Há uma frase que se repete em quase toda conversa corporativa sobre inteligência artificial: é preciso aprender a usar a ferramenta. Cursos de prompt, workshops de produtividade, tutoriais sobre como pedir a coisa certa da forma certa. Tudo isso tem seu valor, mas esconde um deslocamento mais profundo que está acontecendo dentro das empresas, sem cerimónia e sem o devido destaque.
Esse deslocamento tem raiz cognitiva, mais do que tecnológica, e talvez seja o efeito mais subestimado da inteligência artificial generativa no ambiente de trabalho.
Durante décadas, o valor de um profissional esteve amarrado à sua capacidade de executar. Redigir um relatório, montar uma planilha, preparar uma apresentação, escrever um código, sintetizar uma pesquisa. A execução era o produto visível do trabalho, e quem executava bem, rápido e com poucos erros, subia. A hierarquia das organizações refletia essa lógica: cargos mais altos concentravam menos execução e mais decisão, cargos mais baixos concentravam o inverso.
A inteligência artificial rompe essa distribuição. Ela executa. Executa rápido, executa em volume, executa com um nível de acabamento que há poucos anos exigiria horas de trabalho humano qualificado. Um texto bem estruturado, uma análise inicial, um rascunho de estratégia, um código funcional. Tudo isso deixou de ser escasso.
Quando a execução se torna abundante, ela deixa de ser o diferencial. O que passa a escassear é outra coisa: a capacidade de julgar o que foi produzido. Avaliar se está certo, se está adequado ao contexto, se carrega um viés invisível, se resolve o problema real ou apenas parece resolver. Essa capacidade de julgamento sempre existiu como competência profissional, mas era exigida principalmente de quem ocupava posições mais elevadas nos organogramas. Agora ela é exigida de todos, o tempo todo, em qualquer nível.
Um assistente que usa IA para preparar um documento precisa avaliar esse documento com o rigor que antes seria esperado de um analista. Um analista que usa IA para gerar uma análise precisa interpretar os resultados com a maturidade de um supervisor. Um supervisor que delega parte do trabalho operacional para modelos de linguagem precisa pensar as consequências como um gerente pensaria. E um gerente que passa a contar com IA para estruturar cenários precisa desenvolver, cedo demais talvez, a capacidade estratégica que normalmente pertenceria a um director.
Chamo esse fenómeno de inflação do critério. O nível de julgamento exigido de cada pessoa sobe, mesmo que o cargo formal permaneça o mesmo. A distância entre execução e decisão, que antes servia como uma espécie de amortecedor natural dentro das organizações, diminui de forma abrupta.
Muitas empresas ainda não perceberam isso porque estão a olhar para o lugar errado. Estão a medir produtividade, velocidade de entrega, e a medir o volume de conteúdo gerado. Esses números melhoram, e a conclusão apressada é que a adoção de IA está funcionando bem. Mas produtividade e julgamento são capacidades diferentes, e a primeira pode crescer exatamente enquanto a segunda enfraquece.
Um profissional júnior, hoje, consegue produzir um material visualmente impecável com a ajuda de um modelo de linguagem. A formatação é elegante, o texto é fluido, os argumentos parecem bem construídos. O problema é que essa aparência de qualidade costuma mascarar fragilidades reais, e perceber a diferença entre as duas coisas exige repertório, experiência acumulada, memória de erros já cometidos, sensibilidade para reconhecer quando algo soa correcto mas está fundamentalmente equivocado. Nada disso vem embutido no texto gerado pela máquina. Essa percepção continua sendo, inteiramente, uma responsabilidade humana, construída com tempo e com prática, não com um bom prompt.
O risco silencioso está exatamente aqui. Organizações inteiras podem passar a operar sobre entregas que parecem sólidas, revisadas por pessoas que ainda não desenvolveram o critério necessário para perceber onde estão as fragilidades. A explicação raramente é incompetência individual. Na maioria dos casos, o sistema de trabalho mudou de exigência mais rápido do que os processos de formação conseguiram acompanhar.
As estruturas hierárquicas das empresas continuam desenhadas para o mundo anterior. Os cargos permanecem os mesmos, os organogramas não mudaram, os títulos continuam ali, impressos nos cartões e nos e-mails corporativos. Mas as expectativas cognitivas por trás de cada posição já não são as mesmas. Cada profissional precisa, na prática, operar mentalmente alguns degraus acima daquele que ocupa formalmente. Essa é a inflação real que está em curso, distinta da inflação salarial e distante do universo dos preços de tecnologia. Uma inflação de critério, de discernimento, de capacidade de julgar.
Empresas que perceberem isso primeiro terão uma vantagem que não aparece em nenhum relatório de produtividade. Vão investir menos em treinar pessoas para usar ferramentas e mais em desenvolver a capacidade de avaliar o que essas ferramentas produzem. Vão criar espaços de revisão crítica, mentoria genuína, discussão sobre decisões, algo que muitas organizações reduziram nos últimos anos em nome da eficiência. Ironicamente, é exatamente esse tipo de espaço que agora se torna mais necessário, não menos.
Talvez a principal competência da era da inteligência artificial não seja saber utilizar bem uma IA. Talvez seja necessário desenvolver o discernimento para saber, em cada situação, quando confiar no que foi produzido, quando questionar profundamente e quando reconhecer que ali, naquele ponto específico, a decisão continua sendo exclusivamente humana e intransferível.
A tecnologia vai continuar avançando, os modelos vão continuar ficando mais capazes, e a tendência de delegar cada vez mais vai continuar crescendo. As duas perguntas que ficam, para quem lidera equipes e para quem constrói carreira, são simples de formular e difíceis de responder:
Quando a máquina já sabe produzir quase tudo, o que exactamente resta para fazermos? Estamos prontos para exercer esse novo papel de exercício do critério com maestria?
