanto, o uso efetivo de trabalho remoto atingiu um pico de somente 10,4% do total de ocupados durante a pandemia, significativamente abaixo do potencial estimado. Os dados mostram também a existência de grande heterogeneidade no potencial e uso de trabalho remoto entre regiões, estados e diferentes grupos socioeconômicos.

Palavras-chave
trabalho de casa; trabalho remoto

1. Introdução

Com a emergência da pandemia de COVID-19, diversas medidas de distanciamento social foram adotadas. Algumas destas medidas englobavam lockdowns que impossibilitavam o trabalho presencial para diversas atividades tidas como não essenciais. Desta forma, os trabalhadores foram afetados de forma distinta dependendo de sua ocupação.

Com o objetivo de melhor compreender o conjunto de trabalhadores que poderiam continuar a trabalhar de casa e a extensão que o trabalho remoto pode assumir, diversos estudos foram realizados para calcular a parcela de trabalhadores que podem trabalhar em casa em diferentes países.

O estudo pioneiro de Dingel e Neiman (2020) utiliza as descrições das ocupações com base na Occupational Information Network (O*NET) para estimar em que grau as ocupações nos Estados Unidos poderiam ser feitas de forma remota. Os resultados apontam que o potencial de trabalho remoto nos EUA corresponderia a 37% da mão de obra. Adicionalmente, os autores expandem as estimativas para diversos países desenvolvidos, encontrando números elevados de potencial de teletrabalho.

A metodologia de Dingel e Neiman (2020) foi aplicada posteriormente em estudos para diversos países. Boeri, Caiumi, e Paccagnella (2020) encontram um potencial de teletrabalho de 24% para a Itália, 28% para a França, 29% para a Alemanha, 25% para a Espanha e 31% para Suécia e Reino Unido.

Na América Latina, várias estimativas também seguiram a metodologia de Dingel e Neiman (2020). Albrieu (2020) e Foschiatti e Gasparini (2020) encontram um potencial de trabalho remoto entre 26% e 29% para a Argentina. Guntin (2020) estimou o potencial de trabalho remoto para o Uruguai e encontrou números variando entre 20% e 34%.

Góes, Martins, e Nascimento (2020a) adaptaram a metodologia de Dingel e Neiman (2020) para o Brasil, adequando o código de ocupações para a Classificação de Ocupações para Pesquisas Domiciliares (COD) utilizada na PNAD Contínua. Os autores estimam que somente 22,7% dos empregos podem ser realizados de forma remota no Brasil. Adicionalmente, os autores mostram grandes diferenças entre as unidades da federação, com um potencial de 31,5% do DF e somente 15,6% no Piauí.

A metodologia de Dingel e Neiman (2020) tem sido dominante na literatura, baseando-se na utilização do questionário O*NET para a definição das ocupações que podem ou não ser exercidas em casa. Alguns estudos utilizam metodologia similar, mas usam informações de outras bases de dados de ocupações.

Para estimar o trabalho remoto em países em desenvolvimento, Gottlieb, Grobovšek, Poschke, e Saltiel (2021) utilizam uma base de dados sobre conteúdo das ocupações em vários desses países, o Skills Toward Employ ability and Productivity (STEP).¹ Com base neste survey, os autores constroem uma medida de potencial de trabalho remoto baseada nas características das ocupações.

Os resultados mostram que, na média da amostra, somente 9,3% dos trabalhadores podem exercer suas funções de forma remota. Adicionalmente, os autores documentam grande variabilidade, com trabalhadores em ocupações hierarquicamente mais baixas podendo exercer trabalho remoto em somente 1,3% dos casos e gerentes podendo exercer trabalho remoto em 23,8% dos casos. Os autores também mostram que mulheres e trabalhadores com maior escolaridade e renda possuem maior chance de exercer o trabalho remoto.

Berg, Bonnet, e Soares (2020) apresentam estimativas sobre a capacidade de realizar o trabalho remoto para diferentes ocupações em 19 países. Os autores utilizam os códigos ocupacionais (ISCO 2008) em três dígitos e a probabilidade de trabalhar de casa com base no Delphi Survey para calcular as possibilidades de trabalho remoto de cada ocupação. As estimativas obtidas variam entre diferentes países, refletindo as diferentes condições do mercado de trabalho. Os resultados mostram que países de renda baixa possuem um potencial de trabalho remoto entre 12% e 13%, países de renda média entre 16% e 17%, e países de renda elevada entre 23% e 27%.

Além de estudos sobre o potencial de trabalho remoto, vários trabalhos apresentam estimativas da adoção do teletrabalho em diferentes países. Em particular, Bartik, Cullen, Glaeser, Luca, e Stanton (2020) e Barrero, Bloom, e Davis (2021b) analisam a incidência do trabalho remoto nos Estados Unidos. Taneja, Mizen, e Bloom (2021) apresentam estimativas para o Reino Unido. Gottlieb et al. (2021) utilizam dados do Brasil e da Costa Rica para avaliar o trabalho remoto efetivo. Góes, Martins, e Nascimento (2020b) discutem a adoção do trabalho remoto no Brasil usando dados da PNAD-COVID.

Conforme descrito, as diversas estimativas de potencial de trabalho remoto baseiam-se em classificações das ocupações que podem ser exercidas em casa. No entanto, países em desenvolvimento como o Brasil em geral possuem deficiências em sua infraestrutura de conectividade, o que pode impedir que algumas ocupações possam ser exercidas de forma remota, mesmo que suas características permitam. Neste sentido, uma importante lacuna da literatura consiste em não levar em consideração a necessidade de uma infraestrutura mínima na residência para que o trabalhador possa executar suas tarefas de forma remota.

A principal contribuição deste artigo consiste em construir uma medida de potencial de trabalho remoto que incorpora a necessidade de uma infraestrutura mínima na residência. Com este objetivo, adaptamos a metodologia de Dingel e Neiman (2020) ao contexto do Brasil, incorporando a necessidade de uma infraestrutura mínima doméstica, que inclui acesso contínuo a energia elétrica, conexão de internet e pelo menos um microcomputador, com base nos dados da PNAD Contínua. Adicionalmente, comparamos a estimativa de potencial de trabalho remoto no Brasil com o trabalho remoto efetivamente realizado, utilizando dados da PNAD-COVID.

Os resultados mostram que o potencial do trabalho remoto no Brasil é de somente 17,8%, bem abaixo do potencial estimado para países desenvolvidos. Também mostramos que o trabalho remoto efetivamente adotado atingiu um pico de 10,4% do emprego durante a pandemia, significativamente abaixo do potencial estimado.

A análise também mostra que o percentual de trabalhadores que podem trabalhar em casa aumenta de acordo com a escolaridade e o grau de formalização. Também constatamos que o salário médio das pessoas que podem trabalhar de casa é mais do que o dobro do grupo que não tem esta possibilidade. Mulheres têm maior potencial que homens de exercer as ocupações em casa e uma proporção maior de trabalhadores do setor público pode trabalhar de forma remota em comparação com o setor privado. O potencial de trabalho remoto é maior em regiões mais desenvolvidas, como Sul e Sudeste, do que em regiões de menor renda per capita, como Norte e Nordeste.

Com relação ao trabalho remoto efetivamente adotado no país em 2020, observamos que a adoção foi maior nos estados e regiões em que existia um maior potencial de trabalho remoto. Desta forma, a medida de trabalho remoto potencial utilizada neste artigo mostra aderência com os dados.

