Competências para um Mundo Aumentado por Inteligência Artificial

1. Introdução A discussão sobre inteligência artificial e trabalho costuma começar pela tecnologia. Quais ferramentas precisam ser dominadas? Quais profissões utilizarão inteligência artificial? Quais conhecimentos técnicos serão necessários para acompanhar sua evolução? São questões relevantes, mas insuficientes para compreender a mudança em curso. O artigo anterior desta série discutiu evidências de que a inteligência artificial não atua uniformemente sobre profissões. Ela incide sobre as diferentes tarefas que compõem o trabalho, automatizando algumas, complementando outras e modificando responsabilidades profissionais. Essa reorganização produz uma segunda questão: se o conteúdo do trabalho está mudando, que competências passam a ser necessárias para realizá-lo? Os dados disponíveis sugerem uma resposta menos simples do que a ideia recorrente de que todos precisarão desenvolver competências em inteligência artificial. O Future of Jobs Report 2025, do World Economic Forum, baseado nas expectativas de mais de mil empregadores que representam mais de 14 milhões de trabalhadores em 55 economias, identifica IA e Big Data como as competências de crescimento mais rápido. Entretanto, pensamento analítico permanece entre as competências centrais para os empregadores, enquanto pensamento criativo, resiliência, flexibilidade, curiosidade, aprendizagem contínua, liderança e pensamento sistêmico também apresentam importância crescente (WORLD ECONOMIC FORUM, 2025). O resultado chama atenção porque a expansão da inteligência artificial não parece produzir uma substituição linear de competências humanas por competências tecnológicas. O que emerge é uma necessidade crescente de combinação. A OCDE chega a conclusão semelhante em Skills in the AI Age, publicado em julho de 2026. O relatório sustenta que a adaptação a ambientes digitais e à expansão da IA depende de uma combinação de competências fundamentais, digitais e complementares. Ao mesmo tempo, observa que trabalhadores que possuem competências específicas em IA ainda representam uma parcela relativamente pequena da força de trabalho. Esse aspecto ajuda a evitar uma interpretação excessivamente tecnológica do futuro das competências. A maioria dos profissionais não precisará necessariamente desenvolver modelos de inteligência artificial ou tornar-se especialista em machine learning. Precisará, entretanto, trabalhar em ambientes nos quais sistemas inteligentes estarão incorporados a processos de análise, comunicação, decisão e produção. A pergunta relevante deixa então de ser apenas quais competências a IA exige e passa a envolver como conhecimentos e capacidades humanas precisam ser reorganizados quando parte da atividade cognitiva pode ser realizada em colaboração com máquinas. 2. A mudança não é apenas tecnológica A velocidade das transformações ajuda a explicar a preocupação dos empregadores com competências. O World Economic Forum estima que aproximadamente 39% das competências atualmente utilizadas pelos trabalhadores deverão ser transformadas ou tornar-se obsoletas entre 2025 e 2030. O mesmo levantamento mostra que 63% dos empregadores consideram as lacunas de competências uma das principais barreiras à transformação de suas organizações. Em uma representação de cem trabalhadores, 59 precisariam de alguma forma de qualificação ou requalificação até 2030 (WORLD ECONOMIC FORUM, 2025). Parte dessa mudança decorre diretamente da tecnologia. IA e Big Data, redes e cibersegurança e alfabetização tecnológica estão entre as competências com maior crescimento projetado. Seria possível concluir, a partir desses dados, que o futuro do trabalho será definido predominantemente pelo domínio tecnológico. O próprio levantamento, porém, contradiz essa interpretação. Entre as competências cuja importância deverá aumentar aparecem também pensamento criativo, resiliência, flexibilidade e agilidade, curiosidade e aprendizagem contínua, liderança e influência social e pensamento analítico. Para 2030, o WEF posiciona simultaneamente IA e Big Data, pensamento analítico, pensamento criativo, resiliência e alfabetização tecnológica entre as competências que já são relevantes e tendem a continuar crescendo. Essa composição é coerente com a natureza da transformação discutida no primeiro artigo. Se a IA assume tarefas mais estruturadas, o profissional não necessariamente deixa de participar do processo. Em muitos casos, passa a atuar sobre as partes menos facilmente estruturáveis: compreender o problema, escolher critérios, avaliar alternativas, interpretar exceções, verificar resultados, interagir com outras pessoas e responder pelas decisões tomadas. O aumento da capacidade tecnológica pode, portanto, elevar a importância de determinadas capacidades humanas justamente porque modifica a posição em que elas são utilizadas. A questão não é escolher entre competências tecnológicas e humanas. É compreender quais combinações produzem capacidade profissional em um ambiente no qual a tecnologia participa ativamente do trabalho cognitivo. 