A IA generativa está a mudar a natureza do trabalho antes mesmo de alterar os cargos profissionais. Ela entra nas organizações através de tarefas do dia-a-dia: escrever, programar, resumir, pesquisar, classificar, analisar e apoiar a tomada de decisões. Cada tarefa pode parecer insignificante isoladamente, mas, em conjunto, alteram o lugar que o valor humano ocupa no trabalho.
Este resumo defende que a desqualificação e a requalificação são frequentemente apresentadas como opostas, quando, na prática, surgem em simultâneo. A automatização pode eliminar o esforço repetitivo e simplificar a execução, ao mesmo tempo que aumenta o valor do discernimento, da adaptabilidade e da reformulação do trabalho. Com a Europa como foco principal, a questão central passa a ser: como podem as instituições e as organizações utilizar a automatização para simplificar o trabalho, ajudando simultaneamente os trabalhadores a desenvolver as competências e os conhecimentos necessários para avançarem para funções com menor exposição à automatização rotineira?
O artigo explora o que a GenAI simplifica, por que razão ferramentas mais fáceis exigem um julgamento mais sólido, como o modelo operacional das empresas tem de evoluir, por que razão a pressão para acompanhar as mudanças é, em si mesma, um desafio para a força de trabalho, por que razão a IA agênica irá intensificar a transição e como os empregadores, educadores e decisores políticos podem ajudar os trabalhadores a acompanhar a evolução do trabalho à medida que este muda.
Palavras-chave
#GenAI; #competências digitais; #transição da força de trabalho; #literacia em IA; #redesenho do trabalho
A GenAI está a alterar as tarefas antes de alterar os empregos
Por trás dessa mudança nos títulos profissionais reside uma realidade mais detalhada. Um em cada quatro empregos em todo o mundo está exposto a algum grau de transformação por parte da IA generativa (OIT e NASK, 2025). A palavra importante aqui é «transformação», não «eliminação». A GenAI já está a entrar no trabalho quotidiano através da escrita, programação, resumo, pesquisa, classificação e apoio à tomada de decisões. O que mais importa é como o próprio trabalho muda quando as tarefas rotineiras se tornam mais fáceis, mais rápidas ou parcialmente automatizadas.
Quando uma ferramenta absorve parte da tarefa, o valor do trabalhador desloca-se. É necessário menos esforço para produzir a primeira versão e mais para formular a questão, avaliar o resultado, compreender o contexto e assumir a responsabilidade pelo resultado. É aqui que começa o desafio das competências: os trabalhadores têm de acompanhar a evolução do trabalho à medida que este muda, enquanto as organizações, os sistemas educativos e os decisores políticos têm de tornar essa transição possível.
É por isso que o debate entre a desqualificação e a requalificação, embora frequentemente enquadrado como uma escolha, é um falso dilema. Na prática, ambos ocorrem em simultâneo. A automatização simplifica algumas tarefas, ao mesmo tempo que aumenta o valor do discernimento, da adaptabilidade e da reformulação do trabalho. A questão que vale a pena colocar, então, é como tornar essa simplificação útil sem deixar ninguém para trás.
Para a Europa, isto é mais importante do que possa parecer à primeira vista. O Eurostat indicou que 60 % dos cidadãos da UE com idades compreendidas entre os 16 e os 74 anos possuíam, pelo menos, competências digitais básicas em 2025 (Eurostat, 2026a), face a uma meta da «Década Digital» de 80 % até 2030. Esse número global esconde disparidades mais acentuadas: apenas 33% das pessoas com idades compreendidas entre os 65 e os 74 anos possuíam, pelo menos, competências digitais básicas em 2025, e o fosso entre as pessoas com níveis de escolaridade formal mais elevados e mais baixos continua a ser acentuado (Eurostat, 2026a). Da mesma forma, de acordo com o relatório de 2026 da Comissão Europeia sobre o «Estado da Década Digital», o ritmo atual de qualificação e requalificação parece ser insuficiente para atingir as metas de 2030 da «Década Digital» da UE, tanto em termos de competências digitais básicas como do número de especialistas no setor das Tecnologias da Informação e da Comunicação (TIC). Em 2025, a UE encontrava-se pouco mais de a meio do caminho para atingir a meta de 20 milhões de especialistas em TIC no mercado de trabalho, contando com 10,5 milhões de especialistas; enquanto se prevê que as competências digitais básicas atinjam 68 % até 2030 e 80 % até 2036 (Comissão Europeia, 2026).
