ESCADA QUEBRADA

A inteligência artificial (IA) está nos pressionando a romper o pipeline de talentos?

Por Cornelia C. Walther

Sarah, diretora de marketing de uma empresa listada na Fortune 500, comemorou recentemente o aumento de 40% na produtividade de sua equipe após a implementação de ferramentas de geração de conteúdo com tecnologia de inteligência artificial (IA). Seus redatores experientes agora produzem campanhas em horas, em vez de dias, enquanto a IA cuida das postagens rotineiras nas redes sociais e dos rascunhos de e-mails. As métricas parecem impressionantes, mas Sarah enfrenta um dilema: ela não contrata um redator júnior há dois anos, e seus três redatores seniores estão se aproximando da aposentadoria.

Esse cenário está se repetindo em setores do mundo todo. Enquanto as organizações alardeiam ganhos de eficiência notáveis com a inteligência artificial, elas estão, inadvertidamente, desmantelando as carreiras que tradicionalmente desenvolveram profissionais qualificados. A IA poderia substituir mais de 50% das tarefas realizadas por analistas de pesquisa de mercado e 67% das tarefas de representantes de vendas, mas essas funções de nível básico historicamente serviram como campo de treinamento para os futuros chefes de departamento e líderes estratégicos.

Como as pessoas realmente aprendem seus trabalhos

Considere como os profissionais realmente desenvolvem suas habilidades. Recém-formados não chegam sabendo ler nas entrelinhas dos e-mails dos clientes, lidar com a política do escritório ou tomar decisões em momentos de crise. Eles aprendem por meio da repetição, dos erros e da mentoria – começando com tarefas simples que gradualmente se transformam em responsabilidades complexas.

Considere os serviços financeiros: tradicionalmente, novos analistas começavam atualizando planilhas e criando relatórios básicos. Por meio desse trabalho aparentemente mundano, eles aprenderam a identificar inconsistências nos dados, entender padrões de mercado e desenvolver a intuição que separa profissionais competentes daqueles que apenas seguem procedimentos. Cada interação com o cliente, cada erro corrigido por um supervisor, cada projeto bem-sucedido contribuiu para seu desenvolvimento profissional.

A IA interrompe essa progressão natural, eliminando as experiências fundamentais. Quando algoritmos lidam com análises de rotina, os recém-formados perdem oportunidades de desenvolver o reconhecimento de padrões e a compreensão contextual que formam o julgamento profissional. O resultado é um caminho interrompido entre o iniciante e o profissional qualificado.

A crise iminente por trás dos ganhos de eficiência da IA

O momento não poderia ser pior. A maior onda de aposentadorias da história moderna se aproxima, com a geração Baby Boomers chegando à idade de aposentadoria. Esses profissionais que estão saindo possuem décadas de conhecimento acumulado, relacionamento com clientes e experiência em gestão de crises que não podem ser facilmente substituídas.

Enquanto isso, o caminho tradicional para o desenvolvimento de seus substitutos foi eliminado. As organizações enfrentam uma tempestade perfeita: seus profissionais mais experientes estão saindo, enquanto os mecanismos para a criação de novos profissionais qualificados foram automatizados. Isso cria o que pensadores sistêmicos chamam de ‘‘problema de feedback atrasado’’ – os ganhos imediatos de eficiência mascaram consequências de longo prazo, que só se tornarão aparentes quando surgirem lacunas de conhecimento durante desafios complexos.

A Psicologia do Desenvolvimento Profissional

O desenvolvimento de habilidades humanas segue padrões psicológicos previsíveis que não podem ser acelerados artificialmente. O julgamento profissional exige prática deliberada – engajamento sustentado com problemas progressivamente desafiadores que levam os indivíduos para além de sua zona de conforto.

