Estudos recentes de Harvard e BCG revelaram um paradoxo: equipes que usam Inteligência Artificial são muito mais rápidas e eficientes, mas perdem a capacidade de explicar as próprias soluções. 

O experimento tornou-se o centro das discussões sobre o futuro do trabalho e da aprendizagem. Pesquisadores, entre eles Ethan Mollick (um dos autores), levantaram uma grande preocupação sobre a perda de habilidades e o "emburrecimento" profissional a longo prazo.

O estudo da Harvard Business School com o Boston Consulting Group "Navigating the Jagged Technological Frontier" (Navegando pela fronteira tecnológica irregular), foi publicado em setembro de 2023 e investigou o impacto do uso de modelos de linguagem de grande escala (LLMs, como o GPT-4) na produtividade e qualidade do trabalho, bem como na obtenção e retenção do conhecimento. Ao usar a IA, os participantes atuaram mais como supervisores do trabalho da máquina do que como executores. Isso gerou o temor de que, a longo prazo, a dependência da IA possa levar a uma deterioração da capacidade de raciocínio, resolução de problemas e retenção de conhecimento, pois o cérebro não é exercitado da mesma forma. 

• Metodologia: Participaram 758 consultores do Boston Consulting Group (BCG) foram divididos em grupos. Um grupo teve acesso ao GPT-4 para realizar um conjunto de 18 tarefas realistas de consultoria, enquanto o grupo de controle não teve.

• Resultados de Desempenho: Os consultores que usaram IA foram significativamente mais produtivos. Em média, eles completaram 12,2% mais tarefas, 25,1% mais rápido, e produziram resultados com 40% mais qualidade do que o grupo de controle.

• A "Fronteira Irregular" (The Jagged Frontier): O ponto mais crucial foi que o desempenho da IA não é uniforme. Para tarefas que estavam dentro das capacidades da IA, o desempenho dos consultores disparou. No entanto, para uma tarefa criativa que estava fora das capacidades da IA, os consultores que usaram a ferramenta tiveram um desempenho pior do que os que não usaram.

• Implicação (O "Custo Oculto"): O artigo discute a mudança de papel do profissional para um "centauro" (humano-IA) ou um "ciborgue". A grande preocupação levantada é que, ao confiar na IA para o trabalho pesado, os profissionais correm o risco de perderem o "músculo" do pensamento crítico e da resolução de problemas, o que se alinha perfeitamente com a anedota sobre não saber explicar a solução meses depois.

Principais Descobertas:

A pesquisa revelou uma troca clara entre ganhos imediatos e desenvolvimento futuro.

A) Ganhos de Produtividade no Curto Prazo:

• O Grande Benefício para os Novatos: A IA teve um impacto positivo e significativo na produtividade de engenheiros novatos e de baixa qualificação. Eles conseguiam escrever código até 35% mais rápido com a ajuda da ferramenta. A IA atuou como um nivelador, ajudando os menos experientes a se aproximarem do desempenho dos mais experientes em tarefas rotineiras.

• Pouco ou Nenhum Efeito para os Especialistas: Para engenheiros seniores e de alta habilidade, a ferramenta de IA teve um impacto mínimo ou nulo na produtividade. A hipótese é que esses profissionais já possuem o conhecimento e os padrões de trabalho que a IA sugere, tornando a ferramenta redundante para eles.

B) Prejuízo ao Aprendizado no Longo Prazo (A "Armadilha do Aprendizado"):

Este é o coração do estudo e a parte mais preocupante.

• Crescimento "Atrofiado": Os engenheiros novatos que se apoiaram fortemente na ferramenta de IA nos seus primeiros meses de trabalho mostraram um desenvolvimento de habilidades significativamente menor nos dois anos seguintes. Eles não melhoraram suas próprias competências de programação na mesma velocidade que seus colegas que não usaram a ferramenta com tanta intensidade.

• Menos "Aprender Fazendo": A teoria é que a IA os privou de uma parte crucial do processo de aprendizado: a luta produtiva. Ao resolver um problema difícil, um novato aprende com seus erros, pesquisa soluções e internaliza o conhecimento. A IA, ao fornecer a solução pronta, permite que eles completem a tarefa, mas os impede de passar por esse processo de aprendizado. Eles aprendem a usar a ferramenta, mas não necessariamente a resolver o problema fundamental por conta própria.

• Impacto na Carreira: Como consequência, esses engenheiros eram menos propensos a "se formarem" para tarefas mais complexas e desafiadoras, o que pode impactar negativamente suas promoções e o crescimento na carreira a longo prazo.

Conclusão e Implicações:

O estudo de Stanford conclui que, embora a IA seja uma ferramenta poderosa para aumentar a eficiência imediata, sua implementação descuidada pode criar uma "armadilha de aprendizado". As empresas e os profissionais precisam estar cientes desse trade-off.

A implicação não é abandonar a IA, mas usá-la de forma mais consciente. Para evitar a atrofia de habilidades, pode ser necessário criar estratégias complementares, como:

• Reservar tempo para resolver problemas sem a ajuda da IA.

• Focar em programas de mentoria e revisão de código onde os princípios fundamentais são discutidos.

• Usar a IA como um copiloto para automatizar o que já se sabe, e não como um piloto automático para fazer o que ainda não se aprendeu.

O estudo intitulado "The short-term and long-term effects of AI on skilled workers’ careers" (Os efeitos de curto e longo prazo da IA nas carreiras de trabalhadores qualificados), teve como objetivo principal entender como as ferramentas de assistência baseadas em IA, como o Copilot, impactam não apenas a produtividade imediata, mas também seu crescimento profissional e no acúmulo de habilidades ao longo do tempo.

