Durante grande parte do século passado, o profissionalismo era considerado um ativo valioso. As pessoas obtinham educação que atestava suas qualificações e permitiam que a experiência se acumulasse por décadas. Por exemplo, um engenheiro mecânico em 1985 era em grande parte o mesmo especialista em 1995. Toda a estrutura de carreira baseava-se em uma suposição silenciosa: que a experiência acumulada e assimilada manteria seu valor por tempo suficiente para justificar sua aquisição.
A inteligência artificial está destruindo exatamente essa suposição, e, na opinião do autor, não somos honestos sobre o que isso significa, pois a versão verdadeira é inconveniente. O ponto de vista aceito é que a validade das habilidades diminuiu, e as coisas simplesmente ficam obsoletas mais rapidamente. Isso é verdade, mas subestima o que está acontecendo. As ondas anteriores de automação eliminavam o trabalho manual e rotineiro — tarefas que nos era fácil delegar.
No entanto, a onda atual é fundamentalmente diferente. Ela visa as habilidades 'especializadas' assimiláveis: análise, desenho técnico, diagnóstico, modelagem, raciocínio estruturado. Ou seja, aquilo que serve para certificar a qualificação. Quando você recebe um diploma, você confirma que assimilou um conjunto de conhecimentos transmissíveis. Esta categoria agora é a mais automatizável, pois o modelo pode assimilar instantaneamente o mesmo volume de conhecimento quase sem custos adicionais e nunca esquecerá uma palavra dele.
Portanto, não se trata de que as habilidades degradam um pouco mais rápido. É uma história de como a máquina aprende o trabalho de um especialista simultaneamente com ele e depois o executa gratuitamente. Nesse sentido, a requalificação começa a parecer menos uma corrida contra a curva e mais uma corrida em uma esteira cada vez mais rápida.
Uma resposta reflexiva a essa situação é 'mais aprendizado'. É necessário aprender constantemente, acumular certificados e se requalificar regularmente. Esta é uma mensagem que todo o sistema — empregadores, instituições de ensino, pessoas como o autor — tem motivos para repetir, e por isso é importante afirmar diretamente que a versão simples dessa afirmação não corresponde à realidade.
Porque a frase 'apenas aprenda mais rápido' faz algo injusto. Ela pega o problema criado pelos ritmos da tecnologia e pelas prioridades dos empregadores e joga todo o peso de sua solução — tempo, dinheiro, ansiedade — sobre um indivíduo. Isso implica que se você está ficando para trás, é porque não se esforçou o suficiente, embora o mundo estivesse mudando o tempo todo. E isso esconde o fato inconveniente: a maior parte do conhecimento adquirido não é consolidada.
O nível de conclusão do autoestudo online é conhecido por suas baixas estatísticas. A transferência de conhecimento da sala de aula para o trabalho real é ainda pior. O mero aumento do aprendizado nunca pôde ser a solução para um problema tão complexo.
Nada disso significa que o aprendizado deixou de importar. Significa que otimizamos o nível errado de aprendizado. Se a máquina agora pode armazenar a especialização, o valor da aquisição humana dessa especialização muda. Ele se move da própria especialização para tudo o que a cerca: saber quais problemas devem ser resolvidos primeiro; a capacidade de julgar para distinguir uma boa resposta de uma meramente plausível; possuir confiança e contexto que permitem aplicar a especialização dentro de uma organização complexa; a habilidade de trabalhar ao lado de sistemas que sabem tanto quanto você sobre um tópico específico. A máquina pode armazenar conhecimento. Ela ainda não pode ser responsável pelo que fazer com ele.
Este é realmente um desafio mais complexo do que criar um programa de fatos e procedimentos. Transmitir a especialização perecível — aquele nível que a IA comercializa agora — é o que nossas instituições fazem bem. Criar uma camada humana sólida ao redor dela — julgamento, perspicácia, capacidade de sustentar a incerteza e ainda tomar uma decisão — é o que quase ninguém faz atualmente. Esta lacuna precisa ser preenchida.
É por isso que o autor discorda da afirmação da moda de que diplomas e certificações profundas perderam sua relevância. Você não pode exercer julgamento em uma área que não entende; o gosto é construído sobre fundamentos, não sobre humores. Uma base profunda, que um programa sério fornece, permite que você controle a máquina que fala livremente, mas não possui sabedoria. A função desse fundamento muda — não é um portão pelo qual você passa uma vez e segue a corrente, mas uma base sobre a qual você permanece, continuando a reconstruir tudo acima dela.
Para os especialistas, a conclusão prática é menos reconfortante do que o conselho 'aprenda a aprender', mas mais útil. Presuma que a especialização específica da qual você se orgulha é limitada no tempo. Invista na camada acima dela — no julgamento, na confiança, na capacidade de tomar decisões corretas quando a resposta é ambígua — porque esta é a parte que a máquina em breve não ocupará. E cuidado com aqueles que oferecem cursos infinitos como única solução.
O conhecimento torna-se quase gratuito pela primeira vez na história. A capacidade humana de decidir o que fazer com isso — qual problema merece a atenção da máquina, em qual resposta confiar, qual risco assumir — continua sendo rara. Essa capacidade sempre teve importância. Simplesmente até agora ela estava embalada junto com a especialização que exigia trabalho árduo para ser adquirida. Este pacote está se desintegrando. Pessoas e instituições que entendem que metade era o objetivo farão mais do que apenas se adaptar. Elas criarão a única vantagem que não expira.