No que diz respeito aos indivíduos, os grupos com maior potencial para o teletrabalho foram aqueles com maior uso efetivo desta modalidade. Em particular, mulheres, brancos e amarelos, trabalhadores com maior escolaridade e formais foram os que adotaram de forma mais intensa o trabalho remoto, em linha com o maior potencial destes grupos.

Este artigo está organizado em cinco seções, incluindo esta introdução. A segunda seção apresenta a metodologia de Dingel e Neiman (2020) e sua adaptação de modo a incluir a necessidade de uma infraestrutura mínima no cálculo do potencial de trabalho remoto no Brasil, com base em dados da PNAD Contínua. Os resultados sobre trabalho potencial são analisados na terceira seção. A quarta seção apresenta dados de trabalho remoto efetivo no Brasil com base na PNAD-COVID. A quinta seção apresenta as conclusões.

2. Metodologia

2.1 Determinando as ocupações que podem ser realizadas de casa

Com o objetivo de analisar o número potencial de trabalhadores que podem realizar as suas tarefas em casa, recorremos à metodologia desenvolvida por Dingel e Neiman (2020).

Dingel e Neiman (2020) utilizam dois surveys da versão 242 da Occupational Information Network (O*NET), um programa patrocinado pelo Departamento de Trabalho dos EUA (US Department of Labor). O estudo busca entender melhor as características de cada ocupação e da força de trabalho que atua nestas ocupações. Para tanto, os códigos de ocupação da O*NET contém centenas de descrições padronizadas de quase 1000 ocupações, que permitem classificar as tarefas que podem ser realizadas de forma remota.

Dingel e Neiman (2020) usam um conjunto de perguntas para classificar atividades que não podem ser realizadas em casa. Os autores utilizam o resultado de dois surveys distintos: Work Context e Generalized Work Activities. Com base no survey sobre Work Context, os autores selecionam sete perguntas e, caso alguma seja respondida de forma afirmativa, significa que o trabalho não pode ser realizado em casa. Os autores adicionam a informação de mais oito perguntas realizadas no âmbito do Generalized Work Activities. Mais uma vez, caso alguma das oito perguntas selecionadas seja respondida de forma positiva, a ocupação não pode ser realizada de casa. As perguntas utilizadas em ambas as pesquisas se encontram no Apêndice.

2.2 Base de dados

Este artigo utiliza duas bases de dados distintas: a Pesquisa Nacional por Amostra de Domicílios Contínua (PNAD Contínua) de 2019 e a Pesquisa Nacional por Amostra de Domicílios COVID (PNAD-COVID), que adaptou a metodologia da PNAD Contínua para o período de pandemia. A PNAD-COVID é utilizada para os meses de maio a novembro de 2020.

A PNAD Contínua é uma pesquisa domiciliar bastante extensa, que possui dados sobre as características do trabalhador, sua ocupação e características de seu domicílio. A PNAD-COVID utiliza uma classificação de ocupações distinta da observada na PNAD Contínua, sendo mais agregada, e não possui informações sobre as características dos domicílios. Por outro lado, a PNAD-COVID fornece informações sobre as pessoas que estão de fato em trabalho remoto, informação não existente na PNAD Contínua.

Desta forma, utilizamos a PNAD Contínua de 2019 para caracterizar o potencial de trabalho remoto e a PNAD-COVID para avaliar o trabalho remoto efetivamente adotado no Brasil em 2020.

2.3 Traduzindo o código da O*NET para o Brasil

Para aplicar a metodologia de Dingel e Neiman (2020) ao Brasil é necessário realizar a tradução dos códigos de ocupação utilizados pelos autores para os códigos de ocupação utilizados no Brasil.

A Classificação de Ocupações para Pesquisas Domiciliares (COD) foi desenvolvida pelo IBGE, tendo como referência a Classificação Internacional Uniforme de Ocupações 2008 (CIUO-08) ou, em inglês, International Standard Classification of Occupations 2008 (ISCO-08), da Organização Internacional do Trabalho (OIT). A COD é idêntica à CIUO-08 no nível mais agregado (grande grupo) e reagrupa alguns subgrupos principais, subgrupos e grupos de base.²

Desta forma, utilizamos diversos tradutores para transformar os códigos da O*NET para os códigos utilizados pelo IBGE com base no ISCO-08. Primeiro, realizamos uma tradução das 968 ocupações da O*NET para a Standard Occupational Classification de 2010 (SOC-2010), utilizada na pesquisa domiciliar americana (Current Population Survey – CPS). Em seguida, reclassificamos as ocupações da SOC-2010 para a ISCO-08, para então traduzirmos para a COD utilizada na PNAD Contínua. As reclassificações foram realizadas conforme o diagrama abaixo.

Figura 1
Tradução do Código O*NET para a COD do Brasil

2.4 Infraestrutura mínima

Os estudos de Dingel e Neiman (2020) e Gottlieb et al. (2021), dentre outros citados anteriormente, avaliam se a ocupação pode ou não ser realizada de forma remota. Ou seja, avaliam as características de determinada ocupação e se elas permitem que a atividade seja realizada de forma remota.

No entanto, outros fatores além das características da ocupação são relevantes para que ela possa ser executada de forma remota. Em particular, é necessário que exista uma infraestrutura mínima para que um trabalhador possa executar as suas funções de casa. Neste artigo, consideraremos como infraestrutura mínima a existência de energia elétrica de forma regular no domicílio, acesso domiciliar à internet e a presença de pelo menos um microcomputador para que o trabalhador possa executar as suas tarefas de casa. É importante observar que não estamos avaliando a necessidade de ter um espaço adequado para o trabalho em casa, mas somente o mínimo necessário para que se possa trabalhar à distância: acesso a energia, microcomputador e internet.³

Desta forma, utilizaremos as variáveis que mensuram a existência de uma infraestrutura mínima com base na PNAD Contínua de 2019, de modo a criarmos uma variável dummy relacionada a esta infraestrutura mínima. A dummy terá valor 1 para os trabalhadores que possuem os três itens e zero para o trabalhador que não morar em domicílio com aquelas características.⁴

2.5 Trabalho remoto efetivo e a PNAD-COVID

Trabalho Remoto Potencial

Para complementar a análise, utilizaremos dados da PNAD-COVID, que possui uma pergunta específica sobre se o trabalhador encontra-se em home office. Com isso, podemos avaliar não somente o potencial de se trabalhar em casa, mas também seu uso efetivo.

No entanto, o uso da PNAD-COVID nos coloca outras questões. O nível de desagregação das ocupações é inferior na PNAD-COVID em comparação com a PNAD Contínua. Em função disso, com a finalidade de comparar a adoção do trabalho efetivo com o potencial na PNAD-COVID, precisamos agrupar as ocupações da PNAD-COVID em somente 10 categorias, reduzindo o nível de desagregação. Adicionalmente, a PNAD-COVID não possui informações sobre o domicílio para podermos ajustar o potencial com base na infraestrutura. Desta forma, adotamos a hipótese de que a perda de potencial de trabalho remoto devido à falta de infraestrutura é a mesma na PNAD-COVID que na PNAD Contínua de 2019, como detalharemos adiante.⁵

Devido à diferente agregação da PNAD Contínua e da PNAD-COVID, calcularemos o potencial de trabalho remoto na PNAD-COVID com base nas categorias mais agregadas disponíveis nesta base de dados, apresentadas na Tabela 1.

