Profissões do Futuro com IA

Prévia do material em texto

CADERNOS DE TECNOLOGIA E TRABALHO
PROFISSÕES DO FUTURO COM
IA
Carreiras híbridas, competências transferíveis e decisões
profissionais baseadas em evidências
E-BOOK COMPLETO
Edição digital • 2026 Leitura crítica, casos e roteiros de aplicação
PROFISSÕES DO FUTURO COM IA
01 • EDIÇÃO DIGITAL 2026
APRESENTAÇÃO
Nomes de cargos mudam rápido; problemas concretos e responsabilidades mudam
mais lentamente. Este volume analisa profissões pela combinação de tarefas,
competências, instrumentos e contexto setorial. Nenhum perfil descrito é garantia
de emprego. O foco é dar ao leitor instrumentos para avaliar oportunidades locais,
construir portfólio e aprender sem depender de previsões espetaculares.
Como usar este e-book
Cada capítulo apresenta uma ideia central, um caso hipotético comentado, um método de
implantação, medidas úteis, contrapontos e uma oficina para aplicação. Você pode ler de forma
linear ou selecionar os capítulos ligados ao seu contexto. O objetivo não é induzir adoção
automática de tecnologia, mas ampliar a capacidade de formular requisitos, avaliar evidências,
estabelecer limites e comunicar decisões.
Uma premissa editorial
Tecnologias de inteligência artificial mudam com rapidez, enquanto a necessidade de
qualidade, responsabilidade e documentação permanece. Por isso, as páginas
seguintes distinguem possibilidade técnica de decisão organizacional. Toda afirmação
operacional deve ser testada contra dados, pessoas, normas e objetivos da situação
concreta.
PROFISSÕES DO FUTURO COM IA
02 • EDIÇÃO DIGITAL 2026
CAPÍTULO 01 — A CARREIRA COMO CONJUNTO
DE TAREFAS
IDEIA CENTRAL
Cargos são pacotes de tarefas e podem mudar sem desaparecer. Essa afirmação parece simples
até que a decisão chega ao contexto de uma equipe, a um orçamento e a pessoas que
dependerão do resultado. É necessário separar mecanismo, finalidade e limites: o que a
tecnologia consegue fazer sob condições controladas não equivale ao que deve fazer em uma
operação real. O capítulo trabalha com uma situação específica, observa seus pontos de falha e
propõe um modo de avaliar resultados sem esconder incertezas.
COMO O PROCESSO FUNCIONA
Comece pela unidade de análise: cada tarefa profissional tem entrada, transformação, saída e
consequência. No caso de “a carreira como conjunto de tarefas”, a entrada pode estar
incompleta, contraditória ou fora do padrão; por isso, o profissional em transição precisa verificar
condições de uso antes de produzir o portfólio com evidências. Uma maneira útil de representar o
processo é desenhar quatro caixas: origem da informação, critérios aplicados, resultado entregue
e verificação posterior. Descreva também o que não deve ser decidido pelo sistema. A fronteira
operacional aqui é responsabilidade pessoal pela entrega. Sem essa fronteira, o fluxo pode
aparentar eficiência enquanto transfere risco para usuários e equipes de suporte.
Faça a distinção entre três tipos de problema. O primeiro é erro de entrada: os dados não
correspondem à situação real. O segundo é erro de método: mesmo com dados corretos, as
regras ou o modelo não tratam adequadamente a exceção. O terceiro é erro de uso: a saída é
apropriada como sugestão, mas alguém a interpreta como aprovação final. O controle de
qualidade muda para cada situação. Conferência da fonte reduz o primeiro; ensaios com casos
difíceis reduzem o segundo; treinamento, interface clara e responsabilidade definida reduzem o
terceiro. Essa decomposição vale mais do que afirmar genericamente que o sistema “tem
precisão”.
PROFISSÕES DO FUTURO COM IA
03 • EDIÇÃO DIGITAL 2026
CASO COMENTADO
Considere esta situação hipotética: Uma arquiteta automatiza quantitativos mas preserva
negociação e decisão de projeto. A equipe não começa pela ferramenta. Primeiro, define o
resultado aceitável e reúne exemplos de rotina, exceções e situações em que não há dados
suficientes. Em seguida, alguém executa o fluxo atual para formar uma referência de
comparação. Só então a nova abordagem é aplicada aos mesmos casos, com registro do que
mudou e do que permaneceu igual. O objetivo não é fabricar uma vitória da tecnologia: é
identificar quais partes do trabalho foram realmente aprimoradas.
Imagine agora que surge confundir uma tarefa automatizada com extinção da profissão.. O
problema não deve ser resolvido ocultando o caso ruim da amostra. Registre o ocorrido,
classifique a gravidade, preserve as entradas necessárias para reproduzi-lo sem violar privacidade
e defina quem pode corrigir ou interromper o processo. Se houver impacto externo, a resposta
precisa incluir comunicação ao afetado e reparação proporcionada. Um piloto que aprende com
esse episódio tem mais valor do que uma implantação que só apresenta exemplos
bem-sucedidos.
No fechamento do caso, compare duas perguntas diferentes: “o sistema concluiu a tarefa?” e “o
usuário obteve o resultado certo com esforço aceitável?”. Uma resposta pode ser tecnicamente
válida e ainda gerar retrabalho, insegurança ou falta de confiança. Observe o empregabilidade e
valor entregue; registre custos que surgiram fora da equipe central; e evite inferir qualidade
apenas pela satisfação imediata. Usuários podem gostar de uma resposta rápida sem perceber
uma omissão, enquanto profissionais experientes podem notar uma falha crítica em poucos
segundos.
MÉTODO DE IMPLANTAÇÃO
A primeira etapa é delimitar o escopo em uma página: público, objetivo, dados permitidos,
condições para recusar uma resposta, responsável e forma de reversão. A segunda é montar um
conjunto pequeno, porém heterogêneo, de casos: típicos, extremos, incompletos e
deliberadamente adversariais. A terceira é testar sem alterar o padrão de avaliação entre
alternativas. Nesta etapa, a ação recomendada é: mapear as atividades reais antes de escolher
formação. Ela deve ser executada de modo observável, com data, versão e pessoa responsável.
A quarta etapa é tornar explícito o custo total. Some tempo de preparação, esforço de revisão,
treinamento, licença, infraestrutura, falhas e manutenção. Uma economia em minutos por tarefa
profissional não se converte automaticamente em economia organizacional: talvez a equipe
precise corrigir dados, acolher reclamações ou reconstruir confiança. A quinta etapa é instituir
revisão regular. À medida que documentos, usuários, processos e tecnologia mudam, o resultado
anterior deixa de representar a situação presente. Guarde uma amostra fixa para comparação
entre versões e complemente-a com ocorrências novas da operação.
A sexta etapa consiste em distribuir autoridade: quem pode alterar regras, quem aprova
exceções, quem acessa informações e quem determina a suspensão. Não basta declarar que há
“humano no circuito” se essa pessoa não tem tempo, informação ou poder para discordar. A
revisão humana precisa de critérios, exemplos de erro e canal para registrar divergências.
Quando essas condições estão presentes, a tecnologia pode reduzir trabalho mecânico sem
transferir silenciosamente a responsabilidade a quem recebe a saída.
PROFISSÕES DO FUTURO COM IA
04 • EDIÇÃO DIGITAL 2026
MEDIDAS QUE IMPORTAM
Use como indicador principal proporção do tempo em análise, rotina e relacionamento.. Não o leia
isoladamente. Separe os resultados por tipo de caso, contexto, grupo afetado e grau de
dificuldade; depois compare com a linha de base anterior. Se o indicador melhorar apenas em
situações simples, talvez o sistema tenha deslocado o trabalho difícil para pessoas menos visíveis.
Acrescente uma medida de segurança: quantidade de erros graves por amostra auditada.
Acrescente ainda uma medida de custo: esforço total por resultado validado, incluindo correção
posterior.
Defina o que conta como sucesso antes do teste. Uma meta que muda depois de observar os
resultados não permite comparação honesta. Analise também os casos de recusa: há situações
em que o melhor resultado é admitir dúvida, interromper a ação ou encaminhar a uma pessoa
competente. Registre falsos positivos e falsos negativos quando houver classificação; use
exemplos concretosnormais, dois de borda e um caso em que a resposta
correta é “não sei”. Escreva antes do teste o que considerará resultado aceitável. Exercício 3:
aplique a orientação “associar cada aplicação a responsável e risco.” e registre o que mudou no
processo, não apenas na interface.
Exercício 4: desenhe uma tabela com cinco colunas — caso, resultado esperado, resultado
observado, gravidade e ação corretiva. Preencha a tabela com exemplos reais autorizados ou
fictícios, claramente sinalizados como tal. Exercício 5: apresente a um colega a principal limitação
encontrada, sem defender previamente a ferramenta. Peça que ele formule uma explicação
alternativa para o ganho observado. Esse confronto melhora a avaliação e previne o entusiasmo
seletivo. Ao final, pergunte se o portfólio com evidências produzido poderia ser compreendido e
contestado por alguém que não participou do projeto.
PROFISSÕES DO FUTURO COM IA
26 • EDIÇÃO DIGITAL 2026
CAPÍTULO 09 — FORMAÇÃO E EDUCAÇÃO
MEDIADA POR IA
IDEIA CENTRAL
Educadores podem usar feedback adaptativo sem renunciar a currículo e avaliação justa. A
consequência prática é que uma solução só faz sentido se melhorar uma tarefa definida. Antes de
discutir fornecedores, imagine duas alternativas: continuar com o procedimento atual ou alterar
apenas uma etapa. A comparação obriga a observar qualidade, tempo e impacto sobre as
pessoas, em vez de presumir que toda automação representa progresso.