Cargos de nível básico tradicionalmente proporcionavam esse ambiente de prática. Novos funcionários enfrentavam desafios reais no local de trabalho, recebiam feedback de colegas experientes e desenvolviam as habilidades metacognitivas necessárias para um desempenho competente. Estudos mostram que funcionários seniores têm disposição para compartilhar conhecimento com as gerações mais jovens, mas essa transferência exige interação prolongada e oportunidades de mentoria que desaparecem quando cargos juniores são eliminados.

O conceito de ‘‘aprendizagem cognitiva’’ torna-se relevante aqui. As pessoas aprendem habilidades complexas por meio da observação, da prática guiada e da assunção gradual de responsabilidades. Os sistemas de IA, embora capazes de executar tarefas específicas, não conseguem replicar o ambiente de aprendizagem holístico que produz profissionais qualificados.

O Paradoxo da Supervisão

Talvez o mais preocupante seja o paradoxo emergente da supervisão da IA. À medida que as organizações dependem cada vez mais da inteligência artificial para tarefas rotineiras, alguém precisa monitorar, calibrar e direcionar esses sistemas. Essa supervisão exige um profundo conhecimento tanto do domínio do negócio quanto das próprias ferramentas de IA.

No entanto, os profissionais mais bem equipados para fornecer essa supervisão estão se aproximando da aposentadoria, enquanto o processo de desenvolvimento de seus substitutos foi interrompido. Isso cria um cenário perigoso em que sistemas de IA poderosos operam com supervisão humana insuficiente, o que pode levar a erros sistemáticos que se agravam com o tempo.

Considere o que aconteceu na aviação, quando os sistemas automatizados se tornaram tão sofisticados que os pilotos perderam habilidades fundamentais de voo. A diferença é que, na aviação, as consequências da dependência da automação tornaram-se aparentes de forma relativamente rápida por meio de incidentes de grande repercussão. No trabalho intelectual, a erosão da capacidade profissional pode não se tornar visível até que as organizações enfrentem novos desafios que exigem julgamento e experiência humanos.

Consequências no mundo real

As implicações vão além das trajetórias de carreira individuais. Organizações que priorizam ganhos de eficiência de curto prazo em detrimento do desenvolvimento profissional podem se ver incapazes de se adaptar às mudanças nas condições de mercado ou de navegar por desafios complexos. Quando a próxima crise financeira chegar, haverá profissionais experientes suficientes para compreender tanto os aspectos técnicos quanto a dinâmica humana da turbulência do mercado?

Na área da saúde, a IA pode auxiliar no diagnóstico e na recomendação de tratamentos, mas a tomada de decisões médicas exige a compreensão da psicologia do paciente, da dinâmica familiar e de considerações éticas que só surgem com anos de prática. À medida que as tarefas médicas de rotina se tornam automatizadas, como a próxima geração de médicos desenvolverá a intuição clínica que distingue os médicos competentes daqueles que apenas seguem protocolos?

Intervenções estratégicas para líderes empresariais

A escada que desaparece representa mais do que um desafio de recursos humanos – é uma vulnerabilidade estratégica que pode minar a resiliência organizacional a longo prazo. Empresas que mantêm trajetórias holísticas de desenvolvimento profissional terão vantagens significativas. Elas terão funcionários capazes de utilizar ferramentas de IA de forma eficaz, ao mesmo tempo em que fornecem o julgamento humano necessário para a tomada de decisões complexas.

Isso cria uma potencial bifurcação no cenário empresarial entre organizações impulsionadas pela IA com forte capacidade humana e aquelas que se tornaram excessivamente dependentes da inteligência artificial. As empresas que reconhecerem esse desafio precocemente e tomarem medidas proativas construirão organizações mais resilientes e adaptáveis.

Projetando novos caminhos

Lidar com a escada em declínio exige intervenção intencional para preservar e reinventar os caminhos de desenvolvimento profissional. As organizações não podem simplesmente eliminar cargos juniores e esperar que profissionais qualificados surjam espontaneamente. Em vez disso, devem desenvolver novas abordagens que combinem a eficiência da IA com o desenvolvimento humano.