Tabela 1
Percentual que pode fazer trabalho remoto por tipo de ocupação

Diretorese gerentes	56,8%
Profissionais das ciências e intelectuais	67,3%
Técnicos e profissionais de nível médio	37,0%
Trabalhadores de apoio administrativo	70,8%
Trabalhadores dos serviços, vendedores dos comércios e mercados	14,4%
Trabalhadores qualificados da agropecuária, florestais, da caça e da pesca	3,3%
Trabalhadores qualificados, operários e artesãos da construção, das artes mecânicas e outros ofícios	4,0%
Operadores de instalações e máquinas e montadores	0,0%
Ocupações elementares	2,3%
Outros	18,0%

• Fonte: Elaboração Própria com base na PNAD-COVID.

Como mencionamos anteriormente, a PNAD-COVID não possui informações sobre os domicílios. Desta forma, utilizamos as informações sobre acesso mínimo à infraestrutura obtidas a partir da PNAD Contínua de 2019 para estimar o potencial de trabalho remoto ajustado pela infraestrutura na PNAD-COVID.

O ajuste é realizado com base na razão entre o potencial de trabalho remoto ajustado pela infraestrutura e trabalho remoto potencial sem ajuste da PNAD Contínua para cada grupo K analisado, conforme a fórmula abaixo:

(1) $PO{T}_{\text{PNAD-COVID-INFRA}}^K=PO{T}_{\text{PNAD-COVID}}^K\times \frac{PO{T}_{\text{PNAD-INFRA}}^K}{PO{T}_{\text{PNAD}}^K},$

em que $PO{T}_{\text{PNAD-COVID-INFRA}}^K$ é o trabalho remoto potencial da PNAD-COVID ajustado pela infraestrutura, $PO{T}_{\text{PNAD-COVID}}^K$ é o potencial de trabalho remoto da PNAD-COVID sem o ajuste da infraestrutura, $PO{T}_{\text{PNAD-INFRA}}^K$ é o potencial de trabalho remoto da PNAD Contínua de 2019 com ajuste de infraestrutura e $PO{T}_{\text{PNAD}}^K$ é o potencial de trabalho remoto calculado com base na PNAD Contínua de 2019 sem o ajuste de infraestrutura.

Taxa Potencial de Trabalho Remoto

Com base na taxa de trabalho potencial ajustada pela infraestrutura, podemos avaliar o trabalho remoto em mais detalhe. A equação (2) mostra a taxa potencial de trabalho remoto, que mensura o potencial de trabalho remoto para cada grupo

(2) $T{P}^K=\frac{PO{T}_{\text{PNAD-COVID-INFRA}}^K}{Tota{l}^K},$

específico K em relação ao total de ocupações.

em que TP^K é a taxa potencial de trabalho remoto, $PO{T}_{\text{PNAD-COVID-INFRA}}^K$ é o potencial de trabalho remoto calculado da PNAD-COVID ajustado pela infraestrutura e Total^K é o emprego total do grupo K na economia.

Taxa Efetiva de Trabalho Remoto

A taxa efetiva computa qual o percentual de trabalhadores em cada grupo K que de fato estão atuando no trabalho remoto:

(3) $T{E}^K=\frac{TE{F}^K}{Tota{l}^K},$

em que TE^K é a taxa efetiva de trabalho remoto, TEF^K é o total de trabalhadores efetivamente em trabalho remoto e Total^K é o emprego total do grupo K na economia.

Taxa de Conversão do Trabalho Remoto

A Taxa de Conversão (TC) computa o percentual de trabalhadores do grupo K que estão trabalhando de casa (Efetivos) e o total de trabalhadores que poderiam estar trabalhando de casa (POT), conforme descrito pela seguinte equação:

(4) $T{C}^K=\frac{TE{F}^K}{PO{T}_{\text{PNAD-COVID-INFRA}}^K},$

em que TC^K é a taxa de conversão do trabalho remoto do grupo K, TEF^K é o total de trabalhadores efetivamente em trabalho remoto do grupo K e $PO{T}_{\text{PNAD-COVID-INFRA}}^K$ é o potencial de trabalho remoto do grupo K calculado da PNAD-COVID ajustado pela infraestrutura.

Com base nestas estatísticas, podemos calcular as três taxas para cada categoria, como gênero, raça, região, estados, nível de escolaridade e informalidade.

Decomposição

Taxa Efetiva A Taxa Efetiva (TE) pode ser escrita como o produto da Taxa Potencial (TP) de trabalho remoto pela Taxa de Conversão (TC), conforme a seguinte fórmula:

(5) $TE=\frac{TEF}{TOT}=\frac{POT}{TOT}\times \frac{TEF}{POT}=TP\times TC.$

Com isso, podemos decompor a diferença da Taxa Efetiva (TE) entre grupos⁶ conforme

(6) $T{E}^J-T{E}^K=T{P}^J\times T{C}^J-T{P}^K\times T{C}^K.$

Somando e subtraindo metade de TP^J × TC^K e de TP^K × TC^J dos dois lados, temos:

(7) $T{E}^J-T{E}^K=\frac{\left(T{C}^J+T{C}^K\right)}{2}\times \left(T{P}^J-T{P}^K\right)+\frac{\left(T{P}^J+T{P}^K\right)}{2}\times \left(T{C}^J-T{C}^K\right).$

Denominando o efeito potencial (EP) como

$EP=\frac{\left(T{C}^J+T{C}^K\right)}{2}\times \left(T{P}^J-T{P}^K\right)$

e o efeito conversão sendo denominado como

$EC=\frac{\left(T{P}^J+T{P}^K\right)}{2}\times \left(T{C}^J-T{C}^K\right),$

podemos reescrever (7) da seguinte forma:

A equação (8) mostra dois efeitos distintos. Primeiro, uma parte da diferença entre as taxas efetivas dos grupos J e K deve-se ao efeito potencial (EP – a diferença na taxa de potencial de trabalho remoto, ponderada pela taxa de conversão média). O segundo componente deve-se ao efeito conversão (EC – a diferença na taxa de conversão do trabalho remoto potencial em efetivo, ponderada pela taxa média de trabalho remoto potencial).

(8) $T{E}^J-T{E}^K=EP+EC.$

2.6 Estimação de um Probit sobre o Trabalho Remoto Efetivo

Em seguida, estimaremos um modelo para identificar as variáveis que mais afetam o trabalho remoto efetivamente adotado no país. Especificamente, vamos estimar uma equação em cross-section para cada mês em que a PNAD-COVID estava disponível (entre maio e novembro de 2020). O modelo é estimado com base na seguinte equação:

(9) $T{R}_i={\alpha }_0+\beta X_i+\epsilon ,$

em que TR_i é uma variável dummy que representa o trabalho remoto efetivo e assume valor 1 caso o trabalhador i esteja em trabalho remoto e zero caso não esteja em trabalho remoto. A variável α₀ é uma constante e X_i é um vetor das diversas características do indivíduo i: gênero, raça,⁷ anos de escolaridade, vínculo de emprego⁸ e ocupação em que trabalha.

3. Resultados de Trabalho Potencial

Uma vez classificadas as ocupações que podem ser realizadas de casa e que possuem a infraestrutura mínima, avaliaremos em seguida o potencial de trabalho remoto para diversos grupos.⁹

Os resultados apresentados a seguir mostram o percentual de trabalhadores que podem trabalhar em casa, para o país, regiões e estados, levando em consideração a existência de uma infraestrutura mínima para fazer o trabalho remoto. Adicionalmente, calculamos este percentual para o setor público e privado, formal e informal e para características socioeconêmicas, como gênero, raça e escolaridade.

Nesta seção apresentamos gráficos em barras nos quais o potencial de trabalho remoto ajustado pela infraestrutura mínima é representado pela barra vermelha. A barra azul representa o potencial de trabalho remoto que é reduzido pela falta de infraestrutura mínima. O potencial de trabalho remoto calculado de acordo com a metodologia de Dingel e Neiman (2020), que denominaremos DN, é representado pela soma das barras vermelhas e azuis.