COMO O PROCESSO FUNCIONA
Comece pela unidade de análise: cada tarefa profissional tem entrada, transformação, saída e
consequência. No caso de “formação e educação mediada por ia”, a entrada pode estar
incompleta, contraditória ou fora do padrão; por isso, o profissional em transição precisa verificar
condições de uso antes de produzir o portfólio com evidências. Uma maneira útil de representar o
processo é desenhar quatro caixas: origem da informação, critérios aplicados, resultado entregue
e verificação posterior. Descreva também o que não deve ser decidido pelo sistema. A fronteira
operacional aqui é responsabilidade pessoal pela entrega. Sem essa fronteira, o fluxo pode
aparentar eficiência enquanto transfere risco para usuários e equipes de suporte.
Faça a distinção entre três tipos de problema. O primeiro é erro de entrada: os dados não
correspondem à situação real. O segundo é erro de método: mesmo com dados corretos, as
regras ou o modelo não tratam adequadamente a exceção. O terceiro é erro de uso: a saída é
apropriada como sugestão, mas alguém a interpreta como aprovação final. O controle de
qualidade muda para cada situação. Conferência da fonte reduz o primeiro; ensaios com casos
difíceis reduzem o segundo; treinamento, interface clara e responsabilidade definida reduzem o
terceiro. Essa decomposição vale mais do que afirmar genericamente que o sistema “tem
precisão”.
PROFISSÕES DO FUTURO COM IA
27 • EDIÇÃO DIGITAL 2026
CASO COMENTADO
Considere esta situação hipotética: Um professor cria atividades em níveis e verifica
competências sem IA. A equipe não começa pela ferramenta. Primeiro, define o resultado
aceitável e reúne exemplos de rotina, exceções e situações em que não há dados suficientes. Em
seguida, alguém executa o fluxo atual para formar uma referência de comparação. Só então a
nova abordagem é aplicada aos mesmos casos, com registro do que mudou e do que permaneceu
igual. O objetivo não é fabricar uma vitória da tecnologia: é identificar quais partes do trabalho
foram realmente aprimoradas.
Imagine agora que surge confundir ajuda com aprendizagem consolidada.. O problema não deve
ser resolvido ocultando o caso ruim da amostra. Registre o ocorrido, classifique a gravidade,
preserve as entradas necessárias para reproduzi-lo sem violar privacidade e defina quem pode
corrigir ou interromper o processo. Se houver impacto externo, a resposta precisa incluir
comunicação ao afetado e reparação proporcionada. Um piloto que aprende com esse episódio
tem mais valor do que uma implantação que só apresenta exemplos bem-sucedidos.
No fechamento do caso, compare duas perguntas diferentes: “o sistema concluiu a tarefa?” e “o
usuário obteve o resultado certo com esforço aceitável?”. Uma resposta pode ser tecnicamente
válida e ainda gerar retrabalho, insegurança ou falta de confiança. Observe o empregabilidade e
valor entregue; registre custos que surgiram fora da equipe central; e evite inferir qualidade
apenas pela satisfação imediata. Usuários podem gostar de uma resposta rápida sem perceber
uma omissão, enquanto profissionais experientes podem notar uma falha crítica em poucos
segundos.
MÉTODO DE IMPLANTAÇÃO
A primeira etapa é delimitar o escopo em uma página: público, objetivo, dados permitidos,
condições para recusar uma resposta, responsável e forma de reversão. A segunda é montar um
conjunto pequeno, porém heterogêneo, de casos: típicos, extremos, incompletos e
deliberadamente adversariais. A terceira é testar sem alterar o padrão de avaliação entre
alternativas. Nesta etapa, a ação recomendada é: alternar assistência, prática autônoma e
feedback humano. Ela deve ser executada de modo observável, com data, versão e pessoa
responsável.
A quarta etapa é tornar explícito o custo total. Some tempo de preparação, esforço de revisão,
treinamento, licença, infraestrutura, falhas e manutenção. Uma economia em minutos por tarefa
profissional não se converte automaticamente em economia organizacional: talvez a equipe
precise corrigir dados, acolher reclamações ou reconstruir confiança. A quinta etapa é instituir
revisão regular. À medida que documentos, usuários, processos e tecnologia mudam, o resultado
anterior deixa de representar a situação presente. Guarde uma amostra fixa para comparação
entre versões e complemente-a com ocorrências novas da operação.
A sexta etapa consiste em distribuir autoridade: quem pode alterar regras, quem aprova
exceções, quem acessa informações e quem determina a suspensão. Não basta declarar que há
“humano no circuito” se essa pessoa não tem tempo, informação ou poder para discordar. A
revisão humana precisa de critérios, exemplos de erro e canal para registrar divergências.
Quando essas condições estão presentes, a tecnologia pode reduzir trabalho mecânico sem
transferir silenciosamente a responsabilidade a quem recebe a saída.
PROFISSÕES DO FUTURO COM IA
28 • EDIÇÃO DIGITAL 2026
MEDIDAS QUE IMPORTAM
Use como indicador principal desempenho em tarefas inéditas e explicação do aluno.. Não o leia
isoladamente. Separe os resultados por tipo de caso, contexto, grupo afetado e grau de
dificuldade; depois compare com a linha de base anterior. Se o indicador melhorar apenas em
situações simples, talvez o sistema tenha deslocado o trabalho difícil para pessoas menos visíveis.
Acrescente uma medida de segurança: quantidade de erros graves por amostra auditada.
Acrescente ainda uma medida de custo: esforço total por resultado validado, incluindo correção
posterior.
Defina o que conta como sucesso antes do teste. Uma meta que muda depois de observar os
resultados não permite comparação honesta. Analise também os casos de recusa: há situações
em que o melhor resultado é admitir dúvida, interromper a ação ou encaminhar a uma pessoa
competente. Registre falsos positivos e falsos negativos quando houver classificação; use
exemplos concretos para orientar a equipe, não apenas médias. Se a amostra for pequena, diga
explicitamente que o piloto sugere possibilidades e ainda não comprova desempenho estável.
DECISÕES DIFÍCEIS E CONTRAPONTOS
O erro mais tentador é título de cargo sem competência demonstrada. Ele se agrava quando
confundir ajuda com aprendizagem consolidada.. A mitigação não é exigir perfeição abstrata, mas
reduzir exposição: limitar alcance, registrar decisões e estabelecer parada segura. Há também
uma tensão entre personalização e padronização. Personalizar pode ajudar a atender contextos
diferentes, mas dificulta reproduzir decisões e explicar tratamentos distintos. Padronizar facilita
auditoria, mas pode ignorar necessidadesindividuais. A escolha deve ser justificada em função da
tarefa, não pela capacidade da ferramenta.
Outro contraponto é a possibilidade de uma solução sem IA ser melhor. Um formulário claro, uma
lista de verificação, uma regra determinística, uma formação breve ou a correção da base de
dados podem resolver o problema por menos custo e com maior previsibilidade. Use a tecnologia
quando ela acrescentar capacidade demonstrável, não quando for a opção mais fácil de anunciar.
Para decidir, documente alternativa rejeitada, motivo, restrição de orçamento e condição que
faria a equipe rever a escolha.
OFICINA PARA O LEITOR
Exercício 1: descreva, em até seis linhas, uma situação própria relacionada a “formação e
educação mediada por ia”. Identifique uma entrada verificável, uma saída útil e uma pessoa que
sofrerá as consequências de um erro. Exercício 2: elabore três casos normais, dois de borda e um
caso em que a resposta correta é “não sei”. Escreva antes do teste o que considerará resultado
aceitável. Exercício 3: aplique a orientação “alternar assistência, prática autônoma e feedback
humano.” e registre o que mudou no processo, não apenas na interface.
Exercício 4: desenhe uma tabela com cinco colunas — caso, resultado esperado, resultado
observado, gravidade e ação corretiva. Preencha a tabela com exemplos reais autorizados ou
fictícios, claramente sinalizados como tal. Exercício 5: apresente a um colega a principal limitação
encontrada, sem defender previamente a ferramenta. Peça que ele formule uma explicação
alternativa para o ganho observado. Esse confronto melhora a avaliação e previne o entusiasmo
seletivo. Ao final, pergunte se o portfólio com evidências produzido poderia ser compreendido e
contestado por alguém que não participou do projeto.
PROFISSÕES DO FUTURO COM IA
29 • EDIÇÃO DIGITAL 2026
CAPÍTULO 10 — OPERAÇÃO E MANUTENÇÃO
DE MODELOS
IDEIA CENTRAL
Modelos degradam quando dados e necessidades mudam, abrindo trabalho de monitoramento.
Essa afirmação parece simples até que a decisão chega ao contexto de uma equipe, a um
orçamento e a pessoas que dependerão do resultado. É necessário separar mecanismo, finalidade
e limites: o que a tecnologia consegue fazer sob condições controladas não equivale ao que deve
fazer em uma operação real. O capítulo trabalha com uma situação específica, observa seus
pontos de falha e propõe um modo de avaliar resultados sem esconder incertezas.
COMO O PROCESSO FUNCIONA
Comece pela unidade de análise: cada tarefa profissional tem entrada, transformação, saída e
consequência. No caso de “operação e manutenção de modelos”, a entrada pode estar
incompleta, contraditória ou fora do padrão; por isso, o profissional em transição precisa verificar
condições de uso antes de produzir o portfólio com evidências. Uma maneira útil de representar o
processo é desenhar quatro caixas: origem da informação, critérios aplicados, resultado entregue
e verificação posterior. Descreva também o que não deve ser decidido pelo sistema. A fronteira
operacional aqui é responsabilidade pessoal pela entrega. Sem essa fronteira, o fluxo pode
aparentar eficiência enquanto transfere risco para usuários e equipes de suporte.
