As 2 habilidades que podem proteger sua carreira da IA
O importante não é o “saber o que”, mas o “saber fazer”. Além disso, fique atento às entrelinhas. Os robôs ficam fora dela
Para alguns profissionais, a frase “A inteligência artificial (IA). vai substituir os nossos empregos” não é mais uma ameaça vaga. Timothy McKeon, que passou anos trabalhando como tradutor de língua irlandesa para a União Europeia, sabe disso melhor do que ninguém. O aprimoramento de máquinas de tradução, capazes de produzir textos "bons o suficiente”, reduziu uma grande parte de seu sustento - aproximadamente 70% da sua renda, à medida que seu trabalho para a União Europeia (UE). diminuiu. "Quanto mais [a máquina] aprende, mais obsoleto você se torna", McKeon contou à CNN. A situação dele não é incomum: 43% dos tradutores viram sua renda cair graças à presença crescente de alternativas de IA no mercado.
O que tem acontecido no ramo da tradução é sinal de uma evolução em curso na economia do conhecimento. Durante décadas, muito do valor produzido por trabalhadores de escritórios baseava-se numa premissa simples: o profissional sabia ou era capaz de encontrar as informações que a maioria das pessoas não conseguia, e outros estavam dispostos a pagar para obter os benefícios desse conhecimento. A IA está derrubando o valor de uma ampla fatia desse mercado.
Em muitas áreas, um chatbot pode agora entregar em segundos o trabalho que é próximo de, e em alguns casos melhor, que o feito pelo profissional comum. A maior parte da economia do conhecimento, a ampla gama de trabalhos cognitivos “competentes, mas sem algo de especial", tem decaído cada vez mais.
Leia também: 7 habilidades essenciais para sobreviver no mercado na era da IA
É tentador pensar que a ameaça se restringe aos profissionais medianos, e que aqueles com expertise profunda estão sãos e salvos da ameaça. Isso é verdade, mas apenas em parte. A pergunta pertinente a ser feita não é mais se a IA vai remodelar o trabalho intelectual (ela certamente irá). A questão é quais tipos de conhecimento mantêm seu valor quando a máquina consegue fazer tanto hoje.
COMO AS COISAS ERAM ANTES
Para a maioria das pessoas na era moderna, seu valor de mercado como profissional vinha de seu conjunto de conhecimentos: o código tributário memorizado, a decisão jurídica citada, os dados mercantis que se tinha a rápido alcance, a linguagem computacional aprendida ao longo de uma década para poder renderizar fluentemente. O trabalho era, em grande parte, saber aquilo que outras pessoas não sabiam, e ser pago para acessar e aplicar esse conhecimento. A IA aprendeu a imitar esse tipo de trabalho de forma cada vez mais convincente. Um Large Language Model (LLM, modelo de linguagem de larga escala, em inglês), já teve acesso a mais códigos tributários, casos jurídicos, e relatórios de mercado do que qualquer indivíduo jamais poderia, e oferece grande parte dessas informações sob demanda, de forma fluente e instantânea.
A ideia, antes amplamente difundida, de que trabalhadores de conhecimento seriam poupados por conta dos resultados errados da IA tem enfraquecido. Embora fosse comum, essa tendência a erros está se tornando cada vez mais rara, e podem ser mitigada em vários contextos através de prompts eficientes. O acesso confiável a LLMs não é sempre gratuito ou sem fricção, mas, quando comparado ao trabalho humano, os custos têm se tornado insignificantes.
O passo lógico para muitos trabalhadores do conhecimento à face dessas mudanças é se direcionar a segmentos mais especializados e “premium”: deixar o trabalho simples para a máquina e apostar na profundidade. A maior vantagem é a expertise, e há evidências para isso.
Tradutores, por exemplo, têm percebido que a oferta de trabalho ascendeu à especialização: as traduções mais volumosas são feitas por máquinas, mas tradutores literários, jurídicos, e intérpretes diplomáticos - pessoas cujos erros causam consequências reais - ainda são procurados. Os serviços especializados parecem estar protegidos… Por enquanto.
O chão onde esses trabalhadores pisam é menos sólido do que parece e a linha entre as tarefas que a IA consegue executar e aquelas que ela não consegue é mais tênue do que muitos assumem ser.
DOIS TIPOS DE CONHECIMENTO
O problema é que essa especialização é apenas um refúgio temporário. Para uma máquina, o conhecimento raro não é nada especial e não há motivos pelos quais ela não consiga acesso aprofundado a ele, enquanto ele estiver disponível de forma gravada. Os meandros, os “cantos escondidos”, do direito tributário são, para um LLM, apenas outros “cantos”.
Para assegurar que o conhecimento próprio tenha algum valor que perdure, não é possível confiar em profundidade ou raridade. São necessários modos de conhecimento inteiramente diferentes, e dois deles sobressaem:
O primeiro é o julgamento de contextos. O valor de um consultor experiente nunca foi o conhecimento específico que ele possuía sobre algum setor; e sim, saber qual detalhe importava mais para certo cliente ou determinado conselho, qual informação contextual orientava o jeito como se lia a folha de balanço problemática, como entender os receios semi-articulados pelo CEO, mencionados de passagem. A experiência aprofundada, por mais rara que seja, implica analisar o material que consta nos registros (os meandros do direito tributário estão, afinal, anotados em algum lugar), e isso é algo que os LLMs hoje fazem bem.
