O impacto da IA na educação

“Mesmo em um mundo com superinteligência artificial, uma coisa é certa: sempre teremos a responsabilidade de tomar decisões difíceis ”, escrito por Bharat Chandar , — pesquisador de Economia Digital de Stanford , — em seu artigo “A IA não pode tomar suas decisões mais difíceis”. Quase todas as escolhas na vida dependem de duas coisas: inteligência e valores. A IA pode ajudar a melhorar nossa inteligência, mas não oferece nada para nossos valores ao tomar nossas decisões.

Em seu ensaio , Chandar observa que:

• Todas as escolhas importantes dependem tanto da inteligência quanto dos valores.
• Inteligência é a capacidade de compreender as consequências futuras de nossas ações.
• Valores — o que você gosta e não gosta, coisas que você acha certas e erradas — não são principalmente sobre inteligência, então não faz sentido delegar esse tipo de decisão a um computador só porque ele pode ser "mais inteligente" do que nós. 
• Isso significa que devemos fazer nossas próprias escolhas, não apenas terceirizar a tomada de decisões para uma IA.
• O alinhamento da IA ​​deve ser projetado para nos permitir fazer isso.

Mesmo em um mundo com superinteligência artificial, sempre teremos a responsabilidade de tomar decisões difíceis. E tomar decisões tão difíceis exige pensamento crítico.

Nos últimos anos, a necessidade de alinhar a inteligência das máquinas e a inteligência humana tem sido um tema comum na pesquisa em IA. Por exemplo, em uma série de artigos sobre o valor econômico da IA, Ajay Agrawal , Joshua Gans e Avi Goldfarb, da Universidade de Toronto, explicaram que as decisões normalmente envolvem duas atividades principais: previsões e julgamento. 

Enquanto as previsões geralmente se baseiam em informações concretas e tecnologia, o julgamento se baseia em fatores subjetivos como intuição, sentimentos inconscientes ou analogias com situações semelhantes do nosso passado. O julgamento é a parte da tomada de decisão que, ao contrário da previsão, não pode ser explicitamente descrita e executada por uma máquina.

“Julgamento é a capacidade de tomar decisões ponderadas — de compreender o impacto que diferentes ações terão nos resultados à luz de previsões”, escreveram os autores em um artigo na MIT Sloan Management Review . “Tarefas em que o resultado desejado pode ser facilmente descrito e há necessidade limitada de julgamento humano são geralmente mais fáceis de automatizar. Para outras tarefas, descrever um resultado preciso pode ser mais difícil, especialmente quando o resultado desejado reside na mente humana e não pode ser traduzido em algo que uma máquina possa entender.”

Em “A ÉPOCA da IA”, Isabella Loaiza e Roberto Rigobon, do MIT, escreveram que, em vez de perguntar se as máquinas vão automatizar a maioria dos trabalhos, deveríamos mudar o foco das máquinas para os humanos, fazendo perguntas diferentes, como “como humanos e máquinas podem se complementar" e “quais capacidades humanas complementam as deficiências da IA?”

Com base em uma série de entrevistas com uma ampla gama de especialistas, Loaiza e Rigobon identificaram cinco grupos de capacidades que permitem aos humanos trabalhar em áreas onde as máquinas são limitadas: Empatia e Inteligência Emocional; Presença, Networking e Conectividade; Opinião , Julgamento e Ética; Criatividade e Imaginação; e Esperança, Visão e Liderança, que compõem a sigla EPOCH no título do artigo.

Em um segundo ensaio, “A IA criará uma geração de não pensadores?”, Chandar escreveu sobre suas preocupações de que uma geração de estudantes pode não desenvolver as habilidades críticas necessárias para pensar por si mesmos, porque eles têm confiado cada vez mais na IA para seus cursos e outras tarefas de aprendizagem.

Sabe aquela sensação de olhar para uma página em branco, lutando para encontrar uma resposta para um tópico de uma redação? Formular e articular um pensamento pode levar horas, revisando cada frase, depois lendo tudo para ver se faz sentido. Lidar com o bloqueio criativo para elaborar um argumento convincente era algo difícil. Um rito de passagem para um bom conteúdo e uma comunicação eficaz.

“Os alunos de hoje têm essa experiência?”. “Se a IA pode escrever nossas redações, o que acontece com o pensamento humano?” Ele fez referência a uma pesquisa de 2024 sobre o estado da IA ​​em sala de aula realizada pela Common Sense Media, uma organização educacional sem fins lucrativos. Com base nas respostas de quase 1.050 pais ou responsáveis ​​por adolescentes de 13 a 18 anos, a pesquisa mostrou que:

70% desses adolescentes usaram pelo menos um tipo de ferramenta de IA generativa para diversos fins. 

40% dos adolescentes relataram usar IA generativa especificamente para trabalhos escolares, com 

41% fazendo isso com a permissão do professor, 

46% sem permissão e 

12% sem saber se tinham a permissão do professor.

A pesquisa levanta questões problemáticas, disse Chandar. Se a IA estiver sendo usada por boa parte dos alunos para fazer a lição de casa, eles podem não aprender habilidades cruciais porque estão contando com a IA para fazer o trabalho por eles.

Preocupações semelhantes também foram levantadas em um artigo recente no The Economist , “A IA tornará você estúpido?” 

O artigo começa descrevendo um estudo recente do MIT, “Seu Cérebro no ChatGPT: Acúmulo de Débito Cognitivo ao Usar um Assistente de IA para Tarefas de Redação”. O estudo descobriu que, embora contar com a ajuda da IA ​​para escrever uma redação certamente aliviasse a carga mental dos alunos, essa ajuda teria um custo. “Ao longo de uma série de sessões de redação, alunos que trabalharam com (e sem) o ChatGPT foram conectados a eletroencefalogramas (EEGS) para medir sua atividade cerebral enquanto trabalhavam. Em geral, os usuários de IA exibiram atividade neural significativamente menor em partes do cérebro associadas às funções criativas e à atenção. Os alunos que escreveram com a ajuda do chatbot também acharam muito mais difícil fornecer uma citação precisa do artigo que acabaram de produzir.”

“As descobertas fazem parte de um trabalho sobre os efeitos potencialmente prejudiciais do uso da IA ​​para a criatividade e a aprendizagem”, disse o The Economist . “Esta pesquisa aponta para questões importantes sobre se os impressionantes ganhos de curto prazo proporcionados pela IA generativa podem incorrer em uma dívida oculta de longo prazo.” Essas descobertas são semelhantes às de outros estudos recentes sobre a relação entre IA e pensamento crítico, como o da Microsoft Research e outro do professor Michael Gerlich da Swiss Business School. Os pesquisadores enfatizaram que essas são descobertas iniciais e muito mais trabalho é necessário para entender se há uma ligação definitiva entre o uso elevado da IA ​​e menores habilidades de pensamento crítico.

Em seu ensaio sobre o impacto da IA ​​na educação, Chandar fez referência a outro artigo no The Economist , “Como a IA dividirá os melhores dos demais”, que levantou uma questão muito importante: a IA poderia acabar ampliando as divisões sociais?

Quando a IA generativa se tornou popular pela primeira vez há alguns anos, havia uma expectativa de que o uso da IA ​​nivelaria o campo de atuação em uma série de ocupações. Por exemplo, um estudo de 2023 descobriu que o acesso a recomendações geradas pela IA aumentou a produtividade de agentes de atendimento ao cliente menos qualificados e menos experientes em cerca de 30%, enquanto teve pouco impacto na proditividade de trabalhadores mais qualificados e experientes. E, em um artigo de 2024, “A IA poderia realmente ajudar a reconstruir a classe média”, o economista do MIT David Autor argumentou que a IA nos oferece a oportunidade de estender o valor da expertise humana a um conjunto maior de trabalhadores que têm o treinamento básico necessário para executar essas tarefas de alto nível.

“No entanto, descobertas mais recentes lançaram dúvidas sobre essa visão”, afirmou o The Economist . “Em vez disso, elas sugerem um futuro em que os que voam alto voam ainda mais alto — e os demais são deixados para trás. Em tarefas complexas como pesquisa e gestão, novas evidências indicam que profissionais de alto desempenho estão mais bem posicionados para trabalhar com IA. Avaliar o resultado de modelos exige expertise e bom senso. Em vez de reduzir as disparidades, a IA provavelmente ampliará as desigualdades na força de trabalho, assim como as revoluções tecnológicas do passado.”

Embora estudos iniciais sugerissem que profissionais com baixo desempenho poderiam se beneficiar simplesmente copiando os resultados da IA, estudos mais recentes analisam tarefas mais complexas, como pesquisa científica, gestão de negócios e investimentos. Nesses contextos, profissionais com alto desempenho se beneficiam muito mais do que seus pares com baixo desempenho. Em alguns casos, trabalhadores menos produtivos não veem nenhuma melhora ou até perdem terreno.

“O que devemos fazer em relação a uma potencial crise de pensamento?”, questionou Bharat Chandar em seu ensaio sobre o impacto da IA ​​na educação. “Ainda é cedo para determinar se algo, deve ser feito para apoiar o pensamento crítico com a adoção da IA. Isso se deve, em parte, à sua rápida evolução e, em parte, à escassez de pesquisas experimentais de alta qualidade que estudem as consequências da IA ​​generativa nas escolhas educacionais. Os dados a serem monitorados incluem tendências de longo prazo no desempenho em resultados de testes padronizados, que, por enquanto, permanecem em fluxo devido às consequências da pandemia. Se as evidências se tornarem preocupantes, devemos desenvolver sistemas para garantir que as gerações futuras tenham as ferramentas necessárias para pensar criticamente.”

