Nos últimos anos, a transformação do ambiente de trabalho tem sido um tema central em diversas discussões, especialmente com a crescente presença da inteligência artificial (IA) e em especifico das GenAI (Inteligencias Artificiais Generativas).

Ontem uma das minhas parceira no Livro E Ai para que serve? Guia ilustrado para curiosos em Inteligência Artificial com cases práticos, a Sabrina Zaremba me enviou um texto do Matthew Baird, economista sênior do LinkedIn, que categorizou os impactos que os trabalhos irão sofrer em três principais tipos: Trabalhos Replicáveis ou substituíveis, Trabalhos Ampliados ou complementados e Trabalhos Isolados. Compreender essas classificações e entender como elas se estabelecem é fundamental para nos prepararmos para o ambiente de trabalho.

Tipos de Impactos no Trabalho

1. Replicável ou substituível: Certas tarefas rotineiras e repetitivas estão sendo automatizadas, levando à substituição de alguns trabalhos. No entanto, isso não deve ser visto apenas como uma ameaça, mas como uma oportunidade para que os trabalhadores adquiram novas habilidades e se adaptem a funções mais complexas e criativas.

2. Ampliador ou complementados: Muitas vezes, a IA atua como um complemento às habilidades humanas. Ferramentas de automação e análise de dados podem aumentar a produtividade e a precisão, permitindo que os profissionais se concentrem em aspectos mais estratégicos e menos repetitivos de seus trabalhos.

3. Isolados: Alguns trabalhos não serão impactados e estes estão atualmente relacionados as contratações de pessoas com maior tempo de escolaridade ou especialistas que investem mais em aprender mesmo fora do ambiente formal de educação. Destes trabalho podem inclusive ser formados novas posições como já esta acontecendo com as profissões relacionadas à gestão de dados, segurança cibernética e desenvolvimento de algoritmos de IA.

A ligação entre esses impactos e a educação é direta e inevitável. Em um mundo onde as habilidades exigidas estão em constante evolução, o aprendizado contínuo se torna essencial. É aqui que devemos nos inspirar nas máquinas que aprendem. Sistemas de aprendizado de máquina (machine learning) e aprendizado profundo (deep learning) demonstram a importância de adaptação contínua e atualização constante de conhecimentos.

Como escrevi no artigo anterior,  muitos de nós ainda resistem a novas formas de aprendizado, presos a métodos tradicionais e com uma visão fixa de nossas capacidades. Para superar essa resistência, é fundamental entender a diferença entre o aprendizado de uma criança e de um adulto. Enquanto uma criança está naturalmente inclinada a explorar e aprender sem medo de errar, muitos adultos acabam desistindo de aprender coisas novas por receio de falhar ou por acharem que já aprenderam o suficiente.

Acredito que devemos adotar a mentalidade das máquinas que aprendem: estar abertos a novas informações, buscar constantemente a melhoria e não temer o erro. As máquinas não têm barreiras psicológicas que as impedem de aprender; elas processam, analisam e se atualizam incessantemente. Da mesma forma, precisamos cultivar uma cultura de aprendizado contínuo, onde o erro é visto como uma oportunidade de crescimento e não como um fracasso.

Então aqui vai meu questionamento ao modelo educacional  instituído, para fomentar essa mudança, é necessário investir em sistemas educacionais que promovam a flexibilidade e a adaptabilidade, preparar os indivíduos para as novas demandas do mercado de trabalho e incentivá-los a ver a educação como um processo contínuo e dinâmico. Apenas assim poderemos aproveitar plenamente as oportunidades que a revolução tecnológica nos oferece e assegurar que todos tenham a capacidade de prosperar nesse novo ambiente de trabalho.

Em resumo, ao nos inspirarmos nas máquinas que aprendem e superarmos a resistência ao novo aprendizado, estaremos mais bem preparados para enfrentar os desafios e aproveitar as oportunidades do futuro do trabalho.

Meu nome é Ariane Reisier sou consultora, escritora, palestrante e pesquisadora em transformação digital, certificada pelo MIT em Designing and Building AI Products and Services. Com a missão de conectar máquinas, robôs e pessoas, auxílio organizações na adaptação ao uso de inteligência artificial.