3. Conhecimento disciplinar continua sendo competência fundamental Uma das interpretações mais problemáticas sobre a disseminação da inteligência artificial é a ideia de que o acesso instantâneo à informação reduziria a importância do conhecimento. Se uma ferramenta consegue responder perguntas, produzir explicações, sintetizar documentos ou recuperar informações, por que uma pessoa precisaria dominar esses conteúdos? A pergunta confunde acesso à informação com capacidade de utilizá-la. Um engenheiro pode receber de um sistema de IA uma análise estrutural tecnicamente convincente e ainda assim precisar identificar premissas inadequadas. Um profissional da saúde pode utilizar IA para organizar informações clínicas, mas precisa compreender suficientemente o problema para avaliar a pertinência do resultado. Um gestor pode solicitar uma análise financeira e continuar responsável por reconhecer se as hipóteses utilizadas são compatíveis com a realidade da organização. Quanto maior a capacidade dos sistemas para produzir respostas plausíveis, mais importante se torna a capacidade humana de distinguir plausibilidade de validade. A OCDE inclui alfabetização, numeracia e conhecimento científico entre as competências fundamentais necessárias à participação nas sociedades digitais e argumenta que essas capacidades permanecem relevantes mesmo diante da expansão da IA (OECD, 2026). Isso sugere uma mudança de função, e não a perda de importância do conhecimento. Em ambientes profissionais anteriores à IA generativa, conhecimento especializado era necessário tanto para executar uma tarefa quanto para avaliar seu resultado. Quando parte da execução pode ser delegada à tecnologia, o segundo papel torna-se relativamente mais importante. O profissional precisa saber o suficiente para formular adequadamente o problema, identificar quais informações são relevantes, verificar o resultado produzido e reconhecer situações em que a resposta aparentemente correta não deveria ser utilizada. A inteligência artificial não elimina, portanto, a necessidade de conhecimento disciplinar. Ela pode tornar mais visível a diferença entre ter acesso a uma resposta e possuir competência para julgá-la. 4. Pensamento analítico, crítico e resolução de problemas O pensamento analítico permanece entre as competências mais valorizadas pelos empregadores no levantamento do World Economic Forum e continua projetado como uma das competências centrais para 2030. O avanço da IA não reduziu sua importância; ocorre justamente o contrário em muitas atividades. Há uma explicação possível. Sistemas generativos são particularmente eficientes quando recebem problemas suficientemente definidos. Podem comparar alternativas, organizar informações, produzir hipóteses e acelerar análises. Entretanto, situações profissionais reais frequentemente chegam antes dessa etapa. O problema pode estar mal formulado. Os dados disponíveis podem ser insuficientes. Diferentes atores podem interpretar a situação de maneiras incompatíveis. Os objetivos podem entrar em conflito. Pode não existir uma única solução correta. Nessas circunstâncias, parte substancial da competência profissional está em decidir qual problema deve ser resolvido antes de procurar sua solução. A capacidade de formular problemas ganha, por isso, importância adicional. Um profissional capaz de produzir respostas com auxílio de IA, mas incapaz de formular adequadamente a questão, pode apenas produzir soluções mais rapidamente para problemas mal definidos. Pensamento crítico acrescenta outra dimensão. Resultados produzidos por sistemas inteligentes precisam ser confrontados com evidências, conhecimentos prévios, contexto e consequências. Isso exige identificar pressupostos, reconhecer inconsistências e avaliar a qualidade das fontes utilizadas. O Future of Jobs Report 2025 observa que sistemas generativos já demonstram capacidade relevante em leitura, escrita, matemática e multilinguismo, enquanto atividades que exigem compreensão mais nuançada e resolução complexa de problemas apresentam menor possibilidade atual de substituição integral. O relatório interpreta essa diferença como espaço particularmente relevante para colaboração entre pessoas e máquinas. O valor do pensamento crítico, nesse contexto, não decorre de uma suposta incapacidade permanente da tecnologia. Decorre da necessidade de manter capacidade de avaliação em sistemas sociotécnicos nos quais decisões podem produzir consequências relevantes. 