Nos resultados para o Brasil, as regiões e os estados brasileiros, as estimativas de trabalho remoto potencial ajustado pela infraestrutura mínima serão comparadas com os resultados baseados na metodologia de DN. No restante do artigo, no entanto, daremos ênfase para o potencial de trabalho remoto ajustado pela infraestrutura, que é a principal contribuição deste trabalho, por adaptar a metodologia de DN às condições de um país em desenvolvimento como o Brasil.

Brasil e regiões

A Figura 2 mostra o potencial de trabalho remoto no Brasil e regiões. A Figura 2 mostra que, de acordo com a medida de DN, que não faz o ajuste pela infraestrutura, o percentual de trabalhadores que podem trabalhar de casa no Brasil foi de 25,5% em 2019. No entanto, o potencial cai para somente 17,8% quando incorporamos a necessidade de uma infraestrutura mínima para trabalhar de casa. Portanto, o ajuste pela infraestrutura mostra que o potencial de teletrabalho no Brasil é significativamente mais baixo do que o calculado utilizando somente a metodologia de DN. Isso ocorre não somente para o país, mas tem impacto ainda maior quando fazemos a estimativa por regiões.

Figura 2
Percentual de Trabalhadores que Podem Trabalhar de Casa – Com e Sem Ajuste de Infraestrutura – Brasil e Regiões

A Figura 2 mostra ainda a diferença de possibilidade de teletrabalho entre as regiões brasileiras. As regiões mais ricas do Brasil, Sudeste (28%) e Sul (26,2%), possuem o maior percentual de trabalhadores que podem migrar para o trabalho em casa com base na metodologia de DN. O ajuste pela infraestrutura mostra que a distância aumenta ainda mais entre as regiões. As regiões com menor potencial segundo DN também possuem menos infraestrutura, reduzindo ainda mais a possibilidade do trabalho remoto. O potencial na região Norte cai para menos da metade, com redução de 21,2% para 10,3%. Na região Nordeste, a redução é de 8,9pp, passando de 21,9% para somente 13,0%.

Os resultados da Figura 2 mostram que, uma vez que a infraestrutura mínima seja considerada, o potencial de teletrabalho estimado para o Brasil é bem inferior ao reportado por Góes et al. (2020a), que encontram um potencial de teletrabalho de 22,7%.

Estados

Com o objetivo de entender melhor as diferenças regionais, calculamos o potencial de trabalho remoto para os diferentes estados do país (Figura 3). Os resultados mostram que o Distrito Federal possui o maior percentual de trabalhadores que podem migrar para o home office. O segundo estado com maior percentual de trabalhadores que podem trabalhar de casa é o Rio de Janeiro, seguido de São Paulo. Podemos também observar que o potencial de trabalho remoto ajustado pela infraestrutura é menor que o de DN em todos os estados, particularmente nos estados das regiões Norte e Nordeste.

Figura 3
Percentual de Trabalhadores que Podem Trabalhar de Casa – Com e Sem Ajuste de Infraestrutura – Estados

Considerando a falta de infraestrutura, o Pará é o estado com menores possibilidades de trabalho remoto, com somente 8,7% dos trabalhadores podendo migrar para o home office. Na mesma linha, o potencial de trabalho remoto ajustado pela infraestrutura no Maranhão é de apenas 8,9%.

Como a Figura 2 e a Figura 3 mostraram, o potencial de trabalho remoto no Brasil ajustado pela infraestrutura é muito inferior ao estimado com base na metodologia de DN. Desta forma, de agora em diante, sempre que mencionarmos potencial de trabalho remoto, vamos nos referir à medida ajustada pela infraestrutura mínima.

Público × Privado

A diferença de potencial de teletrabalho entre os estados pode ser decorrente de uma diferença elevada entre os tipos de ocupações que podem ou não podem ter teletrabalho ou na infraestrutura mínima. Outra possibilidade é serem fruto da diferença de peso relativo entre os setores público e privado, por exemplo.

A Figura 4 mostra que o potencial de teletrabalho do setor público é bem maior que o do setor privado. Enquanto o potencial de trabalho remoto do setor público para o país como um todo é de 40%, o potencial do setor privado é de somente 15%. O potencial de teletrabalho do setor público oscila entre 30% na região Norte e 47,1% na região Sul. A região com maior potencial de teletrabalho no setor privado é a região Sudeste, com 18,6%, seguida pela região Sul com 16,8%.

Figura 4
Percentual de Trabalhadores que Podem Trabalhar de casa: Público × Privado

Gênero

A análise por gênero (Figura 5) mostra que as mulheres possuem um potencial de teletrabalho mais de 8pp maior que o dos homens quando ajustamos pela infraestrutura. Especificamente, mulheres possuem um potencial de 22,3% de empregos remotos, enquanto os homens têm potencial de somente 14,2%.

Figura 5
Percentual de Trabalhadores que Podem Trabalhar de casa por gênero

Raça

A Figura 6 mostra o potencial de trabalhar em casa por raça. Podemos observar que brancos e amarelos possuem um percentual de empregos que podem ser executados de casa superior em mais de 12 pp ao percentual observado por pretos e pardos: 24,5% para brancos e amarelos e 12,2% para pretos e pardos.

Figura 6
Percentual de Trabalhadores que Podem Trabalhar de Casa por Raça

Escolaridade

A análise por escolaridade mostra que o percentual dos trabalhadores que podem migrar para o teletrabalho aumenta com a escolaridade. A Figura 7 mostra que trabalhadores sem instrução ou com o fundamental incompleto podem ser deslocados para o trabalho em casa em somente 1,5% dos casos. Trabalhadores com fundamental completo e médio incompleto veem esta possibilidade subir para 4,6%, enquanto que trabalhadores com o médio completo e superior incompleto podem realizar trabalhos remotos em 14,8% dos casos. Já os trabalhadores com ensino superior completo possuem 52,9% de potencial de migrar para o trabalho em casa.

Figura 7
Percentual de Trabalhadores que Podem Trabalhar de Casa por Ciclos Escolares

A escolaridade média dos trabalhadores que podem adotar o trabalho remoto atinge 14,4 anos de escolaridade. Por outro lado, os anos de escolaridade dos trabalhadores que não podem realizar o teletrabalho é de somente 9,8 anos de estudo. Esta diferença significa mais de um ciclo escolar completo em relação aos que podem trabalhar em home office.

Informalidade

A possibilidade de trabalhar de casa pode ter relação direta com o tipo de vínculo trabalhista. Neste sentido, é importante avaliar o impacto da informalidade sobre a possibilidade do trabalhador exercer o teletrabalho. Desta forma, iniciamos a análise definindo os trabalhadores informais como sendo a soma dos trabalhadores sem carteira, empregadores e trabalhadores por conta própria sem CNPJ e trabalhadores auxiliares. Os trabalhadores formais, por sua vez, são os trabalhadores com carteira, empregadores e trabalhadores por conta própria com CNPJ, militares e estatutários.

A Figura 8 mostra que, do total dos trabalhadores formais, 23,6% poderiam trabalhar de casa, enquanto que dentre os trabalhadores informais somente 10,2% poderiam exercer suas funções em casa.

Figura 8
Percentual de Trabalhadores que Podem Trabalhar de Casa por Vínculo – Formal × Informal

Podemos avaliar ainda o potencial de teletrabalho dentro dos grupos de trabalhadores assalariados (com e sem carteira). A Figura 9 mostra que 20,1% dos trabalhadores com carteira poderiam migrar para o teletrabalho, enquanto que para os trabalhadores sem carteira o potencial é de somente 13,4%.