Faça a distinção entre três tipos de problema. O primeiro é erro de entrada: os dados não
correspondem à situação real. O segundo é erro de método: mesmo com dados corretos, as
regras ou o modelo não tratam adequadamente a exceção. O terceiro é erro de uso: a saída é
apropriada como sugestão, mas alguém a interpreta como aprovação final. O controle de
qualidade muda para cada situação. Conferência da fonte reduz o primeiro; ensaios com casos
difíceis reduzem o segundo; treinamento, interface clara e responsabilidade definida reduzem o
terceiro. Essa decomposição vale mais do que afirmar genericamente que o sistema “tem
precisão”.
PROFISSÕES DO FUTURO COM IA
30 • EDIÇÃO DIGITAL 2026
CASO COMENTADO
Considere esta situação hipotética: Uma equipe observa aumento de erros em uma nova região
de atendimento. A equipe não começa pela ferramenta. Primeiro, define o resultado aceitável e
reúne exemplos de rotina, exceções e situações em que não há dados suficientes. Em seguida,
alguém executa o fluxo atual para formar uma referência de comparação. Só então a nova
abordagem é aplicada aos mesmos casos, com registro do que mudou e do que permaneceu
igual. O objetivo não é fabricar uma vitória da tecnologia: é identificar quais partes do trabalho
foram realmente aprimoradas.
Imagine agora que surge deixar um piloto operar por meses sem avaliação.. O problema não deve
ser resolvido ocultando o caso ruim da amostra. Registre o ocorrido, classifique a gravidade,
preserve as entradas necessárias para reproduzi-lo sem violar privacidade e defina quem pode
corrigir ou interromper o processo. Se houver impacto externo, a resposta precisa incluir
comunicação ao afetado e reparação proporcionada. Um piloto que aprende com esse episódio
tem mais valor do que uma implantação que só apresenta exemplos bem-sucedidos.
No fechamento do caso, compare duas perguntas diferentes: “o sistema concluiu a tarefa?” e “o
usuário obteve o resultado certo com esforço aceitável?”. Uma resposta pode ser tecnicamente
válida e ainda gerar retrabalho, insegurança ou falta de confiança. Observe o empregabilidade e
valor entregue; registre custos que surgiram fora da equipe central; e evite inferir qualidade
apenas pela satisfação imediata. Usuários podem gostar de uma resposta rápida sem perceber
uma omissão, enquanto profissionais experientes podem notar uma falha crítica em poucos
segundos.
MÉTODO DE IMPLANTAÇÃO
A primeira etapa é delimitar o escopo em uma página: público, objetivo, dados permitidos,
condições para recusar uma resposta, responsável e forma de reversão. A segunda é montar um
conjunto pequeno, porém heterogêneo, de casos: típicos, extremos, incompletos e
deliberadamente adversariais. A terceira é testar sem alterar o padrão de avaliação entre
alternativas. Nesta etapa, a ação recomendada é: criar alertas, testes de regressão e
procedimento de reversão. Ela deve ser executada de modo observável, com data, versão e
pessoa responsável.
A quarta etapa é tornar explícito o custo total. Some tempo de preparação, esforço de revisão,
treinamento, licença, infraestrutura, falhas e manutenção. Uma economia em minutos por tarefa
profissional não se converte automaticamente em economia organizacional: talvez a equipe
precise corrigir dados, acolher reclamações ou reconstruir confiança. A quinta etapa é instituir
revisão regular. À medida que documentos, usuários, processos e tecnologia mudam, o resultado
anterior deixa de representar a situação presente. Guarde uma amostra fixa para comparação
entre versões e complemente-a com ocorrências novas da operação.
A sexta etapa consiste em distribuir autoridade: quem pode alterar regras, quem aprova
exceções, quem acessa informações e quem determina a suspensão. Não basta declarar que há
“humano no circuito” se essa pessoa não tem tempo, informação ou poder para discordar. A
revisão humana precisa de critérios, exemplos de erro e canal para registrar divergências.
Quando essas condições estão presentes, a tecnologia pode reduzir trabalho mecânico sem
transferir silenciosamente a responsabilidade a quem recebe a saída.
PROFISSÕES DO FUTURO COM IA
31 • EDIÇÃO DIGITAL 2026
MEDIDAS QUE IMPORTAM
Use como indicador principal desvio de desempenho e tempo para corrigir incidentes.. Não o leia
isoladamente. Separe os resultados por tipo de caso, contexto, grupo afetado e grau de
dificuldade; depois compare com a linha de base anterior. Se o indicador melhorar apenas em
situações simples, talvez o sistema tenha deslocado o trabalho difícil para pessoas menos visíveis.
Acrescente uma medida de segurança: quantidade de erros graves por amostra auditada.
Acrescente ainda uma medida de custo: esforço total por resultado validado, incluindo correção
posterior.
Defina o que conta como sucesso antes do teste. Uma meta que muda depois de observar os
resultadosnão permite comparação honesta. Analise também os casos de recusa: há situações
em que o melhor resultado é admitir dúvida, interromper a ação ou encaminhar a uma pessoa
competente. Registre falsos positivos e falsos negativos quando houver classificação; use
exemplos concretos para orientar a equipe, não apenas médias. Se a amostra for pequena, diga
explicitamente que o piloto sugere possibilidades e ainda não comprova desempenho estável.
DECISÕES DIFÍCEIS E CONTRAPONTOS
O erro mais tentador é título de cargo sem competência demonstrada. Ele se agrava quando
deixar um piloto operar por meses sem avaliação.. A mitigação não é exigir perfeição abstrata,
mas reduzir exposição: limitar alcance, registrar decisões e estabelecer parada segura. Há
também uma tensão entre personalização e padronização. Personalizar pode ajudar a atender
contextos diferentes, mas dificulta reproduzir decisões e explicar tratamentos distintos.
Padronizar facilita auditoria, mas pode ignorar necessidades individuais. A escolha deve ser
justificada em função da tarefa, não pela capacidade da ferramenta.
Outro contraponto é a possibilidade de uma solução sem IA ser melhor. Um formulário claro, uma
lista de verificação, uma regra determinística, uma formação breve ou a correção da base de
dados podem resolver o problema por menos custo e com maior previsibilidade. Use a tecnologia
quando ela acrescentar capacidade demonstrável, não quando for a opção mais fácil de anunciar.
Para decidir, documente alternativa rejeitada, motivo, restrição de orçamento e condição que
faria a equipe rever a escolha.
OFICINA PARA O LEITOR
Exercício 1: descreva, em até seis linhas, uma situação própria relacionada a “operação e
manutenção de modelos”. Identifique uma entrada verificável, uma saída útil e uma pessoa que
sofrerá as consequências de um erro. Exercício 2: elabore três casos normais, dois de borda e um
caso em que a resposta correta é “não sei”. Escreva antes do teste o que considerará resultado
aceitável. Exercício 3: aplique a orientação “criar alertas, testes de regressão e procedimento de
reversão.” e registre o que mudou no processo, não apenas na interface.
Exercício 4: desenhe uma tabela com cinco colunas — caso, resultado esperado, resultado
observado, gravidade e ação corretiva. Preencha a tabela com exemplos reais autorizados ou
fictícios, claramente sinalizados como tal. Exercício 5: apresente a um colega a principal limitação
encontrada, sem defender previamente a ferramenta. Peça que ele formule uma explicação
alternativa para o ganho observado. Esse confronto melhora a avaliação e previne o entusiasmo
seletivo. Ao final, pergunte se o portfólio com evidências produzido poderia ser compreendido e
contestado por alguém que não participou do projeto.
PROFISSÕES DO FUTURO COM IA
32 • EDIÇÃO DIGITAL 2026
CAPÍTULO 11 — SAÚDE, CUIDADO E
SUPERVISÃO
IDEIA CENTRAL
O ponto de partida deste capítulo é uma escolha de desenho, não uma corrida por novidade:
ferramentas podem apoiar documentação e triagem sob responsabilidade profissional. Para
transformar a ideia em trabalho confiável, explicite quem solicita, quem executa, de onde vêm os
dados, quando o processo termina e quem pode contestar uma falha. Esse percurso revela custos
e limitações que uma demonstração isolada não mostra.
COMO O PROCESSO FUNCIONA
Comece pela unidade de análise: cada tarefa profissional tem entrada, transformação, saída e
consequência. No caso de “saúde, cuidado e supervisão”, a entrada pode estar incompleta,
contraditória ou fora do padrão; por isso, o profissional em transição precisa verificar condições de
uso antes de produzir o portfólio com evidências. Uma maneira útil de representar o processo é
desenhar quatro caixas: origem da informação, critérios aplicados, resultado entregue e
verificação posterior. Descreva também o que não deve ser decidido pelo sistema. A fronteira
operacional aqui é responsabilidade pessoal pela entrega. Sem essa fronteira, o fluxo pode
aparentar eficiência enquanto transfere risco para usuários e equipes de suporte.
Faça a distinção entre três tipos de problema. O primeiro é erro de entrada: os dados não
correspondem à situação real. O segundo é erro de método: mesmo com dados corretos, as
regras ou o modelo não tratam adequadamente a exceção. O terceiro é erro de uso: a saída é
apropriada como sugestão, mas alguém a interpreta como aprovação final. O controle de
qualidade muda para cada situação. Conferência da fonte reduz o primeiro; ensaios com casos
difíceis reduzem o segundo; treinamento, interface clara e responsabilidade definida reduzem o
terceiro. Essa decomposição vale mais do que afirmar genericamente que o sistema “tem
precisão”.
