Poucas tecnologias receberam tão rapidamente o adjetivo "disruptiva" quanto a inteligência artificial.
Ela vai transformar o trabalho.
Acabar com profissões.
Revolucionar a educação.
Mudar a medicina.
Substituir programadores.
Criar novas empresas.
Destruir outras.
Resolver problemas que ainda nem sabemos que temos.
Dependendo de quem fala, estamos diante da maior transformação tecnológica desde a internet — ou de uma gigantesca bolha cercada por expectativas exageradas.
Talvez as duas narrativas tenham o mesmo problema. Estamos tentando responder cedo demais à pergunta errada.
Em vez de perguntar "a inteligência artificial é disruptiva?", talvez devêssemos perguntar: onde, como e para quem ela está começando a mudar as regras?
Tecnologia extraordinária não é sinônimo de disrupção
No primeiro artigo desta série fizemos uma distinção importante. Clayton Christensen não utilizava "disrupção" como sinônimo de tecnologia revolucionária. Uma inovação pode ser tecnicamente extraordinária e não produzir o processo de disrupção descrito por ele.
Isso importa especialmente quando falamos de inteligência artificial. Porque "IA" não é um mercado. É um conjunto de tecnologias e capacidades que podem penetrar em inúmeros mercados, profissões e atividades.
Portanto, perguntar se "a IA" é disruptiva é quase como perguntar se "a internet" foi disruptiva. Precisamos olhar para os mecanismos.
O que ela torna possível?
Que restrições reduz?
Quem ganha acesso?
Que comportamentos começam a mudar?
Onde os custos despencam?
Que tarefas mudam de natureza?
Que intermediários perdem importância?
Que novos modelos se tornam economicamente possíveis?
Aí a conversa começa a ficar interessante.
Primeira pergunta: que restrição está desaparecendo?
Durante muito tempo, executar determinadas tarefas cognitivas exigia uma combinação relativamente cara de recursos.
Conhecimento.
Formação.
Tempo.
Experiência.
Pessoas.
Em algumas atividades, softwares especializados.
A inteligência artificial generativa começou a alterar essa equação.
Produzir uma primeira versão de um texto.
Resumir documentos.
Traduzir.
Gerar imagens.
Escrever código.
Pesquisar informações.
Comparar alternativas.
Estruturar apresentações.
Analisar determinados conjuntos de dados.
Criar protótipos.
Nenhuma dessas atividades surgiu com a inteligência artificial. O que está mudando é o custo marginal de executar partes delas.
E quando o custo de alguma coisa cai drasticamente, não fazemos simplesmente a mesma coisa por menos dinheiro. Frequentemente começamos a fazer coisas que antes nem valiam a pena fazer.
Esse segundo efeito pode ser muito maior que o primeiro.
Quando produzir fica barato, passamos a produzir mais
Imagine uma pequena empresa que jamais contrataria uma equipe para testar cinquenta versões de uma campanha. Talvez agora consiga experimentar muitas.
Um profissional que não contrataria um programador para automatizar uma pequena tarefa talvez consiga criar uma solução simples.
Uma pessoa que não pagaria uma tradução para compreender um documento estrangeiro pode traduzi-lo instantaneamente.
Um professor pode produzir materiais personalizados que anteriormente exigiriam horas.
Um pesquisador pode explorar literatura de maneira diferente.
O fenômeno importante não é apenas substituição. É abundância.
Quando algo que era relativamente caro se torna barato, sua utilização pode crescer enormemente. E isso pode alterar mercados de maneiras difíceis de prever olhando apenas para a atividade original.
Segunda pergunta: quem ganhou acesso?
Aqui existe um sinal particularmente interessante.
Ferramentas sofisticadas de criação, programação, análise e automação estão chegando às mãos de pessoas que não dominam necessariamente todas as técnicas que antes eram necessárias para utilizá-las.
Isso não significa que conhecimento deixou de importar. Muito pelo contrário. Uma pessoa experiente frequentemente consegue utilizar uma ferramenta poderosa de maneira muito mais sofisticada.
Mas a barreira de entrada mudou. E toda vez que uma barreira de entrada cai, devemos prestar atenção.
Porque a pergunta deixa de ser apenas "o que os especialistas conseguirão fazer melhor?" e passa a incluir: o que milhões de não especialistas passarão a conseguir fazer?
Talvez algumas das consequências mais profundas da IA estejam aí.
Terceira pergunta: o comportamento está mudando?
Durante muito tempo, quando alguém precisava de informação na internet, havia um comportamento dominante: pesquisar.
Digitar algumas palavras.
Receber uma lista de resultados.
Abrir páginas.
Comparar fontes.
Extrair uma resposta.
Agora surgiu outro comportamento: perguntar.
A diferença parece pequena. Não é. Quando uma interface muda de "encontre a informação" para "ajude-me a resolver o problema", a relação entre usuário, informação e software começa a mudar.
Isso pode afetar mecanismos de busca.