Figura 9
Percentual deTrabalhadores que Podem Trabalhar de Casa por Vínculo – Com Carteira × Sem Carteira

Renda

Por último, calculamos a renda média dos trabalhadores que podem exercer suas funções de casa e daqueles que não podem executar o trabalho de forma remota. A Figura 10 mostra que a renda dos trabalhadores que podem exercer suas funções através do teletrabalho é mais do que o dobro da renda dos trabalhadores que não possuem esta opção. Especificamente, a renda dos trabalhadores que estão em ocupações que podem ser realizadas de casa é de R$4.266 ante R$1.689 dos trabalhadores que estão em ocupações que não podem ser realizadas de forma remota.

Figura 10
Renda média de trabalhadores que podem ou não trabalhar de casa

Este resultado reflete o fato de que os trabalhadores com maior escolaridade têm maior possibilidade de trabalhar em atividades que podem ser exercidas à distância do que os trabalhadores que não possuem esta opção.

4. Resultados de Trabalho Remoto Efetivo

Os resultados apresentados nesta seção são baseados na PNAD-COVID e nas definições de trabalho remoto potencial ajustado pela infraestrutura, trabalho remoto efetivo e taxa de conversão apresentadas anteriormente. Esta análise será realizada por gênero, raça, região, estados, escolaridade e vínculo de emprego.

Inicialmente apresentamos, para cada grupo de ocupações, uma comparação entre o potencial de trabalho remoto e o trabalho remoto efetivo. A Tabela 2 mostra que, para as ocupações analisadas, o número de trabalhadores remotos potenciais é superior ao efetivamente observado na maioria dos casos.

Tabela 2
Total de Trabalhadores (em milhares)

	Potencial	Efetivo	Potencial-Efetivo
Diretores e gerentes	1.171	511	660
Profissionais das ciências e intelectuais	6.013	4.235	1.778
Técnicos e profissionais de nível médio	1.033	625	409
Trabalhadores de apoio administrativo	2.716	550	2.165
Trab. dos serv., vendedores dos comércios e mercados	1.332	279	1.052
Trab. qual. da agr., florestais, da caça e da pesca	163	12	150
Trab. qual., oper. e artesãos da construção, das artes mecânicas e outros ofícios	310	83	227
Op. de instalações e máquinas e montadores	–	39	–39
Ocupações elementares	166	221	–56
Outros	1.116	757	358
Não classificados	–	17	–17
Total	14.018	7.330	6.688

• Fonte: Elaboração Própria com base na PNAD-COVID.

Os trabalhadores das ocupações elementares possuem um número de trabalhadores efetivos superior ao potencial. No entanto, o número total é relativamente baixo, devendo ser fruto de má classificação, não representando problema grave na análise.

No entanto, temos que para o grupo de “operadores de instalações, máquinas e montadores”, o potencial de trabalho remoto é igual a zero, mas observamos um trabalho remoto efetivo positivo. A descrição da atividade não deixa dúvidas de que a ocupação requer que os indivíduos devem sair de casa para poder desempenhar seus trabalhos. Adicionalmente, temos as atividades não classificadas nas ocupações descritas, com cerca de 17 mil pessoas trabalhando de forma remota.

Desta forma, optamos por colocar os trabalhadores que se encontram em home office dos grupos “operadores de instalações, máquinas e montadores” e as “não classificadas” no grupo de outras ocupações. Isso contorna o problema de ocupações com número de trabalhadores efetivo maior do que o potencial e, ao mesmo tempo, mantém o número total de trabalhadores.¹⁰

A Tabela 3 mostra que o potencial de teletrabalho calculado com base na PNAD-COVID é de 16,6%, um pouco abaixo do potencial calculado a partir da PNAD Contínua (17,8%), que apresentamos na seção anterior. A taxa de adoção efetiva do trabalho remoto em novembro de 2020 foi de 8,7%, enquanto que a taxa de conversão foi de 52,3%.

Tabela 3
Trabalho Remoto (%)

Potencial	16,6
Efetivo	8,7
Taxa de Conversão	52,3

• Fonte: Elaboração Própria com base na PNAD-COVID.

Evolução

A Figura 11 apresenta a evolução do trabalho remoto efetivo entre maio e novembro de 2020. Podemos observar que os meses de maio e junho foram os meses de pico do trabalho remoto, coincidindo com os meses de maior fechamento da economia brasileira.

Figura 11
Evolução do Trabalho Efetivo

Em maio e junho de 2020, cerca de 10% da população ocupada estavam em home office, representando 8,7 milhões de trabalhadores. Estes números declinam gradativamente ao longo do segundo semestre, até atingir 8,7% e 7,3 milhões de trabalhadores em novembro.

A Figura 12 mostra o uso do potencial de teletrabalho no país, comparando o trabalho remoto efetivo com o trabalho remoto potencial. A taxa de conversão, ou seja, o número de trabalhadores efetivos dividido pelo potencial de teletrabalho, atingiu o seu pico em junho com 64,7% e declinou até 52,3% em novembro. Este resultado mostra que o potencial de trabalho remoto foi relativamente pouco utilizado no Brasil, atingindo pouco menos de 65% mesmo no pico da pandemia em junho.

Figura 12
Taxa de Conversão

Gênero

A Figura 13 mostra a análise por gênero no Brasil. Podemos observar que as mulheres possuem 21,3% de potencial do trabalho remoto, ao passo que entre os homens este percentual atinge somente 13,2%, com base nos dados da PNAD-COVID. O percentual de homens efetivamente trabalhando de casa é de somente 6,3%, ante 12,0% entre as mulheres. Adicionalmente, mostramos que a taxa de conversão entre as mulheres é significativamente maior do que entre os homens, 56,5% ante 47,4%.

Figura 13
Trabalho Remoto por Gênero (%)

A Figura 13 mostra que as mulheres possuem maior potencial de teletrabalho, maior percentual efetivo e uma taxa de conversão mais elevada. A diferença entre a taxa efetiva de homens e mulheres pode ser separada em dois componentes distintos. O primeiro é o potencial de trabalho remoto e o segundo é a taxa de conversão desta possibilidade em realidade.

A Tabela 4 mostra o resultado desta decomposição. Podemos observar que, da diferença total da taxa de efetivação de 5,8 pontos percentuais (p.p.) entre mulheres e homens, a maior parte (72,9%) é explicada pelo maior potencial feminino de trabalho remoto, com a taxa de conversão explicando o restante (27,1% do total).

Tabela 4
Decomposição da diferença da taxa efetiva entre homens e mulheres (%)

	pp	%
Efeito Potencial	–4,2	72,9
Efeito Conversão	–1,6	27,1
Total	–5,8

• Fonte: Elaboração Própria com base na PNAD-COVID.

Raça

A Tabela 5 mostra a análise por raça. Os números mostram que a maior possibilidade de efetivação de trabalho remoto encontra-se entre os trabalhadores amarelos e brancos, na comparação com pretos e pardos. Em particular, enquanto a taxa de efetivação de amarelos e brancos é de 12%, a de pretos e pardos é de somente 5,6%. A taxa de conversão segue o mesmo padrão, com brancos e amarelos tendo taxa de conversão de 55%, e pretos e pardos de 47,8%.

Tabela 5
Trabalho Remoto por Raça (%)

	Brancos e Amarelos	Pretos e Pardos	Total
Potencial	21,9	11,8	16,6
Efetivo	12,0	5,6	8,7
Taxa de Conversão	55,0	47,8	52,3

• Fonte: Elaboração Própria com base na PNAD-COVID.

