Automatizar a tarefa não resolve a formação
Em 16 de outubro de 2026, a Anthropic publicou um estudo sobre mudanças no emprego dentro da própria empresa. O relatório descreve uma redução na participação de contratações técnicas de nível júnior e uma valorização crescente de autonomia e julgamento nas avaliações de candidatos. Trata-se de evidência interna de um laboratório de IA, não de um retrato de todas as empresas ou do mercado brasileiro.
O acontecimento abre uma pergunta que merece entrar na agenda de liderança: quando a execução pode ser delegada a agentes, onde quem está começando encontra espaço para aprender? A empresa pode querer profissionais capazes de revisar, priorizar e decidir, mas essas capacidades não surgem apenas porque o cargo passou a exigi-las.
A proposta deste artigo é olhar para a formação como parte do desenho da operação. Não se trata de preservar tarefas desnecessárias nem de impedir a automação. Trata-se de construir oportunidades nas quais uma pessoa consiga compreender o problema, experimentar uma solução, receber retorno e assumir responsabilidade progressivamente.
O estudo é um sinal, não uma regra de contratação
O relatório combina registros internos, dados de uso de IA, avaliações de contratação e entrevistas. Os próprios autores reconhecem que características do laboratório não podem ser simplesmente reproduzidas no restante da economia. Também alertam que a escolha de adotar ferramentas não foi aleatória, o que limita interpretações causais sobre os resultados observados.
Para uma empresa que não desenvolve modelos, a leitura responsável não é concluir que vagas de entrada perderam a razão de existir. É investigar quais tarefas realmente mudaram no seu contexto. Um departamento pode automatizar a preparação de documentos e continuar precisando de pessoas para negociar requisitos, entender exceções e conversar com clientes.
Antes de alterar o quadro, vale escrever o que deixou de ser necessário, o que passou a ser exigido e como alguém aprenderá o novo trabalho. Se a resposta se limita a contratar pessoas mais experientes, a organização ainda não desenhou uma estratégia de formação. Apenas deslocou a necessidade para o recrutamento.
Expectativa de capacidade não é evidência de prontidão
Outro estudo divulgado pela Anthropic na mesma data compara expectativas de adultos nos Estados Unidos com as de seus funcionários. A pesquisa encontra diferenças sobre a velocidade futura de avanço e adoção da IA. São respostas sobre percepções e expectativas, não uma demonstração de que os cenários previstos ocorrerão. A amostra pública veio de um painel on-line; a consulta aos funcionários foi interna e não ponderada.
Essa distinção importa para a gestão. A expectativa de que uma ferramenta poderá executar determinada atividade não demonstra que o processo da empresa está pronto para delegá-la. Tampouco informa se o profissional encarregado da supervisão sabe reconhecer um erro relevante ou tem autoridade para interromper o fluxo.
Uma agenda de capacitação deveria partir do trabalho presente e de mudanças verificáveis. O planejamento pode considerar cenários futuros, mas a avaliação da equipe precisa observar o que ela consegue fazer hoje. Entusiasmo e receio são informações úteis para a conversa, não substitutos de uma demonstração prática de competência.
Redesenhar a aprendizagem, não apenas distribuir licenças
Considere um exemplo hipotético de uma equipe de marketing. Antes, um assistente preparava uma pesquisa, organizava referências e redigia uma primeira versão. Com IA, essas etapas podem ser reunidas em uma resposta pronta. Se o novo papel se resumir a aprovar o material, o profissional talvez não percorra o caminho necessário para perceber uma fonte frágil ou uma promessa inadequada.
Uma alternativa de formação seria pedir que ele explique o objetivo da peça, examine a origem das informações e compare escolhas de abordagem antes da publicação. Em alguns exercícios, pode elaborar uma parte sem assistência e depois confrontá-la com a sugestão do modelo. A finalidade não é competir em velocidade com a máquina. É tornar visível o raciocínio que sustenta a decisão.
A ferramenta pode participar desde o começo. O que precisa permanecer com o aprendiz é a obrigação de formular perguntas, apresentar evidências e justificar escolhas. O gestor deixa claro quais atividades servem à produção e quais servem à aprendizagem. Assim, uma entrega usada para treinar não é confundida com uma autorização para operar sem supervisão.
Criar uma progressão de responsabilidade observável
Uma proposta prática é organizar o desenvolvimento por responsabilidades, e não apenas por domínio de comandos. No início, a pessoa acompanha um caso e explica como o responsável decidiu. Depois, prepara sua própria proposta para revisão. Quando demonstra compreensão das condições e dos limites, pode conduzir casos semelhantes dentro de um escopo autorizado.