Sites.
Produção de conteúdo.
Publicidade.
Comércio eletrônico.
Educação.
Software.
Atendimento.
E muitas outras atividades construídas em torno da maneira anterior de navegar pela informação.
Talvez a transformação não esteja apenas na inteligência da máquina. Pode estar na mudança de comportamento humano provocada pela nova interface.
Quarta pergunta: onde o valor econômico está mudando?
Toda transformação tecnológica redistribui valor.
Algumas atividades tornam-se commodities.
Outras ficam mais valiosas.
Novos intermediários aparecem.
Antigos perdem poder.
Infraestrutura ganha importância.
Dados ganham importância.
Distribuição muda.
Conhecimento especializado pode ser amplificado — ou ter determinadas partes automatizadas.
No caso da IA, ainda estamos no meio dessa reorganização. E é justamente por isso que previsões categóricas são perigosas. Não sabemos ainda onde todo o valor será capturado. Mas podemos observar onde ele começa a migrar.
Esse movimento talvez seja mais importante do que tentar adivinhar qual empresa vencerá a corrida da inteligência artificial.
Quinta pergunta: as fronteiras das profissões estão mudando?
Grande parte da discussão pública sobre IA utiliza uma pergunta dramática: qual profissão vai desaparecer?
Talvez novamente estejamos olhando para a unidade errada. Profissões são conjuntos de tarefas.
Um médico não executa uma única atividade.
Um advogado também não.
Um professor.
Um contador.
Um jornalista.
Um designer.
Um programador.
Um administrador.
Cada profissão combina julgamento, conhecimento, comunicação, relacionamento, decisão, execução e responsabilidade em proporções diferentes. A inteligência artificial pode atingir algumas dessas tarefas muito antes de atingir outras.
Portanto, uma pergunta mais útil é: que parte do trabalho está mudando?
Isso nos permite enxergar uma transformação que já começou sem precisar anunciar prematuramente o desaparecimento de profissões inteiras.
O trabalho pode mudar antes do emprego desaparecer
Imagine que uma tecnologia consiga executar 20% das tarefas de determinada profissão. Isso não significa automaticamente 20% menos empregos.
Pode significar mais produtividade.
Pode reduzir preços.
Pode aumentar demanda.
Pode criar novas tarefas.
Pode mudar o número de profissionais necessários.
Pode aumentar o valor de determinadas habilidades humanas.
Pode produzir combinações que ainda não existem.
A história da tecnologia está cheia de efeitos indiretos. Por isso, simplesmente dividir atividades entre "humanas" e "automatizadas" provavelmente será insuficiente.
A pergunta mais interessante pode ser: como o trabalho será reorganizado quando humanos e sistemas inteligentes começarem a dividir tarefas de outra maneira?
Sexta pergunta: e se ficar dez vezes melhor?
Esta talvez seja a pergunta mais desconfortável.
Não devemos avaliar uma tecnologia emergente apenas pelo que ela consegue fazer hoje. Devemos observar sua trajetória.
Os sistemas atuais cometem erros.
Alucinam.
Precisam de supervisão.
Possuem limitações de contexto, raciocínio, confiabilidade e integração.
Tudo isso importa. Mas existe uma diferença entre dizer "isso não funciona perfeitamente hoje" e concluir "portanto, nunca será importante".
A pergunta correta é: qual dessas limitações é estrutural e qual pode diminuir rapidamente?
Agora faça o exercício. Se esses sistemas ficarem dez vezes mais confiáveis, dez vezes mais baratos, dez vezes mais rápidos, dez vezes mais integrados às ferramentas que usamos — o que acontece?
Talvez nada em determinada atividade. Em outra, talvez tudo. É exatamente por isso que precisamos analisar cada contexto.
Sétima pergunta: o que deixa de ser necessário?
Chegamos à pergunta que fizemos no artigo anterior. Se a IA funcionar muito bem em determinada atividade: o que deixa de ser necessário?
Talvez não seja a pessoa.
Pode ser uma etapa.
Uma espera.
Uma interface.
Um formulário.
Uma busca.
Uma tarefa repetitiva.
Uma transferência entre departamentos.
Uma parte do software.
Um intermediário.
Um conhecimento operacional muito específico.
E essa distinção é fundamental. Porque frequentemente imaginamos a disrupção de uma forma — e ela pode ocorrer de maneira muito mais sutil:
Quando percebemos, a transformação aconteceu vários níveis abaixo daquilo que estávamos observando.
Talvez o software também esteja mudando
Durante décadas aprendemos a utilizar computadores através de interfaces construídas por outras pessoas.
Menus.
Botões.
Campos.
Comandos.
Aplicativos.
Precisávamos aprender, em alguma medida, a lógica da máquina.
A linguagem natural começa a inverter parte dessa relação. Em vez de aprender exatamente onde clicar para executar uma sequência de operações, podemos simplesmente explicar aquilo que queremos.