A decomposição das diferenças nas taxas de trabalho remoto efetivo entre os diferentes grupos é apresentada na Tabela 6. Podemos observar que a maior efetivação de brancos e amarelos em relação aos pretos e pardos é explicada principalmente pelo maior potencial (81,3%), enquanto a taxa de conversão explica o restante (18,7%).

Tabela 6
Decomposição da Diferença da Taxa Efetiva de Brancos e Amarelos em Relação a Pretos e Pardos (%)

	pp	%
Efeito Potencial	5,2	81,3
Efeito Conversão	1,2	18,7
Total	6,4

• Fonte: Elaboração Própria com base na PNAD-COVID.

Região

Os resultados por região são apresentados na Figura 14. A região Sudeste possui a maior taxa de trabalho remoto potencial (18,9%), efetivo (11,3%) e a maior taxa de conversão (59,6%). As regiões Sul e Centro-Oeste apresentam números parecidos em relação ao potencial, mas um trabalho remoto efetivo substancialmente inferior, na faixa dos 7,6%.

Figura 14
Trabalho remoto por região (%)

Embora a taxa potencial seja inferior nas regiões Norte e Nordeste na comparação com as demais, a taxa efetiva é ainda mais baixa nessas regiões, com efetivação de somente 3,7% dos trabalhadores em trabalho remoto na região Norte e 6,3% na região Nordeste.

A Tabela 7 apresenta a decomposição da diferença da taxa de trabalho remoto efetivo entre regiões no efeito potencial e efeito conversão. Pode-se observar que o componente mais importante para a explicação da diferença da taxa efetiva entre as Regiões Norte e Nordeste, de um lado e a região Sudeste, de outro, é o efeito potencial (mais de 60%). Na comparação com as regiões Sul e Centro-Oeste, o maior trabalho remoto efetivo da região Sudeste é explicado por uma maior conversão (mais de 76%) do trabalho remoto potencial em efetivo no Sudeste.

Tabela 7
Decomposição da diferença da taxa efetiva entre a Região Sudeste e as demais regiões (%)

	Norte		Nordeste		Sul		CO		Brasil
	pp	%	pp	%	pp	%	pp	%	pp	%
Efeito Potencial	4,7	61,7	3,2	63,5	0,5	13,6	0,9	23,3	1,3	50,1
Efeito Conversão	2,9	38,3	1,8	36,5	3,1	86,4	2,8	76,7	1,3	49,9
Total	7,6		5,0		3,6		3,7		2,6

• Fonte: Elaboração Própria com base na PNAD-COVID.

Escolaridade

A Figura 15 mostra a taxa potencial de trabalho remoto, a taxa efetiva de trabalho remoto e a taxa de conversão por ciclo escolar. Podemos observar que, à medida que a escolaridade aumenta, a taxa potencial e efetiva de trabalho remoto sobem, assim como a taxa de conversão.

Figura 15
Trabalho Remoto por Escolaridade (%)

Enquanto a taxa de conversão é de 64,3% para os trabalhadores com ensino superior completo, ela cai para 34,8% para aqueles com ensino médio completo e superior incompleto, 25,2% para os que completaram o fundamental e 26% para os que não completaram o ensino fundamental. Isso se traduz em uma taxa efetiva de 27,1% para os trabalhadores com ensino superior, 4,5% para os com ensino médio completo e superior incompleto, 0,9% para os com ensino fundamental completo e médio incompleto e 0,4% para os sem instrução ou com ensino fundamental incompleto.

A decomposição da diferença entre a taxa efetiva dos trabalhadores com ensino superior e os demais grupos de escolaridade é apresentada na Tabela 8. Os resultados mostram que o efeito potencial é o mais importante na comparação entre os grupos de escolaridade, embora o efeito conversão também possua impacto positivo. O efeito potencial explica pelo menos 64% da diferença entre os trabalhadores com ensino superior e os demais grupos educacionais.

Tabela 8
Decomposição da diferença da taxa efetiva entre o grupo com Ensino superior e os demais grupos educacionais

	Sem Instrução e Fundamental Incompleto		Fundamental Completo e Médio incompleto		Médio Completo e Superior Incompleto		Brasil
	pp	%	pp	%	pp	%	pp	%
Efeito Potencial	18,4	68,8	17,2	65,7	14,5	64,0	15,0	81,3
Efeito Conversão	8,4	31,2	9,0	34,3	8,1	36,0	3,5	18,7
Total	26,8		26,2		22,7		18,4

• Fonte: Elaboração Própria com base na PNAD-COVID.

Grau de Formalização

O mesmo exercício pode ser realizado utilizando-se a separação entre trabalhadores formais e informais (Tabela 9). A taxa potencial de trabalho remoto dos formais situa-se em patamar de quase três vezes a dos trabalhadores informais. A taxa de conversão é próxima entre os dois grupos, enquanto que a taxa efetiva de trabalho remoto é de 11,2% para os formais e de somente 3,8% para os informais.

Tabela 9
Trabalho Remoto por Grau de Formalização (%)

	Formal	Informal	Total
Potencial	21,5	7,3	16,6
Efetivo	11,2	3,8	8,7
Taxa de Conversão	52,2	52,7	52,3

• Fonte: Elaboração Própria com base na PNAD-COVID.

A diferença da taxa efetiva entre trabalhadores formais e informais de 7,4 pp é explicada pelo maior potencial dos trabalhadores formais em relação aos informais (Tabela 10).

Tabela 10
Decomposição da Diferença da Taxa Efetiva entre Trabalhadores Formais e Informais (%)

	pp	%
Efeito Potencial	7,4	100,9
Efeito Conversão	–0,1	–0,9
Total	7,4

• Fonte: Elaboração Própria com base na PNAD-COVID.

Probit Estimado

A equação (9) foi estimada para todos os meses disponíveis da PNAD-COVID, com todos os coeficientes mantendo os seus sinais e sendo significativos a 5%. Nesta seção apresentamos os resultados para o mês de agosto e para o mês de novembro.

Os resultados são apresentados na Tabela 11 e mostram que a maior escolaridade está diretamente associada a uma maior probabilidade de adoção do trabalho remoto. O mesmo ocorre com mulheres e com trabalhadores formais na comparação com homens e trabalhadores informais, respectivamente. Pretos e pardos possuem menor chance de migrarem para o trabalho remoto do que brancos e amarelos.

Tabela 11
Probit sobre Trabalho Remoto

	Agosto	Novembro
Fundamental Completo e Médio Incompleto	0,210	0,340
Médio Completo e Superior Incompleto	0,903	0,921
Superior Completo	1.547	1.612
Mulher	0,288	0,343
Pretos e Pardos	–0,263	–0,354
Formal	0,387	0,368
1 – Diretores e gerentes	0,516	0,473
2 – Profissionais das ciências e intelectuais	0,541	0,563
3 – Técnicos e profissionais de nível médio	0,420	0,405
4 – Trabalhadores de apoio administrativo	0,482	0,523
5 – Trabalhadores dos serviços, vendedores dos comércios e mercados	–0,405	–0,409
6 – Trab. qual. da agr., florestais, da caça e da pesca	–1.422	–1.544
7 – Trab qual., oper. e artesãos da const., das artes mec. e outros ofícios	–1.161	–1.128
8 – Operadores de instalações e máquinas e montadores	–1.544	–1.424
9 – Ocupações elementares	–0,310	–0,413
Constante	–0,606	–0,713
Pseudo-R2	0,507	0,525

• Fonte: Elaboração Própria com base na PNAD-COVID.

