- À medida que a IA torna o conhecimento codificado abundante, o conhecimento tácito — a expertise adquirida por meio da prática apenas — torna-se mais escasso e valioso.
- A região enfrenta um risco específico: os empregos de nível inicial nos quais jovens trabalhadores adquirem habilidades práticas são exatamente aqueles mais expostos à automação com IA.
- Os governos devem investir em políticas públicas, treinamento duplo e registros portáteis de emprego, para garantir que a adoção da IA não esvazie as oportunidades de aprendizagem da próxima geração.
Por um tempo, a conversa sobre inteligência artificial e trabalho girou em torno de uma pergunta simples: quais tarefas as máquinas podem realizar e quais continuarão sendo humanas? Essa pergunta ainda importa, mas o debate já avançou. Pesquisas recentes apontam para uma preocupação mais ampla: a IA (inteligência artificial) pode moldar não apenas o que os trabalhadores fazem, mas também como as capacidades humanas são formadas e transmitidas ao longo do tempo — uma questão urgente para a América Latina e o Caribe (ALC).
Essa mudança ressalta que a experiência e o julgamento prático agora importam mais do que nunca. Para garantir que a IA fortaleça o capital humano em nossa região, os formuladores de políticas devem ampliar a aprendizagem por meio de estágios e treinamento duplo, tornar os registros de trabalho portáteis para indicar habilidades práticas e apoiar a experiência em início de carreira por meio de subsídios direcionados.
Um lugar útil para começar é com uma distinção simples, mas frequentemente negligenciada: a diferença entre conhecimento explícito e conhecimento tácito. O conhecimento explícito pode ser codificado, escrito, ensinado em sala de aula, armazenado em um banco de dados ou transmitido por meio de manuais e documentos.
O conhecimento tácito é diferente — é uma expertise prática adquirida por meio de experiência, tentativa e erro e contexto. Inclui a intuição de um profissional de enfermagem experiente, a vivência de campo de um assistente social, o julgamento prático de um professor ou a implementação do know-how de um gestor público. Grande parte do que importa no trabalho especializado é difícil de ser documentado e ainda mais difícil de ser transferido apenas por meio de instrução.
Essa distinção é importante porque a IA generativa parece especialmente boa para ampliar conhecimento explícito, visto que pode resumir, classificar, recuperar, comparar, redigir e recombinar informações a um custo muito baixo. Mas isso não significa que possa replicar igualmente bem o julgamento prático que vem da experiência. Pelo contrário, o oposto pode ser verdadeiro: quanto mais abundante o conhecimento codificado se tornar, mais valioso poderá ser o conhecimento adquirido apenas por meio da prática.
Essa possibilidade permeia grande parte da nova literatura, embora sob diferentes ângulos. Acemoglu, Kong e Ozdaglar estudam como a IA generativa — especialmente a autônoma — pode enfraquecer os incentivos para adquirir conhecimento específico de contexto, corroendo gradualmente a base de conhecimento da qual dependem decisões futuras.
Ide e Talamàs analisam como a IA reestrutura a organização do trabalho do conhecimento, mudando o papel dos trabalhadores que resolvem problemas rotineiros e aqueles de especialistas que lidam com exceções. O artigo mais recente de Ide destaca um risco relacionado: como a automação de tarefas de nível inicial pode reduzir as oportunidades pelas quais a expertise tácita é transmitida entre gerações de trabalhadores.
A pergunta que eu acrescentaria está mais próxima da economia clássica do capital humano: se a IA amplia o conhecimento codificado mais facilmente do que o conhecimento tácito, quais mudanças devemos esperar na forma como os trabalhadores são pagos e valorizados?