One Customer, One Strategy: A Reinvenção Personalizada do Setor de Telecomunicações

O setor de telecomunicações vive uma encruzilhada histórica. De outrora gigantes focadas em infraestrutura e commoditização de serviços (voz, dados, SMS), as operadoras se veem hoje imersas em um ecossistema hipercompetitivo, onde a diferenciação por preço ou cobertura já não é suficiente. O cliente moderno, empoderado por informações e cercado de opções, exige mais. Ele não quer ser apenas um número em uma base de dados; ele busca relevância, valor contínuo e uma experiência que respeite sua individualidade.

É neste contexto que emerge o conceito "One Customer, One Strategy" (Um Cliente, Uma Estratégia). Muito além de um simples slogan de marketing, esta filosofia representa uma transformação radical na maneira como as operadoras enxergam, interagem e entregam valor para cada um de seus clientes. Trata-se da migração de um modelo B2C (Business-to-Consumer) para um verdadeiro B2Me (Business-to-Me).

O Fim da Era do Mass Marketing em Telecom

Durante décadas, o setor de telecom operou sob a lógica do mass marketing. Campanhas maciças, planos padronizados (Pós, Pré, Controle) e ofertas genéricas para milhões de clientes. A eficiência operacional e a gestão de rede prevaleciam sobre a personalização. No entanto, este modelo esbarra em limitações críticas no cenário atual:

1. Saturação do Mercado: Quase todo mundo tem um plano de celular e banda larga. A guerra por aquisição de novos clientes é custosa e de margens diminutas. O verdadeiro valor está na retenção e no aumento do valor vitalício (LTV - Lifetime Value) dos clientes existentes.

2. Commoditização dos Serviços Básicos: Minutos ilimitados, gigabytes de dados e SMS são commodities. A diferença entre os planos básicos das operadoras é mínima para o consumidor.

3. Ascensão dos OTTs: Serviços de Over-The-Top (como WhatsApp, Zoom, Netflix, Spotify) "desacoplaram" a experiência do usuário da infraestrutura da operadora. O cliente valoriza mais o aplicativo do que a rede que o sustenta.

4. Expectativas do Cliente Digital: Acostumados com a personalização de Netflix, Amazon e Spotify, os consumidores esperam que todas as empresas, incluindo suas operadoras, entendam suas necessidades individuais e antecipem seus desejos.

O "One Customer, One Strategy" é a resposta a essas pressões. É a compreensão de que cada cliente é único, com seu próprio padrão de uso, conjunto de dispositivos (smartphone, smartwatch, tablet, IoT), hábitos digitais, momento de vida e sensibilidade a preço.

Os Pilares Fundamentais da Estratégia "One Customer, One Strategy"

Implementar essa abordagem não é simples. Exige uma reorganização profunda da empresa em torno do cliente, sustentada por quatro pilares principais:

1. Dados e Inteligência Artificial (IA) como Sistema Central: A personalização em escala é impossível sem dados e IA.As operadoras possuem um asset invaluable: uma quantidade colossal de dados anonimizados e agregados sobre o comportamento de seus usuários.

· Análise de Padrões: A IA pode analisar históricos de consumo, horários de pico, locais de uso, aplicativos mais acessados e tipo de conteúdo consumido (vídeo, música, jogos).

· Segmentação Hyper-Granular: Em vez de segmentos amplos como "jovens de 18-25 anos", a IA permite criar micro-segmentos de milhares de personas, ou até mesmo segmentos de uma pessoa só (n=1).

· Predictive Analytics: Prever a probabilidade de churn (cancelamento), identificar momentos propícios para upgrade de plano (ex.: cliente que constantemente excede seu limite de dados) e antecipar necessidades futuras.

2. Hiperpersonalização em Tempo Real: Com a inteligência gerada pelos dados,a operadora pode personalizar every single interaction.

· Ofertas Dinâmicas e Contextuais: Em vez de oferecer o mesmo pacote de 10GB para todos, a operadora pode oferecer, via app, um "boost" de 5GB para jogos online para um cliente que joga muito, ou um pacote de dados para streaming durante uma viagem.

· Planos Sob Medida (Dynamic Bundling): Permitir que o cliente monte seu próprio plano, escolhendo a quantidade de dados, minutos, serviços de streaming e serviços digitais (como armazenamento em nuvem ou segurança digital) que realmente importam para ele.

· Serviços Proativos: Alertar o cliente que ele está prestes a atingir seu limite e sugerir uma opção temporária e barata, instead of just cutting him off. Oferecer um upgrade de velocidade da banda larga no horário de maior uso da família, detectado automaticamente.

3. Experiência do Cliente (CX) - Omni channel Contínuo: O cliente não diferencia canais.Ele espera uma experiência única (seamless) seja no app, no site, na loja física ou no call center.

· Journey Mapping: Mapear toda a jornada do cliente, desde a aquisição até a fidelização, identificando pontos de atrito e oportunidades de encantamento.

· Visão 360º do Cliente: Quando um cliente ligar para o SAC, o atendente deve ter em sua tela não apenas seus dados cadastrais, mas seu histórico de interações, preferências, e ofertas que são relevantes para aquele cliente específico.

· Autoatendimento Inteligente: Chatbots alimentados por IA que resolvem problemas simples de forma personalizada, liberando os agentes humanos para casos mais complexos e emocionais.

4. Novos Modelos de Receita e Parcerias Estratégicas: O"One Customer, One Strategy" abre portas para monetização além da tarifação tradicional.

· Ecossistema de Serviços: A operadora pode se tornar uma "plataforma" ou "marketplace", curando e oferecendo serviços de terceiros (OTT) que sejam relevantes para cada perfil de cliente, recebendo uma comissão. Ex.: Pacote "Gamer" com assinatura de Xbox Cloud, pacote "Família" com Disney+ e controle parental.

· Monetização de Dados (Ética e Anonimizada): Oferecer insights agregados e anonimizados para empresas de outros setores (varejo, publicidade) sobre trends de mobilidade e consumo, sempre com total transparência e respeito à privacidade.

Desafios na Implementação

A jornada para se tornar uma empresa centrada no "One Customer, One Strategy" é complexa e enfrenta obstáculos significativos:

· Legacy Systems: Muitas operadoras possuem sistemas antigos e desconectados (silos de dados entre mobile, fixo e TV), que dificultam a criação de uma visão única do cliente.

· Cultura Organizacional: Requer uma mudança de mentalidade de toda a organização, de departamentos focados em produto para equipes multidisciplinares focadas na jornada do cliente.

· Privacidade e Segurança de Dados: A coleta e uso de dados devem ser transparentes e éticas, seguindo rigorosamente regulamentações como a LGPD. A confiança é o ativo mais importante; uma vez perdida, é quase impossível recuperá-la.

· Investimento em Tecnologia: A implementação de plataformas de CDP (Customer Data Platform), CRM avançado, e ferramentas de IA exige investimentos vultuosos e contínuos.

O Futuro é Personalizado: A Operadora como um Assistente Pessoal Digital

Imagine um futuro próximo: sua operadora, por meio de seu app, se torna seu assistente digital pessoal. Ela sabe que você viaja a trabalho toda semana e, proativamente, oferece opções de roaming internacional com preços competitivos na segunda-feira de manhã. Ela detecta que sua conexão de fibra óptica está com latência alta durante seu horário de teletrabalho e agenda um técnico automaticamente antes que você perceba o problema. Ela oferece um bundle que inclui sua assinatura de música e de vídeo preferidas, com um desconto conveniente.

Esta é a materialização do "One Customer, One Strategy". A operadora deixa de ser um utility, um fornecedor silencioso no background, e se torna um parceiro relevante e valioso no dia a dia do cliente.

Conclusão

O conceito "One Customer, One Strategy" não é uma opção, mas um imperativo estratégico para a sobrevivência e relevância futura das operadoras de telecomunicações. Aquelas que insistirem no modelo massificado estarão fadadas a uma guerra de preços autodestrutiva, vendo sua receita e margens se erosionarem continuamente.

Por outro lado, as operadoras que abraçarem esta transformação, investirem em tecnologia de dados e IA, e reorganizarem sua cultura para colocar o cliente individual no centro de todas as decisões, serão recompensadas com níveis mais altos de lealdade, menor churn, maior LTV e a abertura de fluxos de receita completamente novos. No fim, trata-se de reconhecer que o maior asset de uma operadora não é sua rede ou seu espectro, mas a confiança e o relacionamento com cada um de seus clientes. E é estratégia por estratégia, individualmente, que esse relacionamento será conquistado e mantido.

Uma economia voltada a super inteligência?

Essa matéria do The Economist me chamou a atenção, pois deu um foco especial em “A Economia da Superinteligência”. Os líderes globais em tecnologia dizem que a humanidade está se aproximando de um momento de inflexão, quando em poucos anos a inteligência artificial (IA) será melhor do que o ser humano médio em todas as tarefas cognitivas. Não é preciso apostar alto que eles estejam certos para perceber que a afirmação precisa ser melhor formulada. Se se concretizasse, as consequências seriam tão grandes quanto qualquer outra na história da economia mundial.