PROFISSÕES DO FUTURO COM IA
33 • EDIÇÃO DIGITAL 2026
CASO COMENTADO
Considere esta situação hipotética: Uma equipe clínica revisa um resumo automatizado antes de
incorporá-lo ao prontuário. A equipe não começa pela ferramenta. Primeiro, define o resultado
aceitável e reúne exemplos de rotina, exceções e situações em que não há dados suficientes. Em
seguida, alguém executa o fluxo atual para formar uma referência de comparação. Só então a
nova abordagem é aplicada aos mesmos casos, com registro do que mudou e do que permaneceu
igual. O objetivo não é fabricar uma vitória da tecnologia: é identificar quais partes do trabalho
foram realmente aprimoradas.
Imagine agora que surge omitir contraindicação ou interpretar orientação como diagnóstico.. O
problema não deve ser resolvido ocultando o caso ruim da amostra. Registre o ocorrido,
classifique a gravidade, preserve as entradas necessárias para reproduzi-lo sem violar privacidade
e defina quem pode corrigir ou interromper o processo. Se houver impacto externo, a resposta
precisa incluir comunicação ao afetado e reparação proporcionada. Um piloto que aprende com
esse episódio tem mais valor do que uma implantação que só apresenta exemplos
bem-sucedidos.
No fechamento do caso, compare duas perguntas diferentes: “o sistema concluiu a tarefa?” e “o
usuário obteve o resultado certo com esforço aceitável?”. Uma resposta pode ser tecnicamente
válida e ainda gerar retrabalho, insegurança ou falta de confiança. Observe o empregabilidade e
valor entregue; registre custos que surgiram fora da equipe central; e evite inferir qualidade
apenas pela satisfação imediata. Usuários podem gostar de uma resposta rápida sem perceber
uma omissão, enquanto profissionais experientes podem notar uma falha crítica em poucos
segundos.
MÉTODO DE IMPLANTAÇÃO
A primeira etapa é delimitar o escopo em uma página: público, objetivo, dados permitidos,
condições para recusar uma resposta, responsável e forma de reversão. A segunda é montar um
conjunto pequeno, porém heterogêneo, de casos: típicos, extremos, incompletos e
deliberadamente adversariais. A terceira é testar sem alterar o padrão de avaliação entre
alternativas. Nesta etapa, a ação recomendada é: respeitar protocolos profissionais e limites do
sistema. Ela deve ser executada de modo observável, com data, versão e pessoa responsável.
A quarta etapa é tornar explícito o custo total. Some tempo de preparação, esforço de revisão,
treinamento, licença, infraestrutura, falhas e manutenção. Uma economia em minutos por tarefa
profissional não se converte automaticamente em economia organizacional: talvez a equipe
precise corrigir dados, acolher reclamações ou reconstruir confiança. A quinta etapa é instituir
revisão regular. À medida que documentos, usuários, processos e tecnologia mudam, o resultado
anterior deixa de representar a situação presente. Guarde uma amostra fixa para comparação
entre versões e complemente-a com ocorrências novas da operação.
A sexta etapa consiste em distribuir autoridade: quem pode alterar regras, quem aprova
exceções, quem acessa informações e quem determina a suspensão. Não basta declarar que há
“humano no circuito” se essa pessoa não tem tempo, informação ou poder para discordar. A
revisão humana precisa de critérios, exemplos de erro e canal para registrar divergências.Quando essas condições estão presentes, a tecnologia pode reduzir trabalho mecânico sem
transferir silenciosamente a responsabilidade a quem recebe a saída.
PROFISSÕES DO FUTURO COM IA
34 • EDIÇÃO DIGITAL 2026
MEDIDAS QUE IMPORTAM
Use como indicador principal erros de prontuário e revisão de casos complexos.. Não o leia
isoladamente. Separe os resultados por tipo de caso, contexto, grupo afetado e grau de
dificuldade; depois compare com a linha de base anterior. Se o indicador melhorar apenas em
situações simples, talvez o sistema tenha deslocado o trabalho difícil para pessoas menos visíveis.
Acrescente uma medida de segurança: quantidade de erros graves por amostra auditada.
Acrescente ainda uma medida de custo: esforço total por resultado validado, incluindo correção
posterior.
Defina o que conta como sucesso antes do teste. Uma meta que muda depois de observar os
resultados não permite comparação honesta. Analise também os casos de recusa: há situações
em que o melhor resultado é admitir dúvida, interromper a ação ou encaminhar a uma pessoa
competente. Registre falsos positivos e falsos negativos quando houver classificação; use
exemplos concretos para orientar a equipe, não apenas médias. Se a amostra for pequena, diga
explicitamente que o piloto sugere possibilidades e ainda não comprova desempenho estável.
DECISÕES DIFÍCEIS E CONTRAPONTOS
O erro mais tentador é título de cargo sem competência demonstrada. Ele se agrava quando
omitir contraindicação ou interpretar orientação como diagnóstico.. A mitigação não é exigir
perfeição abstrata, mas reduzir exposição: limitar alcance, registrar decisões e estabelecer
parada segura. Há também uma tensão entre personalização e padronização. Personalizar pode
ajudar a atender contextos diferentes, mas dificulta reproduzir decisões e explicar tratamentos
distintos. Padronizar facilita auditoria, mas pode ignorar necessidades individuais. A escolha deve
ser justificada em função da tarefa, não pela capacidade da ferramenta.
Outro contraponto é a possibilidade de uma solução sem IA ser melhor. Um formulário claro, uma
lista de verificação, uma regra determinística, uma formação breve ou a correção da base de
dados podem resolver o problema por menos custo e com maior previsibilidade. Use a tecnologia
quando ela acrescentar capacidade demonstrável, não quando for a opção mais fácil de anunciar.
Para decidir, documente alternativa rejeitada, motivo, restrição de orçamento e condição que
faria a equipe rever a escolha.
OFICINA PARA O LEITOR
Exercício 1: descreva, em até seis linhas, uma situação própria relacionada a “saúde, cuidado e
supervisão”. Identifique uma entrada verificável, uma saída útil e uma pessoa que sofrerá as
consequências de um erro. Exercício 2: elabore três casos normais, dois de borda e um caso em
que a resposta correta é “não sei”. Escreva antes do teste o que considerará resultado aceitável.
Exercício 3: aplique a orientação “respeitar protocolos profissionais e limites do sistema.” e
registre o que mudou no processo, não apenas na interface.
Exercício 4: desenhe uma tabela com cinco colunas — caso, resultado esperado, resultado
observado, gravidade e ação corretiva. Preencha a tabela com exemplos reais autorizados ou
fictícios, claramente sinalizados como tal. Exercício 5: apresente a um colega a principal limitação
encontrada, sem defender previamente a ferramenta. Peça que ele formule uma explicação
alternativa para o ganho observado. Esse confronto melhora a avaliação e previne o entusiasmo
seletivo. Ao final, pergunte se o portfólio com evidências produzido poderia ser compreendido e
contestado por alguém que não participou do projeto.
PROFISSÕES DO FUTURO COM IA
35 • EDIÇÃO DIGITAL 2026
CAPÍTULO 12 — ENGENHARIA, CONSTRUÇÃO E
DIGITAL TWINS
IDEIA CENTRAL
Ativos físicos exigem modelos de informação coerentes, manutenção e responsabilização. A
consequência prática é que uma solução só faz sentido se melhorar uma tarefa definida. Antes de
discutir fornecedores, imagine duas alternativas: continuar com o procedimento atual ou alterar
apenas uma etapa. A comparação obriga a observar qualidade, tempo e impacto sobre as
pessoas, em vez de presumir que toda automação representa progresso.
COMO O PROCESSO FUNCIONA
Comece pela unidade de análise: cada tarefa profissional tem entrada, transformação, saída e
consequência. No caso de “engenharia, construção e digital twins”, a entrada pode estar
incompleta, contraditória ou fora do padrão; por isso, o profissional em transição precisa verificar
condições de uso antes de produzir o portfólio com evidências. Uma maneira útil de representar o
processo é desenhar quatro caixas: origem da informação, critérios aplicados, resultado entregue
e verificação posterior. Descreva também o que não deve ser decidido pelo sistema. A fronteira
operacional aqui é responsabilidade pessoal pela entrega. Sem essa fronteira, o fluxo pode
aparentar eficiência enquanto transfere risco para usuários e equipes de suporte.
Faça a distinção entre três tipos de problema. O primeiro é erro de entrada: os dados não
correspondem à situação real. O segundo é erro de método: mesmo com dados corretos, as
regras ou o modelo não tratam adequadamente a exceção. O terceiro é erro de uso: a saída é
apropriada como sugestão, mas alguém a interpreta como aprovação final. O controle de
qualidade muda para cada situação. Conferência da fonte reduz o primeiro; ensaios com casos
difíceis reduzem o segundo; treinamento, interface clara e responsabilidade definida reduzem o
terceiro. Essa decomposição vale mais do que afirmar genericamente que o sistema “tem
precisão”.
PROFISSÕES DO FUTURO COM IA
36 • EDIÇÃO DIGITAL 2026
CASO COMENTADO
Considere esta situação hipotética: Uma especialista cruza inspeção de obra com registros de
modelo e fotos autorizadas. A equipe não começa pela ferramenta. Primeiro, define o resultado
aceitável e reúne exemplos de rotina, exceções e situações em que não há dados suficientes. Em
seguida, alguém executa o fluxo atual para formar uma referência de comparação. Só então a
nova abordagem é aplicada aos mesmos casos, com registro do que mudou e do que permaneceu
igual. O objetivo não é fabricar uma vitória da tecnologia: é identificar quais partes do trabalho
foram realmente aprimoradas.
