Inteligência Artificial: o que está a ser automatizado não são empregos

Há um equívoco persistente que atravessa quase todas as conversas públicas sobre Inteligência Artificial: a tendência para reduzir o fenómeno a uma contagem de empregos “em risco”, como se estivéssemos perante um jogo de substituição directa entre humanos e máquinas, quando aquilo que os dados realmente expõem é uma transformação muito mais profunda e estrutural — a reconfiguração silenciosa da arquitectura do trabalho, da autoridade técnica e da própria natureza do valor profissional.

A análise recente que cruza milhões de empregos com tarefas efectivamente executadas dentro dessas funções não está a prever um futuro distante, está a tornar visível um padrão já em curso: a Inteligência Artificial tem uma capacidade crescente para absorver tarefas cognitivas estruturadas, particularmente aquelas que operam em linguagem, análise e decisão baseada em padrões, e esse detalhe desloca o centro de gravidade de múltiplas profissões que, durante décadas, foram consideradas pilares de estabilidade e progressão.

Quando se observa que áreas como gestão, finanças, jurídico, marketing, programação ou análise de dados surgem como altamente expostas, o impulso imediato tende a ser alarmista ou defensivo, mas essa leitura falha o ponto essencial: estas profissões não estão a desaparecer, estão a ser desagregadas internamente, e essa desagregação altera profundamente a forma como o valor é gerado, percebido e recompensado.

O que está a acontecer dentro dessas funções é uma espécie de engenharia reversa do trabalho. A Inteligência Artificial não entra como substituto global; entra como mecanismo de decomposição. Identifica tarefas repetíveis, linguísticas, previsíveis, e executa-as com velocidade, consistência e escala. Aquilo que permanece no domínio humano deixa de ser a execução e passa a ser a decisão sobre a execução — e essa deslocação exige uma maturidade que muitas organizações ainda não construíram.

Este ponto é crítico porque expõe uma fragilidade estrutural: durante anos, muitos sistemas organizacionais valorizaram mais a produção do que o julgamento, mais a resposta rápida do que a reflexão, mais a execução eficiente do que a qualidade da decisão. A Inteligência Artificial entra exactamente nesses espaços e amplifica essa lógica. Onde existe clareza e critério, a tecnologia liberta tempo cognitivo e aumenta qualidade. Onde existe confusão, pressão e ausência de estrutura, a tecnologia acelera o erro com uma eficiência inédita.

É por isso que a discussão sobre IA não pode ser feita apenas ao nível técnico ou económico. O que está em causa é um problema de governação organizacional. Quem define as métricas? Quem valida as decisões automatizadas? Quem assume responsabilidade quando um sistema escala um viés ou uma má decisão? Estas questões deixam de ser teóricas no momento em que a tecnologia passa a influenciar decisões reais sobre pessoas, desempenho e recursos.

A diferença entre capacidade teórica e uso observado — claramente visível nos dados — torna-se, neste contexto, particularmente reveladora. A tecnologia já permite automatizar uma parte significativa de tarefas cognitivas, mas a sua adopção efectiva é desigual e, muitas vezes, mais lenta do que a narrativa pública sugere. Essa lentidão não resulta de limitações técnicas relevantes; resulta da incapacidade estrutural de muitas organizações para integrar tecnologia sem desorganizar os seus próprios sistemas de decisão.

Adoptar Inteligência Artificial implica redesenhar processos, clarificar critérios, rever incentivos e, sobretudo, aceitar que parte do poder decisório deixa de estar exclusivamente ancorado na experiência individual. Este último ponto cria resistência silenciosa, especialmente em contextos onde autoridade e identidade profissional estão profundamente ligadas ao domínio técnico acumulado.

Existe ainda uma dimensão que tende a ser ignorada, mas que os dados tornam evidente: trabalhadores com maior qualificação formal apresentam níveis mais elevados de exposição à automação de tarefas. Este dado não diminui o valor da educação; redefine-o. O conhecimento técnico continua a ser necessário, mas deixa de ser suficiente como diferencial competitivo. O que ganha centralidade é a capacidade de interpretar, integrar e decidir em contextos onde a informação já não é escassa, mas excessiva e, muitas vezes, gerada por sistemas automatizados.