O julgamento contextual é diferente. Entender aquela pista decisiva - o que o silêncio significa, porque o Conselho não gostou de algo - não é um tipo de conhecimento que fica em registros escritos justamente porque são situações sem precedentes. Esse tipo de julgamento depende de algo real mas efêmero, fazendo com que o indivíduo "perceba o clima” em momentos específicos. Essa capacidade não é facilmente encontrada de forma registrada, e modelos atuais são bem menos confiáveis para esse tipo de tarefa, em comparação à análise de informações. Pode ser que isso não esteja fora do alcance para sempre, mas não é, hoje em dia, uma ameaça para trabalhadores do conhecimento.
O segundo é o conhecimento processual, o know-how. Alguns filósofos fazem uma distinção útil entre o "saber que” e o "saber como”. É possível saber cada proposição de cada livro didático de física e ainda assim ser incapaz de manter o equilíbrio numa bicicleta. Pode-se absorver tudo o que já foi escrito sobre teoria musical e mesmo assim não conseguir tocar violino.
O mesmo se aplica ao mercado. Um conjunto compreensivo de fatos e opiniões sobre liderança não é suficiente para fazer de alguém um bom leitor de situações. Ler todos os livros sobre negociação não acarreta a habilidade de manter a calma, escolher o momento certo para fazer concessões, e sustentar sua opinião ao ser pressionado pelo outro lado. Esse tipo de conhecimento vem da experiência: só pode ser adquirido com a prática. Em níveis mais elevados, esse conhecimento está intimamente relacionado a aspectos que apenas existem entre pessoas - confiança, autoridade, habilidade de compreender e se identificar com outros indivíduos. Isso não é um conjunto de fatos que podem ser entregues através de uma busca, e não é um tipo de trabalho que se possa delegar sem que se torne o nó que deveria ser desatado.
Nenhum desses tipos de conhecimento podem ser baixados em arquivo. Ambos podem ser construídos deliberadamente, e é aí que deve se concentrar agora o esforço sério em prol do desenvolvimento profissional.
CONSTRUINDO CONHECIMENTO DURADOURO
Aqui estão três dicas que podem ajudar a se posicionar da maneira certa diante dessa mudança histórica, no que significa ser um profissional do conhecimento.
- Assuma a responsabilidade pelo impacto, não pelos resultados. Um modelo de IA. produz os resultados: um rascunho, uma análise, uma resposta. Então, é preciso parar de construir carreiras a partir desse aspecto. Examine aquilo pelo que você é realmente pago - a essência do que você se propõe a fazer - e delegue tudo o que um bom modelo atual é capaz de executar em poucos minutos. O que sobra é aquilo que apenas você pode entregar: do problema complicado que se arrasta desde o diagnóstico inicial à solução confiável que você pode bancar, ou a percepção do que o cliente realmente precisa, para além daquilo que ele diz. Reorganize suas responsabilidades e sua oferta em função desse tipo de impacto. Impacto - não um apanhado de fatos - são sua maior vantagem.
- Fortaleça seu julgamento presencialmente, não no papel. A capacidade de julgamento em situações específicas só se desenvolve em primeira mão, através da presença em decisões de grande consequência, testemunhando a forma como elas acontecem. Isso resiste à substituição mecânica porque o que importa nesses momentos de decisão nunca poderá ser totalmente resumido e transformado no tipo de registro que um LLM consiga ler. Quem vai avançar mais rápido não será quem conseguir reter a maior quantidade de informações, mas sim quem encontrar meios de melhorar sua capacidade de julgamento de contextos.
- Delegue a rotina; proteja sua prática. O conhecimento processual vem da experiência, então o trabalho delegado à IA. é o tipo no qual se deixa de melhorar. Delegue as tarefas rotineiras ao modelo, mas continue trabalhando naquilo que exige maior qualificação - as negociações e argumentações a serem elaboradas - mesmo quando o modelo poderia entregar uma versão aceitável mais rápido. A conveniência de hoje tem um preço: a perda de capacidade no futuro.
O veredito de Timothy McKeon sobre a inteligência artificial (quanto mais ela aprende, mais obsoleto o indivíduo se torna) se aplica a certos tipos de conhecimento, e são justamente esses os tipos nos quais a maioria dos profissionais baseou a construção de suas carreiras por décadas. Porém, há outras formas de se conhecer que são menos vulneráveis. Algumas são impermeáveis à IA., pelo menos da maneira em que ela está disponível hoje. Esse tipo de conhecimento não pode ser baixado em arquivo. É conhecimento incorporado, e não apenas possuído - adquirido na prática, carregado em si, e próprio como um acervo de fatos nunca foi.