Por último, a Tabela 11 mostra as ocupações que possuem maior impacto na probabilidade de se adotar o trabalho remoto. Os resultados mostram que atividades que demandam contato pessoal, estão associadas a trabalhos físicos ou dependem de maquinário possuem menor chance de serem executadas à distância.

A Figura 16 mostra o efeito marginal das estimativas do probit para o mês de novembro. Os resultados mostram que a maior escolaridade tem impacto direto na possibilidade de trabalho remoto. Ter completado o ensino fundamental amplia a chance do trabalho remoto em 10,4%, o ensino médio aumenta esta probabilidade em 26,2% e completar o ensino superior eleva em 40% a probabilidade do trabalho remoto.

Figura 16
Efeitos Marginais sobre o Trabalho Remoto

As mulheres possuem uma probabilidade 5,4% superior à dos homens de poderem trabalhar de forma remota, enquanto para os pretos e pardos esta possibilidade se reduz em 5,7% na comparação com os brancos. A formalização amplia a chance do trabalho remoto em 6,2%.

Por último, podemos verificar a grande importância que a ocupação possui para influenciar a possibilidade do trabalho remoto. As pessoas que trabalham em ocupações relacionadas a 1 (diretores e gerentes), 2 (profissionais das ciências intelectuais), 3 (técnicos e profissionais do ensino médio) e 4 (trabalhadores de apoio administrativo) possuem maior probabilidade de trabalhar de forma remota. No sentido contrário, trabalhadores que atuam em áreas relacionadas a 6 (Trabalhadores qualificados da agricultura, florestais, da caça e da pesca), 7 (Trabalhadores Qualificados, Operários e Artesãos da construção, das artes mecânicas e outros ofícios) e 8 (Operadores de Instalações e máquinas e montadores) têm redução da probabilidade de trabalharem remotamente de pelo menos 33%.

5. Conclusão

Este artigo avaliou o potencial de teletrabalho no Brasil com base em dados da PNAD Contínua de 2019 e sua adoção em 2020 usando dados da PNAD-COVID. O indicador de potencial de trabalho remoto ajusta a medida baseada na metodologia de Dingel e Neiman (2020) para incorporar a necessidade de uma infraestrutura doméstica mínima, abrangendo a existência de energia elétrica de forma regular no domicílio, acesso à internet e a presença de pelo menos um microcomputador para que o trabalhador possa executar as suas tarefas de casa.

Também avaliamos o trabalho remoto potencial e o trabalho remoto efetivo de acordo com diferentes características, como gênero, raça, escolaridade, região, estados e vínculo de emprego.

Os resultados mostram que o potencial de trabalho remoto se reduz de forma significativa quando se considera a existência de infraestrutura doméstica mínima no cálculo do trabalho remoto potencial. O potencial de trabalho remoto do país cai de 25,5% na medida baseada em Dingel e Neiman (2020) para somente 17,8%.

O trabalho potencial também varia de forma substancial entre regiões levandose em consideração a existência de uma infraestrutura mínima. Por exemplo, no Sudeste o potencial cai de 28,0% para 20,8%. Este número atinge somente 10,3% na região Norte e 13% no Nordeste, ante 21,2%e21,9% quando não se considera a infraestrutura mínima. Desta forma, o potencial da adoção do trabalho remoto no Brasil é significativamente mais restrito do que o documentado na literatura para países desenvolvidos em Dingel e Neiman (2020) e para o próprio Brasil em Góes et al. (2020a) e Gottlieb et al. (2021). A seguir, comentamos apenas os indicadores de potencial de trabalho remoto ajustados pela existência de uma infraestrutura mínima.

O potencial de teletrabalho é em média de 40% no setor público ante 15% no setor privado. O potencial do setor público varia entre 30,4% na região Norte até 47,1% na região Sul. No setor privado, o potencial de trabalho remoto possui maior variabilidade do que no setor público, oscilando entre 6,7% na região Norte e 18,6% na região Sudeste.

Do ponto de vista das caraterísticas individuais, constatamos que mulheres possuem maior possibilidade de trabalho remoto do que os homens. Em particular, 22,3% das mulheres podem trabalhar de casa ante 14,2% dos homens. O potencial de trabalho remoto também é maior para brancos e amarelos, os mais escolarizados e os trabalhadores formais.

A análise do trabalho remoto efetivo indica que os estados e regiões adotaram o trabalho efetivo em linha com o seu potencial. Ou seja, os locais com maior potencial foram os que de fato adotaram mais o trabalho remoto. Os resultados indicam que mulheres, brancos e amarelos, trabalhadores com mais anos de estudo e com vínculo formal de emprego adotaram o trabalho remoto de forma mais intensa.

Por último, buscamos entender as diferenças entre as taxas de trabalho remoto efetivo entre grupos socioeconômicos e por regiões geográficas. Os resultados mostram que diferenças na taxa potencial de trabalho remoto explicam pelo menos 64% das diferenças entre os indivíduos. No entanto, em todos os grupos uma parcela significativa do potencial de trabalho remoto não foi efetivamente utilizada. Isso sugere que o potencial de trabalho remoto no Brasil pode ser ainda menor que o calculado neste artigo.

• 1
  O STEP abrange mais de 17.000 trabalhadores de áreas urbanas de 10 países de renda baixa e média.
• 2
  As diferenças se restringem a alguns subgrupos e grupos de base nos Grandes Grupos 0 e 6, que são reagrupados pela COD.
• 3
  Barrero, Bloom, e Davis (2021a) analisam o impacto do acesso a uma rede de internet de alta qualidade sobre a produtividade do trabalho remoto nos Estados Unidos.
• 4
  A variável dummy de infraestrutura foi construída utilizando as seguintes variáveis da PNAD: S01015 sobre frequência da energia elétrica no domicílio; S01028, que pergunta se existe um microcomputador no domicílio; e S01029 para a existência de internet no domicílio.
• 5
  Simplificadamente, utilizamos a mesma proporção encontrada na PNAD Contínua para os diferentes grupos na PNAD-COVID. Isso é feito para cada categoria analisada (escolaridade, renda, formal/informal, região, gênero, raça, etc).
• 6
  Esta decomposição também pode ser realizada ao longo do tempo, substituindo os grupos J e K por períodos t et — k.
• 7
  Branco e amarelo ou preto e pardo.
• 8
  Formal ou informal.
• 9
  Utilizamos as seguintes variáveis da PNAD Contínua: a variável V4010, que classifica as diversas ocupações, a unidade da federação (UF), gênero (V2007), raça (V2010), renda em todos os trabalhos (VD4019), Setor Público (V4013), educação (VD3004), formal/informal (combinação da variável VD4009 com a variável V4019) e o peso amostrai (V1032).
• 10
  Como pode se observar na Tabela 2, ambas as reclassificações têm pouco impacto, pois somente 56 mil trabalhadores foram reclassificados em um total de mais de 20 milhões de ocupações.
• JEL Codes J21, J22, J24 01, R31, 030
• *
  Os autores agradecem os comentários de Janaína Feijó, Marco Bonomo e Miguel Foguel.

