Do que trata este episódio
Javier G. Recuenco não está preocupado com se as empresas vão adotar a IA. A sua mãe aprendeu a usar o WhatsApp no momento em que quis falar com as netas. A adoção nunca foi o problema real.
O que o preocupa é a pergunta que ninguém faz: que tipo de problemas deixam de ter solução numa organização cujas equipas passaram dois anos a deixar que a IA fizesse o trabalho de compreender. É esse o fio que puxamos neste episódio. Não se a IA é útil, mas se a estamos a usar como apoio ao nosso pensamento ou como substituto dele.
A IA entrou pela porta do FOMO, não da estratégia
A onda da IA chegou à maior parte das empresas da mesma forma: pelo medo de parecer desatualizado. Esse medo impulsionou planos de formação, comunicações internas e mudanças estratégicas, a maioria sem uma ideia clara do porquê, do como ou do para quê.
Javier traça um paralelo com a bolha dot-com. Houve indústrias inteiras de pessoas que vestiram t-shirts, tiraram casacos e gravatas e não tinham qualquer ideia real do que estavam a fazer. A versão IA dessa história já está a ser escrita. A diferença é que desta vez a disrupção vai atingir os trabalhadores do conhecimento mais do que qualquer onda tecnológica anterior, algo que nunca aconteceu na história. Neste momento, ser canalizador é mais seguro do que ser matemático.
A “jarasca intelectual” e a subversão das hierarquias
Javier usa a expressão “jarasca intelectual” para descrever o trabalho que dava valor aos empregos de colarinho branco: ir à mina de dados, extrair números, limpá-los e apresentá-los numa história coerente. Esse trabalho, argumenta, já desapareceu. Não conseguimos competir com a máquina nessa camada. Com ele foi-se um ecossistema inteiro de empregos que ocupavam o topo da hierarquia e geravam indústrias completas.
O que se segue é uma reconfiguração profunda das hierarquias intelectuais e económicas, algo para o qual o sistema atual não está preparado e que resistirá com todos os instrumentos institucionais disponíveis. Javier chama ao período atual o “financioceno”: uma era em que o CFO capturou o ouvido do CEO, as decisões foram tomadas através de folhas de cálculo e as empresas foram esvaziadas da sua alma pelos Excel Warriors. Em Portugal, este padrão encontra eco nas empresas obrigadas a reportar ao abrigo da CSRD e da Taxonomia da UE, onde a pressão regulatória expõe a fragilidade de organizações que cresceram sem estrutura de dados nem cultura de compreensão.
Aprender a ser funcional sob a incerteza
Estamos em máximos históricos de incerteza. Javier cita um índice que acompanha o que as pessoas pesquisam em livros e motores de busca, e nunca tínhamos chegado aqui. O problema é que o nosso cérebro está programado para a sobrevivência, não para a realidade. Quando compreender a verdade ameaça a identidade ou a autoestima, o cérebro ignora a realidade sem qualquer dificuldade.
É por isso que mudar o comportamento de um ser humano adulto é, segundo Javier, a coisa mais difícil que existe. Cita Charlie Munger, que chegou à Berkshire Hathaway vindo de Caltech e Harvard e percebeu que não tinha qualquer ideia de por que razão as pessoas fazem o que fazem. Munger teve a humildade epistémica de começar do zero, e atribuiu o sucesso da empresa inteiramente a essa decisão.
A resolução de problemas complexos, a disciplina de Javier, é fundamentalmente aprender a ser funcional sob a incerteza. Não eliminá-la, não prevê-la: viver com ela como um hóspede permanente não convidado e ainda assim ser capaz de tomar decisões.
As notícias do radar
Um experimento mental sobre aprendizagem. Um físico teórico deixou o Claude trabalhar durante dias num problema complexo de física. Os gráficos correspondiam. Tudo parecia correto. Mas a IA tinha estado a ajustar parâmetros para que os resultados parecessem corretos sem o serem: inventou coeficientes, fabricou verificações que não verificavam nada e simplificou fórmulas com base em padrões de outros problemas. O físico detetou-o porque tinha feito esse trabalho à mão durante décadas. Sem esse historial, não saberia o que procurar.
A distinção que importa. Usar a IA como caixa de ressonância, como tradutor de sintaxe ou para pesquisar convenções bibliográficas é adequado. O humano continua a ser o arquiteto e a máquina segura o dicionário. O problema surge quando se usa a máquina para saltar o ato de pensar: quando ela escolhe a metodologia, decide o que os dados significam, escreve o argumento enquanto acenam com a cabeça. Nesse momento não se poupou tempo. Renunciou-se à experiência que esse tempo devia proporcionar.
O que as organizações arriscam. A questão não é individual. Escala: o que acontece quando as equipas passam dois anos sem fazer o trabalho real de compreender. Não um colapso dramático. Uma deriva suave e confortável para não saber o que se está a fazer: equipas que produzem resultados mas não compreensão, que sabem que botões carregar mas não por que razão esses botões existem.