Imagine agora que surge relacionar falha ao elemento errado por ID instável.. O problema não
deve ser resolvido ocultando o caso ruim da amostra. Registre o ocorrido, classifique a gravidade,
preserve as entradas necessárias para reproduzi-lo sem violar privacidade e defina quem pode
corrigir ou interromper o processo. Se houver impacto externo, a resposta precisa incluir
comunicação ao afetado e reparação proporcionada. Um piloto que aprende com esse episódio
tem mais valor do que uma implantação que só apresenta exemplos bem-sucedidos.
No fechamento do caso, compare duas perguntas diferentes: “o sistema concluiu a tarefa?” e “o
usuário obteve o resultado certo com esforço aceitável?”. Uma resposta pode ser tecnicamente
válida e ainda gerar retrabalho, insegurança ou falta de confiança. Observe o empregabilidade e
valor entregue; registre custos que surgiram fora da equipe central; e evite inferir qualidade
apenas pela satisfação imediata. Usuários podem gostar de uma resposta rápida sem perceber
uma omissão, enquanto profissionais experientes podem notar uma falha crítica em poucos
segundos.
MÉTODO DE IMPLANTAÇÃO
A primeira etapa é delimitar o escopo em uma página: público, objetivo, dados permitidos,
condições para recusar uma resposta, responsável e forma de reversão. A segunda é montar um
conjunto pequeno, porém heterogêneo, de casos: típicos, extremos, incompletos e
deliberadamente adversariais. A terceira é testar sem alterar o padrão de avaliação entre
alternativas. Nesta etapa, a ação recomendada é: criar identificação persistente e trilha de
validação. Ela deve ser executada de modo observável, com data, versão e pessoa responsável.
A quarta etapa é tornar explícito o custo total. Sometempo de preparação, esforço de revisão,
treinamento, licença, infraestrutura, falhas e manutenção. Uma economia em minutos por tarefa
profissional não se converte automaticamente em economia organizacional: talvez a equipe
precise corrigir dados, acolher reclamações ou reconstruir confiança. A quinta etapa é instituir
revisão regular. À medida que documentos, usuários, processos e tecnologia mudam, o resultado
anterior deixa de representar a situação presente. Guarde uma amostra fixa para comparação
entre versões e complemente-a com ocorrências novas da operação.
A sexta etapa consiste em distribuir autoridade: quem pode alterar regras, quem aprova
exceções, quem acessa informações e quem determina a suspensão. Não basta declarar que há
“humano no circuito” se essa pessoa não tem tempo, informação ou poder para discordar. A
revisão humana precisa de critérios, exemplos de erro e canal para registrar divergências.
Quando essas condições estão presentes, a tecnologia pode reduzir trabalho mecânico sem
transferir silenciosamente a responsabilidade a quem recebe a saída.
PROFISSÕES DO FUTURO COM IA
37 • EDIÇÃO DIGITAL 2026
MEDIDAS QUE IMPORTAM
Use como indicador principal interferências confirmadas e tempo de correção.. Não o leia
isoladamente. Separe os resultados por tipo de caso, contexto, grupo afetado e grau de
dificuldade; depois compare com a linha de base anterior. Se o indicador melhorar apenas em
situações simples, talvez o sistema tenha deslocado o trabalho difícil para pessoas menos visíveis.
Acrescente uma medida de segurança: quantidade de erros graves por amostra auditada.
Acrescente ainda uma medida de custo: esforço total por resultado validado, incluindo correção
posterior.
Defina o que conta como sucesso antes do teste. Uma meta que muda depois de observar os
resultados não permite comparação honesta. Analise também os casos de recusa: há situações
em que o melhor resultado é admitir dúvida, interromper a ação ou encaminhar a uma pessoa
competente. Registre falsos positivos e falsos negativos quando houver classificação; use
exemplos concretos para orientar a equipe, não apenas médias. Se a amostra for pequena, diga
explicitamente que o piloto sugere possibilidades e ainda não comprova desempenho estável.
DECISÕES DIFÍCEIS E CONTRAPONTOS
O erro mais tentador é título de cargo sem competência demonstrada. Ele se agrava quando
relacionar falha ao elemento errado por ID instável.. A mitigação não é exigir perfeição abstrata,
mas reduzir exposição: limitar alcance, registrar decisões e estabelecer parada segura. Há
também uma tensão entre personalização e padronização. Personalizar pode ajudar a atender
contextos diferentes, mas dificulta reproduzir decisões e explicar tratamentos distintos.
Padronizar facilita auditoria, mas pode ignorar necessidades individuais. A escolha deve ser
justificada em função da tarefa, não pela capacidade da ferramenta.
Outro contraponto é a possibilidade de uma solução sem IA ser melhor. Um formulário claro, uma
lista de verificação, uma regra determinística, uma formação breve ou a correção da base de
dados podem resolver o problema por menos custo e com maior previsibilidade. Use a tecnologia
quando ela acrescentar capacidade demonstrável, não quando for a opção mais fácil de anunciar.
Para decidir, documente alternativa rejeitada, motivo, restrição de orçamento e condição que
faria a equipe rever a escolha.
OFICINA PARA O LEITOR
Exercício 1: descreva, em até seis linhas, uma situação própria relacionada a “engenharia,
construção e digital twins”. Identifique uma entrada verificável, uma saída útil e uma pessoa que
sofrerá as consequências de um erro. Exercício 2: elabore três casos normais, dois de borda e um
caso em que a resposta correta é “não sei”. Escreva antes do teste o que considerará resultado
aceitável. Exercício 3: aplique a orientação “criar identificação persistente e trilha de validação.” e
registre o que mudou no processo, não apenas na interface.
Exercício 4: desenhe uma tabela com cinco colunas — caso, resultado esperado, resultado
observado, gravidade e ação corretiva. Preencha a tabela com exemplos reais autorizados ou
fictícios, claramente sinalizados como tal. Exercício 5: apresente a um colega a principal limitação
encontrada, sem defender previamente a ferramenta. Peça que ele formule uma explicação
alternativa para o ganho observado. Esse confronto melhora a avaliação e previne o entusiasmo
seletivo. Ao final, pergunte se o portfólio com evidências produzido poderia ser compreendido e
contestado por alguém que não participou do projeto.
PROFISSÕES DO FUTURO COM IA
38 • EDIÇÃO DIGITAL 2026
CAPÍTULO 13 — EMPREENDEDORISMO
ESPECIALIZADO
IDEIA CENTRAL
Pequenas equipes podem entregar serviço melhor ao automatizar etapas pouco diferenciadas.
Essa afirmação parece simples até que a decisão chega ao contexto de uma equipe, a um
orçamento e a pessoas que dependerão do resultado. É necessário separar mecanismo, finalidade
e limites: o que a tecnologia consegue fazer sob condições controladas não equivale ao que deve
fazer em uma operação real. O capítulo trabalha com uma situação específica, observa seus
pontos de falha e propõe um modo de avaliar resultados sem esconder incertezas.
COMO O PROCESSO FUNCIONA
Comece pela unidade de análise: cada tarefa profissional tem entrada, transformação, saída e
consequência. No caso de “empreendedorismo especializado”, a entrada pode estar incompleta,
contraditória ou fora do padrão; por isso, o profissional em transição precisa verificar condições de
uso antes de produzir o portfólio com evidências. Uma maneira útil de representar o processo é
desenhar quatro caixas: origem da informação, critérios aplicados, resultado entregue e
verificação posterior. Descreva também o que não deve ser decidido pelo sistema. A fronteira
operacional aqui é responsabilidade pessoal pela entrega. Sem essa fronteira, o fluxo pode
aparentar eficiência enquanto transfere risco para usuários e equipes de suporte.
Faça a distinção entre três tipos de problema. O primeiro é erro de entrada: os dados não
correspondem à situação real. O segundo é erro de método: mesmo com dados corretos, as
regras ou o modelo não tratam adequadamente a exceção. O terceiro é erro de uso: a saída é
apropriada como sugestão, mas alguém a interpreta como aprovação final. O controle de
qualidade muda para cada situação. Conferência da fonte reduz o primeiro; ensaios com casos
difíceis reduzem o segundo; treinamento, interface clara e responsabilidade definida reduzem o
terceiro. Essa decomposição vale mais do que afirmar genericamente que o sistema “tem
precisão”.
PROFISSÕES DO FUTURO COM IA
39 • EDIÇÃO DIGITAL 2026
CASO COMENTADO
Considere esta situação hipotética: Uma consultoria entrega análise preliminar rápida e revisão
de especialista. A equipe não começa pela ferramenta. Primeiro, define o resultado aceitável e
reúne exemplos de rotina, exceções e situações em que não há dados suficientes. Em seguida,
alguém executa o fluxo atual para formar uma referência de comparação. Só então a nova
abordagem é aplicada aos mesmos casos, com registro do que mudou e do que permaneceu
igual. O objetivo não é fabricar uma vitória da tecnologia: é identificar quais partes do trabalho
foram realmente aprimoradas.
Imagine agora que surge prometer precisão automática que não consegue demonstrar.. O
problema não deve ser resolvido ocultando o caso ruim da amostra. Registre o ocorrido,
classifique a gravidade, preserve as entradas necessárias para reproduzi-lo sem violar privacidade
e defina quem pode corrigir ou interromper o processo. Se houver impacto externo, a resposta
precisa incluir comunicação ao afetado e reparação proporcionada. Um piloto que aprende com
esse episódio tem mais valor do que uma implantação que só apresenta exemplos
bem-sucedidos.