Isso ainda está longe de funcionar perfeitamente em todas as situações. Mas, se essa trajetória continuar, existe uma pergunta fascinante: quanto da interface que hoje consideramos indispensável continuará sendo necessário?
Essa pergunta não diz respeito apenas a empresas de inteligência artificial. Pode atingir toda a indústria de software.
E os especialistas?
Há uma narrativa segundo a qual inteligência artificial democratiza conhecimento e, portanto, especialistas perderão valor. Talvez aconteça exatamente o contrário em muitos campos.
Quando todos possuem acesso a ferramentas poderosas, a diferença pode migrar da capacidade de produzir uma resposta para a capacidade de:
- formular a pergunta certa;
- avaliar a resposta;
- identificar erros;
- compreender contexto;
- conectar disciplinas;
- julgar consequências;
- tomar decisões;
- assumir responsabilidade.
Ou seja:
Quando produzir respostas fica barato, saber julgar respostas pode ficar mais valioso.
Isso tem enormes consequências para educação e trabalho.
A oitava pergunta: que pressuposto deixa de ser verdadeiro?
Agora chegamos ao ponto central. Grande parte do mundo profissional foi construída sobre algumas premissas.
Produzir determinados conteúdos exige determinada quantidade de tempo.
Programar exige dominar determinadas linguagens.
Traduzir exige fluência.
Analisar grandes quantidades de informação exige equipes ou ferramentas especializadas.
Personalizar serviços é caro.
Conhecimento especializado é difícil de acessar.
Algumas dessas afirmações continuarão verdadeiras. Outras talvez precisem ser reformuladas. E é exatamente aí que devemos olhar.
Porque uma tecnologia se torna estruturalmente importante quando não apenas melhora aquilo que fazemos, mas começa a invalidar premissas utilizadas para organizar aquilo que fazemos.
Então a IA é disruptiva?
A resposta mais responsável talvez seja: depende do que estamos observando.
Em alguns mercados, pode atuar como inovação incremental.
Em outros, aumentar dramaticamente a produtividade sem alterar o modelo de negócio.
Em outros, permitir novos entrantes.
Em outros, eliminar etapas.
Em outros, mudar interfaces.
Em outros, criar mercados inteiramente novos.
E em alguns talvez produza processos genuinamente disruptivos.
Não existe uma única "disrupção da IA". Existem potencialmente centenas de transformações acontecendo em velocidades diferentes.
E talvez este seja o maior erro
Estamos olhando demais para aquilo que a inteligência artificial faz.
Escreve.
Desenha.
Programa.
Responde.
Analisa.
Cria.
Talvez devêssemos prestar mais atenção naquilo que acontece ao redor dela.
O comportamento que muda.
O custo que desaparece.
A barreira que cai.
A tarefa que se reorganiza.
O intermediário que perde função.
A profissão que muda de composição.
O negócio que passa a ser possível.
Porque é aí que uma tecnologia deixa de ser apenas impressionante. E começa a alterar sistemas.
A pergunta não é homem ou máquina
Talvez daqui a alguns anos olhemos para trás e achemos curiosa a quantidade de tempo que gastamos discutindo se a inteligência artificial "substituiria os seres humanos".
Talvez a transformação real seja mais complexa.
Pessoas utilizando inteligência artificial competindo com pessoas que não utilizam.
Pequenas empresas executando atividades antes possíveis apenas para grandes organizações.
Especialistas multiplicando sua capacidade.
Não especialistas entrando em territórios antes inacessíveis.
Novas profissões surgindo.
Outras sendo reorganizadas.
Empresas redesenhando processos inteiros.
E milhões de pequenas decisões mudando silenciosamente porque agora existe uma alternativa que antes não existia.
É assim que grandes transformações frequentemente acontecem. Não em um único momento. Mas através de milhares de mudanças aparentemente pequenas.
Talvez a IA já esteja respondendo à nossa pergunta
No artigo anterior perguntamos: "se der certo, que mundo deixa de existir?".
Talvez ainda seja cedo para responder. Mas não é cedo demais para observar.
Que restrições estão desaparecendo?
Quem está ganhando acesso?
Que comportamentos já mudaram?
Que tarefas começaram a ser reorganizadas?
Que interfaces estão se tornando desnecessárias?
Que pressupostos estamos começando a questionar?
Esses são os sinais.
E, novamente, o desafio não está em prever exatamente o futuro. Está em perceber quando o presente começa a funcionar de maneira diferente.
Porque a inteligência artificial talvez não chegue um dia para mudar o mundo.
Talvez ela esteja mudando pequenas partes dele enquanto ainda discutimos se a mudança vai acontecer.
Este artigo faz parte de uma série sobre disrupção, futuro, trabalho e transformação — questões que também estão no centro de Disruptivos por Natureza e do projeto Hoje Já é Amanhã.
No próximo artigo: O maior risco da disrupção não é a tecnologia. É continuar pensando como antes.
