Dario Amodei, CEO da Anthropic, acredita que a inteligência artificial pode eliminar até metade dos empregos corporativos de entrada nos próximos anos. Alguns economistas, como Tyler Cowen, consideram improvável um cenário de desemprego em massa e lembram que grandes transformações tecnológicas também criam atividades que antes não existiam.
Alguém provavelmente está errado. O problema é que ainda não sabemos quem.
Amodei estima que até 50% das posições de entrada em profissões de escritório podem desaparecer em um período de um a cinco anos. É difícil ignorar uma previsão dessa magnitude vinda de alguém que está na fronteira do desenvolvimento da tecnologia.
Os dados disponíveis, porém, contam uma história menos linear. Pesquisas recentes do Stanford Institute for Economic Policy Research encontraram sinais de pressão sobre profissionais jovens em algumas ocupações mais expostas à IA, ao mesmo tempo em que ainda há pouca evidência de uma grande destruição de empregos no mercado como um todo.
Outros estudos mostram ganhos relevantes de produtividade, especialmente entre trabalhadores menos experientes.
Temos boas razões para levar o risco a sério. Temos razões igualmente boas para desconfiar de quem diz saber exatamente como essa história termina.
Foi ouvindo o economista Daniel Gleizer falar sobre ‘incerteza radical’ que encontrei uma formulação especialmente útil para esse momento.
O conceito, desenvolvido pelos economistas britânicos Mervyn King e John Kay que conceituaram sobre incerteza radical, distingue dois problemas que costumamos misturar.
No risco, não sabemos o que acontecerá, mas conhecemos razoavelmente os resultados possíveis e tentamos calcular suas probabilidades.
Na incerteza radical, nem isso está garantido. Existem situações em que ainda não conhecemos todos os futuros relevantes que deveriam entrar no cálculo.
A inteligência artificial tem várias características desse tipo de problema. Tentamos prever seus impactos usando as capacidades atuais da tecnologia, os modelos de negócio atuais, as profissões atuais e até as preferências atuais das pessoas. Só que todos esses elementos podem mudar durante o processo.
Isso não impede um planejamento. Impede apenas que transformemos tendência em destino absoluto. E isso oferece um bom teste para parte das certezas sobre IA que acreditamos hoje.
Faça o teste da incerteza radical
Pegue uma frase que começa com “a IA vai…” e acrescente uma pergunta: o que teria que continuar igual para isso necessariamente acontecer?
“Os empregos de entrada serão os primeiros a desaparecer.”
Há evidências que justificam essa preocupação. Mas existe outra variável envolvida: muitas dessas atividades também são o mecanismo pelo qual formamos profissionais experientes.
O analista que hoje exerce julgamento passou anos fazendo análises mais simples. O médico experiente acumulou casos. O executivo que decide diante da ambiguidade começou tomando decisões menores.
Se automatizamos a base da pirâmide profissional, podemos aumentar produtividade imediatamente e criar um problema de formação que só aparecerá anos depois.
“Todo profissional precisa dominar as ferramentas de IA atuais.”
Usá-las é evidentemente importante. Construir uma carreira inteira sobre uma interface específica é outra história.
Se os agentes passarem a compreender intenção com pouquíssima instrução, algumas habilidades hoje valorizadas podem rapidamente se tornar banais. Formular bons problemas, avaliar respostas, reconhecer erros e aprender novas ferramentas são capacidades mais portáteis. Isso não significa que serão as “habilidades do futuro”. Significa apenas que sobrevivem melhor a mudanças de ferramenta.
“A IA vai eliminar o trabalho repetitivo e liberar as pessoas para atividades mais criativas.”
A tecnologia pode retirar tarefas repetitivas. Não existe nenhuma lei tecnológica determinando o destino da hora economizada. Uma empresa pode convertê-la em espaço para criação, análise e aprendizagem. Também pode simplesmente aumentar a quantidade esperada de entregas.
Produtividade é uma propriedade da tecnologia e da organização do trabalho. Esse pequeno exercício muda a qualidade das perguntas. Em vez de tentar adivinhar quais profissões existirão em 2035, podemos observar quais decisões nos deixam mais capazes de reagir ao que descobrirmos antes disso. É aí que a contribuição de Gleizer fica mais interessante.
Diante da incerteza radical, importa construir mecanismos capazes de perceber erros, mudanças e oportunidades enquanto ainda há tempo de corrigir a trajetória. Em seu texto, ele recupera o conceito de voice, de Albert Hirschman: a possibilidade de pessoas dentro de uma organização apontarem problemas e contribuírem para sua correção. Isso é particularmente relevante para empresas adotando inteligência artificial.
Muitas das mudanças mais importantes não serão descobertas primeiro pelo conselho de administração. Elas aparecerão no cotidiano de quem está executando o trabalho: uma tarefa que perdeu sentido, outra que se tornou mais importante, um uso inesperado da tecnologia, um problema que ainda não chegou ao dashboard.
A voz requer escuta. Uma empresa que queira se adaptar precisa permitir que essas informações circulem e alterem decisões.
Para os indivíduos, a lógica é parecida. O julgamento importa porque decisões continuarão existindo quando a informação for incompleta. A criatividade importa porque situações novas exigem respostas que ainda não foram sistematizadas. E repertório importa porque reconhecer uma mudança depende de conseguir relacioná-la ao que já conhecemos.
Nenhuma dessas capacidades é “à prova de IA”. A expressão, aliás, já carrega uma certeza que não temos condições de oferecer. O ponto é outro.
Não saber o que acontecerá não reduz a responsabilidade de se preparar. Muda a natureza dessa preparação. Podemos construir cenários, acompanhar dados, experimentar ferramentas, revisar processos e desenvolver pessoas. Precisamos fazer tudo isso.
Só não precisamos fingir que conhecemos o final. Há uma diferença enorme entre não saber porque estudamos pouco e reconhecer que parte do problema ainda não pode ser conhecida.
A primeira ignorância se resolve buscando respostas. A segunda exige uma habilidade mais difícil: perceber quando o mundo começou a contradizer nossas respostas e conseguir mudar de rumo.
Iona Szkurnik é fundadora e CEO da Education Journey, plataforma de educação corporativa que usa Inteligência Artificial para uma experiência de aprendizagem personalizada. Com mestrado em Educação e Tecnologia pela Universidade de Stanford, Iona integrou o time de criação da primeira plataforma de educação online da universidade. Como executiva, Iona atuou durante oito anos no mercado de SaaS de edtechs no Vale do Silício. Iona é também cofundadora da Brazil at Silicon Valley, fellow da Fundação Lemann, mentora de mulheres e investidora-anjo.
Os artigos assinados são de responsabilidade exclusiva dos autores e não refletem, necessariamente, a opinião de Forbes Brasil e de seus editores.
