IA e aprendizagem profissional: quem forma os especialistas?

IA e aprendizagem profissional: o sinal nas contratações

Uma investigação de Erik Brynjolfsson, Bharat Chandar e Ruyu Chen, do Stanford Digital Economy Lab, permite observar uma mudança que os números agregados do emprego podem esconder. Na versão revista em agosto de 2026, os investigadores analisaram dados administrativos da ADP relativos a milhões de trabalhadores nos Estados Unidos, até junho de 2026. Encontraram uma diferença significativa entre trabalhadores jovens e experientes em profissões expostas à inteligência artificial.

O emprego dos trabalhadores dos 22 aos 25 anos nessas profissões encontrava-se 19% abaixo do nível que teria atingido caso acompanhasse a evolução dos seus pares em profissões menos expostas. Entre os trabalhadores experientes, não surgiu uma diferença comparável. A divergência resultava sobretudo de menos contratações de jovens, e não de um aumento dos despedimentos. O resultado é importante precisamente pelo que não mostra. Não demonstra uma substituição generalizada de trabalhadores pela inteligência artificial. Os autores não encontraram sinais de deslocação do emprego em toda a economia.

Também não estabelecem uma relação causal definitiva entre a utilização de inteligência artificial e a redução relativa do emprego jovem. Reconhecem limitações da amostra e diferenças anteriores à difusão da tecnologia. O que os dados permitem afirmar é mais delimitado: nas profissões analisadas, a deterioração relativa das oportunidades dos jovens coincide com maior exposição à automatização, enquanto os trabalhadores experientes apresentam uma evolução diferente. Esta assimetria, já abordada no AN a propósito da entrada de jovens nas profissões expostas à IA, coloca também uma questão sobre a organização da aprendizagem profissional.

A empresa pode conservar os especialistas e deixar de formar os sucessores

A distinção entre contratação e despedimento altera a interpretação económica. Quando uma empresa despede trabalhadores experientes, a perda de capacidade profissional é imediatamente visível. Desaparecem pessoas que conhecem os processos, os clientes e as decisões anteriores. Quando deixa de contratar jovens, a consequência pode demorar mais tempo a manifestar-se. Os profissionais existentes continuam a trabalhar. A empresa mantém as suas competências acumuladas. Os indicadores de produção podem até melhorar. Mas a renovação dessas competências passa a depender de um número menor de pessoas em formação.

A relação não é automática. Uma empresa pode contratar menos trabalhadores porque reorganizou as tarefas ou porque consegue formar os recém-chegados mais rapidamente com apoio tecnológico. Contudo, se a redução das contratações não for acompanhada de novos mecanismos de aprendizagem, surge uma dificuldade estrutural: a organização conserva experiência que já possui, mas investe menos na sua reprodução. A questão não é apenas quantos postos de trabalho desaparecerão. É saber se continuará a existir um percurso acessível entre terminar a formação e adquirir a experiência necessária para exercer uma profissão com autonomia.

Automatizar uma tarefa não é aprender a executá-la

A inteligência artificial pode produzir um resultado sem reproduzir o processo através do qual um trabalhador desenvolve competência. Um sistema pode apresentar uma proposta de código informático, um resumo jurídico ou uma análise preliminar de informação. O resultado pode ser útil e exigir menos tempo de preparação. Mas utilizar esse resultado e compreender integralmente as decisões que o produziram são capacidades diferentes. A aprendizagem profissional inclui identificar erros, reconhecer exceções, avaliar alternativas e compreender consequências. Parte deste conhecimento adquirido pela prática é difícil de reduzir a instruções escritas. Em muitas atividades, estas competências desenvolvem-se através da execução repetida de tarefas e da correção feita por profissionais mais experientes.

Se o trabalhador em início de carreira receber apenas a versão concluída de uma tarefa, poderá deixar de praticar algumas das operações que anteriormente contribuíam para a sua formação. Esta é uma possibilidade, não uma consequência inevitável. A mesma tecnologia pode ser utilizada para explicar procedimentos, apresentar exercícios, comparar soluções e facilitar a aprendizagem. A diferença está na organização do trabalho. Uma empresa que utiliza inteligência artificial exclusivamente para eliminar tarefas pode produzir efeitos diferentes de outra que a integra num programa de formação supervisionada. Os estudos sobre emprego não demonstram ainda qual destes modelos prevalecerá.

A diferença entre substituir e complementar

A investigação de Stanford encontrou outra distinção relevante. A redução relativa do emprego jovem concentrou-se em profissões nas quais a inteligência artificial tende a substituir tarefas humanas. Nas atividades em que a tecnologia funciona sobretudo como complemento, o emprego apresentou uma evolução mais favorável, especialmente entre trabalhadores experientes. O resultado sugere que a exposição à inteligência artificial não deve ser tratada como uma característica uniforme. Duas profissões podem utilizar intensivamente a mesma tecnologia e apresentar consequências laborais diferentes.

Quando o sistema executa diretamente tarefas que anteriormente justificavam a contratação de trabalhadores em início de carreira, a procura por esses trabalhadores pode diminuir. Quando o sistema amplia a capacidade de profissionais que continuam a executar atividades essenciais, a relação entre tecnologia e emprego pode ser diferente. Esta distinção também altera a discussão sobre formação. Não basta ensinar os trabalhadores a utilizar ferramentas de inteligência artificial. É necessário identificar quais as competências humanas que continuam a ser desenvolvidas durante a utilização dessas ferramentas e quais deixam de ser praticadas.

Sem essa avaliação, uma empresa pode aumentar a eficiência imediata e desconhecer os efeitos sobre a formação dos seus futuros especialistas.