A Europa está, portanto, a entrar na transição para a GenAI enquanto ainda constrói os alicerces da transição digital anterior. Essa lacuna não é uma questão secundária. Ela determina quem beneficia, quem se adapta e quem fica estagnado.
O que é que a GenAI simplifica, na realidade?
Para compreender onde a transição tem impacto, é útil analisar o que a GenAI pode e não pode fazer. É especialmente poderosa em tarefas que seguem padrões: lidar com a linguagem, estruturar informação, criar primeiros rascunhos, gerar código, analisar texto e produzir resumos. Essa natureza sensível aos padrões explica tanto onde a GenAI acrescenta valor como, igualmente importante, onde atinge os seus limites.
O índice global ILO-NASK 2025 conclui que se espera que a maioria dos empregos afetados pela GenAI seja transformada, em vez de ser totalmente eliminada, porque a intervenção humana continua a ser necessária. Por outras palavras, trata-se de uma transição ao nível das tarefas: algumas partes dos empregos tornam-se automatizadas ou assistidas, enquanto outras permanecem profundamente humanas. Essa distinção é extremamente importante para a forma como encaramos a formação, a conceção de funções e a preparação da força de trabalho.
Aponta também para algo que é frequentemente mal compreendido. Quando uma tarefa num processo pode ser automatizada, isso não significa que a pessoa que a executa possa ser substituída. Das cem tarefas que uma pessoa realiza numa determinada função, poucas poderão vir a ser automatizadas. Isso cria espaço: espaço para assumir uma nova responsabilidade que gere valor para a empresa, ou espaço para se concentrar mais profundamente numa tarefa existente e elevar a sua qualidade. É precisamente aqui que a formação se torna estratégica, em vez de defensiva. A questão passa de «esta pessoa ainda será necessária?» para «o que é que esta pessoa pode agora fazer melhor, ou fazer a seguir?» Uma forma útil de compreender essa mudança é através da história das linguagens de programação. COBOL, Pascal, Perl, Java, Python e JavaScript afastaram progressivamente a criação de software da sintaxe ao nível da máquina e aproximaram-na do raciocínio humano. Cada geração tornou a programação mais acessível, deslocando o valor das instruções mecânicas para o design, a estrutura e a resolução de problemas.
Chega agora a «vibe coding»: a linguagem natural como interface para a criação de software. Se as linguagens de alto nível tornaram o código mais fácil de escrever, este próximo passo torna a própria linguagem cada vez mais opcional. Qualquer pessoa pode agora, através de prompts, chegar a um código funcional. Mas isso não significa que qualquer pessoa consiga produzir software bem estruturado, seguro e sustentável através da «vibe coding». O resultado final tem de continuar a cumprir as normas. Tem de continuar a ser rápido, seguro, escalável e com uma arquitetura correta. Compreender esses pontos-chave, saber o que é um bom código e ser capaz de definir os limites: esse conhecimento não desaparece com a barreira da linguagem. Torna-se ainda mais crítico, porque a barreira à geração de código diminuiu, enquanto as consequências de se cometer erros não diminuíram. Como resultado, o valor do programador muda novamente: afasta-se cada vez mais da escrita de sintaxe e aproxima-se cada vez mais da definição da estrutura, da definição de normas e da assunção de responsabilidade pelo que o código realmente faz.