Isso pode envolver a criação de ‘‘funções híbridas’’, nas quais novos funcionários trabalham em conjunto com sistemas de IA, aprendendo a interpretar seus resultados e lidar com exceções. Pode incluir programas de mentoria expandidos que unam profissionais experientes a talentos emergentes para iniciativas de transferência de conhecimento. Algumas organizações podem precisar investir em programas de treinamento que acelerem o desenvolvimento profissional por meio de simulação e prática guiada.

À medida que navegamos nesta nova era de locais de trabalho imbuídos de IA, a inteligência híbrida será uma vantagem estratégica para indivíduos e instituições. Empresas de todos os portes devem investir na ‘‘dupla alfabetização’’ para seus funcionários e para si mesmas. Além da alfabetização em IA, este é o momento de desenvolver uma compreensão sólida do nosso conjunto de habilidades humanas e como ele é impactado pelo crescente tesouro artificial.

A principal conclusão é que o desenvolvimento profissional deve ser tratado como um investimento estratégico e não como um centro de custos. Organizações que não conseguirem manter esse fluxo acabarão enfrentando lacunas catastróficas de conhecimento que não poderão ser preenchidas de forma rápida ou fácil.

GROOM: Uma Estrutura para Líderes

Para lidar com a crise da escada que desaparece, os líderes podem implementar a estrutura GROOM:

G — Análise de Lacunas: Identifique sistematicamente áreas de habilidades críticas em risco devido à automação da IA e aposentadorias iminentes. Mapeie os atuais detentores de conhecimento, seus cronogramas de aposentadoria e as capacidades que possuem e que não podem ser facilmente substituídas.

R — Redesenhar os Caminhos de Desenvolvimento: Criar funções de nível básico e de desenvolvimento que combinem o aumento da IA com o aprendizado humano. Desenvolver cargos que exponham os funcionários juniores à resolução de problemas complexos, ao mesmo tempo em que utilizam a IA para tarefas rotineiras.

O — Otimizar a Transferência de Conhecimento: Implementar programas estruturados de mentoria e transferência de conhecimento que conectem profissionais experientes a talentos emergentes. Documentar o conhecimento institucional e criar sistemas para compartilhar a sabedoria organizacional.

O — Organize a Exposição Multifuncional: Garanta que os profissionais em desenvolvimento adquiram ampla experiência organizacional, em vez de especialização restrita. Crie programas de rodízio e projetos multifuncionais que gerem um entendimento abrangente.

M — Monitorar e Medir: Estabelecer métricas para o desenvolvimento profissional e a eficácia da transferência de conhecimento. Acompanhar a progressão de funcionários juniores e a transferência bem-sucedida de conhecimento crítico de profissionais aposentados.

A escada que desaparece representa um desafio fundamental para a sustentabilidade organizacional na era da IA. Líderes que reconhecerem esse desafio e tomarem medidas proativas para preservar os caminhos de desenvolvimento profissional construirão organizações mais resilientes e adaptáveis, capazes de prosperar em um ambiente de negócios cada vez mais complexo.

Quem é Cornelia Walther

Cornelia C. Walther é pesquisadora visitante na Wharton AI & Analytics Initiative. Ela também é diretora da POZE, uma aliança global para mudanças sistêmicas que beneficia as pessoas e o planeta, e é autora de mais de cinco livros sobre influência, impacto e transformação social, incluindo o potencial de alavancar algoritmos aspiracionais para mudanças pró-sociais em escala.

Além disso, Walther passou mais de duas décadas trabalhando para as Nações Unidas em situações de emergência de larga escala na África Ocidental, Ásia e América Latina, com foco em advocacy e mudança social e comportamental. Na Analytics at Wharton, Walther concentrará seu tempo na Wharton Initiative for Neuroscience com foco na AI4IA (Inteligência Artificial para Ação Inspirada).

Clique aqui para ler o estudo do Forum Econômico Mundial sobre emprego