Ao longo da última década, os poderes e avanços da IA superaram repetidamente as previsões. Em 2016, o AlphaGo — um  programa de de aprendizado profundo desenvolvido pelo Google deep mind — derrotou Lee Sedol, um dos melhores jogadores de Go do mundo, por uma ampla margem, embora os especialistas previssem que levaria vários anos para o AlphaGo derrotar os melhores jogadores profissionais humanos. Isso foi considerado um marco importante na história da IA de aprendizado profundo, ao lado da vitória igualmente inesperada do Deep Blue da IBM sobre o então campeão mundial de xadrez Garry Kasparov em 1997.

Em novembro de 2022, a OpenAI lançou o ChatGPT, um modelo de IA que interage com os usuários em um modelo de linguagem conversacional (LLM). "O formato de diálogo permite que o ChatGPT responda a perguntas complementares, admita seus erros, questione premissas incorretas e rejeite solicitações inadequadas." A OpenAI incentivou os usuários a  experimentar o ChatGPT , e apenas cinco dias após seu lançamento, mais de um milhão já o fizeram.

"O que isso diz sobre os poderes da IA?", questionou a The Economist. As opiniões variam. Alguns, como o CEO da OpenAI, Sam Altman, afirmam que "a humanidade está perto de construir uma superinteligência digital e, pelo menos até agora, é muito menos estranha do que parece que deveria ser".

“Em certo sentido, o ChatGPT já é mais poderoso do que qualquer ser humano que já existiu. Centenas de milhões de pessoas dependem dele todos os dias e para tarefas cada vez mais importantes; uma pequena nova capacidade pode criar um impacto extremamente positivo; um pequeno desalinhamento multiplicado por centenas de milhões de pessoas pode causar um enorme impacto negativo.”

Não é de surpreender que Altman esteja otimista. “A IA contribuirá para o mundo de muitas maneiras, mas os ganhos em qualidade de vida que ela proporciona, impulsionando um progresso científico mais rápido e o aumento da produtividade, serão enormes; o futuro pode ser muito melhor do que o presente. O progresso científico é o maior impulsionador do progresso geral; é extremamente emocionante pensar em quanto mais poderíamos ter.” 

Mas ele também observa que, embora "a década de 2030 provavelmente seja muito diferente de qualquer outra época anterior, ... nos aspectos mais importantes, ela pode não ser muito diferente. As pessoas continuarão a amar suas famílias, expressar sua criatividade, brincar e nadar em lagos."

O CEO da Meta, Mark Zukerberg, está igualmente otimista. "Nos últimos meses, começamos a ver sinais de aprimoramento dos nossos sistemas de IA. A melhora é lenta por enquanto, mas inegável. O desenvolvimento da superinteligência já está à vista. Parece claro que, nos próximos anos, a IA aprimorará todos os nossos sistemas existentes e permitirá a criação e a descoberta de coisas novas que não são imagináveis hoje. Mas ainda não se sabe para onde direcionaremos a superinteligência. Estou extremamente otimista de que a superinteligência ajudará a humanidade a acelerar nosso ritmo de progresso. Mas talvez ainda mais importante seja o fato de que a superinteligência tem o potencial de iniciar uma nova era de empoderamento pessoal, na qual as pessoas terão maior autonomia para melhorar o mundo nas direções que escolherem.”

Em contrapartida, um artigo do Wall Street Journal, “ Por que a IA superinteligente não assumirá o controle em breve”, o colunista de tecnologia Christopher Mims escreveu que “Apesar das alegações dos principais nomes da IA, os pesquisadores argumentam que falhas fundamentais nos modelos de raciocínio significam que os bots não estão nem perto de exceder a inteligência humana”. 

Sims faz referência a "A Ilusão do Pensamento", um artigo no qual pesquisadores da Apple avaliaram diversos modelos de raciocínio de grande porte (LRMs) de laboratórios líderes em IA. LRMs são modelos de linguagem que dedicam consideravelmente mais tempo à análise de problemas usando a cadeia de pensamento, uma técnica que aprimora a capacidade de raciocínio dos LLMs, induzindo-os a resolver um problema por meio de uma série de etapas intermediárias antes de fornecer uma resposta final.

Após avaliar o desempenho de LRMs de diferentes fornecedores em um conjunto diversificado de problemas, os pesquisadores da Apple encontraram poucas evidências de que eles sejam capazes de raciocinar em um nível próximo ao alegado por seus criadores. Eles demonstraram que a capacidade de raciocínio dos LRMs aumenta com a complexidade do problema até certo ponto, depois diminui e, eventualmente, entra em colapso quando atingem certas complexidades. Ao comparar os LRMs com os LLMs, eles identificaram três níveis de desempenho:

1. tarefas de baixa complexidade onde modelos superam os LRMs;
2. tarefas de média complexidade onde o raciocínio adicional em LRMs demonstra vantagem; e
3. tarefas de alta complexidade onde tanto LLMs quanto LRMs entram em completo colapso.

Sims alerta que “um dos maiores perigos da IA é que superestimamos suas capacidades, confiamos nela mais do que deveríamos — mesmo que ela tenha demonstrado tendências antissociais, como a 'chantagem oportunista  — e confiamos nela mais do que seria sensato. Ao fazer isso, nos tornamos vulneráveis à sua propensão a falhar quando mais importa .

Esses vários artigos me lembraram que em 1930, John Maynard Keynes, um dos economistas mais influentes do século XX, publicou um ensaio no qual escreveu:

Estamos sendo afligidos por uma nova doença cujo nome alguns leitores talvez ainda não tenham ouvido falar, mas da qual ouvirão muito nos próximos anos: o desemprego tecnológico. Isso significa desemprego devido à nossa descoberta de meios de economizar o uso da mão de obra, que ultrapassa o ritmo em que conseguimos encontrar novos usos para a mão de obra.

Dado que "o aumento da eficiência técnica tem ocorrido mais rapidamente do que conseguimos lidar com o problema da absorção de mão de obra", Keynes previu que, até 2030, a maioria das pessoas trabalharia 15 horas por semana, o que satisfaria sua necessidade de trabalhar para se sentirem úteis e satisfeitas. "Assim, pela primeira vez desde a sua criação, o homem se deparará com seu problema real e permanente: como usar sua liberdade das preocupações econômicas urgentes, como ocupar o tempo livre que a ciência e os juros compostos lhe proporcionaram, para viver com sabedoria, prazer e bem."

Estamos a apenas cinco anos de 2030. A previsão de Keynes se concretizará?  "E se a IA fizesse o crescimento econômico mundial explodir? ".

Se acreditarmos nos evangelistas da IA do Vale do Silício, o crescimento econômico está prestes a acelerar significativamente. "Eles sustentam que a inteligência artificial geral (IAG), será capaz de superar a maioria das pessoas na maioria dos trabalhos administrativos, em breve e elevará o crescimento anual do PIB para 20% a 30% ao ano, ou mais. Isso pode parecer absurdo, mas, segundo eles, durante a maior parte da história humana, a ideia de que a economia cresceria também o era."

A probabilidade de que a IA possa em breve demitir muitos trabalhadores é bem conhecida. O que é muito menos discutido é a esperança de que a IA possa colocar o mundo em um caminho de crescimento explosivo. Isso teria consequências profundas. Os mercados não apenas de mão de obra, mas também de bens, serviços e ativos financeiros seriam afetados. Economistas têm tentado refletir sobre como a IA poderia remodelar o mundo. O panorama que está surgindo é talvez contraintuitivo e certamente desconcertante.

A maioria dos economistas concorda que a IA tem o potencial de aumentar a produtividade e, assim, impulsionar o crescimento do PIB. As questões mais urgentes são: quanto? E quanto tempo levará? Alguns, como o economista ganhador do Nobel do MIT, Daron Acemoglu, acreditam que a IA contribuirá apenas com melhorias modestas na produtividade dos trabalhadores e não adicionará mais de 1% à produção econômica dos EUA na próxima década.

“A IA generativa tem o potencial de mudar fundamentalmente o processo de descoberta científica, pesquisa e desenvolvimento, inovação, testes de novos produtos e materiais, etc., bem como criar novos produtos e plataformas”, acrescentou Acemoglu. Mas o impacto econômico de tecnologias historicamente transformadoras como a IA leva tempo para se concretizar. No futuro próximo, a IA aumentará principalmente a eficiência dos processos de produção e dos trabalhadores existentes, portanto, o impacto a curto prazo depende inteiramente do número de processos de produção que a tecnologia automatizará, que ele espera que seja inferior a 5% de todas as tarefas.

Apesar das avaliações altíssimas das empresas de tecnologia, os mercados estão muito longe de precificar um crescimento explosivo. “O Vale do Silício, em outras palavras, ainda precisa convencer o mundo de sua tese. Mas o progresso da IA superou, durante a maior parte de uma década, as previsões de quando ela ultrapassaria vários benchmarks. … Se o consenso sobre os efeitos da IA na economia estiver tão atrasado quanto a maioria das previsões sobre as capacidades da IA, então os investidores — e todos os demais — terão uma grande surpresa.”