Esta mudança levanta três questões que as organizações e instituições ainda não responderam de forma clara. Em primeiro lugar, como será o papel de um programador júnior no futuro? É bem possível que evolua, afastando-se da escrita de código padrão e orientando-se para a definição de estruturas, diretrizes e limites, identificando os pontos de contacto que um sistema deve abranger e validando os resultados gerados pela IA em relação a esses padrões. Em segundo lugar, como poderão as organizações repensar a sua abordagem de formação para garantir que os programadores juniores estejam genuinamente dotados destas novas competências, em vez de serem deixados à sua sorte para as descobrirem por tentativa e erro? Em terceiro lugar, como irão as universidades, as escolas de engenharia e os centros de formação adaptar os seus programas curriculares para refletir esta mudança? Ensinar os alunos a escrever sintaxe de forma isolada está a tornar-se menos relevante. Ensinar-lhes a pensar em arquitetura, segurança, desempenho e responsabilização está a tornar-se essencial. A mesma lógica aplica-se a todas as funções empresariais. Na área financeira, a automatização pode apoiar a reconciliação, a elaboração de relatórios e a deteção de anomalias, libertando os profissionais para a interpretação, o pensamento em cenários e o apoio à tomada de decisões. Nos RH, a GenAI pode ajudar a preparar descrições de funções, rascunhos de políticas e conteúdos de formação, enquanto o discernimento continua a ser essencial para a cultura, a equidade e as decisões sensíveis relativas aos colaboradores. No atendimento ao cliente, as consultas simples podem ser automatizadas, enquanto os casos complexos continuam a exigir empatia, escalonamento e resolução de problemas.
Por que razão ferramentas mais fáceis exigem um discernimento mais forte
Uma suposição comum é que ferramentas mais fáceis reduzem a necessidade de aprendizagem. A IA Geracional aponta para um quadro mais exigente. Quando as ferramentas se tornam mais fáceis de aceder, mais pessoas utilizam-nas. À medida que a utilização se generaliza, mais pessoas precisam das competências para as utilizar bem. A simplicidade à primeira vista não significa simplicidade na prática.
O inquérito do Cedefop de 2024 sobre competências em IA, publicado em 2025, mapeia a utilização da IA na Europa e o seu impacto nos empregos e nas competências. As suas conclusões revelam que a IA já está a remodelar as necessidades de competências no local de trabalho, enquanto os modelos de formação e as estruturas de apoio ainda estão a tentar acompanhar essa evolução (Cedefop, 2025). Entretanto, muitos trabalhadores estão a aprender através da experimentação no seu trabalho quotidiano. Isso promove uma adoção rápida, mas também gera qualidade desigual, responsabilidades pouco claras e práticas inconsistentes entre equipas e organizações.
A literacia em IA está, portanto, a tornar-se uma competência básica no local de trabalho, e vai muito além de saber qual a ferramenta a utilizar. Os trabalhadores precisam de compreender o que os sistemas de IA podem fazer, em que casos produzem resultados fracos ou tendenciosos, como os dados e os prompts influenciam os resultados e quando a revisão humana se torna essencial. Igualmente importante é o discernimento no domínio específico, porque os resultados da IA só ganham valor quando estão ligados ao contexto empresarial, jurídico, operacional ou humano de uma decisão.
A Lei da IA da UE reforça esta orientação (União Europeia, 2024). O artigo 4.º exige que os fornecedores e os responsáveis pela implementação de sistemas de IA tomem medidas, na medida do possível, para garantir um nível suficiente de literacia em IA entre o pessoal e outras pessoas que lidam com sistemas de IA em seu nome (Comissão Europeia, 2025a). Isto cria uma ponte prática entre a regulamentação e o reforço de capacidades. Para os empregadores, a literacia em IA passa a fazer parte da implementação responsável, não sendo um complemento opcional. Para os trabalhadores, a empregabilidade depende cada vez mais da capacidade de combinar a fluência no uso das ferramentas com o pensamento crítico e a responsabilidade profissional. A importância da literacia em IA é reconhecida pelo DigComp 3.0, o principal quadro de competências digitais da UE, onde a literacia em IA não é definida como uma área de competência separada, mas sim integrada de forma transversal em todo o quadro (Cosgrove e Cachia, 2025).
As competências cujo valor está a aumentar dividem-se em cinco categorias.
Em primeiro lugar, a confiança digital: a capacidade de utilizar ferramentas, dados e plataformas com facilidade. Em segundo lugar, a literacia em IA: a capacidade de compreender os resultados, as limitações e os riscos da IA. Em terceiro lugar, a especialização na área: a capacidade de avaliar se um resultado se adequa ao problema. Em quarto lugar, as competências humanas e organizacionais: comunicação, colaboração, empatia e a flexibilidade para alterar o rumo. Em quinto lugar, a responsabilização: a capacidade de explicar, validar e assumir a responsabilidade pelas decisões, apoiadas pela automatização.