No fechamento do caso, compare duas perguntas diferentes: “o sistema concluiu a tarefa?” e “o
usuário obteve o resultado certo com esforço aceitável?”. Uma resposta pode ser tecnicamenteválida e ainda gerar retrabalho, insegurança ou falta de confiança. Observe o empregabilidade e
valor entregue; registre custos que surgiram fora da equipe central; e evite inferir qualidade
apenas pela satisfação imediata. Usuários podem gostar de uma resposta rápida sem perceber
uma omissão, enquanto profissionais experientes podem notar uma falha crítica em poucos
segundos.
MÉTODO DE IMPLANTAÇÃO
A primeira etapa é delimitar o escopo em uma página: público, objetivo, dados permitidos,
condições para recusar uma resposta, responsável e forma de reversão. A segunda é montar um
conjunto pequeno, porém heterogêneo, de casos: típicos, extremos, incompletos e
deliberadamente adversariais. A terceira é testar sem alterar o padrão de avaliação entre
alternativas. Nesta etapa, a ação recomendada é: oferecer escopo explícito e evidência de
validação. Ela deve ser executada de modo observável, com data, versão e pessoa responsável.
A quarta etapa é tornar explícito o custo total. Some tempo de preparação, esforço de revisão,
treinamento, licença, infraestrutura, falhas e manutenção. Uma economia em minutos por tarefa
profissional não se converte automaticamente em economia organizacional: talvez a equipe
precise corrigir dados, acolher reclamações ou reconstruir confiança. A quinta etapa é instituir
revisão regular. À medida que documentos, usuários, processos e tecnologia mudam, o resultado
anterior deixa de representar a situação presente. Guarde uma amostra fixa para comparação
entre versões e complemente-a com ocorrências novas da operação.
A sexta etapa consiste em distribuir autoridade: quem pode alterar regras, quem aprova
exceções, quem acessa informações e quem determina a suspensão. Não basta declarar que há
“humano no circuito” se essa pessoa não tem tempo, informação ou poder para discordar. A
revisão humana precisa de critérios, exemplos de erro e canal para registrar divergências.
Quando essas condições estão presentes, a tecnologia pode reduzir trabalho mecânico sem
transferir silenciosamente a responsabilidade a quem recebe a saída.
PROFISSÕES DO FUTURO COM IA
40 • EDIÇÃO DIGITAL 2026
MEDIDAS QUE IMPORTAM
Use como indicador principal margem após retrabalho e satisfação do cliente.. Não o leia
isoladamente. Separe os resultados por tipo de caso, contexto, grupo afetado e grau de
dificuldade; depois compare com a linha de base anterior. Se o indicador melhorar apenas em
situações simples, talvez o sistema tenha deslocado o trabalho difícil para pessoas menos visíveis.
Acrescente uma medida de segurança: quantidade de erros graves por amostra auditada.
Acrescente ainda uma medida de custo: esforço total por resultado validado, incluindo correção
posterior.
Defina o que conta como sucesso antes do teste. Uma meta que muda depois de observar os
resultados não permite comparação honesta. Analise também os casos de recusa: há situações
em que o melhor resultado é admitir dúvida, interromper a ação ou encaminhar a uma pessoa
competente. Registre falsos positivos e falsos negativos quando houver classificação; use
exemplos concretos para orientar a equipe, não apenas médias. Se a amostra for pequena, diga
explicitamente que o piloto sugere possibilidades e ainda não comprova desempenho estável.
DECISÕES DIFÍCEIS E CONTRAPONTOS
O erro mais tentador é título de cargo sem competência demonstrada. Ele se agrava quando
prometer precisão automática que não consegue demonstrar.. A mitigação não é exigir perfeição
abstrata, mas reduzir exposição: limitar alcance, registrar decisões e estabelecer parada segura.
Há também uma tensão entre personalização e padronização. Personalizar pode ajudar a atender
contextos diferentes, mas dificulta reproduzir decisões e explicar tratamentos distintos.
Padronizar facilita auditoria, mas pode ignorar necessidades individuais. A escolha deve ser
justificada em função da tarefa, não pela capacidade da ferramenta.
Outro contraponto é a possibilidade de uma solução sem IA ser melhor. Um formulário claro, uma
lista de verificação, uma regra determinística, uma formação breve ou a correção da base de
dados podem resolver o problema por menos custo e com maior previsibilidade. Use a tecnologia
quando ela acrescentar capacidade demonstrável, não quando for a opção mais fácil de anunciar.
Para decidir, documente alternativa rejeitada, motivo, restrição de orçamento e condição que
faria a equipe rever a escolha.
OFICINA PARA O LEITOR
Exercício 1: descreva, em até seis linhas, uma situação própria relacionada a “empreendedorismo
especializado”. Identifique uma entrada verificável, uma saída útil e uma pessoa que sofrerá as
consequências de um erro. Exercício 2: elabore três casos normais, dois de borda e um caso em
que a resposta correta é “não sei”. Escreva antes do teste o que considerará resultado aceitável.
Exercício 3: aplique a orientação “oferecer escopo explícito e evidência de validação.” e registre o
que mudou no processo, não apenas na interface.
Exercício 4: desenhe uma tabela com cinco colunas — caso, resultado esperado, resultado
observado, gravidade e ação corretiva. Preencha a tabela com exemplos reais autorizados ou
fictícios, claramente sinalizados como tal. Exercício 5: apresente a um colega a principal limitação
encontrada, sem defender previamente a ferramenta. Peça que ele formule uma explicação
alternativa para o ganho observado. Esse confronto melhora a avaliação e previne o entusiasmo
seletivo. Ao final, pergunte se o portfólio com evidências produzido poderia ser compreendido e
contestado por alguém que não participou do projeto.
PROFISSÕES DO FUTURO COM IA
41 • EDIÇÃO DIGITAL 2026
CAPÍTULO 14 — PORTFÓLIO E APRENDIZAGEM
CONTÍNUA
IDEIA CENTRAL
O ponto de partida deste capítulo é uma escolha de desenho, não uma corrida por novidade: um
portfólio demonstra decisões e resultados melhor do que uma lista de ferramentas. Para
transformar a ideia em trabalho confiável, explicite quem solicita, quem executa, de onde vêm os
dados, quando o processo termina e quem pode contestar uma falha. Esse percurso revela custos
e limitações que uma demonstração isolada não mostra.
COMO O PROCESSO FUNCIONA
Comece pela unidade de análise: cada tarefa profissional tem entrada, transformação, saída e
consequência. No caso de “portfólio e aprendizagem contínua”, a entrada pode estar incompleta,
contraditória ou fora do padrão; por isso, o profissional em transição precisa verificar condições de
uso antes de produzir o portfólio com evidências. Uma maneira útil de representar o processo é
desenhar quatro caixas: origem da informação, critérios aplicados, resultado entregue e
verificação posterior. Descreva também o que não deve ser decidido pelo sistema. A fronteira
operacional aqui é responsabilidade pessoal pela entrega. Sem essa fronteira, o fluxo pode
aparentar eficiência enquanto transfere risco para usuários e equipes de suporte.
Faça a distinção entre três tipos de problema. O primeiro é erro de entrada: os dados não
correspondem à situação real. O segundo é erro de método: mesmo com dados corretos, as
regras ou o modelo não tratam adequadamente a exceção. O terceiro é erro de uso: a saída é
apropriada como sugestão, mas alguém a interpreta como aprovação final. O controle de
qualidade muda para cada situação. Conferência da fonte reduz o primeiro; ensaios com casos
difíceis reduzem o segundo; treinamento, interface clara e responsabilidade definida reduzem o
terceiro. Essa decomposição vale mais do que afirmar genericamente que o sistema “tem
precisão”.
PROFISSÕES DO FUTURO COM IA
42 • EDIÇÃO DIGITAL 2026
CASO COMENTADO
Considere esta situação hipotética: Uma candidata apresenta problema, dados permitidos, teste e
correção de falhas. A equipe não começa pela ferramenta. Primeiro, define o resultado aceitável e
reúne exemplos de rotina, exceções e situações em que não há dados suficientes. Em seguida,
alguém executa o fluxo atual para formar uma referência de comparação. Só então a nova
abordagem é aplicada aos mesmos casos, com registro do quemudou e do que permaneceu
igual. O objetivo não é fabricar uma vitória da tecnologia: é identificar quais partes do trabalho
foram realmente aprimoradas.
Imagine agora que surge publicar dados sigilosos para provar competência.. O problema não deve
ser resolvido ocultando o caso ruim da amostra. Registre o ocorrido, classifique a gravidade,
preserve as entradas necessárias para reproduzi-lo sem violar privacidade e defina quem pode
corrigir ou interromper o processo. Se houver impacto externo, a resposta precisa incluir
comunicação ao afetado e reparação proporcionada. Um piloto que aprende com esse episódio
tem mais valor do que uma implantação que só apresenta exemplos bem-sucedidos.
No fechamento do caso, compare duas perguntas diferentes: “o sistema concluiu a tarefa?” e “o
usuário obteve o resultado certo com esforço aceitável?”. Uma resposta pode ser tecnicamente
válida e ainda gerar retrabalho, insegurança ou falta de confiança. Observe o empregabilidade e
valor entregue; registre custos que surgiram fora da equipe central; e evite inferir qualidade
apenas pela satisfação imediata. Usuários podem gostar de uma resposta rápida sem perceber
uma omissão, enquanto profissionais experientes podem notar uma falha crítica em poucos
segundos.
MÉTODO DE IMPLANTAÇÃO
A primeira etapa é delimitar o escopo em uma página: público, objetivo, dados permitidos,
condições para recusar uma resposta, responsável e forma de reversão. A segunda é montar um
conjunto pequeno, porém heterogêneo, de casos: típicos, extremos, incompletos e
deliberadamente adversariais. A terceira é testar sem alterar o padrão de avaliação entre
alternativas. Nesta etapa, a ação recomendada é: documentar hipóteses, limites e impacto
observado. Ela deve ser executada de modo observável, com data, versão e pessoa responsável.