O valor do pensamento crítico na era da IA

Já tenho uma longa carreira, que sempre girou em torno do mercado de TI e Telecomunicações e eu me sinto orgulhoso de ter participado dos principais avanços tecnológicos que transformaram significativamente os negócios e a vida das pessoas, nas últimas 3 décadas. Durante este período, pude notar que o foco em pessoas, processos e produtos, são sempre as principais questões com as quais as empresa lidam para transformar suas estratégias de mercado com sucesso, incluindo os aspectos organizacionais e culturais que frequentemente causam o sucesso ou o fracasso dessas transformações. Como um estudo de caso real, de minhas experiências pessoais, lidando com estratégia de internet, desde meados da década de 1990, vi a internet inaugurar a transição histórica da economia industrial dos dois séculos anteriores para um novo tipo de economia baseada no conhecimento. Os avanços nas tecnologias da informação e a globalização estiveram entre as principais forças que impulsionaram essa transição. Em O Mundo é Plano de Thomas Friedman, um best-seller de 2005, ele explica com propriedade as implicações dessa nova era da globalização, incluindo os fatores que a impulsionaram o crescimento explosivo da internet na década de 1990 e a ascensão da terceirização, do offshoring e das cadeias de suprimentos globais.

Mas, o economista do MIT, David Autor, em seu artigo A Polarização das Oportunidades de Emprego no Mercado de Trabalho dos EUA, enfatiza que a tecnologia e a globalização tiveram um impacto disruptivo sobre os trabalhadores americanos, embora as oportunidades de emprego e os rendimentos tenham aumentado para ocupações técnicas e de gestão de alta qualificação, que exigiam formação universitária, elas diminuíram para ocupações de produção e administrativas, de qualificação média. "O declínio dos empregos de qualificação média tem sido prejudicial aos rendimentos e às taxas de participação na força de trabalho para trabalhadores sem formação universitária", escreveu Autor.

Para ajudar a preparar seus alunos para um mundo cada vez mais imprevisível e complexo, diversas escolas de engenharia e administração começaram a se aventurar em territórios tradicionalmente associados a abordagens multidisciplinares, compreensão do contexto e das perspectivas globais e históricas, e um foco maior em liderança e responsabilidade social e começaram a se perguntar como complementar uma educação focada em tópicos complexos quantitativos, analíticos e técnicos com menos foco, aparentemente, mais leves das artes liberais, como design, criatividade e pensamento crítico.

Por exemplo, em janeiro de 2010, o NY Times publicou “ Teoria de Negócios Multicultural. Na B-School?,” um artigo sobre Roger Martin, na época, reitor da Rotman School of Management da Universidade de Toronto. Por mais de uma década, o professor Martin vinha defendendo “o que era então uma ideia radical na educação empresarial: que os alunos precisavam aprender a pensar de forma crítica e criativa tanto quanto aprender finanças ou contabilidade. Mais especificamente, eles precisavam aprender a abordar problemas de muitas perspectivas e combinar várias abordagens para encontrar soluções inovadoras”

Da mesma forma, Ernest Wilson — ex-reitor da Escola Annenberg de Comunicação e Jornalismo da USC — escreveu um artigo em 2015 sobre sua pesquisa para entender melhor as competências-chave que as empresas buscavam. Como parte da pesquisa, Wilson perguntou aos líderes empresariais em todo o mundo quais atributos os executivos devem possuir para ter sucesso na economia digital em rápida transformação, em meados da década de 2010. A pesquisa constatou que as habilidades técnicas tradicionais, normalmente oferecidas por escolas de engenharia e administração, eram necessárias, mas não mais suficientes. 

Os futuros líderes precisam ser fortes em habilidades técnicas e de negócios. Mas estas devem ser complementadas por um conjunto único de atitudes, perspectivas, experiências e outras chamadas habilidades interpessoais. Bons líderes precisam ser bons pensadores estratégicos e possuir fortes habilidades sociais e de comunicação. O estudo identificou cinco dessas competências específicas de liderança:

1. Adaptabilidade: Agilidade mental e resiliência em situações ambíguas; flexibilidade ao lidar com mudanças; pensar além do preto e branco, nas áreas cinzentas; fazer perguntas inesperadas que podem levar a melhores soluções.

2. Competência cultural: capacidade de pensar, agir e se movimentar em múltiplas funções, silos e culturas globais.                        

3. Pensamento 360 graus: pensamento holístico; capaz de ver o panorama geral e reconhecer padrões que podem levar a soluções novas e melhores.

4. Curiosidade intelectual: aprender e crescer constantemente; disposto a arriscar e experimentar para criar novas soluções criativas para problemas.

5. Empatia: forte inteligência emocional; habilidades eficazes de escuta e colaboração; habilidades de comunicação; ser inclusivo e considerar as opiniões dos outros em diversas disciplinas, culturas e perspectivas. 

Mais uma vez, estamos no meio de uma transição historicamente transformadora. A transição para a era da IA será pelo menos tão grande e consequente quanto a transição da economia industrial para a economia digital baseada na internet das últimas décadas. As máquinas da economia industrial compensaram nossas limitações físicas — as máquinas a vapor aprimoraram nossa força física, as ferrovias e os carros nos ajudaram a ir mais rápido, os aviões nos deram a capacidade de voar. Mas agora, a tecnologia está sendo cada vez mais aplicada a atividades que exigem capacidades cognitivas e inteligência para resolver problemas que, até pouco tempo atrás, eram vistas como domínio exclusivo do ser humano.

Como as universidades devem responder e se adaptar a essas grandes mudanças?

“Gerar valor comercial sustentável com IA exige pensamento crítico sobre as diferentes filosofias que determinam o desenvolvimento, o treinamento, a implantação e o uso de IA”, escreveram os pesquisadores do MIT Michael Schrage e David Kiron em “A Filosofia Come a IA ”, em um artigo na MITSloan Management Review. “Hardware e software são disciplinas técnicas há muito tempo, ensinadas nos departamentos de engenharia elétrica e ciência da computação. Mas a IA, com sua ênfase em qualidades humanas como inteligência, conhecimento, linguagem e raciocínio, parece uma disciplina muito diferente.”

“Como disciplina, conjunto de dados e sensibilidade, a filosofia determina cada vez mais como as tecnologias digitais raciocinam, preveem, criam, geram e inovam”, acrescentaram os autores. “O desafio crítico é se os líderes terão a autoconsciência e o rigor necessários para usar a filosofia como recurso para criar valor com IA ou se adotarão princípios filosóficos tácitos e não articulados para suas implementações de IA.”

No Simpósio de CIOs do MIT Sloan de 2025, uma série de discussões sobre como indivíduos e organizações precisam se adaptar na era da IA; em particular, o painel sobre "O Impacto da IA em Empregos e Habilidades", onde Isabella Loaiza, pós-doutoranda na Escola de Administração do MIT Sloan, que recentemente publicou um artigo com o professor do MIT Sloan, Roberto Rigobon, "A ÉPOCA da IA: Complementaridades Homem-Máquina no Trabalho". 

Eu li o artigo e abaixo faço meus comentários sobre os principais tópicos. Muito do que foi escrito sobre o futuro do trabalho — tanto na literatura acadêmica quanto em artigos da mídia — trouxeram como principais questões: "as máquinas vão automatizar a maioria dos empregos?". E, embora essa pergunta seja importante, não é a mais importante. Precisamos mudar o foco das máquinas para os humanos: "quais capacidades humanas complementam as deficiências da IA?".

Após muitas discussões, os principais doutores do MIT identificaram cinco grupos de capacidades que permitem aos humanos trabalhar em áreas onde as máquinas são limitadas:

• Empatia e Inteligência Emocional. Essas capacidades são essenciais para promover a compreensão, o trabalho em equipe e um ambiente de trabalho colaborativo e de apoio. 
• Presença, Conexão Humana e Networking. Facilitam interações presenciais e a colaboração com colegas e amigos. 
• Opinião, Julgamento e Ética . Incluem pensamento crítico, considerações morais e a capacidade de sintetizar informações, integrar análise racional com intuição e considerar diversas perspectivas. 
• Criatividade e Imaginação. Essas capacidades são importantes para a criação de ideias novas e originais e para a visualização de possibilidades além da realidade.
• Esperança, Visão e Liderança. As capacidades deste grupo incluem otimismo, iniciativa, determinação, perseverança e a capacidade de desenvolver uma meta e inspirar outras pessoas a alcançá-la.

Permito-me também mencionar que a IA é, em essência, uma tecnologia de previsão. Uma previsão ou prognóstico é uma declaração sobre o que provavelmente acontecerá no futuro, geralmente baseada na análise de dados e outras informações. Os custos drasticamente reduzidos das previsões estão agora inaugurando uma revolução baseada em IA no século XXI.

As previsões são um dos principais ingredientes da tomada de decisões. O outro é o julgamento, a capacidade humana de tomar uma decisão ponderada após avaliar todas as evidências, observações e argumentos disponíveis. À medida que as previsões baseadas em tecnologia se tornam cada vez mais baratas e comuns, o valor econômico do julgamento humano baseado em um pensamento crítico sólido torna-se cada vez mais valioso.

Embora ainda esteja em seus estágios iniciais, a IA já se consolida como uma das tecnologias mais poderosas do século XXI, se não a mais poderosa. A IA terá um grande impacto em praticamente todos os empregos e disciplinas. Isso levanta uma questão muito importante: como podemos preparar melhor uma nova geração de estudantes com as habilidades necessárias para a era emergente da IA? 

Os poderes transformadores da IA ampliam a necessidade de líderes que possam navegar por suas implicações éticas, sociais e filosóficas com agilidade e visão. Sua capacidade única de imitar o raciocínio humano exige uma fusão deliberada das habilidades técnicas e interpessoais que os líderes de hoje precisam dominar não apenas para prosperar em suas carreiras, mas também para moldar de forma responsável o impacto da IA na sociedade. 