Em conjunto, estas competências demonstram por que razão a simplificação e o reforço de capacidades têm de avançar em paralelo. Mesmo que a automatização facilite uma tarefa, o trabalhador continua a precisar de compreender o objetivo, o risco e as consequências. O valor desloca-se da execução da rotina para a capacidade de utilizar, questionar e melhorar o resultado automatizado.
Quando as tarefas mudam, o modelo operacional da empresa tem de acompanhar essa evolução
A GenAI altera as tarefas individuais, mas também altera a forma como o trabalho é organizado em torno dessas tarefas. Assim que uma ferramenta consegue esboçar, resumir, classificar, pesquisar, comparar ou recomendar, a questão passa rapidamente de «esta tarefa pode ser automatizada?» para «como deve o trabalho ser redesenhado agora?»
Essa mudança é importante porque as competências não existem isoladamente. Elas inserem-se num modelo operacional de negócio, moldado por processos, funções, poderes de decisão, governação, indicadores de desempenho e rotinas de aprendizagem. Um trabalhador pode aprender a utilizar uma ferramenta de GenAI, mas o valor só surge quando o processo circundante também muda: quem revê o resultado, quem é responsável pela decisão, onde é necessário o julgamento humano, como é verificada a qualidade e como as exceções são escaladas.
Uma abordagem mais adequada começa pelo próprio trabalho. As organizações precisam de identificar quais as tarefas que se estão a tornar mais fáceis, quais as que apresentam maior risco, quais as funções que estão a sofrer alterações e quais as competências de que os trabalhadores irão necessitar no futuro. A Organização para a Cooperação e Desenvolvimento Económico (OCDE) salientou que a adoção da IA está a criar divisões emergentes entre empresas, setores e países que adaptaram os seus modelos operacionais e aqueles que não o fizeram (OCDE, 2025). Fundamentalmente, essa divisão não se prende principalmente com o acesso à tecnologia. Trata-se da preparação do modelo operacional.
Na área financeira, a IA Geracional (GenAI) pode ajudar a preparar rascunhos de relatórios, detetar anomalias e resumir a evolução do desempenho. À medida que isto acontece, a função financeira orienta-se para a interpretação, a análise de cenários, o aconselhamento empresarial e o apoio à tomada de decisões. No atendimento ao cliente, a IA Geracional pode tratar de respostas padrão, classificar pedidos e sugerir respostas. O papel humano passa a centrar-se em casos complexos, no julgamento emocional, na escalada de problemas e na recuperação do serviço. Nos RH, a GenAI pode apoiar a elaboração de descrições de funções, rascunhos de políticas e a preparação de entrevistas. O valor humano reside na equidade, na cultura, na confiança, nas conversas delicadas e no impacto organizacional.
Em todos estes exemplos, verifica-se o mesmo padrão. Quando a execução de tarefas rotineiras se torna mais fácil, os colaboradores precisam de maior capacidade de julgamento, consciência do contexto, compreensão dos processos e responsabilização. A requalificação profissional funciona melhor quando está diretamente ligada à mudança do modelo operacional.
A pressão de que ninguém fala: acompanhar o ritmo é exaustivo
Uma dimensão desta transição raramente aparece nos documentos de política, mas os trabalhadores sentem-na todos os dias. O ritmo da mudança da IA (Gén.) é, para muitas pessoas, verdadeiramente avassalador.
Todas as semanas surgem novos lançamentos de modelos, novas funcionalidades, novas afirmações sobre o que agora é possível ou o que está agora em risco. Pede-se aos trabalhadores que aprendam novas ferramentas, acompanhem atualizações constantes dos produtos, compreendam os riscos em constante mudança, protejam a sua empregabilidade e continuem a realizar o seu trabalho habitual, tudo ao mesmo tempo. Trata-se de uma carga cognitiva significativa para suportar a par de um trabalho normal, e essa carga não se distribui uniformemente. As pessoas com maior confiança digital conseguem filtrar o ruído. Aqueles que já estão sobrecarregados com o trabalho de rotina têm muito mais probabilidades de ficar para trás, simplesmente devido ao peso de tudo isto.