Apêndice A Perguntas utilizadas por Dingel e Neiman (2020)

Work Context

As perguntas utilizadas com base no Work Context são:

1. Average respondent says they use e-mail less than once per month (Q4)

2. Average respondent says they deal with violent people at least once week (Q14)

3. Majority of respondents say they work outdoors every day (Q17 & Q18)

4. Average respondent says they are exposed to diseases of infection at least once a week (Q29)

5. Average respondent says they are exposed to minor burns, cuts, bites or stings at least once a week (Q33)

6. Average respondent says they spent majority of time walking or running (Q37)

7. Average respondent says they spent majority of time wearing common or specialized protective or safety equipment (Q43 & Q44)

Generalized Work Activities

A lista de perguntas do survey Generalized Work Activities foi:

1. Performing General Physical Activities is very important (Q16A)

2. Handling and Moving Objects is very important (Q17A)

3. Controlling Machines and Process [not computers nor vehicles] is very important (Q18A)

4. Operating Vehicles, Mechanized Devices, or Equipment is very important (Q20A)

5. Performing and Working Directly with Public is very important (Q32A)

6. Repairing and Maintaining Mechanical Equipment is very important (Q22A)

7. Repairing and Maintaining Electronic Equipment is very important (Q23A)

8. Inspecting Equipment, Structures, or Materials is very important (Q4A)

Apêndice B Trabalho Remoto na PNAD-COVID

Os trabalhadores das ocupações elementares apresentam um número de trabalhadores efetivos superior ao potencial. No entanto, o número total é relativamente baixo, devendo ser fruto de má classificação, não representando problema grave na análise.

Adicionalmente, para o grupo de “operadores de instalações, máquinas e montadores” o trabalho remoto potencial deveria ser zero, mas observamos um trabalho remoto efetivo positivo. A descrição da atividade não deixa dúvidas de que a ocupação requer que os indivíduos devem sair de casa para poder desempenhar seus trabalhos. Adicionalmente, temos as atividades não classificadas nas ocupações descritas, com cerca de 17 mil pessoas trabalhando de forma remota.

Desta forma, optamos por classificar os trabalhadores que se encontram em home office dos grupos “operadores de instalações, máquinas e montadores” e as “não classificadas” no grupo de outras ocupações. Isso resolve o problema de ocupações com número de trabalhadores efetivo maior do que o potencial e, ao mesmo tempo, mantém o número total de trabalhadores.

Esta mudança faz com que o número de trabalhadores com potencial de teletrabalho com e sem ajuste pela infraestrutura suba de 23,7% e 16,5% para 23,8% e 16,6%, respectivamente. A taxa efetiva continua em 8,7% e a taxa de conversão na comparação com o potencial ajustado para infraestrutura cai de 52,6% para 52,3% como pode ser visto na Tabela 12.

Tabela 12
Trabalho Remoto

	Original	Com ajuste
Potencial	23,7	23,8
Potencial – Infra	16,5	16,6
Efetivo	8,7	8,7
Taxa de conversão	52,6	52,3

• Fonte: Elaboração Própria com base na PNAD-COVID.

Referências bibliográficas

• Albrieu, R. (2020, abril). Evaluando las oportunidades y los límites del teletrabajo en Argentina en tiempos del COVID-19 (Relatório técnico). Buenos Aires: CIPPEC. https://www.cippec.org/publicacion/evaluando-las-oportunidades-y-los-limites-del-teletrabajo-en-argentina-en-tiempos-del-covid-19/
  » https://www.cippec.org/publicacion/evaluando-las-oportunidades-y-los-limites-del-teletrabajo-en-argentina-en-tiempos-del-covid-19/
• Barrero, J., Bloom, N., & Davis, S. (2021a, julho). Internet access and its implications for productivity, inequality and resilience (Working Paper Nº 29102). NBER. http://dx.doi.org/10.3386/w29102
  » http://dx.doi.org/10.3386/w29102
• Barrero, J., Bloom, N., & Davis, S. (2021b, abril). Why working from home will stick (Working Paper Nº 28731). NBER. http://dx.doi.org/10.3386/w28731
  » http://dx.doi.org/10.3386/w28731
• Bartik, A., Cullen, Z., Glaeser, E., Luca, M., & Stanton, C. (2020). What jobs are being done at home during the Covid-19 crisis? Evidence from firm-level surveys (Working Paper Nº 27422). NBER. http://dx.doi.org/10.3386/w27422
  » http://dx.doi.org/10.3386/w27422
• Berg, J., Bonnet, F., & Soares, S. (2020). Working from home: Estimating the worldwide potential (Policy Brief April 2020). Geneva: ILO. https://www.ilo.org/global/topics/non-standard-employment/publications/WCMS_743447/lang--en/index.htm
  » https://www.ilo.org/global/topics/non-standard-employment/publications/WCMS_743447/lang--en/index.htm
• Boeri, T., Caiumi, A., & Paccagnella, M. (2020, 9 de abril). Mitigating the work-safety trade-off. In Covid economics: Vetted and real-time papers – Issue 2. CEPR. https://cepr.org/voxeu/columns/mitigating-work-security-trade-while-rebooting-economy
  » https://cepr.org/voxeu/columns/mitigating-work-security-trade-while-rebooting-economy
• Dingel, J., & Neiman, B. (2020). How many jobs can be done at home? Journal of Public Economics, 189(104235). http://dx.doi.Org/10.1016/j.jpubeco.2020.104235
  » http://dx.doi.Org/10.1016/j.jpubeco.2020.104235
• Foschiatti, C., & Gasparini, L. (2020, abril). El impacto asimétrico de la cuarentena: Estimaciones en base a una caracterización de ocupaciones (Documento de Trabajo Nº 261). CEDLAS–Universidad Nacional de La Plata. http://sedici.unlp.edu.ar/handle/10915/94352
  » http://sedici.unlp.edu.ar/handle/10915/94352
• Gottlieb, C., Grobovšek, J., Poschke, M., & Saltiel, F. (2021). Working from home in developing countries. European Economic Review, 133(103679). http://dx.doi.Org/10.1016/j.euroecorev.2021.103679
  » http://dx.doi.Org/10.1016/j.euroecorev.2021.103679
• Guntin, R. (2020, abril). Trabajo a distancia y con contacto en Uruguay. https://www.rguntin.com/research/employment_uru_covid_new.pdf
  » https://www.rguntin.com/research/employment_uru_covid_new.pdf
• Góes, G. S., Martins, F. d. S., & Nascimento, J. A. S. d. (2020a). Potencial de teletrabalho na pandemia: Um retrato no Brasil e no Mundo. Carta de Conjuntura – IPEA, 47(2º trimestre). https://www.ipea.gov.br/cartadeconjuntura/index.php/2020/06/potencial-de-teletrabalho-na-pandemia-um-retrato-no-brasil-e-no-mundo/
  » https://www.ipea.gov.br/cartadeconjuntura/index.php/2020/06/potencial-de-teletrabalho-na-pandemia-um-retrato-no-brasil-e-no-mundo/
• Góes, G. S., Martins, F. d. S., & Nascimento, J. A. S. d. (2020b). Teletrabalho na pandemia: Efetivo versus potencial. Carta de Conjuntura – IPEA, 48(3º trimestre). http://www.ipea.gov.br/cartadeconjuntura/index.php/2020/07/teletrabalho-na-pandemia-efetivo-versus-potencial/
  » http://www.ipea.gov.br/cartadeconjuntura/index.php/2020/07/teletrabalho-na-pandemia-efetivo-versus-potencial/
• Taneja, S., Mizen, P., & Bloom, N. (2021, 15 de março). Working from home is revolutionizing the UK labor market. VoxEU CEPR. https://cepr.org/voxeu/columns/working-home-revolutionising-uk-labour-market
  » https://cepr.org/voxeu/columns/working-home-revolutionising-uk-labour-market

Datas de Publicação

• Publicação nesta coleção
  31 Mar 2023
• Data do Fascículo
  Oct-Dec 2022

Histórico

• Recebido
  Dez 2021
• Aceito
  Out 2022