As principais universidades de STEM e de negócios têm a responsabilidade única de nos ajudar a definir o papel dos humanos em um mundo onde máquinas inteligentes serão nossas parceiras onipresentes na maioria das ocupações. Em vez de uma expansão modesta dos programas existentes, isso exigirá uma reformulação ousada e sistêmica da educação em STEM e negócios — uma reformulação que incorpore o pensamento crítico e a colaboração entre humanos e máquinas em todas as áreas de estudo, permitindo-nos, assim, trabalhar melhor com e em conjunto com a IA.

As principais tendências de IA em 2025

Li recentemente o relatório do IBM Institute for Business Value (IBV), sobre as 5 Tendências para 2025, que examina como as empresas podem capacitar pessoas a inovar na era da IA sem colocar os negócios em risco. "2024 foi o ano de desapego", afirma o relatório em sua introdução. "À medida que uma combinação de conflitos e transformações colocava algumas antigas premissas em dúvida, os líderes tiveram que reavaliar seu apetite por risco. Eles tiveram que ponderar a necessidade de velocidade em relação à segurança de processos comprovados — e então mudar os hábitos."

“A IA generativa esteve no centro dessa mudança, introduzindo um mundo de novas oportunidades, bem como riscos desconhecidos”, acrescentou o relatório. “A IA pode executar uma variedade de funções de forma autônoma, pode atuar como um funcionário, enquanto funcionários reais realizam outras tarefas. Ao conceder permissões e direitos aos agentes de IA, eles podem automatizar a tomada de decisões, a resolução de problemas e outras tarefas que vão além dos dados com os quais os modelos de aprendizado de máquina foram treinados. E, à medida que o trabalho digital evolui, a IA pode colocar o poder da transformação nas mãos dos funcionários, possibilitando que indivíduos aumentem a produtividade e redefinam fluxos de trabalho — desafiando as noções preconcebidas sobre o que significa liderar.”

Nesse ambiente, os líderes começam a caminhar na corda bamba entre agilidade e segurança. Para entender como estão fazendo isso, o Institute for Business Value da IBM realizou uma pesquisa com 400 líderes em 17 setores e seis regiões geográficas, entre outubro e novembro de 2024, em parceria com a Oxford Economics. Os participantes responderam a uma série de perguntas sobre suas estratégias de negócios e tecnologia, suas oportunidades mais promissoras e como eles estão preparando sua força de trabalho para aproveitar essas mudanças. Os principais tópicos abordados foram:

A IA democratiza os dados — e redefine a tomada de decisões.

Como os líderes podem capacitar as pessoas a inovar sem colocar os negócios em risco?

No geral, os líderes estão lutando para transformar os negócios com seus investimentos em IA e acreditam que estão progredindo. 

63% dos executivos disseram que a IA terá um impacto financeiro material em sua organização nos próximos um a dois anos.

30% dos executivos afirmaram que suas organizações estavam experimentando IA principalmente em funções não essenciais e de baixo risco,

44% estavam usando IA para otimizar processos existentes e apenas 

24% estavam tentando usar IA para descobrir novas oportunidades e modelos de negócios inovadores. Mas em 2025, esses mesmos líderes esperam ver uma grande mudança.

6% afirmam que suas organizações continuarão experimentando IA,

46% disseram que escalarão o uso de IA em toda a empresa e

44% esperam usar IA para inovar. 

“Fazer isso corretamente pode ajudar as empresas a se manterem à frente da concorrência e fortalecer o relacionamento com os clientes.” 

Vou resumir as cinco principais tendências de IA discutidas no relatório.

Tendência 1: Os Agentes de IA transformarão os negócios — mas primeiro você precisa requalificar sua equipe

O futuro do trabalho está sendo reescrito com a IA. Mas muitos funcionários não estão preparados para o que está por vir — e o progresso ficará estagnado se muitos forem deixados para trás.

Embora cerca de 5% da força de trabalho global precise ser requalificada consistentemente a cada ano, a rápida evolução da IA elevou esse número a níveis exorbitantes. Em 2024, CEOs globais estimaram que, em média, 35% de sua força de trabalho precisaria ser requalificada. Isso se traduz em mais de um bilhão de trabalhadores em todo o mundo.

O que exatamente está criando esse abismo?

A necessidade crescente de uma verdadeira transformação. Em vez de automatizar funções específicas em larga escala, as organizações estão emparelhando pessoas com agentes de IA de domínio específico para melhorar seu desempenho.

87% dos executivos esperam que as funções sejam ampliadas, e não substituídas, pela IA generativa. Isso significa que, em vez de aprender uma nova habilidade ou ferramenta, os trabalhadores precisam repensar completamente a forma como realizam seu trabalho para aproveitar ao máximo a IA generativa.

Tendência 2: Apesar dos esforços para desacelerar seu crescimento, a dívida técnica continua a aumentar

Tempo é dinheiro. E os líderes estão sempre buscando maneiras de economizar ambos. Mas as soluções alternativas que aceleram a transformação no curto prazo frequentemente criam dívida técnica que limita a inovação e o crescimento a longo prazo.

Para entregar as inovações que clientes, funcionários e parceiros esperam, as organizações precisam construir soluções dentro de uma arquitetura moderna. Isso ocorre porque os sistemas tradicionais não tendem a funcionar bem com aplicativos, softwares e infraestrutura de última geração. Isso é particularmente relevante para IA generativa e IA agêntica. As organizações precisam de uma infraestrutura robusta que possa lidar com os dados e os requisitos computacionais da IA para passar de pilotos para soluções corporativas. No entanto, embora 77% dos executivos afirmem que precisam adotar a IA rapidamente para acompanhar os concorrentes, apenas 25% concordam que a infraestrutura de TI de sua organização pode suportar o escalonamento da IA em toda a empresa.

Tendência 3: Na era da IA, a localização é tudo

A disrupção perpétua veio para ficar. Mas isso não significa que seja previsível. Para navegar pela complexidade onde quer que ela apareça, os líderes precisam ser capazes de enxergar o panorama geral — e as minúcias do mercado — em uma única visão abrangente. Eles precisam ajustar estrategicamente as operações com base nas mudanças no mercado, sem reagir exageradamente às disrupções locais à medida que elas ocorrem.

E encontrar o equilíbrio certo está cada vez mais difícil. Olhando para o futuro, 60% dos líderes governamentais acreditam que os choques provavelmente aumentarão em frequência e 70% acreditam que provavelmente aumentarão em intensidade e impacto. Isso está forçando os líderes a avaliar onde seus dados estão armazenados e a repensar como — e onde — suas organizações devem operar. Em 2024, 86% dos executivos disseram que sua estratégia de localização foi impactada por disrupções geopolíticas — e esse número deve subir para 93% em 2026. À medida que as organizações buscam os talentos, os ecossistemas de dados e a infraestrutura necessários para escalar a IA de forma eficaz, elas estão transferindo suas operações para locais que acreditam que proporcionarão a maior vantagem estratégica. 

Tendência 4: A rápida transição para a IA alterou os orçamentos de TI, mas o autofinanciamento é iminente

95% dos executivos afirmam que a IA generativa será pelo menos parcialmente autofinanciada até 2026. A IA generativa tornou o processo tradicional de orçamento de TI insustentável. Ela está causando um choque nas equipes de tecnologia e finanças, que se apressam para reavaliar suas prioridades de gastos — e direcionar o dinheiro para onde ele é mais necessário.

Os líderes sabem que precisam investir em IA de geração para acompanhar a concorrência, mas essas soluções ainda não oferecem ROI em nível de produção. Isso levou a um canibalismo generalizado de orçamentos de TI mais amplos. Em 2024, uma em cada três organizações retirou financiamento para IA de geração de outras iniciativas de TI, com apenas 18% dos executivos de tecnologia financiando esses projetos com novos gastos líquidos. … Quase todos os executivos (95%) afirmam que a IA generativa será pelo menos parcialmente autofinanciada até 2026, com foco em impulsionar a lucratividade futura. Embora três em cada quatro líderes empresariais considerem a IA de geração mais como um investimento em inovação do que como TI tradicional atualmente, 71% dos executivos afirmam que a IA de geração deve ser autofinanciada para justificar seu investimento.

Tendência 5: A inovação em produtos e serviços de IA é o objetivo número 1 do CEO, mas os modelos de negócios não acompanham

À medida que a IA generativa impulsiona a inovação, o pipeline de novos produtos e serviços está transbordando. Mas muitas organizações estão muito presas a modelos de negócios antigos para aproveitar novas oportunidades de impulsionar o crescimento .

Os CEOs estão sentindo a crise. Em 2024, eles citaram a inovação do modelo de negócios como o principal desafio que esperam enfrentar nos próximos três anos — subindo da 10ª posição em 2023 — e também nomearam a inovação em produtos e serviços como sua principal prioridade para o mesmo período. Os líderes empresariais entendem que, para aproveitar ao máximo as ofertas inovadoras, também precisarão repensar como gerar lucro.

De fato, 62% dos CEOs afirmam que precisam reescrever seu manual organizacional para vencer no futuro. A IA desempenhará um papel fundamental nessa mudança. Nos próximos três anos, 85% dos executivos afirmam que a IA possibilitará a inovação do modelo de negócios e 89% afirmam que impulsionará a inovação em produtos e serviços.