Cada passagem precisa de evidência. O profissional consegue identificar uma informação ausente? Distingue uma exceção de uma situação comum? Sabe quando pedir ajuda? Consegue explicar uma escolha sem apenas repetir a justificativa fornecida pela IA? Essas perguntas ajudam a transformar o julgamento, muitas vezes tratado como qualidade abstrata, em comportamentos que podem ser discutidos.
A progressão também deve admitir recuos. Uma nova ferramenta, um cliente diferente ou uma mudança de regra pode exigir supervisão renovada. Ter autonomia em um contexto não significa estar preparado para qualquer decisão. Deixar essa fronteira explícita protege o aprendiz contra a expectativa de que deveria saber tudo e dá ao gestor uma base mais justa para orientar.
A mentoria precisa caber no processo
Se a empresa quer formar pessoas, deve reservar atenção para isso. Não basta recomendar que os mais experientes ajudem quando sobrar tempo. A mentoria pode ter momentos definidos para discutir casos, examinar erros e comparar alternativas. O formato pode ser simples, desde que haja alguém responsável por oferecer retorno e acompanhar o que mudou depois dele.
Esse retorno deve ultrapassar a correção do texto final. Em uma proposta comercial hipotética, o mentor pode perguntar por que determinada condição foi incluída, que compromisso ela cria e quem precisa ser consultado. A conversa evidencia relações que uma resposta linguisticamente correta pode esconder. O aprendiz passa a enxergar a entrega como parte de uma decisão empresarial.
Também convém reconhecer esse trabalho na distribuição de responsabilidades dos profissionais experientes. Exigir produção, revisão de agentes e formação de colegas sem discutir prioridades cria uma contradição de gestão. A liderança deve decidir o que será entregue, o que poderá esperar e qual espaço será protegido para desenvolver a equipe.
Avaliar aprendizagem sem transformar o teste em teatro
Uma avaliação pode reproduzir um problema real em ambiente seguro, com informações fictícias ou autorizadas. O participante recebe um caso incompleto e deve organizar o que sabe, apontar o que falta e apresentar uma decisão provisória. A IA pode estar disponível, desde que as regras do exercício permitam observar como ela foi usada.
O avaliador pode alterar uma condição durante a discussão: uma fonte deixa de ser válida, um cliente muda o pedido ou aparece uma restrição. O objetivo é observar se a pessoa revisa sua conclusão e explica o efeito da mudança. Um resultado elegante preparado previamente não basta para demonstrar compreensão de um cenário que se transforma.
O registro da avaliação deve separar resultado, raciocínio e necessidade de apoio. Uma entrega pode estar correta por coincidência, assim como uma decisão cautelosa pode revelar maturidade ao reconhecer que faltam dados. A avaliação deve orientar o próximo exercício e a supervisão necessária, não apenas produzir um selo genérico de proficiência em IA.
Não confundir requalificação com transferência de risco
Há uma diferença entre oferecer desenvolvimento e anunciar que cada pessoa deve se reinventar sozinha. Se a organização mudou o processo, precisa esclarecer o novo papel, os recursos disponíveis e os critérios de acompanhamento. Um curso pode fazer parte dessa resposta, mas não substitui a oportunidade de praticar no trabalho com orientação.
A mesma atenção vale para quem ainda não entrou na empresa. Uma política de desenvolvimento restrita aos profissionais experientes não responde à pergunta sobre a porta de entrada. Estágios, projetos supervisionados e atividades de complexidade gradual são possibilidades a avaliar conforme a realidade do negócio. Não precisam imitar o trabalho anterior à IA, mas precisam oferecer aprendizagem concreta.
Para começar, a liderança pode escolher um fluxo que esteja sendo automatizado e mapear onde alguém aprendia antes. Em seguida, define quais experiências precisam ser redesenhadas, quem acompanhará o aprendiz e que evidências permitirão ampliar sua autonomia. Esse diagnóstico localizado é mais útil do que prometer uma transformação de competências sem conexão com a rotina.
Conclusão
Os estudos recentes justificam uma conversa cuidadosa sobre trabalho e formação, não uma decisão automática de copiar o desenho de um laboratório de IA. Para cada empresa, a questão prática é identificar o que será delegado e qual percurso permitirá às pessoas compreender, questionar e orientar esse trabalho.
Na minha visão, pedir mais julgamento sem oferecer condições para desenvolvê-lo é uma promessa incompleta de capacitação. Quero ver a IA ampliar a possibilidade de alguém aprender e contribuir, não apenas tornar menos visível o caminho de entrada. Isso exige que a liderança trate mentoria, prática e responsabilidade gradual como parte do investimento na tecnologia.
Uma empresa preparada para trabalhar com agentes não é somente aquela que consegue produzir com eles. É também aquela que sabe formar as pessoas que decidirão o que vale a pena produzir, em quais condições e para quem. Automatizar a execução não deveria significar abandonar a formação de quem vai responder pelo próximo capítulo do negócio.