Isso traz à tona uma questão mais antiga na economia do trabalho, associada a Ben-Porath e Mincer: como o capital humano é construído ao longo do ciclo de vida, por meio de educação e experiência, e como os salários refletem o retorno para ambas. Na era da IA, essa estrutura pode adquirir um novo significado. A IA pode fazer mais do que transferir trabalhadores entre tarefas. Pode alterar a composição do valioso capital humano, reduzindo a relativa escassez de conhecimento codificado, ao mesmo tempo em que aumenta a escassez relativa de experiência adquirida com a prática.
Isso não é apenas uma hipótese vaga. Modelos econômicos de acumulação de capital humano apontam para várias implicações observáveis. Em ocupações mais expostas à IA, o retorno para a educação formal deve enfraquecer em relação ao retorno para a experiência.
O momento na carreira de um trabalhador em que a experiência se torna mais valiosa do que as credenciais deveria chegar mais cedo para gerações mais novas — uma mudança que pesquisadores têm acompanhado em dados sobre renda entre gerações, e que trabalhos recentes sobre como a escolaridade e a experiência inicial de trabalho interagem ao longo do ciclo de vida ajudam a explicar.
E as empresas podem começar a depender menos somente de títulos e diplomas, e mais de experiência documentada: históricos de trabalho, portfólios e desempenho comprovado na triagem de candidatos — um cenário em que registros de emprego portáteis podem se tornar cada vez mais relevantes como um novo tipo de "credenciais" de conhecimento prático.
Em nossa região, uma grande parte do crescimento do emprego formal nas últimas duas décadas se deve a serviços e ocupações administrativas (apoio administrativo, atendimento ao cliente, análise de rotina, intermediação administrativa), justamente porque ofereciam uma escada acessível para o mercado de trabalho. Muitos desses empregos também estão entre os mais expostos à IA generativa.
Se essas tarefas de nível inicial forem comprimidas rápido demais, o risco — além de demissões, dificuldades de requalificação, desestímulo e saída precoce — estará em menos oportunidades para acumular o julgamento prático que os trabalhadores normalmente adquirem no início de suas carreiras. acumular o julgamento prático que os trabalhadores normalmente adquirem no início de suas carreiras.
A preocupação, em primeiro lugar, é que a IA se desfaz exatamente das tarefas de tentativa e erro pelas quais os trabalhadores em início de carreira se tornam experientes. Em uma região onde a educação escolar deficiente é frequentemente compensada, ao menos parcialmente, pela aprendizagem no local de trabalho, essa perda pode ser especialmente onerosa.
Além das suas implicações para os trabalhadores, a erosão dos canais de aprendizagem pela prática também prejudica a produtividade e o crescimento a longo prazo. Grande parte do ganho de produtividade da adoção de IA depende não apenas da tecnologia em si, mas da capacidade da empresa para integrá-la a processos de produção complexos – uma capacidade que depende fortemente do conhecimento tácito acumulado por meio da experiência.
Em setores nos quais a América Latina e o Caribe poderiam construir vantagens comparativas, como serviços globais e outras atividades intensivas em conhecimento, a perda de oportunidades de aprendizagem no início de carreira pode enfraquecer a capacidade de absorção das empresas e, em última análise, a sustentabilidade daquelas especializações produtivas.
O Banco Interamericano de Desenvolvimento (BID) identificou essa dinâmica como um desafio central do grau de preparação para IA na região: um desafio com implicações não apenas para os trabalhadores, mas também para a produtividade das empresas e a capacidade da região para sustentar atividades intensivas em conhecimento. A formação complementar para o trabalho – especialmente a educação dupla e a experiência prática supervisionada – é fundamental para assegurar que a adoção de IA não ocorra às custas das oportunidades dos jovens trabalhadores.
O BID há muito tempo apoia iniciativas voltadas para esse objetivo, notadamente as finishing schools, escolas de formação profissional, onde empresas privadas e governos, juntos, criam programas para que jovens trabalhadores adquiram experiência direta enquanto aprendem as habilidades que a IA eventualmente complementará, em vez de substituir.
