Inteligência artificial e carreira: o mercado precisa de menos espectadores e mais solucionadores

Estamos cercados por conteúdo sobre inteligência artificial.

Isso não significa que estamos cercados por pessoas capazes de gerar valor com IA.

Na palestra que ministrei na Unitins, em Palmas, fiz uma provocação aos estudantes: existe uma distância enorme entre conversar com uma ferramenta e resolver um problema real com ela.

Essa distância representa uma das maiores oportunidades profissionais do nosso tempo.

Há dez anos trabalho com projetos de inteligência artificial. Nesse período, acompanhei a tecnologia sair dos bastidores de sistemas de recomendação, mapas e comércio eletrônico para ocupar o centro das decisões de empresas, governos e profissionais.

O ChatGPT acelerou essa mudança. Mas o campo de texto simples criou uma ilusão perigosa: a de que saber pedir uma resposta já significa dominar IA.

Não significa.

Domínio aparece quando a pessoa entende o problema, seleciona o contexto correto, desenha um processo, usa as ferramentas adequadas e consegue avaliar o resultado.

IA e mercado de trabalho: a discussão vai além da substituição

Empresas sentem que precisam adotar IA imediatamente. Profissionais temem perder espaço. Os dois lados correm, muitas vezes, sem saber exatamente para onde.

Os slides da palestra citam uma projeção do Fórum Econômico Mundial: 85 milhões de empregos poderiam ser deslocados pela transformação tecnológica, enquanto 97 milhões de novas funções poderiam surgir.

Projeção sobre empregos impactados pela inteligência artificial

Projeção sobre novas funções criadas com inteligência artificial

O ponto mais importante não está no saldo positivo entre os dois números.

Os empregos que desaparecem e as oportunidades que surgem exigem competências diferentes.

Conhecer uma ferramenta ajuda. Saber aplicar IA a uma atividade que gera receita, reduz custo, economiza tempo ou controla risco cria valor profissional.

Por isso, a pergunta mais útil para a carreira deixou de ser “a IA vai substituir meu trabalho?”.

A pergunta que abre oportunidades é: qual parte relevante do meu trabalho eu consigo melhorar com IA sem perder qualidade, segurança e controle?

Autoridade em IA nasce da aplicação

Na Defensoria Pública do Estado do Tocantins, participei da construção do DefGPT, uma plataforma com fluxos e agentes especializados em atividades da instituição.

Em um dos casos apresentados, a análise de 35 mil processos levaria cerca de 2,1 anos pelo fluxo manual. Com o DefGPT, o trabalho foi concluído em aproximadamente 11,7 dias.

Comparação entre análise manual e análise com o DefGPT

O projeto ajudou a identificar cerca de R$ 4,6 milhões e operou, naquele ciclo, sem gasto adicional com o modelo utilizado.

Impacto financeiro identificado com o DefGPT

Custo adicional do caso apresentado do DefGPT

O trabalho também recebeu reconhecimento em premiações ligadas à inovação e à eficiência no sistema de Justiça.

Reconhecimentos recebidos pelo projeto DefGPT

Esses números chamam atenção, mas a principal lição está no desenho da solução.

O valor não veio de abrir um chatbot e fazer uma pergunta genérica. Veio de compreender a rotina jurídica, organizar dados, dividir responsabilidades entre agentes e validar a saída.

Outro exemplo veio do setor privado. No projeto Sobra na Obra, usamos IA para permitir que uma pessoa fotografasse um material pelo WhatsApp e iniciasse o cadastro do item na plataforma. A tecnologia reduziu a barreira para usuários que teriam dificuldade em preencher um formulário tradicional.

Aplicação de IA no projeto Sobra na Obra

Nos dois casos, a tecnologia entrou onde havia um problema concreto.

A melhor aplicação de IA raramente começa pela ferramenta. Ela começa pela fricção que precisa desaparecer.

Prompt é importante. Contexto é decisivo

Um prompt é a instrução dada ao modelo. Um bom prompt deixa claro o objetivo, as restrições, o formato esperado e os critérios de qualidade.

Mas a resposta também depende do contexto: histórico da conversa, documentos, regras, exemplos, dados recuperados e instruções do sistema.

Modelos de linguagem são muito poderosos e, ao mesmo tempo, sensíveis à qualidade desse material.

Modelos de linguagem são poderosos e frágeis

Mais contexto nem sempre produz uma resposta melhor.

Quando enviamos informação demais, misturamos assuntos ou mantemos conversas longas sem organização, o modelo pode se distrair com conteúdo irrelevante. Em tarefas sérias, selecionar o contexto certo costuma ser mais eficaz do que despejar todos os arquivos disponíveis.

Na prática, isso exige quatro cuidados:

1. Definir com precisão o resultado esperado.
2. Fornecer apenas as informações necessárias para aquela etapa.
3. Dividir problemas grandes em partes menores quando possível.
4. Criar uma forma objetiva de verificar a resposta.