A pesquisa focou em engenheiros de software, área onde essas ferramentas foram rapidamente adotadas. A grande questão era: a IA é uma "bicicleta para a mente" que nos ajuda a ir mais longe, ou uma "muleta" que impede nossos músculos de se desenvolverem? 

• Participantes: O estudo analisou dados de dezenas de milhares de engenheiros de software em uma empresa da lista Fortune 500. Isso é importante porque não foi um experimento de laboratório, mas uma análise de um ambiente de trabalho real.

• Ferramenta: Eles estudaram o impacto de uma ferramenta de IA generativa proprietária, desenvolvida internamente pela empresa, que auxiliava os engenheiros a escrever código, de forma muito semelhante ao Copilot.

• Análise de Dados: Os pesquisadores analisaram dados coletados ao longo de dois anos (2020-2022). Eles mediram:

  • Produtividade: A rapidez com que os engenheiros completavam tarefas de programação.

  • Qualidade do Código: A qualidade do software produzido.

  • Desenvolvimento de Habilidades: Como a qualidade e a complexidade do trabalho de um engenheiro evoluíam ao longo do tempo, e também sua progressão na carreira (promoções).

Principais Descobertas:

• IA Aumenta a Produtividade, Especialmente dos Menos Experientes: De forma consistente com outros estudos, a pesquisa de Stanford confirma que a IA, principalmente a generativa, aumenta a produtividade dos trabalhadores. O impacto mais significativo é observado em trabalhadores mais novos ou com menos habilidades, que conseguem realizar tarefas com mais rapidez e qualidade, diminuindo a lacuna em relação aos colegas mais experientes.
  
  

• Automação de Tarefas Cognitivas, Não Apenas Manuais: Diferente de ondas tecnológicas anteriores, a IA atual se destaca por automatizar e auxiliar em tarefas cognitivas (escrita, programação, análise de dados, etc.), que são o cerne do trabalho qualificado. Quase todas as profissões qualificadas têm tarefas que podem ser impactadas pela IA.
  
  

• Adoção Acelerada no Ambiente de Trabalho: A IA está saindo dos laboratórios e sendo integrada rapidamente nas rotinas das empresas. Milhões de pessoas já utilizam ferramentas de IA regularmente em suas atividades profissionais. Em 2024, 78% das organizações relataram usar IA, um aumento significativo em relação aos 55% do ano anterior.
  
  

• Aumento da Qualidade do Trabalho: Além da velocidade, estudos mostram que o uso de assistentes de IA leva a um trabalho de maior qualidade. Por exemplo, as respostas de agentes de atendimento ao cliente auxiliados por IA foram avaliadas como mais precisas e empáticas.
  
  

• Desafios Persistem em Tarefas Complexas: Embora a IA tenha superado o desempenho humano em muitas tarefas específicas (como classificação de imagens e tradução), ela ainda falha em tarefas que exigem raciocínio complexo, bom senso e planejamento robusto.

Conclusão e Implicações:

As conclusões de Stanford apontam para implicações profundas e transformadoras para trabalhadores, empresas e governos.

Para os Trabalhadores e Profissionais Qualificados:

• Imperativo da Requalificação (Reskilling): A principal implicação é a necessidade de aprendizado contínuo. Os profissionais não serão necessariamente substituídos pela IA, mas sim por outros profissionais que sabem usar a IA. Desenvolver a habilidade de colaborar com ferramentas de IA ("human-in-the-loop") é crucial.

• Valorização das Habilidades Humanas: Habilidades como pensamento crítico, criatividade, inteligência emocional, liderança e colaboração tornam-se ainda mais valiosas, pois são áreas onde a IA atualmente não se destaca.

• Transformação das Funções: As descrições de cargos e as tarefas diárias irão mudar. A IA pode eliminar as partes mais tediosas e repetitivas do trabalho, permitindo que os profissionais se concentrem em atividades de maior valor agregado, como estratégia, inovação e interação com clientes.

Para as Empresas:

• Necessidade de Reorganização: Simplesmente "adotar a IA" não é suficiente. As empresas que obtêm os maiores ganhos de produtividade são aquelas que redesenham seus processos de negócios e fluxos de trabalho para integrar a IA de forma eficaz.

• Investimento em Treinamento: É fundamental treinar a força de trabalho para usar as novas ferramentas de forma eficiente e responsável. O sucesso da implementação da IA depende tanto da tecnologia quanto da capacitação das pessoas.

• Vantagem Competitiva: As organizações que conseguirem integrar a IA para aumentar as capacidades de seus funcionários e inovar em seus modelos de negócios ganharão uma vantagem competitiva significativa.

Para Políticas Públicas e Sociedade:

• Adaptação do Sistema Educacional: Os currículos educacionais precisam ser atualizados para preparar os futuros profissionais para um mercado de trabalho colaborativo com a IA, enfatizando tanto as habilidades técnicas quanto as humanas.

• Foco na Transição Justa: Embora a IA crie novas oportunidades, ela também deslocará certas funções. São necessárias políticas públicas para apoiar os trabalhadores em transição, como programas de requalificação e redes de segurança social.

• Regulamentação e Ética: É crucial desenvolver regulamentações robustas e padronizadas para garantir que a IA seja desenvolvida e utilizada de forma responsável, segura e ética, mitigando riscos como vieses e desinformação.

Em resumo, os estudos de Stanford desenham um futuro onde a colaboração entre humanos e IA será a nova norma. O sucesso nesse novo cenário dependerá da capacidade de adaptação, aprendizado contínuo e redesenho dos processos de trabalho.

• Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of AI on Knowledge Worker Productivity and Quality

  • https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4573321

• Generative AI Can Boost Productivity Without Replacing Workers

  • https://www.gsb.stanford.edu/insights/generative-ai-can-boost-productivity-without-replacing-workers