5. Metacognição: compreender o próprio processo de pensamento Há uma competência menos frequentemente mencionada no debate público sobre IA, mas particularmente importante para compreender a interação entre pessoas e sistemas inteligentes: a metacognição. Metacognição envolve a capacidade de refletir sobre o próprio processo cognitivo. Inclui reconhecer o que se sabe e o que não se sabe, avaliar a própria compreensão, selecionar estratégias para aprender, monitorar resultados e modificar abordagens quando necessário. Em um ambiente de abundância de respostas produzidas por IA, essas capacidades adquirem uma função adicional. O usuário precisa decidir quando pode confiar em uma resposta, quando deve procurar outras fontes, quando possui conhecimento suficiente para avaliá-la e quando precisa recorrer a outra pessoa. Essa última situação é especialmente relevante. Um dos riscos da utilização de sistemas generativos é que a qualidade linguística de uma resposta possa ser confundida com sua qualidade epistemológica. Textos coerentes, bem estruturados e aparentemente técnicos podem conter erros que passam despercebidos justamente para usuários que não possuem conhecimento suficiente para reconhecê-los. Reconhecer os próprios limites torna-se, nesse sentido, uma competência profissional. A aprendizagem contínua também passa a depender mais intensamente dessa capacidade. Tecnologias, ferramentas e práticas profissionais estão mudando em intervalos cada vez menores. O trabalhador não poderá depender exclusivamente do conjunto de conhecimentos adquirido durante sua formação inicial. O WEF identifica curiosidade e aprendizagem contínua entre as competências cuja importância deverá crescer até 2030. A OCDE, por sua vez, coloca a aprendizagem ao longo da vida no centro das respostas necessárias à transformação produzida pela IA e ressalta a necessidade de sistemas capazes de oferecer oportunidades de desenvolvimento de competências para além da educação formal inicial. Nesse cenário, aprender deixa de ser uma etapa anterior à vida profissional. Torna-se parte permanente dela. 6. Criatividade em um ambiente no qual máquinas também criam A capacidade de sistemas generativos produzirem textos, imagens, música, projetos e alternativas colocou em discussão outra competência tradicionalmente associada às pessoas: criatividade. Uma interpretação imediata seria imaginar que a criatividade humana perderá valor à medida que máquinas se tornam capazes de gerar conteúdo. As expectativas dos empregadores apontam em outra direção. Pensamento criativo aparece entre as competências cuja importância mais deverá crescer até 2030 (WORLD ECONOMIC FORUM, 2025). A aparente contradição diminui quando criatividade deixa de ser entendida apenas como produção de conteúdo original. Em ambientes profissionais, criatividade envolve reconhecer oportunidades, combinar conhecimentos de áreas distintas, formular alternativas, reinterpretar restrições e encontrar abordagens para problemas que ainda não possuem solução estabelecida. A IA pode participar intensamente desse processo. Pode produzir dezenas de alternativas em segundos, explorar combinações e ajudar a superar limitações iniciais. A disponibilidade dessas possibilidades, porém, transfere parte do desafio para a seleção: quais ideias fazem sentido? Quais são relevantes para aquele contexto? Quais merecem investimento? Quais apresentam riscos que a geração automática não considerou? A criatividade profissional passa, assim, a incluir a capacidade de trabalhar sobre um espaço de possibilidades ampliado pela tecnologia. Isso modifica também a autoria. Em determinadas atividades, o diferencial pode deixar de estar exclusivamente na produção inicial da ideia e passar para a capacidade de orientar, selecionar, combinar, refinar e transformar possibilidades em soluções efetivamente relevantes. Não se trata de afirmar que a IA não possa avançar nessas capacidades. Trata-se de reconhecer que, nas condições atuais, a expansão da geração automática aumenta a importância do julgamento aplicado às alternativas produzidas. 