Como isso se parece?

Começa com a análise de dados de clientes e de mercado de forma mais rápida e abrangente do que nunca — e, em seguida, com a mudança de estratégias para acompanhar as demandas em constante mudança. Isso exigirá a centralização dos modelos de negócios no design cuidadoso da interação homem-máquina — e a construção de fortes estruturas de governança de suporte —, além da reformulação das estruturas organizacionais e dos fluxos de trabalho.

A automação vai substituir ou ampliar a expertise?

Considerando que as tecnologias estão automatizando o trabalho humano nos últimos dois séculos, por que a automação ainda não eliminou a maioria dos empregos? Por que ainda existem tantos empregos? A resposta não é muito complicada, embora frequentemente ignorada, explicou o economista do MIT David Autor em um artigo de 2015, "Por que ainda existem tantos empregos? A história e o futuro da automação da força de trabalho".

A resposta passa por uma realidade econômica fundamental: "tarefas que não podem ser substituídas pela automação são geralmente complementadas por ela".

A automação substitui o trabalho, mas, a automação também complementa o trabalho, aumentando a produção, de maneiras que frequentemente levam a uma maior demanda por trabalhadores.

A maioria dos empregos envolve uma série de tarefas ou processos. Algumas dessas tarefas são mais passíveis de automação, enquanto outras exigem discernimento, habilidades sociais e outras capacidades humanas. Mas só porque algumas tarefas foram automatizadas, não significa que todo o trabalho tenha desaparecido. Pelo contrário, automatizar as partes rotineiras de um trabalho frequentemente aumenta a produtividade e a qualidade dos trabalhadores, complementando suas habilidades com máquinas e computadores, além de permitir que se concentrem nos aspectos do trabalho que mais exigem sua atenção.

Muitos exageram a extensão da substituição da mão de obra humana por máquinas “e ignoram as fortes complementaridades entre automação e trabalho que aumentam a produtividade, os ganhos e a demanda por mão de obra”.

Mas,"quando as tarefas são automatizadas, isso aumenta ou diminui o valor do trabalho nas tarefas restantes?", foi a pergunta ao professor Autor, feita pelo pesquisador do MIT Neil Thompson em "A automação substitui especialistas ou complementa a expertise? A resposta é sim", uma palestra na Associação Econômica Europeia em agosto de 2024, cujo conteúdo foi posteriormente publicado em "Expertise".

A resposta não depende de quantas tarefas foram automatizadas, mas de quais tarefas foram automatizadas, ou seja, como a automação altera a expertise necessária para executar as tarefas não automatizadas restantes. Como a mesma tarefa pode ser especializada em uma ocupação e inexperiente em outra, a automação de qualquer tarefa pode reduzir a expertise em algumas ocupações e aumentá-la em outras.

Autor e Thompson propõem um modelo de especialização ocupacional que ajuda a prever o impacto das mudanças nos requisitos de especialização sobre salários e empregos:

• Se a maioria das tarefas que exigem maior qualificação forem automatizadas: os requisitos gerais de qualificação para a ocupação serão menores; o conjunto de trabalhadores qualificados será maior; e, como resultado, os salários serão menores.
• Se principalmente tarefas de menor qualificação forem automatizadas: os requisitos gerais de qualificação para a ocupação serão maiores; o conjunto de trabalhadores qualificados será menor; e, como resultado, os salários serão maiores.

Em outras palavras, a alteração dos requisitos de especialização tem efeitos sobre os salários e o emprego:

• A automação que aumenta os requisitos de especialização aumenta os salários, mas reduz o conjunto de trabalhadores qualificados.
• A automação que diminui os requisitos de especialização reduz os salários, mas aumenta o número de trabalhadores qualificados e menos especialistas.

Os autores ilustram seu modelo de especialização ocupacional com dois exemplos concretos .

Motoristas de táxi: o emprego aumentou; a especialização e os salários diminuíram. Táxis, limusines e outros veículos de aluguel costumavam ser regulamentados, seu número era limitado pelas cidades e os motoristas precisavam obter uma carteira de motorista. Mas, com o advento do Uber e de táxis eletrônicos, o setor foi essencialmente desregulamentado. Qualquer pessoa agora pode se tornar um motorista de táxi eletrônico sem a necessidade de uma licença de táxi ou carteira de motorista, usando seu próprio carro particular e dispositivos móveis. Como resultado, o número de motoristas de táxi aumentou significativamente, os aplicativos de navegação reduziram a especialização necessária e os salários caíram.

Revisores: a especialização foi aprimorada, os salários aumentaram e o emprego caiu. A principal função de um revisor era comparar um manuscrito com uma prova de impressão, buscando e corrigindo erros humanos durante a fase de composição da publicação, uma função que exige pouca qualificação e que deixou de ser necessária com o advento das provas digitais. Atualmente, os revisores são semelhantes aos editores de texto , trabalhando com os autores do manuscrito para aprimorar a estrutura geral de seu trabalho, incluindo gramática, ortografia, pontuação e sintaxe. A especialização dos revisores agora é significativamente maior, resultando em candidatos menos qualificados e salários mais altos.

Os principais conceitos apresentados no artigo são:

O Modelo de Expertise da Automação

• Uma ocupação é composta de múltiplas tarefas; automatizar um conjunto de tarefas não elimina a necessidade de executar todas as outras.
• Algumas tarefas exigem um grau maior ou menor de especialização específica e estão sujeitas à automação.
• Outras tarefas são genéricas e não estão sujeitas à automação porque exigem apenas habilidades humanas básicas que todos têm, como bom senso e destreza física.
• Os trabalhadores têm diferentes níveis de especialização; um trabalhador com alto nível de especialização pode executar tarefas que exigem menor especialização, mas um trabalhador com baixo nível de especialização não pode executar tarefas que exigem maior especialização.
• A especialização em tarefas específicas gera um salário mais alto, mas também serve como uma barreira à entrada, pois trabalhadores que não possuem a especialização necessária não conseguem ingressar em uma ocupação que a exija.
• Automatizar um conjunto de tarefas em um trabalho muda a composição da ocupação restante, incluindo requisitos de especialização, número de trabalhadores qualificados e salários.

O Desafio da Medição de Expertise

Para implementar seu modelo no mundo real, os autores precisavam encontrar uma maneira de medir a especialização necessária para diferentes tarefas que não dependesse de julgamentos subjetivos e que lhes permitisse quantificar a mudança nos requisitos de especialização das ocupações devido à remoção e adição de tarefas.

Para isso, eles criaram uma nova medida de complexidade linguística como proxy para a expertise em tarefas, baseada na Hipótese de Codificação Eficiente (ECH), um conceito proposto pela primeira vez em 1961 pelo neurocientista Horace Barlow. A ECH  implica que podemos identificar palavras que são usadas principalmente em domínios de alta habilidade, como engenharia ou medicina, para facilitar a comunicação, mas são usadas com pouca frequência na linguagem comum do dia a dia. Tarefas descritas com palavras raras ou complexas têm maior probabilidade de exigir expertise, enquanto tarefas descritas com palavras comuns tendem a ser mais rotineiras ou inexperientes. A ECH foi verificada por meio de sua aplicação em quase mil idiomas.

Principais descobertas

Para verificar empiricamente seu modelo de expertise em automação, Autor e Thompson identificaram as tarefas que foram removidas e adicionadas a cada ocupação entre 1977 e 2018, comparando suas descrições de cargo no Dicionário de Títulos Ocupacionais de 1977 com suas descrições de cargo no banco de dados O*NET de 2018. Assim, eles foram capazes de mensurar os requisitos de expertise em evolução de cada ocupação, comparando a expertise das tarefas adicionadas e removidas nas quatro décadas seguintes.  Sua análise empírica corrobora fortemente as previsões do modelo de expertise em automação: a automação tanto substitui quanto amplia a expertise.

“Analisando dados sobre emprego e rendimentos por ocupação ao longo de quatro décadas, mostramos que mudanças na especialização ocupacional, decorrentes tanto da remoção quanto da adição de tarefas ocupacionais, predizem fortemente mudanças nos salários ocupacionais”, escreveram Autor e Thompson em conclusão. “Além disso, os requisitos de especialização para tarefas removidas ou adicionadas a uma ocupação afetam os níveis salariais independentemente da quantidade de tarefas adicionadas ou removidas presentes. Notavelmente, tanto a remoção de tarefas especializadas quanto a adição de tarefas não especializadas preveem declínios salariais relativos em uma ocupação, enquanto, inversamente, tanto a remoção de tarefas não especializadas quanto a adição de tarefas especializadas preveem ganhos salariais ocupacionais.”

Nosso modelo faz a previsão contraintuitiva de que ocupações com requisitos de especialização crescentes apresentam queda no emprego (juntamente com o aumento dos salários), enquanto ocupações com requisitos de especialização decrescentes apresentam aumento no emprego juntamente com a queda dos salários. Os dados confirmam essa previsão de forma robusta. Há também um padrão oposto para mudanças na quantidade de tarefas. Ocupações que ganham tarefas se expandem e aquelas que perdem tarefas se contraem. Isso também é oposto ao padrão para salários, onde aumentos tanto na quantidade de tarefas quanto na especialização das tarefas preveem aumentos salariais.

Por fim, este vídeo de um seminário do professor Autor, no início deste ano sobre este tópico no Stanford Digital Economy Lab, ajuda a compreender melhor a questão.