O trabalho da OCDE sobre as disparidades emergentes na transição para a IA confirma que as disparidades de preparação estão a aumentar entre os trabalhadores com níveis de escolaridade mais elevados e mais baixos, entre grandes empresas e Pequenas e Médias Empresas (PME), e entre regiões com infraestruturas digitais mais fortes e mais fracas (OCDE, 2025). A pressão para acompanhar a evolução, nessa perspetiva, não é um fracasso pessoal. É um desafio estrutural que se manifesta em grande escala.
Existe também um problema mais subtil: a distração. Quando todas as semanas surge uma nova versão de IA, os trabalhadores podem ter dificuldade em identificar o que merece a sua atenção. Alguns correm atrás de todas as novas ferramentas. Outros desligam-se e afastam-se completamente. Nenhuma destas respostas desenvolve capacidades duradouras. O que os trabalhadores precisam, acima de tudo, é de clareza sobre quais as competências que importam, quais as ferramentas relevantes para o seu trabalho e quais as mudanças que vale a pena assimilar, em oposição ao que é simplesmente ruído.
Essa clareza é uma responsabilidade da liderança. Sem ela, o ritmo da mudança na IA gera ansiedade em vez de competências, e o stress de acompanhar as novidades torna-se um entrave silencioso ao desempenho, ao moral e à retenção de pessoal. Reconhecer isto como uma questão estrutural, e não pessoal, é o primeiro passo para a resolver adequadamente.
Da IA Gerativa à IA Agente: a transição irá intensificar-se
Embora este resumo se centre na GenAI, a mesma transição irá intensificar-se à medida que os sistemas de IA se tornarem mais «agentes». Enquanto a GenAI altera principalmente a forma como os trabalhadores geram, interpretam e aperfeiçoam os resultados, a IA «agente» vai mais longe, apoiando, coordenando ou executando fluxos de trabalho com um certo grau de autonomia.
A OCDE descreve os agentes de IA como sistemas que percebem e agem em função do seu ambiente, utilizando ferramentas para atingir objetivos e adaptar-se a entradas e contextos em mudança (OCDE, 2026). Esta não é uma perspetiva distante. As organizações já estão a começar a tratar os agentes de IA como parte da sua capacidade disponível. Algumas estão a explorar o que significa atribuir agentes a tarefas ou fluxos de trabalho específicos, da mesma forma que mobilizariam um prestador de serviços ou uma equipa. A terminologia ainda está em desenvolvimento, mas a direção é visível.
Isto é relevante para as competências e os empregos, porque o foco passa da utilização de uma ferramenta para a supervisão de um sistema de ação. Quando a IA sugere um texto, um ser humano revê o resultado. Quando a IA executa um fluxo de trabalho, no entanto, um ser humano precisa de definir os limites, monitorizar o processo, validar exceções e compreender onde recai a responsabilidade. Os requisitos de competências evoluem em conformidade: da utilização imediata para a supervisão, compreensão do processo, definição de escalonamento e responsabilização.
Surgirão novas responsabilidades em torno da orquestração de agentes, da supervisão do fluxo de trabalho, do controlo de qualidade e da governação. As organizações precisarão de pessoas capazes de definir os limites dentro dos quais os agentes operam, monitorizar o que os agentes fazem e assumir a responsabilidade quando algo corre mal. É importante referir que estas não são funções técnicas no sentido estrito. Exigem discernimento, contexto e responsabilização, tanto quanto exigem familiaridade técnica.
Para a Europa, esta dimensão voltada para o futuro é importante porque as instituições costumam avançar mais lentamente do que a tecnologia. Os sistemas educativos, os prestadores de formação, os acordos laborais e as práticas regulatórias precisam todos de tempo para se adaptarem. O desafio prático consiste em construir modelos de competências que funcionem para as ferramentas de IA (geral) atuais, ao mesmo tempo que se prepara para sistemas mais autónomos. O aspeto encorajador é que o conjunto de competências essenciais permanece consistente: literacia em IA, discernimento, compreensão do domínio, consciência dos processos, comunicação e responsabilidade. Não se trata de competências descartáveis que caducam com cada lançamento de um novo modelo. São os alicerces de um valor profissional duradouro.
Como os trabalhadores podem evoluir para funções mais resilientes
O tema da transição mantém-se frequentemente abstrato. Na prática, os trabalhadores avançam melhor por percursos adjacentes. É raro uma pessoa saltar de uma profissão para outra completamente diferente. Na maioria das vezes, avançam aproveitando a experiência existente e incorporando novas capacidades que se adequam às necessidades emergentes.