Esse último ponto separa demonstrações impressionantes de sistemas confiáveis.

De modelo de IA a agente de IA

Um modelo responde com base no que recebeu e aprendeu. Um agente acrescenta ferramentas, acesso a sistemas, memória operacional e etapas de execução.

Diferença entre modelo de IA e agente de IA

Ao receber as permissões adequadas, um agente pode consultar uma base, analisar documentos, produzir um relatório, registrar uma informação ou acionar outro serviço. Ele também pode executar partes independentes de um trabalho em paralelo e reunir os resultados depois.

É aqui que a IA começa a sair da conversa e entrar no processo.

Muitas organizações ainda pensam em “colocar um chat” dentro de um sistema. Há casos em que isso ajuda, mas a oportunidade maior costuma estar nos bastidores: reduzir uma etapa manual, preparar uma análise, classificar uma demanda ou entregar ao profissional uma decisão mais bem fundamentada.

O ganho real acontece quando a IA participa do fluxo de trabalho sem esconder do responsável humano os critérios, os riscos e a necessidade de revisão.

Vibe coding democratiza a criação e aumenta a responsabilidade

A IA tornou a programação mais acessível. Hoje, pessoas sem formação técnica conseguem montar páginas, automações e protótipos em poucas horas.

Esse é o lado bom.

O lado bom da programação com IA

A mesma facilidade permite criar sistemas inseguros, ineficientes ou impossíveis de manter.

Esse é o lado ruim.

O lado ruim da programação com IA

Durante a palestra, contei o caso de um sistema visualmente bem construído por uma pessoa sem experiência técnica. Uma auditoria encontrou falhas críticas, incluindo acesso indevido a arquivos e credenciais expostas no código.

A interface parecia pronta. O produto ainda não estava pronto para o mundo real.

Quem domina fundamentos continua tendo uma vantagem enorme. Lógica de programação, versionamento, APIs, banco de dados, testes, depuração, implantação e segurança permitem identificar quando a IA acertou, quando errou e o que precisa mudar.

Testes merecem atenção especial. A IA consegue produzir código rapidamente, mas não conhece sozinha a definição de “correto” para cada negócio. Critérios verificáveis e testes automatizados criam o limite que orienta a execução.

Os cinco níveis de maturidade no uso de inteligência artificial

Uma imagem da apresentação resume bem a evolução profissional com IA:

Níveis de maturidade no uso de inteligência artificial

1. Consumir conteúdo sobre IA

A pessoa acompanha notícias, vídeos e lançamentos. Aprende vocabulário, mas ainda não altera a forma como trabalha.

2. Usar IA no dia a dia

Ela cria textos, resume documentos, organiza ideias e acelera tarefas individuais.

3. Criar processos com IA

A IA passa a atuar em uma sequência repetível, com entradas, regras, etapas e revisão definidas.

4. Resolver problemas reais com IA

O trabalho reduz tempo, custo ou risco para alguém. O resultado pode ser medido.

5. Pensar estrategicamente com IA

A pessoa identifica onde a tecnologia gera retorno, onde exige controle humano e onde não deveria ser usada.

Boa parte do mercado ainda circula nos dois primeiros níveis. A construção de autoridade começa quando mostramos capacidade consistente nos três últimos.

Um caminho prático para construir carreira com IA

Para estudantes e profissionais de tecnologia, minha recomendação é combinar experimentação rápida com fundamentos sólidos.

Fundamentos para construir produtos de tecnologia com IA

Escolha um problema pequeno e real. Entenda como ele funciona hoje. Crie uma primeira solução com IA. Defina uma métrica simples. Teste, revise e documente o que aprendeu.

Depois, transforme esse aprendizado em prova pública de competência:

• descreva o problema sem expor dados sensíveis;
• explique por que escolheu aquela abordagem;
• mostre o processo, não apenas a tela final;
• apresente o resultado com uma métrica;
• registre as limitações e os próximos passos.

Esse tipo de projeto vale mais para a carreira do que uma lista extensa de ferramentas no perfil.

Ferramentas mudam. Modelos melhoram. Preços e interfaces se alteram.

A capacidade de compreender um problema, construir uma solução e responder pelo resultado permanece.

Domínio da inteligência artificial e futuro da carreira

A inteligência artificial já está mudando o trabalho. A melhor resposta não é correr atrás de toda novidade. É desenvolver repertório para usar a tecnologia com intenção, método e responsabilidade.

Foi essa a principal mensagem que compartilhei com os estudantes da Unitins, em Palmas.

Agora deixo a pergunta para você:

Em qual nível você está hoje: consumindo conteúdo, usando IA no dia a dia, criando processos, resolvendo problemas reais ou pensando estrategicamente com ela?

E qual problema concreto você pretende resolver nos próximos 30 dias?