Ecossistema de negócios TIC que estão dando certo

O setor de Tecnologia da Informação e Comunicação (TIC) é um dos mais dinâmicos e inovadores da economia global. Empresas que conseguem se adaptar às mudanças tecnológicas, às demandas do mercado e às novas formas de consumo estão se destacando e criando ecossistemas de negócios sustentáveis. 

Um ecossistema de TIC (Tecnologias de Informação e Comunicação) refere-se a um conjunto interconectado de tecnologias, sistemas, pessoas e processos que trabalham em conjunto para gerar, processar, armazenar e comunicar informações. Este ecossistema é crucial para a transformação digital e o desenvolvimento de negócios, impulsionando a inovação e a criação de novos modelos de negócios.   

Componentes de um ecossistema de TIC:

Infraestrutura tecnológica, Recursos humanos, Processos, Dados, 

Interconexões e integrações.

O ecossistema de TIC impulsiona a criação de novos produtos, serviços e modelos de negócios, permitindo que as organizações se adaptem às mudanças do mercado e inovem constantemente. O desenvolvimento e a adoção de tecnologias de informação e comunicação impulsionam o crescimento econômico, criando novas oportunidades de negócios e empregos.

Este artigo explora os modelos de negócios de TIC que estão dando certo, destacando exemplos de empresas e tendências que impulsionam o sucesso no setor.

1. Plataformas de Software como Serviço (SaaS)

O modelo Software as a Service (SaaS) revolucionou a forma como empresas e consumidores acessam soluções de software. Em vez de adquirir licenças caras, os usuários pagam assinaturas mensais ou anuais, garantindo atualizações constantes e escalabilidade.  

- A Salesforce, Líder global em CRM (Customer Relationship Management), é um exemplo bem sucedido. Ela popularizou o SaaS e hoje domina o mercado com soluções em nuvem para vendas, marketing e atendimento ao cliente.  

- A plataforma Zoom tornou-se essencial para comunicação remota, especialmente após a pandemia, oferecendo videoconferência acessível e escalável.  

- O Notion, combinando gestão de projetos, anotações e banco de dados, cresceu rapidamente com um modelo freemium atraente.  

2. Mercado de Nuvem e Infraestrutura como Serviço (IaaS)

A computação em nuvem é a espinha dorsal da transformação digital. Empresas que oferecem infraestrutura escalável e sob demanda estão em alta.

- A Amazon Web Services (AWS) domina cerca de 33% do mercado global de nuvem e oferece desde armazenamento até machine learning.  

- Microsoft Azure cresceu rapidamente, especialmente entre empresas que já usavam soluções Microsoft.  

- Google Cloud Platform (GCP) tem destaque especial em análise de dados e inteligência artificial.  

3. Soluções de Cibersegurança

Com o aumento de ataques cibernéticos, a demanda por segurança digital disparou. Startups e empresas estabelecidas estão criando soluções inovadoras.  

- CrowdStrike usa inteligência artificial para detectar e prevenir ameaças em tempo real.  

- Palo Alto Networks - líder em firewalls e segurança de rede.  

- Kaspersky, apesar das polêmicas geopolíticas, continua sendo uma das principais soluções de antivírus.  

4. Fintechs e Pagamentos Digitais

As fintechs estão transformando o setor financeiro, oferecendo soluções mais ágeis e acessíveis que os bancos tradicionais.  

- Nubank, o maior banco digital da América Latina, com mais de 90 milhões de clientes.  

- Stripe vem simplificando pagamentos online para e-commerces e startups.  

- Pix (Banco Central do Brasil), não é um exemplo de empresa, mas também vem revolucionando os pagamentos instantâneos no Brasil.  

5. Inteligência Artificial e Big Data

Empresas que utilizam IA e análise de dados para melhorar decisões estão se destacando em diversos setores.  

- OpenAI (ChatGPT): Revolucionou o mercado com IA generativa.  

- Palantir: Usa big data para análise em segurança e negócios.  

- DeepMind (Google): mostra valiosos avanços em IA para saúde e ciência.  

6. Mobilidade e Conectividade 5G

A expansão do 5G está impulsionando negócios em IoT, carros autônomos e cidades inteligentes.  

- Tesla: Além de carros elétricos, está investindo em conectividade e automação.  

- Qualcomm: Atual Líder no mercado de chips para 5G.  

- Huawei: Apesar de restrições globais, continua inovando em infraestrutura de telecomunicações.  

Conclusão

O ecossistema de TIC está em constante evolução, e empresas que adotam modelos escaláveis, baseados em nuvem, segurança digital e inovação disruptiva estão liderando o mercado. Desde SaaS e fintechs até IA e 5G, os exemplos mostram que a adaptação às novas tecnologias e necessidades do consumidor é essencial para o sucesso. Quem continuar investindo em inovação, experiência do usuário e infraestrutura estará à frente na próxima década da transformação digital.

A Gestão da Inovação e o Futuro da Tecnologia

Vivemos na era da disrupção tecnológica acelerada, onde empresas que não inovam, são rapidamente ultrapassadas. Neste cenário, a ISO 56000 aparece como um framework essencial para estruturar a inovação de forma sistemática, garantindo que organizações não apenas acompanhem, mas liderem a transformação digital. 

Este artigo expande os cinco tópicos essenciais sobre a ISO 56000, aprofundando sua aplicação no mundo tecnológico e seu papel no futuro da inovação: 

1. Visão geral da ISO 56000 e sua estrutura normativa

2. Aplicações no ecossistema de tecnologia

3. Benefícios e casos de sucesso

4. Desafios

5. O papel da ISO 56000 na próxima onda de inovações tecnológicas

1. Visão geral da ISO 56000 e sua estrutura normativa

1.1 O que é a ISO 56000? A família ISO 56000 é um conjunto de normas internacionais que fornecem diretrizes para a gestão sistemática da inovação. Ela não é uma certificação obrigatória, mas um guia de melhores práticas que ajuda empresas a: - Estruturar processos de inovação de forma repetível e escalável. - Alinhar P&D (Pesquisa e Desenvolvimento) com estratégia de negócios. - Criar uma cultura organizacional que incentive experimentação e tolerância a falhas. 

1.2 Componentes da Série ISO 56000 A série inclui várias normas complementares, como: - ISO 56002: Requisitos para um Sistema de Gestão da Inovação (SGIn). - ISO 56003: Ferramentas para parcerias em inovação (open innovation). - ISO 56005: Gestão de propriedade intelectual na inovação.

1.3 Os Princípios da ISO 56000:

1. Foco em valor – Inovação deve gerar impacto real.

2. Liderança comprometida – Executivos devem abraçar a inovação. 3. Direcionamento estratégico – Alinhar inovação com metas de negócio.

4. Cultura colaborativa – Estimular criatividade intra e interorganizacional. 5. Processos adaptativos – Métodos flexíveis para diferentes tipos de inovação.

6. Aprendizado contínuo – Usar dados para melhorar ciclicamente.

7. Gestão de stakeholders – Envolver clientes, parceiros e acionistas.

8. Gerenciamento de riscos – Antecipar falhas e mitigar custos.

2. Aplicações no Ecossistema de Tecnologia

2.1 Inovação em Startups e Scale-ups - Estrutura para pivotar por exemplo: lean startup + ISO 56000. - Atração de investidores (fundos de Venture Capital valorizam processos padronizados). - Parcerias estratégicas com corporações usando ISO 56003 (open innovation).

2.2 Grandes Empresas de Tecnologia - Gestão de portfólio de inovação (ex.: Google X, Microsoft Research). - Inovação aberta com hubs de pesquisa e universidades. - Sistemas de recompensa para ideias internas (programas de intraempreendedorismo).

2.3 Setores Emergentes - Inteligência Artificial – Governança ética e gestão de algoritmos. - Blockchain – Padronização de casos de uso empresarial. - Computação Quântica – Priorização de projetos de alto impacto.

3. Benefícios e Casos de Sucesso

3.1 Vantagens

✅ Redução de 20-40% no time-to-market (estudo da ISO em empresas de TI).

✅ Aumento de 35% na taxa de sucesso de projetos de P&D.

✅ Melhoria na captação de recursos (ISO 56000 como critério em editores de inovação).

3.2 Exemplos

- Siemens: Usou a ISO 56000 para estruturar seu programa de cidades inteligentes.

- IBM: Integrou a norma em seu modelo de inovação em nuvem e IA.

- Startup Brasileira de healthtech: Reduziu custos de desenvolvimento de AI médica após implementação.

4. Desafios

4.1 Barreiras - Cultura organizacional resistente a mudanças. - Dificuldade em medir ROI da inovação. - Falta de expertise interna em gestão da inovação.

4.2 Soluções Práticas - Workshops de imersão (ex.: design thinking + ISO 56000). - Pilotos em projetos menores antes de escalar. - Parcerias com consultorias especializadas em inovação.

5. O Papel da ISO 56000 na Próxima Onda de Inovações

5.1 Tendências Tecnológicas Impactadas - Metaverso e Web3: Gestão de projetos descentralizados. - Energia Limpa: Inovação em baterias e hidrogênio verde. - Biotecnologia: Rastreabilidade e compliance em healthtech.

5.2 Futuro da ISO 56000 - Integração com ESG (critérios de sustentabilidade).

- Normas setoriais específicas (ex.: ISO 56010 para fintechs).

- Automação da gestão da inovação com AI (ex.: plataformas de ideias). 