A quarta etapa é tornar explícito o custo total. Some tempo de preparação, esforço de revisão,
treinamento, licença, infraestrutura, falhas e manutenção. Uma economia em minutos por tarefa
profissional não se converte automaticamente em economia organizacional: talvez a equipe
precise corrigir dados, acolher reclamações ou reconstruir confiança. A quinta etapa é instituir
revisão regular. À medida que documentos, usuários, processos e tecnologia mudam, o resultado
anterior deixa de representar a situação presente. Guarde uma amostra fixa para comparação
entre versões e complemente-a com ocorrências novas da operação.
A sexta etapa consiste em distribuir autoridade: quem pode alterar regras, quem aprova
exceções, quem acessa informações e quem determina a suspensão. Não basta declarar que há
“humano no circuito” se essa pessoa não tem tempo, informação ou poder para discordar. A
revisão humana precisa de critérios, exemplos de erro e canal para registrar divergências.
Quando essas condições estão presentes, a tecnologia pode reduzir trabalho mecânico sem
transferir silenciosamente a responsabilidade a quem recebe a saída.
PROFISSÕES DO FUTURO COM IA
43 • EDIÇÃO DIGITAL 2026
MEDIDAS QUE IMPORTAM
Use como indicador principal clareza da evidência e reprodutibilidade.. Não o leia isoladamente.
Separe os resultados por tipo de caso, contexto, grupo afetado e grau de dificuldade; depois
compare com a linha de base anterior. Se o indicador melhorar apenas em situações simples,
talvez o sistema tenha deslocado o trabalho difícil para pessoas menos visíveis. Acrescente uma
medida de segurança: quantidade de erros graves por amostra auditada. Acrescente ainda uma
medida de custo: esforço total por resultado validado, incluindo correção posterior.
Defina o que conta como sucesso antes do teste. Uma meta que muda depois de observar os
resultados não permite comparação honesta. Analise também os casos de recusa: há situações
em que o melhor resultado é admitir dúvida, interromper a ação ou encaminhar a uma pessoa
competente. Registre falsos positivos e falsos negativos quando houver classificação; use
exemplos concretos para orientar a equipe, não apenas médias. Se a amostra for pequena, diga
explicitamente que o piloto sugere possibilidades e ainda não comprova desempenho estável.
DECISÕES DIFÍCEIS E CONTRAPONTOS
O erro mais tentador é título de cargo sem competência demonstrada. Ele se agrava quando
publicar dados sigilosos para provar competência.. A mitigação não é exigir perfeição abstrata,
mas reduzir exposição: limitar alcance, registrar decisões e estabelecer parada segura. Há
também uma tensão entre personalização e padronização. Personalizar pode ajudar a atender
contextos diferentes, mas dificulta reproduzir decisões e explicar tratamentos distintos.
Padronizar facilita auditoria, mas pode ignorar necessidades individuais. A escolha deve ser
justificada em função da tarefa, não pela capacidade da ferramenta.
Outro contraponto é a possibilidade de uma solução sem IA ser melhor. Um formulário claro, uma
lista de verificação, uma regra determinística, uma formação breve ou a correção da base de
dados podem resolver o problema por menos custo e com maior previsibilidade. Use a tecnologia
quando ela acrescentar capacidade demonstrável, não quando for a opção mais fácil de anunciar.
Para decidir, documente alternativa rejeitada, motivo, restrição de orçamento e condição que
faria a equipe rever a escolha.
OFICINA PARA O LEITOR
Exercício 1: descreva, em até seis linhas, uma situação própria relacionada a “portfólio e
aprendizagem contínua”. Identifique uma entrada verificável, uma saída útil e uma pessoa que
sofrerá as consequências de um erro. Exercício 2: elabore três casos normais, dois de borda e um
caso em que a resposta correta é “não sei”. Escreva antes do teste o que considerará resultado
aceitável. Exercício 3: aplique a orientação “documentar hipóteses, limites e impacto observado.”
e registre o que mudou no processo, não apenas na interface.
Exercício 4: desenhe uma tabela com cinco colunas — caso, resultado esperado, resultado
observado, gravidade e ação corretiva. Preencha a tabela com exemplos reais autorizados ou
fictícios, claramente sinalizados como tal. Exercício 5: apresente a um colega a principal limitação
encontrada, sem defender previamente a ferramenta. Peça que ele formule uma explicação
alternativa para o ganho observado. Esse confronto melhora a avaliação e previne o entusiasmo
seletivo. Ao final, pergunte se o portfólio com evidências produzido poderia ser compreendido e
contestado por alguém que não participou do projeto.
PROFISSÕES DO FUTURO COM IA
44 • EDIÇÃO DIGITAL 2026
CAPÍTULO 15 — ROTEIRO DE TRANSIÇÃO
PROFISSIONAL
IDEIA CENTRAL
A melhor mudança combina experiência anterior com uma competência nova e demanda
demonstrável. A consequência prática é que uma solução só faz sentido se melhorar uma tarefa
definida. Antes de discutir fornecedores, imagine duas alternativas: continuar com o
procedimento atual ou alterar apenas uma etapa. A comparação obriga a observar qualidade,
tempo e impacto sobre as pessoas, em vez de presumir que toda automação representa
progresso.
COMO O PROCESSO FUNCIONA
Comece pela unidade de análise: cada tarefa profissional tem entrada, transformação, saída e
consequência. No caso de “roteiro de transição profissional”, a entrada pode estar incompleta,
contraditória ou fora do padrão; por isso, o profissional em transição precisa verificar condições de
uso antes de produzir o portfólio com evidências. Uma maneira útil de representar o processo é
desenhar quatro caixas: origem da informação, critérios aplicados, resultado entregue e
verificação posterior. Descreva também o que não deve ser decidido pelo sistema. A fronteira
operacional aqui é responsabilidade pessoal pela entrega. Sem essa fronteira, o fluxo pode
aparentar eficiência enquanto transfere risco para usuários e equipes de suporte.
Faça a distinção entre três tipos de problema. O primeiro é erro de entrada: os dados não
correspondem à situação real. O segundo é erro de método: mesmo com dados corretos, as
regras ou o modelo não tratam adequadamente a exceção. O terceiro é erro de uso:a saída é
apropriada como sugestão, mas alguém a interpreta como aprovação final. O controle de
qualidade muda para cada situação. Conferência da fonte reduz o primeiro; ensaios com casos
difíceis reduzem o segundo; treinamento, interface clara e responsabilidade definida reduzem o
terceiro. Essa decomposição vale mais do que afirmar genericamente que o sistema “tem
precisão”.
PROFISSÕES DO FUTURO COM IA
45 • EDIÇÃO DIGITAL 2026
CASO COMENTADO
Considere esta situação hipotética: Uma atendente migra para análise de qualidade de respostas
automatizadas. A equipe não começa pela ferramenta. Primeiro, define o resultado aceitável e
reúne exemplos de rotina, exceções e situações em que não há dados suficientes. Em seguida,
alguém executa o fluxo atual para formar uma referência de comparação. Só então a nova
abordagem é aplicada aos mesmos casos, com registro do que mudou e do que permaneceu
igual. O objetivo não é fabricar uma vitória da tecnologia: é identificar quais partes do trabalho
foram realmente aprimoradas.
Imagine agora que surge investir em cursos sem testar vagas, contratos ou projetos reais.. O
problema não deve ser resolvido ocultando o caso ruim da amostra. Registre o ocorrido,
classifique a gravidade, preserve as entradas necessárias para reproduzi-lo sem violar privacidade
e defina quem pode corrigir ou interromper o processo. Se houver impacto externo, a resposta
precisa incluir comunicação ao afetado e reparação proporcionada. Um piloto que aprende com
esse episódio tem mais valor do que uma implantação que só apresenta exemplos
bem-sucedidos.
No fechamento do caso, compare duas perguntas diferentes: “o sistema concluiu a tarefa?” e “o
usuário obteve o resultado certo com esforço aceitável?”. Uma resposta pode ser tecnicamente
válida e ainda gerar retrabalho, insegurança ou falta de confiança. Observe o empregabilidade e
valor entregue; registre custos que surgiram fora da equipe central; e evite inferir qualidade
apenas pela satisfação imediata. Usuários podem gostar de uma resposta rápida sem perceber
uma omissão, enquanto profissionais experientes podem notar uma falha crítica em poucos
segundos.
MÉTODO DE IMPLANTAÇÃO
A primeira etapa é delimitar o escopo em uma página: público, objetivo, dados permitidos,
condições para recusar uma resposta, responsável e forma de reversão. A segunda é montar um
conjunto pequeno, porém heterogêneo, de casos: típicos, extremos, incompletos e
deliberadamente adversariais. A terceira é testar sem alterar o padrão de avaliação entre
alternativas. Nesta etapa, a ação recomendada é: montar experimento trimestral com estudo,
projeto e feedback. Ela deve ser executada de modo observável, com data, versão e pessoa
responsável.
A quarta etapa é tornar explícito o custo total. Some tempo de preparação, esforço de revisão,
treinamento, licença, infraestrutura, falhas e manutenção. Uma economia em minutos por tarefa
profissional não se converte automaticamente em economia organizacional: talvez a equipe
precise corrigir dados, acolher reclamações ou reconstruir confiança. A quinta etapa é instituir
revisão regular. À medida que documentos, usuários, processos e tecnologia mudam, o resultado
anterior deixa de representar a situação presente. Guarde uma amostra fixa para comparação
entre versões e complemente-a com ocorrências novas da operação.
