O atalho que seca o ofício

A inteligência artificial pode tornar o trabalho mais eficiente. Isso já quase não é discussão. O problema começa quando, ao eliminar o trabalho dos principiantes, eliminamos também o caminho que transforma principiantes em especialistas.

Durante décadas, o primeiro emprego não servia sobretudo para produzir. Servia para errar “barato”.

O jornalista estagiário reescrevia leads que ninguém ia recordar se. O advogado estagiário lia contratos até à exaustão. O médico interno fazia a história clínica pela terceira vez. O programador corrigia pequenos erros. Era trabalho repetitivo, muitas vezes ingrato e era também o sítio onde o olho se educava. Aprendia-se o que um manual não ensina… o que pode ser ignorado, o que cheira mal, quando uma solução «correta» ainda é uma má decisão.

A tentação atual é cortar essa camada. Se uma máquina resume, redige, classifica, traduz e propõe a primeira versão, o principiante deixa de ser necessário no sítio exato em que costumava aprender. Sobram os especialistas a supervisionar o resultado. Parece racional. No curto prazo, até é. No médio prazo, descobrimos que o especialista não nasce formado. Nasce de ter feito o trabalho miúdo o tempo suficiente para desconfiar dele.

Há uma objeção justa. Muito do chamado “trabalho de entrada” já era desperdício: noites a formatar, a copiar, a fazer de ponte entre sistemas desajustados. Não há nostalgia útil em defender tarefas que não formavam ninguém. A IA pode, em teoria, ser tutora: mostrar variantes, apontar falhas, acelerar a curva. Pode. Só que isso exige desenho. Sem esse desenho, o que acontece não é formação acelerada é atrofia. O estagiário deixa de ter responsabilidade real. Sem responsabilidade real, não há juízo. Sem juízo, o ofício vira edição de texto gerado.

O risco não é a máquina “roubar emprego”. É a empresa, a redação ou o hospital otimizarem o único mecanismo que tinham para criar gente capaz de dizer não. Um especialista não é alguém que escreve mais depressa. É alguém que sabe quando o texto eficiente está errado, quando o diagnóstico óbvio é preguiçoso, quando o código que passa nos testes ainda não deve ir para produção. Essa recusa aprende-se por contacto repetido com o material bruto. Se o material bruto já chega cozinhado, o ato de recusar atrofia.

Por isso a pergunta útil não é se devemos usar IA. É que parte do trabalho iniciante queremos preservar de propósito, mesmo quando já não é a via mais barata. Que erros ainda devem ser humanos. Que tarefas de baixo prestígio continuam a ser pedagogia. Quem ensina, se o sénior passa o dia a corrigir máquinas em vez de formar pessoas.

A eficiência sem circuito de formação é um lucro adiantado contra uma dívida de competência. Paga-se mais tarde, e paga-se em silêncio: menos gente capaz de ver o que a ferramenta não vê. Manter o caminho dos principiantes não é romantismo. É a única maneira de continuar a ter especialistas daqui a dez anos.