O cargo sobreviveu, mas o trabalho mudou de endereço

Continuando minha leitura do Reshuffle, de Sangeet Paul Choudary (primeiro post aqui, segundo aqui), o capítulo 4 trouxe uma ideia que me incomodou de um jeito produtivo.

A maioria das conversas sobre IA e mercado de trabalho segue o mesmo roteiro. Alguém lista as tarefas de um cargo, avalia quais a IA consegue fazer, e conclui se o emprego está “em risco” ou “seguro”. É um framework intuitivo. E, segundo Choudary, é insuficiente.

Empregos não somem porque tarefas somem

A frase que abre o capítulo é direta: “Empregos não desaparecem porque tarefas somem. Desaparecem porque a arquitetura do trabalho não precisa mais deles.”

Parece sutil, mas a diferença é enorme. Olhar tarefa por tarefa e perguntar “a IA faz isso?” ignora que a IA não reestrutura apenas tarefas individuais. Ela reestrutura sistemas inteiros. E quando o sistema muda, um cargo pode se tornar irrelevante mesmo que nenhuma das suas tarefas tenha sido automatizada.

Choudary dá um exemplo que me ficou na cabeça: uma tarefa pode resistir à automação e continuar sendo feita por pessoas. Mas o emprego que foi construído ao redor daquela tarefa pode deixar de existir, simplesmente porque o contexto organizacional mudou.

Para quem lidera, isso inverte a lógica. A pergunta não é “quais funções a IA substitui na minha equipe?”. É “a forma como organizei essas funções ainda faz sentido no sistema que está surgindo?”

O conceito que faltava: valor contextual

O que mais me marcou no capítulo foi a ideia de valor contextual. Choudary argumenta que o valor econômico de uma atividade não depende só da habilidade necessária ou do esforço envolvido. Depende de duas coisas: escassez e relevância dentro de um sistema.

Valor contextual é a importância de uma tarefa para os resultados do sistema, independente da habilidade que ela exige. Uma tarefa pode ser difícil, bem executada e exigir anos de formação. Mas se ela não é central para como o sistema funciona, seu valor econômico é baixo.

Isso me fez pensar no setor de educação. Um professor que domina conteúdo e didática tem habilidades valiosas. Mas se o sistema de ensino se reconfigurar ao ponto em que a entrega de conteúdo não é mais o gargalo (porque o aluno tem acesso a tutores de IA infinitamente pacientes), o valor contextual dessa atividade muda. Não porque o professor ficou pior. Porque o sistema mudou ao redor dele.

A ruptura dupla

A IA provoca duas coisas ao mesmo tempo, e é por isso que é tão difícil de navegar:

Automação elimina escassez. Se a IA consegue realizar uma tarefa, mesmo que pessoas continuem fazendo, o valor econômico daquela tarefa cai. Porque ela não é mais escassa. Pense em tradução: tradutores ainda existem, mas o valor de uma tradução comum despencou porque a IA faz uma versão aceitável de graça.

Coordenação redistribui relevância. A IA reorganiza fluxos de trabalho e muda quem tem alavancagem. Tarefas que eram centrais podem se tornar periféricas, e tarefas que ninguém valorizava podem se tornar os novos pontos de estrangulamento onde o valor se concentra.

Para quem lidera, isso desafia uma premissa que a gente carrega sem questionar: a de que se minha equipe fica mais produtiva, os resultados melhoram proporcionalmente. Choudary mostra que produtividade não garante retorno. Se a produtividade sobe mas a escassez do que você faz cai, o valor de mercado do seu trabalho pode diminuir mesmo enquanto você entrega mais.

Acima ou abaixo do algoritmo

De todas as ideias do capítulo, a que mais ficou comigo foi essa distinção.

Operar acima do algoritmo significa moldar o sistema. Definir os critérios, os parâmetros, o que é relevante. Decidir como as partes se conectam.

Operar abaixo do algoritmo significa ser moldado por ele. Seguir regras que outro definiu. Reagir a critérios que outro escolheu. Ser otimizado (ou descartado) por um sistema que você não controla.

Na educação, isso me parece particularmente relevante. O coordenador pedagógico que define como a IA é usada na experiência de aprendizagem está operando acima do algoritmo. O que recebe uma ferramenta pronta e apenas implementa está operando abaixo. Ambos existem, ambos trabalham. Mas a posição no sistema é completamente diferente.

E isso vale para qualquer setor. A pergunta para quem lidera é: eu estou desenhando como a IA se integra no meu sistema, ou estou apenas adotando o que o provedor me ofereceu?

Requalificar para quê?

O capítulo termina com uma provocação sobre reskilling que me parece urgente. Todo mundo fala em requalificar equipes. Treinar pessoas para usar IA. Ensinar “prompt engineering”. Tudo isso tem valor.

Mas requalificar não adianta se a função para a qual você está preparando alguém já não faz sentido dentro da nova lógica de trabalho. É como treinar alguém para ser o melhor operador de telex do mundo em 1995.

Para quem lidera, a pergunta não é só “minha equipe sabe usar IA?”. É “as funções que estou treinando minha equipe para exercer ainda vão existir quando o sistema terminar de se reorganizar?”

Essa é uma pergunta desconfortável. Porque a resposta honesta, muitas vezes, é “não sei”. E lidar com essa incerteza, sem paralisar e sem fingir que sabe, talvez seja a habilidade de liderança mais importante desse momento.

O que levo disso

O capítulo 4 me deixou com uma clareza incômoda. Não basta fazer as mesmas perguntas de sempre com uma ferramenta nova. As perguntas mudaram. O que define valor mudou. A forma como trabalho se organiza está mudando.

Para quem lidera, o convite é olhar além das tarefas e enxergar o sistema. Entender onde o valor contextual está migrando. Identificar se as atividades da sua equipe estão ganhando ou perdendo relevância na nova configuração. E, principalmente, decidir se você está moldando essa configuração ou apenas reagindo a ela.

---

Se esse tema te interessa, adoraria trocar ideias. Me encontre no LinkedIn.