7. Comunicação, colaboração e competências sociais A transformação tecnológica ocorre dentro de organizações compostas por pessoas. Esse fato aparentemente trivial ajuda a explicar por que competências sociais continuam aparecendo entre aquelas valorizadas pelos empregadores. O WEF identifica liderança e influência social entre as competências de importância crescente e mantém colaboração, orientação para serviços e outras capacidades interpessoais no conjunto de competências relevantes para o futuro do trabalho. O relatório do MIT Technology Review Insights analisado no artigo anterior oferece um exemplo concreto. À medida que engenheiros de dados passam a participar de decisões sobre investimentos, casos de uso de IA e estratégia organizacional, sua competência deixa de poder ser exclusivamente técnica. O próprio relatório recomenda que esses profissionais desenvolvam capacidade de comunicação e apresentação, compreensão do negócio e habilidade para dialogar com diferentes áreas. Esse movimento é compreensível. Quanto mais a tecnologia assume partes da execução, maior pode ser a proporção do trabalho dedicada a atividades que exigem coordenação entre pessoas: negociar prioridades, compreender necessidades, explicar alternativas técnicas, convencer decisores, comunicar riscos e construir soluções entre áreas com perspectivas diferentes. IA pode participar dessas interações, preparar argumentos ou produzir materiais de apoio. Mas organizações continuam exigindo que pessoas assumam compromissos, interpretem interesses e respondam pelas consequências das decisões. Comunicação profissional também não se resume à qualidade formal de um texto ou apresentação. Inclui compreender quem receberá a informação, selecionar o que é relevante, adaptar linguagem, reconhecer dúvidas e perceber quando uma mensagem não foi compreendida. A capacidade de produzir textos impecáveis por meio de IA pode, paradoxalmente, tornar ainda mais visível a diferença entre produzir comunicação e conseguir comunicar. 8. Competência em IA: além do domínio das ferramentas Se competências humanas permanecem importantes, isso não reduz a necessidade de desenvolver competência tecnológica. A adoção empresarial da IA está avançando rapidamente. A OCDE registra crescimento da utilização de IA pelas empresas de aproximadamente 7% para 20% entre 2021 e 2025 nos países da organização, embora existam diferenças importantes entre empresas grandes e pequenas e entre setores. A falta de trabalhadores qualificados aparece entre as barreiras à adoção. O problema está em definir o que significa ser competente em IA. Saber escrever comandos para um sistema generativo é apenas uma parte dessa competência. Ferramentas específicas mudam rapidamente. Interfaces são substituídas, modelos evoluem e atividades que hoje exigem instruções detalhadas podem tornar-se automatizadas nas versões seguintes. Uma competência mais durável precisa incluir compreensão das possibilidades e limitações desses sistemas. Isso envolve saber identificar quando a IA pode contribuir para determinada atividade; selecionar ferramentas adequadas; formular instruções e fornecer contexto; avaliar resultados; compreender questões relacionadas a dados, privacidade, segurança e propriedade intelectual; reconhecer vieses e limitações; e determinar quando a decisão não deveria ser delegada à tecnologia. A OCDE trata a promoção de AI literacy como uma das respostas necessárias para preparar indivíduos para sociedades crescentemente mediadas por inteligência artificial. Há também uma diferença entre competência em IA necessária à maioria dos trabalhadores e competências especializadas para profissionais que desenvolvem esses sistemas. Machine learning, engenharia de modelos, ciência de dados e outras capacidades avançadas continuarão sendo especialidades. Para grande parte da população profissional, porém, a exigência será outra: compreender suficientemente a tecnologia para utilizá-la de forma produtiva, crítica e responsável dentro de seu domínio de atuação. Essa distinção é importante para evitar que a formação em IA seja reduzida à formação de especialistas. 