O risco de interpretar demasiado depressa os dados

O mercado de trabalho dos jovens é influenciado por muitos fatores. As taxas de juro, as decisões de investimento, a evolução económica e as alterações nas políticas de contratação podem afetar particularmente os trabalhadores sem experiência. Os próprios investigadores de Stanford examinaram explicações alternativas para a divergência observada.

Numa análise publicada em fevereiro de 2026, concluíram que a evolução das taxas de juro não explicava satisfatoriamente a diferença relativa encontrada. Assinalaram, contudo, que algumas tendências anteriores poderiam estar relacionadas com outros fatores e que a associação se tornava mais clara a partir de 2024, quando aplicavam controlos mais exigentes. A versão de agosto manteve a advertência sobre os limites da inferência causal. Isto impede concluir que a inteligência artificial seja responsável por todos os obstáculos encontrados pelos jovens nas profissões analisadas.

Impede também transportar diretamente os resultados norte-americanos para Portugal ou para a União Europeia. As estruturas económicas, os sistemas de formação e as condições de contratação são diferentes. O estudo constitui um sinal relevante sobre um mecanismo possível. Não demonstra que esse mecanismo tenha a mesma intensidade em todos os mercados.

O custo que a empresa pode não contabilizar

A decisão de contratar um trabalhador em início de carreira envolve custos imediatos. A distribuição dos ganhos de produtividade da IA inclui também as escolhas sobre formação e recrutamento. É necessário pagar remuneração, dedicar tempo à supervisão e aceitar que a produtividade inicial seja inferior à de um profissional experiente. Parte desse investimento pode ser recuperada quando o trabalhador adquire autonomia. A inteligência artificial altera esta comparação se permitir executar determinadas tarefas com menor custo. Uma empresa pode concluir que já não precisa de contratar tantas pessoas para realizar o trabalho disponível. Essa decisão pode ser racional do ponto de vista da sua produção imediata.

O problema aparece quando a necessidade futura de profissionais experientes não é considerada com a mesma atenção. A empresa pode beneficiar de competências desenvolvidas anteriormente por trabalhadores que começaram em funções menos complexas. Se essas funções deixarem de existir, será necessário criar alternativas para desenvolver competências equivalentes. Caso contrário, o ganho de eficiência presente poderá coexistir com uma dificuldade futura de recrutamento. Os dados disponíveis não demonstram que esta escassez venha a ocorrer. Mas a combinação entre menor contratação inicial e preservação do emprego experiente permite identificar o risco.

É uma consequência que merece investigação própria, distinta da simples contagem de empregos automatizados.

A formação terá de deixar de depender apenas das tarefas disponíveis

A progressão profissional tradicional pressupõe frequentemente que a empresa dispõe de trabalho adequado a diferentes níveis de experiência. Os trabalhadores em início de carreira executam tarefas supervisionadas. Os mais experientes assumem responsabilidades progressivamente maiores. Se a automatização reduzir o volume de trabalho destinado aos primeiros, a formação poderá ter de ser organizada de outra maneira. Uma possibilidade consiste em preservar atividades de aprendizagem mesmo quando a tecnologia consegue executá-las. Outra passa por utilizar sistemas de inteligência artificial como instrumentos de treino, exigindo que os trabalhadores expliquem, verifiquem e corrijam os resultados.

Também poderá tornar-se mais importante estabelecer percursos formais de supervisão e avaliação. Estas são respostas possíveis ao problema identificado, não soluções cuja eficácia esteja já demonstrada pelos estudos citados. O princípio económico é, contudo, claro: quando a aprendizagem deixa de resultar naturalmente da execução de tarefas produtivas, o seu custo torna-se mais visível e precisa de ser assumido deliberadamente. A empresa terá de decidir se pretende apenas comprar capacidade tecnológica ou continuar a desenvolver capacidade humana.

O problema pode surgir antes da perda de emprego

O debate sobre inteligência artificial costuma procurar um momento decisivo: a substituição de um trabalhador por uma máquina. A investigação recente sugere que algumas transformações podem ocorrer antes disso. A empresa mantém os trabalhadores experientes. Não reduz necessariamente os salários. Continua a produzir. O ajustamento aparece nas vagas que deixam de ser abertas. Este mecanismo é menos visível do que um despedimento coletivo, mas pode ter consequências duradouras para a composição das profissões.

Os dados de Stanford não permitem afirmar que esteja em curso uma crise generalizada de formação profissional. Permitem identificar uma divergência concreta nas oportunidades dos trabalhadores jovens e mostrar que ela se concentra onde a tecnologia substitui tarefas. A consequência analítica é que a estabilidade do emprego existente não basta para avaliar a sustentabilidade de uma profissão. É necessário observar também a entrada de novos trabalhadores e as condições em que adquirem experiência.

Uma organização pode tornar-se mais produtiva utilizando inteligência artificial e, ao mesmo tempo, reduzir os percursos pelos quais forma os profissionais de que dependerá no futuro. A contradição não está na capacidade da tecnologia para executar trabalho. Está na possibilidade de as empresas dispensarem precisamente algumas das tarefas através das quais os seus futuros especialistas aprenderiam a executá-lo. A investigação ainda não demonstra que esta dificuldade seja inevitável. Mostra, porém, que a transformação do emprego pode começar na contratação, muito antes de aparecer nas estatísticas de despedimentos.

E isso muda a pergunta que deve ser feita às empresas: não apenas quantos trabalhadores conseguem dispensar de determinadas tarefas, mas como pretendem formar aqueles que continuarão a ser necessários.

Base documental: Stanford Digital Economy Lab, Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence, versão revista de 12 de agosto de 2026; nota dos autores sobre os resultados e limites da revisão; análise complementar sobre taxas de juro e cronologia, de 9 de fevereiro de 2026. Os dados administrativos utilizados no estudo são da ADP.