Um mapa prático de transição poderia ser assim:
Estes percursos exigem formação, mas também visibilidade: as pessoas precisam de ver para onde podem ir antes que a pressão as obrigue a mudar. Os programas genéricos de melhoria de competências permanecem, com demasiada frequência, isolados do próprio trabalho. O que ajuda é uma aprendizagem que se relacione diretamente com a função, as tarefas e o próximo passo possível de um trabalhador.
As funções mais resilientes combinarão três elementos: contexto humano, conhecimento da área e utilização responsável da tecnologia. As profissões que exigem confiança, cuidado, presença física, negociação, julgamento complexo, inteligência social ou responsabilização estão menos expostas à automatização total. No entanto, muitas funções podem tornar-se mais resilientes alterando o seu conjunto de tarefas. O objetivo é ajudar os trabalhadores a passar da execução de tarefas rotineiras para uma contribuição que exija um elevado grau de discernimento, antes que a automatização elimine a rotina e não lhes deixe nada em que se apoiar.
Esta abordagem é igualmente importante para a inclusão. Os dados do Eurostat revelam grandes diferenças nas competências digitais básicas em função da idade, do nível de escolaridade e dos Estados-Membros (Eurostat, 2026a). As pessoas com um nível de educação formal mais elevado possuem competências digitais significativamente mais sólidas do que aquelas com um nível de educação formal mais baixo. Se não for abordada, a adoção da IA fluirá naturalmente para aqueles que já se encontram em melhor posição para a utilizar. É, portanto, necessário um esforço deliberado para alargar o apoio à transição aos trabalhadores a meio de carreira, aos trabalhadores mais velhos, aos trabalhadores menos qualificados e aos trabalhadores das PME.
O que é necessário fazer: empregadores, formadores e decisores políticos
A Europa já dispõe de bases políticas sólidas. A «Década Digital» define a ambição em matéria de competências digitais. A «União das Competências» enquadra o desenvolvimento de capacidades como uma prioridade de competitividade e promove a melhoria das competências, a requalificação e uma melhor utilização do talento em toda a UE (Comissão Europeia, 2025b). A Lei da IA introduz a literacia em IA como uma responsabilidade das organizações que implementam sistemas de IA. Em conjunto, estes sinais apontam na direção certa. A lacuna, no entanto, não reside na ambição. Reside na execução nos locais de trabalho e nos sistemas de aprendizagem.
Os empregadores têm de tratar a adoção da IA (gerativa) como um programa de transição da força de trabalho, e não como uma implementação tecnológica. Na prática, isso significa mapear tarefas, definir novas responsabilidades, identificar funções adjacentes e dar tempo aos trabalhadores para praticarem. A formação deve estar ligada a casos de utilização aplicados e ser apoiada pelos gestores, porque as pessoas aprendem mais depressa quando podem aplicar novas competências no fluxo de trabalho, com feedback e com uma razão clara para mudar. Da mesma forma, significa ser honesto sobre onde as funções estão a mudar e proporcionar clareza, não apenas acesso a ferramentas.
Os formadores e os prestadores de formação precisam de atualizar os programas em torno da literacia aplicada em IA, da confiança nos dados e da resolução de problemas. A responsabilidade mais profunda, no entanto, é a longo prazo. Os estudantes que entram no mercado de trabalho irão encontrar a IA já incorporada em muitas ferramentas e fluxos de trabalho. Precisam de mais do que familiaridade com as ferramentas. Precisam de hábitos de aprendizagem, pensamento crítico, confiança digital, consciência ética e a capacidade de se continuarem a adaptar à medida que os sistemas evoluem. O objetivo é preparar as pessoas para uma transição contínua, não para um conjunto fixo de ferramentas.
Os decisores políticos devem concentrar o apoio onde a capacidade de transição é mais fraca. As PME precisam de orientação prática, recursos partilhados e acesso a formação que não pressuponha um grande departamento de recursos humanos nem um orçamento dedicado à formação. Os trabalhadores em funções com forte componente de rotina precisam de percursos claros antes que a pressão aumente. As regiões e os setores com uma adoção digital mais lenta necessitam de apoio específico, para que a transição para a IA reforce a competitividade europeia em toda a economia, e não apenas nas suas partes mais fortes. O financiamento público, o diálogo social, a educação profissional e os sistemas de aprendizagem ao longo da vida podem todos desempenhar um papel na transformação da adoção da IA em progressão da força de trabalho.