9. Julgamento e responsabilidade não podem ser tratados como resíduos da automação À medida que sistemas inteligentes assumem mais tarefas, pode surgir a impressão de que o trabalho humano ficará restrito àquilo que a tecnologia ainda não consegue fazer. Essa interpretação é limitada. Determinadas atividades humanas permanecem importantes não apenas porque máquinas apresentam limitações técnicas, mas porque organizações e sociedades atribuem responsabilidade a pessoas. Uma recomendação pode ser tecnicamente correta e ainda produzir consequências indesejáveis. Um resultado pode maximizar determinado indicador e contrariar outros objetivos. Uma decisão pode ser estatisticamente justificável e socialmente inadequada. Nessas situações, julgamento profissional envolve algo que não se reduz à otimização: considerar contexto, consequências, valores, restrições e responsabilidades. O crescimento de sistemas agênticos torna essa questão ainda mais relevante. Quanto maior a autonomia concedida à tecnologia, mais importante se torna definir quem estabelece objetivos, quais limites são impostos, como resultados são supervisionados e quem responde quando o sistema produz uma consequência não prevista. Isso não significa preservar artificialmente uma decisão humana em todas as etapas. Significa reconhecer que delegação tecnológica também é uma decisão profissional. Decidir o que automatizar, quanto automatizar e quando exigir intervenção humana passa a integrar o próprio conjunto de competências de determinadas funções. Esse aspecto aproxima competência técnica, julgamento e ética profissional de maneira que modelos tradicionais de qualificação nem sempre tratavam conjuntamente. 10. Da soma de competências à capacidade de integrá-las A literatura e os levantamentos analisados produzem listas extensas de competências. Elas são úteis para identificar tendências, mas apresentam uma limitação: profissionais não trabalham utilizando uma competência de cada vez. Uma situação real pode exigir simultaneamente conhecimento técnico, interpretação de dados, comunicação, criatividade, avaliação de risco e utilização de IA. O diferencial profissional não está apenas na posse isolada desses recursos, mas na capacidade de mobilizá-los de maneira adequada diante de um problema. Essa observação permite interpretar de outra forma a aparente coexistência entre crescimento das competências tecnológicas e valorização das capacidades humanas. Não são duas agendas independentes. Um profissional pode possuir excelente conhecimento disciplinar e utilizar mal a IA. Outro pode dominar ferramentas de IA sem conhecimento suficiente para avaliar o que elas produzem. Um terceiro pode reunir ambos e ainda ter dificuldade para compreender necessidades de outras pessoas ou comunicar uma decisão. A competência requerida em ambientes aumentados por IA tende a depender da integração entre esses elementos. Nesse sentido, utilizar IA e ter a própria capacidade profissional ampliada por ela são situações diferentes. O aumento ocorre quando a interação com a tecnologia permite ao profissional realizar algo melhor — em qualidade, velocidade, profundidade ou alcance — sem perder a capacidade de compreender e avaliar o processo e seus resultados. Essa formulação exige cautela. Não existe ainda evidência suficiente para estabelecer uma arquitetura universal de “competências aumentadas” válida para todas as profissões. As combinações necessárias variam entre áreas, níveis de responsabilidade e contextos organizacionais. Ainda assim, as evidências analisadas permitem identificar um princípio: quanto maior a participação da IA na execução, maior a necessidade de compreender quais capacidades permanecem necessárias para formular, supervisionar, avaliar e contextualizar o trabalho realizado em conjunto com ela. Essa mudança desloca o debate da simples aquisição de ferramentas para uma discussão mais ampla sobre desenvolvimento profissional. 11. Uma competência transversal: continuar aprendendo Existe uma característica que atravessa praticamente todos os grupos discutidos: a capacidade de aprender continuamente. A velocidade da transformação tecnológica torna improvável que a formação inicial consiga fornecer todo o conhecimento necessário para uma carreira profissional. Esse problema não nasceu com a inteligência artificial. A IA, porém, reduz significativamente o intervalo entre mudanças tecnológicas relevantes. Profissionais formados há poucos anos trabalham hoje com ferramentas que não existiam durante sua graduação. Estudantes que iniciam atualmente sua formação provavelmente utilizarão, ao entrar no mercado, sistemas diferentes daqueles disponíveis hoje. O WEF identifica curiosidade e aprendizagem contínua entre as competências de crescimento mais rápido. A OCDE coloca educação e formação ao longo da vida entre os componentes centrais das políticas necessárias à