Conclusão

A ISO 56000 é mais que uma norma — é um mapa estratégico para a inovação no século XXI. Empresas que a adotarem terão vantagens decisivas em:

- Velocidade (lançamento mais rápido de tecnologias).

- Eficiência (redução de custos em P&D).

- Sustentabilidade (alinhamento com ESG). O futuro pertence a quem inova de forma estruturada. A questão não é "se" sua empresa deve adotar a ISO 56000, mas "como" implementá-la antes da concorrência.

📌 Próximos passos:

1. Faça um diagnóstico da maturidade inovativa da sua empresa.

2. Treine equipes em conceitos da ISO 56000.

3. Comece com um projeto-piloto e escale progressivamente.

Sua organização já está preparada para a gestão da inovação? Compartilhe nos comentários! 🚀

Agentes de IA

O que é um agente de IA? Há várias respostas para essa pergunta. Isso não é surpresa, visto que ainda estamos nos estágios iniciais de definição dessa tecnologia complexa. A Wikipédia enfatiza a natureza autônoma dos agentes de IA: "uma classe de inteligência artificial que se concentra em sistemas autônomos que podem tomar decisões e executar tarefas sem intervenção humana".

A McKinsey observou que a IA está agora "saindo da idéia para a ação" em seu relatório que explicou a diferença entre IA generativa e IA de agentes. "Estamos iniciando uma evolução de ferramentas baseadas em conhecimento e alimentadas por agentes de IA — por exemplo, chatbots que respondem a perguntas e geram conteúdo — que usam modelos básicos para executar fluxos de trabalho complexos e de várias etapas. … Agentes de IA eventualmente poderão atuar como colegas de trabalho virtuais, trabalhando com humanos de forma integrada e natural."

Da mesma forma, a IBM responde à pergunta "O que é um Agente de IA?" "Os sistemas de agentes oferecem a flexibilidade dos LLMs, que podem gerar respostas ou ações com base em uma compreensão diferenciada e dependente do contexto, com os recursos estruturados, determinísticos e confiáveis ​​da programação tradicional. Essa abordagem permite que os agentes pensem e ajam de forma mais humana."

Há décadas, desenvolvemos aplicações utilizando plataformas de programação cada vez mais sofisticadas e linguagens de alto nível. No início, os computadores eram relativamente lentos e tinham pouca memória principal, então geralmente usávamos linguagens de Assemby, que tinham uma correspondência muito forte entre uma instrução na linguagem e as instruções individuais da arquitetura da máquina. Foi assim que a programação, como a conhecemos hoje comçou, no início da década de 1960. Uma das partes mais difíceis da programação era a depuração, ou seja, o processo de descobrir por que o programa travava ou não funcionava, corrigir o bug e reenviá-lo ao computador. Depurar um programa naquela época frequentemente exigia um dump de memória, que envolvia registrar o estado da memória do computador quando o programa travava e revisá-lo instrução por instrução até que o problema fosse encontrado e corrigido.

A programação tornou-se consideravelmente menos trabalhosa com o desenvolvimento de linguagens de alto nível, específicas para domínios, e de compiladores que traduziam a linguagem de alto nível para código de máquina. Exemplos incluem Fortran — uma linguagem para aplicações científicas de engenharia e outras aplicações numéricas; Cobol — destinado a aplicações empresariais; PL/1 — uma linguagem de propósito mais geral, utilizada em programação de sistemas; e Java — uma linguagem de alto nível orientada a objetos que podia ser executada em múltiplas plataformas sem a necessidade de recompilação.

A IA de agentes está elevando o desenvolvimento de aplicações a um nivel totalmente novo. Em vez de especificar cada etapa da aplicação, como em linguagens determinísticas que cumprem a função para a qual foram programadas, os agentes de IA são projetados para tomar decisões e executar tarefas, trabalhando de forma autônoma ao lado de humanos como colegas de trabalho virtuais, a menos que um agente precise de orientação humana adicional.

No mundo emergente dos sistemas baseado em agentes, os programadores de aplicações estão se tornando mais próximo aos engenheiros de sistemas, cujo trabalho é projetar e especificar o sistema que estão construindo, incluindo os diversos agentes ou assistentes necessários para desenvolver os diversos componentes. A função do ser humano é definir os objetivos e ações que os agentes devem seguir sob uma variedade de condições, usando LLMs e outras ferramentas, bem como coordenar a execução do sistema geral para garantir que ele esteja funcionando conforme o esperado.

O artigo do executivo de tecnologia Eric Broda em sua plataforma Medium, relata bem esse novo cenário: “Bilhões de dólares em investimentos de algumas das maiores empresas do planeta estão fluindo para ferramentas que facilitarão a construção de agentes autônomos”, escreveu Broda. “E se esse enorme investimentos tiverem breve retorno, teremos muitos, muitos agentes autônomos colaborando em um ecossistema dinâmico.”

As questões-chave não serão "como construir agentes autônomos", acrescentou, "mas sim como gerenciarmos esses ecossistemas. Como encontrar o agente autônomo que faça o que queremos? Como interagir com um agente autônomo? E se quisermos transacionar com um agente autônomo, como isso acontecera com segurança?"

Broda ainda levantou outra questão importante em "Agent Explainability: The Foundation for Trust in the Agent Ecosystem ", um artigo publicado na Medium. Dado que os agentes de IA são projetados para tomar decisões e executar tarefas com intervenção humana limitada, garantir que eles façam o que queremos que façam provavelmente será mais difícil do que tem sido com o desenvolvimento tradicional de aplicativos determinísticos nas últimas décadas.

“A adoção de agentes só ocorrerá quando confiarmos neles.“Mas o que significa confiar em um agente? No sentido mais simples, confiança significa acreditar que um agente fará o que deve fazer.”

A confiança, nos relacionamentos humanos, é construída ao longo do tempo por meio de comportamento observável, ações consistentes e entendimento compartilhado. Confiamos nas pessoas não apenas pelo que elas fazem, mas porque entendemos por que o fazem — geralmente conseguimos inferir motivos, julgar a consistência e formar expectativas. E quando essa confiança é quebrada, buscamos explicações.

Mas os agentes não têm a nossa compreensão humana intuitiva e compartilhada. Assim, à medida que os agentes se tornam mais inseridos nas operações comerciais e industriais e delegamos responsabilidades cada vez mais importantes aos agentes, a oportunidade de erros graves aumenta.

Ao contrário de programas determinísticos, os agentes são orientados por LLMs baseados em IA, que são puramente estatísticos. Ou seja, se um agente de IA gera saídas não confiáveis ​​e propensas a erros, pode ser bastante difícil descobrir o que ele fez e por que o fez. Embora depurar uma aplicação determinística e complexa também possa ser muito difícil de analisar, temos décadas de experiência e uma ampla variedade de ferramentas para nos ajudar a fazê-lo, ao contrário dos LLMs e sistemas de agentes de IA.

Isso é muito desafiador, disse Broda, porque, para confiar nos agentes, "precisamos abrir a caixa preta do LLM. A explicabilidade torna os planos de um agente transparentes, compreensíveis, rastreáveis ​​— e confiáveis".

Em seu artigo no Medium , Broda propôs um modelo para explicabilidade do agente.

Primeiro, ele nos lembra que, ao longo dos anos, desenvolvemos todos os tipos de métodos para nos ajudar a determinar as causas de falhas de máquinas no mundo físico. Por exemplo, aviões comerciais são todos equipados com dados de voo e gravadores de voz na cabine, que funcionam silenciosamente em segundo plano. Quando ocorre um acidente, os investigadores usam esses dados para determinar as causas raiz do acidente e recomendar ações corretivas. Da mesma forma, as fábricas modernas estão repletas de sensores incorporados que monitoram as operações para detectar sinais precoces de uma possível falha e tomar medidas corretivas.

Ambos são exemplos de sistemas de explicabilidade que “literalmente criam um rastro de evidências de comportamento operacional que pode ser inspecionado, verificado e explicado. É isso que devemos esperar dos agentes. Se quisermos confiar a eles tarefas cada vez mais complexas, os agentes precisam fazer mais do que apenas produzir resultados. Precisamos de agentes que, deixem um rastro de dados de evidências — um registro explicável do que pretendiam fazer, como fizeram e por que as coisas aconteceram daquela forma.”

Hoje, um sistema baseado em AI depende de LLMs para conduzir um processo de ponta a ponta: “ele cria um plano, usa uma lógica oculta para aceitar prompts e entradas, usa recursos de execução e, finalmente, descarta o plano quando a tarefa é concluída. Esses planos são todos temporários.”

A explicabilidade do agente requer a captura de vários elementos: o planos de tarefas, etapas detalhadas que o agente pretende realizar, suas interações com outros agentes, a justificativa de seleção, com quem o agente pretende interagir e quais ferramentas o agente espera usar, as instruções usadas e os parâmetros que foram fornecidos aos agentes.

“Um ecossistema de agentes deve incluir a explicabilidade, mas não como um recurso opcional ou uma reflexão tardia, mas sim como um princípio fundamental de design”, concluiu Broda. “No entanto, para isso, a explicabilidade deve ser projetada desde o início: os agentes devem ser construídos com planejamento de tarefas transparente, execução rastreável e métricas observáveis ​​desde o início. O desafio é claro: os agentes inevitavelmente minarão a confiança. A solução é igualmente clara: precisamos projetar agentes que se expliquem sozinhos.”