Imagine-se uma empresa que substitui várias vagas de entrada por inteligência artificial e mantém o especialista que verifica os resultados. Poupa salários e conserva a experiência. A decisão parece impecável. Falta apenas uma pergunta: onde se formará a pessoa que um dia substituirá esse especialista?

Um primeiro emprego faz duas coisas ao mesmo tempo: produz trabalho e forma alguém. Quando avaliamos a automatização apenas pelo trabalho entregue, a segunda função desaparece da conta. Podemos estar a celebrar uma poupança sem perceber que estamos a consumir a experiência acumulada por uma geração, deixando de investir na seguinte.

Há sinais que justificam atenção, não sentenças. Numa atualização divulgada em agosto de 2026, investigadores de Stanford analisaram registos administrativos de emprego nos Estados Unidos. Nas profissões mais expostas à IA, o emprego dos jovens entre os 22 e os 25 anos estava cerca de 19% abaixo do nível que teria atingido se tivesse acompanhado a evolução do emprego de jovens da mesma idade nas profissões menos expostas. Isto não significa que a IA tenha destruído 19% desses empregos: é uma diferença relativa a uma trajetória de comparação, não uma estimativa causal.

O detalhe mais inquietante é outro: o ajustamento observado parece passar sobretudo por menos contratações de jovens, e não por mais despedimentos. Os autores não encontram uma destruição generalizada do emprego associada à IA. O risco pode, portanto, começar por uma porta que deixa de se abrir. Quem nunca chegou a ser contratado não aparece numa notícia sobre despedimentos.

Também dentro da sala de aula é possível confundir um resultado melhor com uma aprendizagem melhor. Num estudo publicado na revista PNAS, com perto de mil alunos do ensino secundário, uma ferramenta de IA sem salvaguardas pedagógicas melhorou o desempenho durante os exercícios. Mas, quando os alunos foram avaliados sem essa ajuda, as classificações foram cerca de 17% inferiores às do grupo que não a utilizara. A resposta tinha melhorado; a aprendizagem, não.

Noutro estudo experimental, divulgado em janeiro pela Anthropic, 52 programadores aprenderam a utilizar uma ferramenta de programação. O grupo com assistência de IA obteve piores resultados no teste posterior de compreensão, sem um ganho de rapidez estatisticamente significativo. Uma experiência pequena e breve não permite prever o destino de uma profissão. Permite, porém, contestar a ideia de que conseguir entregar um trabalho equivale a dominar o que se fez.

Estes estudos não demonstram que usar IA nos torna menos inteligentes. Mostram algo mais limitado e mais útil: em certas condições, podemos melhorar o produto sem desenvolver a competência de quem o entrega. É essa diferença que uma escola, uma empresa ou um hospital não deveria ignorar.

Há aqui uma contradição na promessa de que haverá sempre um humano a verificar a máquina. Para verificar, é preciso saber reconhecer o erro. E esse discernimento não pode ser pressuposto num principiante a quem nunca demos a oportunidade de o desenvolver. Uma assinatura no fim do processo não transforma dependência em supervisão.

A solução não é proibir a IA nem transformar tarefas inúteis em património profissional. No mesmo estudo de matemática, uma versão concebida para orientar os alunos, com pistas em vez de simplesmente lhes entregar as respostas, atenuou os efeitos negativos na aprendizagem. A diferença não estava apenas na presença da tecnologia, mas na forma como era usada. Há uma distância importante entre ajudar alguém a pensar e dispensá-lo de o fazer.

Neste regresso às aulas, as instituições de ensino deveriam avaliar as duas capacidades: trabalhar com IA e demonstrar compreensão própria. Um aluno pode usar a ferramenta num projeto e depois explicar uma decisão, identificar um erro ou resolver um problema novo sem assistência. Não se trata de fingir que a tecnologia não existe. Trata-se de saber o que o aluno aprendeu, além de saber o que conseguiu entregar.

As empresas deveriam aplicar o mesmo princípio. Se a automatização elimina tarefas de iniciação, o plano de adoção deve explicar como será adquirida a experiência que essas tarefas proporcionavam. Pode ser através de simulações, acompanhamento por profissionais experientes ou participação supervisionada em projetos reais. Parte do tempo poupado deve financiar essa aprendizagem, em vez de se transformar integralmente numa redução de custos.

É também aqui que Portugal deveria concentrar os apoios públicos à adoção de IA: não apenas na compra de ferramentas, mas na capacidade de formar pessoas com elas. Contar licenças adquiridas é fácil. Avaliar se um trabalhador ganhou autonomia exige mais. É essa segunda ambição que merece financiamento.

Cada empresa pode achar sensato deixar a formação para outra e contratar apenas quem já sabe. Mas, se todas fizerem essa escolha, a experiência torna-se um recurso que todos querem comprar e ninguém quer produzir. Não é um problema que se resolva dizendo aos jovens que devem adaptar-se. A adaptação exige oportunidades, não apenas instruções.

O objetivo não deve ser conservar para sempre o trabalho dos principiantes. Deve ser garantir que continua a existir um caminho entre não saber e saber o suficiente para discordar de uma máquina. A próxima geração de especialistas não virá incluída na licença do software.