Sob essa perspectiva, as escolas de formação profissional são mais do que apenas programas de empregabilidade; são mecanismos institucionais para preservar a transmissão de conhecimento tácito em contextos de rápida mudança tecnológica.
Evidências sintetizadas pelo BID sobre programas de formação para a indústria global de serviços apontam para um padrão consistente: os resultados melhoram quando o treinamento é criado com os empregadores, ancorado em tarefas reais em vez de em exercícios simulados, e avaliado com base em desempenho comprovado e não apenas em credenciais.
Esse é exatamente o formato que importa em um mercado de trabalho em que a experiência serve cada vez mais como um sinal de valor, junto com – ou em vez de – qualificações formais.
O que os países da ALC devem fazer nessa etapa? Três direções se destacam.
Primeiro, repensar a educação para priorizar a aprendizagem pela prática. Se a IA lida cada vez mais com conteúdos codificados, a vantagem comparativa do treinamento centrado no ser humano pode estar em cultivar julgamentos sutis e dependentes do contexto por meio da prática. Isso significa mais estágios, residências, mentoria, experiência de trabalho supervisionada e ambientes de aprendizagem estruturados — tais como treinamento duplo e escolas de formação profissional —, que intencionalmente incorporem a prática na formação de habilidades e não apenas mais informações.
Vale dizer que não se trata um chamado para substituir a educação formal, mas sim para reequilibrá-la na margem, expandindo os componentes experienciais nos quais a IA reduz mais diretamente a escassez de conhecimento codificável. O argumento se baseia em evidências convergentes: a literatura clássica sobre retorno para a experiência, o próprio histórico operacional do Banco com escolas de formação profissional e as primeiras constatações de como a automação por IA de tarefas de nível inicial já está comprimindo os canais pelos quais a expertise tácita é transmitida. A espera por uma prova causal definitiva acarreta seu próprio risco: se esses canais de aprendizagem se deteriorarem mais rapidamente do que as políticas conseguirem se adaptar, o custo pode ser difícil de reverter.
Segundo, tornar os registros de emprego portáteis e acessíveis. Atualmente, jovens trabalhadores usam suas credenciais como cartões de visita no mercado de trabalho. Se a experiência prática é o que importa cada vez mais, eles deveriam ser capazes de documentá-la e levá-la consigo: um registro do que fizeram, do que resolveram, de onde aprenderam. A maioria dos países tem registros de emprego fragmentados e privados, inacessíveis aos próprios trabalhadores. Tornar esses registros portáteis e públicos ajudaria os trabalhadores a validar seu conhecimento prático da mesma forma que as credenciais validam a educação formal. Esta é uma mudança de política simples e com grande potencial.
Terceiro, considerar subsídios para a experiência em início de carreira. Jovens trabalhadores sem experiência prévia são inicialmente menos produtivos, mas geram efeitos positivos ao aprender no local de trabalho. À medida que a IA reduz as vagas de nível inicial, o argumento econômico para apoio público a programas de treinamento em início de carreira se torna mais forte.
Se delegarmos excessivamente ao algoritmo a dimensão do trabalho de tentativa e erro, baseada na prática, corremos o risco de nos privarmos justamente das experiências pelas quais é difícil documentar o know-how. O resultado poderia ser o ganho de produtividade de curto prazo, aliado à erosão gradual das capacidades humanas das quais essa produtividade depende, com externalidades econômicas e sociais negativas substanciais.
O debate sobre a IA em nossa região deve ir além de adoção, infraestrutura ou regulamentação, e questionar que tipo de capital humano estamos construindo.
Estamos dando aos trabalhadores a experiência prática para desenvolvê-lo? Quanto estamos dispostos a pagar hoje para dar uma chance aos futuros trabalhadores?
Para explorar as pesquisas e publicações do BID sobre inteligência artificial e o futuro do trabalho na América Latina e no Caribe, visite nossa biblioteca de publicações sobre IA.