Sempre que surge uma lista de perfis profissionais de que as empresas supostamente vão precisar, a tentação é tratá-la como um menu: escolhe-se um cargo, abre-se uma vaga, e o problema fica resolvido. Esta análise parte do princípio contrário. A pergunta útil não é que títulos contratar, mas que decisões passam a ser tomadas de forma diferente quando uma máquina produz propostas, rascunhos, previsões e recomendações a uma velocidade que nenhuma equipa humana acompanha.
O ponto de partida é um mecanismo simples. Uma tecnologia que reduz o custo de produzir uma resposta não reduz, por si só, o custo de decidir se a resposta é boa. Pelo contrário: quanto mais barata é a produção, mais escassa se torna a capacidade de avaliar, filtrar e assumir responsabilidade. É aí que se joga a organização do trabalho, e é daí que deve nascer qualquer desenho de funções.
Quem gere uma empresa, ou um território que depende do tecido de empresas que o habita, precisa de olhar para esta questão antes de olhar para o catálogo de ferramentas. Primeiro, o desenho das decisões. Depois, as pessoas. Só no fim, a tecnologia que as serve.
O que realmente muda: o custo de produzir e o custo de verificar
Imagine-se uma pequena empresa de distribuição, genérica, com poucas dezenas de colaboradores. Antes, preparar uma proposta comercial detalhada exigia horas de trabalho de alguém experiente. Agora, um rascunho aceitável surge em instantes. A tarefa de escrever encolheu. Mas a tarefa de saber se a proposta é adequada àquele cliente, àquela margem e àquele risco de incumprimento não encolheu nada. Ficou até mais exposta, porque o texto bem redigido transmite uma confiança que o conteúdo pode não merecer.
Este desfasamento entre produzir e verificar é o coração da questão. Uma organização que investe depressa em geração e devagar em verificação acumula uma dívida silenciosa: erros plausíveis, decisões assentes em informação que ninguém confirmou, clientes servidos com respostas elegantes e inexatas. A dívida só aparece quando o custo da correção já é elevado.
Daqui decorre uma regra prática: para cada processo em que se introduz uma máquina que produz, definir de antemão quem verifica, com que critério e com que autoridade para travar. Se ninguém sabe responder a estas três perguntas, o processo não está pronto para ser automatizado, por mais promissora que seja a ferramenta.
Funções novas ou responsabilidades antigas com outro nome?
Grande parte do debate público sobre perfis futuros esconde uma confusão útil de desfazer. Algumas necessidades são genuinamente novas, como a capacidade de testar o comportamento de um sistema, de perceber onde os dados de partida distorcem o resultado ou de traduzir um problema de negócio numa formulação que a máquina consiga tratar. Outras são responsabilidades antigas que ganham urgência: proteção da informação de clientes, responsabilidade perante erros, cumprimento de normas, coerência da comunicação da marca.
A distinção importa porque determina como se organiza a resposta. Uma necessidade nova justifica, muitas vezes, formação interna ou contratação específica. Uma responsabilidade antiga com urgência renovada pede sobretudo clareza de mandato: quem responde perante o cliente quando a recomendação automática falha? Quem responde perante o regulador? Quem responde perante a equipa quando uma decisão assistida por máquina afeta a carreira de alguém?
Muitas empresas, sobretudo as de média dimensão, cometem aqui um erro de simetria: criam uma função para cada receio e acabam com uma estrutura pesada que ninguém sabe articular. Outras cometem o erro inverso e deixam tudo a cargo de um entusiasta informal, sem mandato nem tempo, até ao primeiro incidente. Entre os dois extremos, o caminho razoável é atribuir responsabilidades explícitas a funções existentes, acrescentar competências onde há lacuna evidente e rever o arranjo quando a prática mostrar o que falta.
Escala, marca e território: onde a decisão deixa de ser só interna
Para quem trabalha a escala de um negócio, incluindo modelos em que a mesma forma de fazer é replicada em muitos pontos, a inteligência artificial traz uma tensão específica. A replicação depende de processos claros e de uma identidade consistente. Uma máquina que gera conteúdo, atendimento ou análise pode reforçar essa consistência, mas também pode diluí-la se cada ponto da rede a usar à sua maneira. A pergunta de gestão é qual a parte do processo que tem de ser rigorosamente igual em toda a rede e qual a parte que deve permanecer local, humana e adaptada ao contexto.
Há ainda a dimensão do território. Em regiões onde o emprego assenta em tarefas administrativas, de atendimento ou de análise repetitiva, a mudança não se resume a um debate sobre competências futuras. Afeta famílias concretas, a procura de serviços locais e a capacidade de reter pessoas jovens. Quem lidera uma autarquia, uma associação empresarial ou uma entidade de desenvolvimento regional deveria perguntar que tarefas da economia local são mais expostas, que competências adjacentes já existem e como se constrói a transição sem a deixar entregue ao acaso.
Num espaço económico partilhado entre países com laços fortes, como o ibérico e o luso-brasileiro, a diferença de ritmo na adoção pode criar vantagens e fragilidades. Empresas que operam em vários destes mercados enfrentam exigências diferentes de proteção de dados, de língua, de relação com o cliente. Uma solução desenhada para um contexto raramente se transpõe sem ajuste. A pressa em padronizar pode custar mais do que a paciência em adaptar.
Uma regra de decisão e uma pergunta para levar
Para quem tem de decidir já, sem esperar que o debate amadureça, proponho uma regra em três passos. Primeiro, mapear as decisões repetidas da organização e identificar aquelas em que um erro seria caro e difícil de reverter. Essas pedem sempre verificação humana qualificada. Segundo, separar as tarefas em que a máquina apenas acelera trabalho de baixo risco, onde o ganho é claro e o custo do erro é pequeno. Terceiro, definir um responsável nomeado por cada processo assistido, com autoridade real para suspender o uso se a qualidade cair.
Esta regra não exige grandes orçamentos nem perfis raros. Exige disciplina de gestão e disposição para discutir abertamente onde a organização confia na máquina e onde não confia. É também um método de aprendizagem: cada ciclo de utilização revela onde o desenho inicial estava errado, e a organização que corrige depressa ganha vantagem sobre a que se limita a adotar.
Fica então a pergunta que muda a leitura. Na sua empresa, ou no território que acompanha, quem é hoje a pessoa que responde, com nome e com autoridade, quando uma decisão assistida por máquina corre mal? Se a resposta demorar a surgir, o trabalho prioritário não é escolher perfis nem ferramentas. É desenhar a responsabilidade que ainda não existe.