Produtividade que pode destruir competências

No final de agosto, a revista norte-americana Time revelava que a OpenAI considerava ter atingido um dos objetivos definidos para este ano: um benchmark interno para automatizar o trabalho de um investigador de Inteligência Artificial (IA) em início de carreira. Segundo o chief scientist da dona do ChatGPT, o modelo Astra já consegue receber uma ideia experimental, implementá-la, executar a experiência e devolver resultados, incluindo o trabalho que anteriormente poderia ocupar um investigador durante uma semana.

Trata-se de uma demonstração impressionante dos ganhos de produtividade que a IA poderá trazer. Mas que, em paralelo, origina uma grande inquietação: se a IA começar a fazer o trabalho através do qual os profissionais mais jovens até aqui aprendiam, como serão formados os especialistas de amanhã?

No último artigo, referi que a IA está a alterar a relação histórica entre conhecimento raro e valor profissional. Quando o acesso à capacidade cognitiva se torna abundante, o valor do trabalho deixa de depender apenas do que uma pessoa sabe produzir e passa a assentar, cada vez mais, no julgamento que exerce, na responsabilidade que assume e na confiança que é capaz de criar. Mas a questão é que essas competências não surgem espontaneamente. Elas constroem-se a trabalhar.

E aqui surge um dos paradoxos da adoção da IA: podemos aumentar a produtividade no curto prazo e, simultaneamente, enfraquecer o processo através do qual construímos o capital humano de que dependerá a produtividade futura.

Os primeiros sinais justificam a atenção. Um estudo do Stanford Digital Economy Lab, atualizado em agosto, não encontra evidência de uma destruição generalizada de emprego provocada pela IA. Mas refere uma diferença importante entre os trabalhadores dos 22 aos 25 anos: nas profissões mais expostas à IA, o emprego está 19% abaixo do nível que teria atingido, comparativamente com a evolução dos jovens em profissões menos expostas. E o ajustamento parece estar a acontecer sobretudo através da menor contratação e não de mais despedimentos. Ou seja, o primeiro impacto da IA no mercado de trabalho não está a aparecer nas saídas. Está a acontecer na porta de entrada.

Ainda é cedo para retirar conclusões definitivas. Mas vale a pena perceber o que poderá acontecer se duas tendências se conjugarem: as empresas contratam menos profissionais em início de carreira e automatizam uma parte crescente das tarefas através das quais esses profissionais adquiriam experiência. Então, de onde virão os seniores daqui a dez anos?

A questão não é defender o trabalho repetitivo ou conservar processos ineficientes por nostalgia. A Europa precisa desesperadamente dos ganhos de produtividade que a IA pode proporcionar. Numa economia marcada pelo envelhecimento demográfico, falta de talento e crescimento anémico da produtividade, não aproveitar estas tecnologias seria um erro. Mas também seria um erro confundir eficiência imediata com criação sustentável de valor.

A Educação oferece-nos um exemplo interessante. A Estónia está a integrar a IA no ensino, através do programa AI Leap. Mas partiu de uma preocupação que deveria interessar também às empresas: uma ferramenta concebida para encontrar rapidamente a resposta não é necessariamente concebida para ajudar alguém a aprender.

Por isso, as aplicações educativas desenvolvidas no âmbito do programa procuram apoiar o desenvolvimento das competências de aprendizagem, em vez de simplesmente fornecerem respostas rápidas. A formulação utilizada pela ministra da Educação da Estónia resume bem o desafio: aprender a pensar ‘com’ a IA e não ‘em vez’ dela.

Nas empresas, teremos de fazer uma escolha semelhante. Adotar IA não pode significar apenas identificar tudo aquilo que é tecnicamente automatizável. Será necessário perceber que tarefas podemos eliminar, onde a colaboração entre pessoas e tecnologia produz melhores resultados e, sobretudo, como substituímos os mecanismos de aprendizagem que estão a desaparecer.

Isso implica repensar os modelos de desenvolvimento de talento. Se uma máquina produzir a primeira versão de um relatório, talvez o jovem profissional tenha de aprender através da revisão crítica desse resultado. Se deixar de construir um modelo de raiz, terá de saber testar as premissas do modelo construído pela IA. Se o erro da máquina for menos visível do que o erro humano, terá de aprender a procurá-lo.

Também as métricas de adoção terão de evoluir. O tempo poupado e os custos reduzidos continuarão a contar. Mas interessa igualmente saber se as equipas compreenderam o que utilizam, se conseguem detetar erros e se mantêm capacidade para decidir quando a tecnologia falha. É que se a empresa pode produzir mais depressa, pode também tornar-se mais dependente de processos que já não compreende suficientemente.

Falamos há vários anos do ‘human in the loop’, a necessidade de manter a intervenção humana para validar decisões e controlar riscos. Talvez seja altura de acrescentarmos outra exigência: o ‘human development in the loop’, garantindo que a utilização da IA não retira às pessoas as oportunidades necessárias para continuarem a desenvolver conhecimento, autonomia e capacidade de decisão.

Esta questão estará no centro de uma discussão mais ampla que teremos de fazer sobre a próxima etapa da transformação tecnológica. E está, também, na origem do tema que escolhemos para o Congresso da APDC em 2027: ‘The Next Human Agenda’.

Depois de anos concentrados nas capacidades cada vez mais extraordinárias da tecnologia, precisamos de colocar outra pergunta no centro do debate: que capacidades queremos continuar a desenvolver nas pessoas e que papel queremos que tenham nas empresas, na economia e na sociedade? Essa poderá ser uma das questões económicas mais importantes da próxima década.