Ao mesmo tempo, profissões mais ligadas à execução física, ao contexto imprevisível ou à relação humana directa mantêm uma menor exposição, não por serem menos relevantes, mas porque operam em territórios onde a complexidade contextual, a adaptação em tempo real e a dimensão relacional ainda não são replicáveis de forma consistente pela tecnologia.

Este contraste cria uma tensão que o mercado de trabalho ainda não resolveu: a redistribuição de valor entre funções cognitivas e funções operacionais não está a acontecer de forma equilibrada, e isso levanta questões sérias sobre desigualdade, reconhecimento e sustentabilidade do sistema.

Inteligência Artificial em Portugal: atraso aparente, risco silencioso

Quando trazemos esta análise para o contexto português, surge uma leitura que, à primeira vista, pode ser interpretada como confortável: Portugal apresenta níveis de adopção de Inteligência Artificial inferiores a muitas economias europeias mais maduras, tanto ao nível organizacional como ao nível de integração em processos críticos.

Esse atraso, frequentemente visto como desvantagem competitiva, pode ser interpretado como espaço de adaptação. No entanto, essa leitura só se sustenta se existir intencionalidade estratégica, o que nem sempre se verifica.

O tecido empresarial português caracteriza-se, em grande parte, por estruturas de pequena e média dimensão, com recursos limitados, menor capacidade de investimento tecnológico e, frequentemente, uma cultura de gestão orientada para a sobrevivência operacional de curto prazo. Neste contexto, a introdução de Inteligência Artificial tende a acontecer de forma fragmentada, reactiva e pouco integrada, muitas vezes através de ferramentas isoladas e não através de redesenho estrutural de processos.

Este padrão cria uma ilusão de menor exposição. A tecnologia parece menos presente, menos disruptiva, menos urgente. Mas essa percepção ignora um mecanismo mais profundo: a dependência indirecta.

Empresas que não integram IA internamente passam a competir com organizações que a utilizam de forma intensiva. Cadeias de valor globais começam a incorporar níveis de eficiência, análise e decisão que pressionam todos os participantes, independentemente do seu grau de adopção directa.

O risco, portanto, não está apenas na adopção tardia. Está na incapacidade de responder a um mercado que já foi transformado por outros.

Existe ainda uma dimensão cultural relevante. A integração de Inteligência Artificial exige clareza de processos, definição explícita de critérios, disciplina na gestão de dados e capacidade de medir impacto de forma consistente. Estas condições nem sempre estão presentes em organizações onde a informalidade operacional, a dependência de conhecimento tácito e a centralização de decisão são práticas comuns.

Neste cenário, a tecnologia não resolve ineficiências; expõe-as.

E quando expõe, fá-lo com rapidez.

O ponto de decisão: maturidade antes de velocidade

O que estes dados colocam em cima da mesa não é uma questão de adopção tecnológica. É uma questão de maturidade organizacional.

A Inteligência Artificial já demonstrou capacidade para executar, analisar e produzir com níveis de eficiência que alteram o equilíbrio do trabalho. O que permanece em aberto é a capacidade das organizações para decidir como, onde e com que limites essa capacidade deve ser integrada.

A tentação de acelerar sem estrutura é elevada, sobretudo em contextos competitivos onde a pressão por produtividade é constante. No entanto, acelerar sem critério transforma a tecnologia num amplificador de fragilidades existentes — decisões mal fundamentadas tornam-se mais rápidas, vieses tornam-se mais consistentes, erros tornam-se mais escaláveis.

A responsabilidade executiva, neste contexto, ganha uma dimensão adicional. Deixa de se centrar apenas em resultados e passa a incluir a arquitectura das decisões que produzem esses resultados.

E essa arquitectura exige escolhas conscientes.

Exige definição de limites.

Exige capacidade de dizer onde a eficiência termina e onde a responsabilidade começa.

O que fica

A Inteligência Artificial não está a redesenhar apenas funções ou sectores. Está a obrigar a uma revisão profunda da forma como o trabalho é pensado, organizado e valorizado.

O que está em jogo não é a substituição de pessoas por sistemas.

É a qualidade das decisões que continuamos a tomar quando esses sistemas passam a fazer parte do processo.

E essa qualidade não depende da tecnologia. Depende da maturidade de quem a utiliza.