Os dados do Eurostat mostram que a utilização da IA atingiu 55 % entre as grandes empresas da UE em 2025, mas apenas 17 % entre as pequenas empresas (Eurostat, 2026b). Essa disparidade não reflete apenas diferenças no acesso à tecnologia. Reflete diferenças na capacidade de aconselhamento, na capacidade de formação, na capacidade de governação e na capacidade de gestão. Colmatar essa lacuna é, por conseguinte, uma prioridade política com consequências diretas para a competitividade europeia.
Conclusão: simplificar tarefas, fortalecer as pessoas
A desqualificação e a requalificação fazem parte da mesma discussão, porque ocorrem em simultâneo. A automatização simplifica as tarefas, reduz o atrito e facilita o trabalho, ao mesmo tempo que valoriza o discernimento, a adaptabilidade e a reestruturação do trabalho. A IA geral acelera esta transição e alarga-a, porque abrange muitas tarefas de conhecimento ao mesmo tempo.
O desafio reside na transição: ajudar os trabalhadores a avançar para funções em que os pontos fortes humanos sejam relevantes, enquanto os empregadores, os formadores e os decisores políticos colmatam as lacunas de preparação antes que se tornem permanentes.
Existe também uma dimensão humana que nenhum quadro político capta na íntegra. Muitos trabalhadores estão a lidar com esta mudança enquanto já se encontram sobrecarregados, inseguros e a ver as ferramentas à sua volta a mudar mais depressa do que conseguem acompanhar. Essa experiência merece reconhecimento, e não apenas medidas de ativação. A transição funciona melhor quando é estruturada, quando as expectativas são claras e quando as pessoas têm um caminho credível a seguir, em vez de uma pressão constante e difusa para acompanhar o ritmo.
A Europa pode encarar a GenAI como mais uma onda de disrupção a gerir, ou pode utilizá-la como uma oportunidade para construir um modelo de competências mais forte e mais equitativo. O melhor caminho é claro: simplificar o trabalho onde a automatização cria valor, reforçar as pessoas onde o julgamento humano cria confiança e construir percursos de transição antes que a pressão os torne urgentes. É assim que a desqualificação se torna uma simplificação produtiva e a requalificação se torna um caminho prático para a próxima fase do trabalho.
Consulte o artigo na íntegra, juntamente com as suas referências, através deste link.
Sobre o autor
Joseph Antoun trabalha nas áreas de dados, IA, estratégia digital e mudança organizacional. Ajuda os líderes a compreender o que a tecnologia significa na prática: como afeta as decisões, os modelos operacionais, as competências e a forma como as pessoas trabalham. A sua perspetiva é moldada por conversas regulares com líderes seniores das áreas da tecnologia e dos negócios, bem como pela experiência prática na tradução de mudanças digitais complexas em escolhas organizacionais claras.
Acredita que a adoção da IA deve ser abordada com ambição e responsabilidade. O valor da tecnologia não advém da utilização de novas ferramentas, mas sim de saber onde estas ajudam, onde criam riscos e do que as pessoas precisam para trabalhar bem com elas. O seu trabalho centra-se nessa transição: ajudar as organizações a desenvolver o discernimento, a confiança e as estruturas necessárias para transformar a mudança digital numa capacidade duradoura. Para mais informações, contacte Joseph Antoun no LinkedIn.
Sobre a organização
A Knowledge Sphere é uma empresa de consultoria e desenvolvimento de capacidades focada em dados, IA, transformação digital e o futuro do trabalho. Ajuda as organizações a associar a adoção de tecnologia ao valor empresarial, à mudança do modelo operacional e à preparação da força de trabalho, através de consultoria, formação e iniciativas relacionadas com o talento. O seu trabalho centra-se em ajudar pessoas e organizações a adaptarem-se com confiança à medida que as tecnologias digitais remodelam o trabalho, as funções e a tomada de decisões. Mais informações estão disponíveis no site da Knowledge Sphere.