adaptação à economia da IA. Isso modifica a própria noção de qualificação. Ser qualificado não pode significar apenas ter concluído um processo formal de formação. Precisa incluir capacidade de atualizar conhecimentos, abandonar práticas que perderam validade, incorporar novas ferramentas e desenvolver novas competências ao longo da trajetória profissional. A diferença parece pequena, mas produz consequências importantes. Em um ambiente relativamente estável, formação e trabalho podem ser imaginados como etapas sucessivas. Em um ambiente de transformação contínua, aprendizagem passa a integrar o trabalho. A competência de aprender torna-se, portanto, uma condição para preservar as demais. 12. Considerações finais As evidências disponíveis indicam que a inteligência artificial está modificando a composição das competências profissionais, mas não na direção de uma simples substituição das capacidades humanas por capacidades tecnológicas. IA e Big Data estão entre as competências de crescimento mais rápido segundo o World Economic Forum. Ao mesmo tempo, pensamento analítico, criatividade, resiliência, liderança, curiosidade e aprendizagem contínua permanecem ou tornam-se mais relevantes. A OCDE identifica uma combinação necessária de competências fundamentais, digitais e complementares e ressalta que a transformação do mercado exigirá respostas de educação, formação e aprendizagem ao longo da vida. Esses resultados são coerentes com as mudanças no conteúdo do trabalho discutidas no primeiro artigo desta série. Quando parte da execução pode ser delegada à inteligência artificial, conhecimento profissional continua necessário, mas passa a exercer também uma função de avaliação. Pensamento crítico ajuda a questionar resultados. Metacognição permite reconhecer limites do próprio conhecimento. Criatividade ajuda a explorar e selecionar possibilidades. Comunicação e colaboração permanecem necessárias para transformar soluções técnicas em decisões organizacionais. Competência em IA permite utilizar a tecnologia de maneira produtiva e responsável. Julgamento contextual articula esses elementos diante de situações que não podem ser reduzidas a procedimentos. Nenhuma dessas capacidades, isoladamente, parece suficiente. O que começa a se delinear é uma competência profissional baseada na integração entre conhecimento disciplinar, capacidades cognitivas e metacognitivas, interação social, experiência, julgamento e domínio crítico das tecnologias disponíveis. Essa conclusão também permite distinguir dois fenômenos que frequentemente são tratados como equivalentes. Utilizar inteligência artificial não significa necessariamente ter uma competência ampliada pela inteligência artificial. A primeira situação pode ser obtida simplesmente pelo acesso à ferramenta. A segunda exige que o profissional mantenha condições de compreender o problema, orientar o processo, avaliar o resultado e responder por sua utilização. Essa diferença será importante para organizações que precisam qualificar seus trabalhadores. Mas coloca um problema anterior para as instituições responsáveis pela formação das próximas gerações. Se pensamento crítico, resolução de problemas, metacognição, criatividade, comunicação, colaboração, conhecimento disciplinar, competência em IA e aprendizagem contínua passam a integrar uma mesma configuração profissional, não é razoável imaginar que seu desenvolvimento possa começar apenas quando o indivíduo entra no mercado de trabalho. A pergunta passa então a ser quando e como essas capacidades devem começar a ser construídas. E é nesse ponto que a discussão sobre competências profissionais deixa o ambiente das empresas e chega inevitavelmente à educação. O próximo artigo desta série examinará essa trajetória da Educação Básica ao Ensino Superior e uma questão que se torna cada vez mais difícil de evitar: se o mundo do trabalho está mudando a combinação de competências que valoriza, até que ponto nossos modelos de formação continuam preparando os estudantes para esse mundo? Referências MIT TECHNOLOGY REVIEW INSIGHTS. Redefining data engineering in the age of AI. MIT Technology Review Insights, 2025. Report sponsored by Snowflake. OECD. Skills in the AI Age. OECD Artificial Intelligence Papers, n. 60. Paris: OECD Publishing, 2026. DOI: 10.1787/972bd15e-en. WORLD ECONOMIC FORUM. The Future of Jobs Report 2025. Geneva: World Economic Forum, 2025. BRYNJOLFSSON, Erik; CHANDAR, Bharat; CHEN, Ruyu. Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence. Stanford Digital Economy Lab, 2026.