A sexta etapa consiste em distribuir autoridade: quem pode alterar regras, quem aprova
exceções, quem acessa informações e quem determina a suspensão. Não basta declarar que há
“humano no circuito” se essa pessoa não tem tempo, informação ou poder para discordar. A
revisão humana precisa de critérios, exemplos de erro e canal para registrar divergências.
Quando essas condições estão presentes, a tecnologia pode reduzir trabalho mecânico sem
transferir silenciosamente a responsabilidade a quem recebe a saída.
PROFISSÕES DO FUTURO COM IA
46 • EDIÇÃO DIGITAL 2026
MEDIDAS QUE IMPORTAM
Use como indicador principal entrevistas, projetos concluídos e aprendizado aplicado.. Não o leia
isoladamente. Separe os resultados por tipo de caso, contexto, grupo afetado e grau de
dificuldade; depois compare com a linha de base anterior. Se o indicador melhorar apenas em
situações simples, talvez o sistema tenha deslocado o trabalho difícil para pessoas menos visíveis.
Acrescente uma medida de segurança: quantidade de erros graves por amostra auditada.
Acrescente ainda uma medida de custo: esforço total por resultado validado, incluindo correção
posterior.
Defina o que conta como sucesso antes do teste. Uma meta que muda depois de observar os
resultados não permite comparação honesta. Analise também os casos de recusa: há situações
em que o melhor resultado é admitir dúvida, interromper a ação ou encaminhar a uma pessoa
competente. Registre falsos positivos e falsos negativos quando houver classificação; use
exemplos concretos para orientar a equipe, não apenas médias. Se a amostra for pequena, diga
explicitamente que o piloto sugere possibilidades e ainda não comprova desempenho estável.
DECISÕES DIFÍCEIS E CONTRAPONTOS
O erro mais tentador é título de cargo sem competência demonstrada. Ele se agrava quando
investir em cursos sem testar vagas, contratos ou projetos reais.. A mitigação não é exigir
perfeição abstrata, mas reduzir exposição: limitar alcance, registrar decisões e estabelecer
parada segura. Há também uma tensão entre personalização e padronização. Personalizar pode
ajudar a atender contextos diferentes, mas dificulta reproduzir decisões e explicar tratamentos
distintos. Padronizar facilita auditoria, mas pode ignorar necessidades individuais. A escolha deve
ser justificada em função da tarefa, não pela capacidade da ferramenta.
Outro contraponto é a possibilidade de uma solução sem IA ser melhor. Um formulário claro, uma
lista de verificação, uma regra determinística, uma formação breve ou a correção da base de
dados podem resolver o problema por menos custo e com maior previsibilidade. Use a tecnologia
quando ela acrescentar capacidade demonstrável, não quando for a opção mais fácil de anunciar.
Para decidir, documente alternativa rejeitada, motivo, restrição de orçamento e condição que
faria a equipe rever a escolha.
OFICINA PARA O LEITOR
Exercício 1: descreva, em até seis linhas, uma situação própria relacionada a “roteiro de transição
profissional”. Identifique uma entrada verificável, uma saída útil e uma pessoa que sofrerá as
consequências de um erro. Exercício 2: elabore três casos normais, dois de borda e um caso em
que a resposta correta é “não sei”. Escreva antes do teste o que considerará resultado aceitável.
Exercício 3: aplique a orientação “montar experimento trimestral com estudo, projeto e
feedback.” e registre o que mudou no processo, não apenas na interface.
Exercício 4: desenhe uma tabela com cinco colunas — caso, resultado esperado, resultado
observado, gravidade e ação corretiva. Preencha a tabela com exemplos reais autorizados ou
fictícios, claramente sinalizados como tal. Exercício 5: apresente a um colega a principal limitação
encontrada, sem defender previamente a ferramenta. Peça que ele formule uma explicação
alternativa para o ganho observado. Esse confronto melhora a avaliação e previne o entusiasmo
seletivo. Ao final, pergunte se o portfólio com evidências produzido poderia ser compreendido e
contestado por alguém que não participou do projeto.
PROFISSÕES DO FUTURO COM IA
47 • EDIÇÃO DIGITAL 2026
REFERÊNCIAS, LIMITES E CONTINUIDADE
Referências e nota metodológica
Este e-book é educativo e não substitui avaliação profissional, jurídica, de segurança, regulatória ou técnica
específica. O texto combina análise conceitual e exemplos hipotéticos, concebidos para treinamento de
pensamento crítico e não como relato de casos reais. Dados e afirmações amplas sobre mercado de trabalho e
adoção de IA foram balizados por: International Labour Organization, Generative AI and Jobs: A Refined Global
Index of Occupational Exposure (2025); World Economic Forum, Future of Jobs Report2025; Stanford HAI, AI
Index Report 2025; e GitHub Docs, materiais de uso responsável de assistentes de código. Consulte as versões
oficiais dessas publicações para números e atualizações.
Checklist final para projetos
Antes de adotar uma nova solução, confirme: problema definido; dados permitidos e confiáveis;
critérios de aceitação; casos de exceção; pessoa responsável; medida de qualidade;
procedimento de interrupção; revisão periódica; e documentação suficiente para que outra
pessoa compreenda as decisões. Um projeto só é robusto quando consegue explicar não apenas o
que faz, mas por que faz, para quem e com quais limites.para orientar a equipe, não apenas médias. Se a amostra for pequena, diga
explicitamente que o piloto sugere possibilidades e ainda não comprova desempenho estável.
DECISÕES DIFÍCEIS E CONTRAPONTOS
O erro mais tentador é título de cargo sem competência demonstrada. Ele se agrava quando
confundir uma tarefa automatizada com extinção da profissão.. A mitigação não é exigir perfeição
abstrata, mas reduzir exposição: limitar alcance, registrar decisões e estabelecer parada segura.
Há também uma tensão entre personalização e padronização. Personalizar pode ajudar a atender
contextos diferentes, mas dificulta reproduzir decisões e explicar tratamentos distintos.
Padronizar facilita auditoria, mas pode ignorar necessidades individuais. A escolha deve ser
justificada em função da tarefa, não pela capacidade da ferramenta.
Outro contraponto é a possibilidade de uma solução sem IA ser melhor. Um formulário claro, uma
lista de verificação, uma regra determinística, uma formação breve ou a correção da base de
dados podem resolver o problema por menos custo e com maior previsibilidade. Use a tecnologia
quando ela acrescentar capacidade demonstrável, não quando for a opção mais fácil de anunciar.
Para decidir, documente alternativa rejeitada, motivo, restrição de orçamento e condição que
faria a equipe rever a escolha.
OFICINA PARA O LEITOR
Exercício 1: descreva, em até seis linhas, uma situação própria relacionada a “a carreira como
conjunto de tarefas”. Identifique uma entrada verificável, uma saída útil e uma pessoa que sofrerá
as consequências de um erro. Exercício 2: elabore três casos normais, dois de borda e um caso
em que a resposta correta é “não sei”. Escreva antes do teste o que considerará resultado
aceitável. Exercício 3: aplique a orientação “mapear as atividades reais antes de escolher
formação.” e registre o que mudou no processo, não apenas na interface.
Exercício 4: desenhe uma tabela com cinco colunas — caso, resultado esperado, resultado
observado, gravidade e ação corretiva. Preencha a tabela com exemplos reais autorizados ou
fictícios, claramente sinalizados como tal. Exercício 5: apresente a um colega a principal limitação
encontrada, sem defender previamente a ferramenta. Peça que ele formule uma explicação
alternativa para o ganho observado. Esse confronto melhora a avaliação e previne o entusiasmo
seletivo. Ao final, pergunte se o portfólio com evidências produzido poderia ser compreendido e
contestado por alguém que não participou do projeto.
PROFISSÕES DO FUTURO COM IA
05 • EDIÇÃO DIGITAL 2026
CAPÍTULO 02 — ESPECIALISTA DE DOMÍNIO
AUMENTADO
IDEIA CENTRAL
O ponto de partida deste capítulo é uma escolha de desenho, não uma corrida por novidade:
conhecimento setorial amplia o valor da IA ao detectar problemas que modelos genéricos
ignoram. Para transformar a ideia em trabalho confiável, explicite quem solicita, quem executa,
de onde vêm os dados, quando o processo termina e quem pode contestar uma falha. Esse
percurso revela custos e limitações que uma demonstração isolada não mostra.
COMO O PROCESSO FUNCIONA
Comece pela unidade de análise: cada tarefa profissional tem entrada, transformação, saída e
consequência. No caso de “especialista de domínio aumentado”, a entrada pode estar
incompleta, contraditória ou fora do padrão; por isso, o profissional em transição precisa verificar
condições de uso antes de produzir o portfólio com evidências. Uma maneira útil de representar o
processo é desenhar quatro caixas: origem da informação, critérios aplicados, resultado entregue
e verificação posterior. Descreva também o que não deve ser decidido pelo sistema. A fronteira
operacional aqui é responsabilidade pessoal pela entrega. Sem essa fronteira, o fluxo pode
aparentar eficiência enquanto transfere risco para usuários e equipes de suporte.
Faça a distinção entre três tipos de problema. O primeiro é erro de entrada: os dados não
correspondem à situação real. O segundo é erro de método: mesmo com dados corretos, as
regras ou o modelo não tratam adequadamente a exceção. O terceiro é erro de uso: a saída é
apropriada como sugestão, mas alguém a interpreta como aprovação final. O controle de
qualidade muda para cada situação. Conferência da fonte reduz o primeiro; ensaios com casos
difíceis reduzem o segundo; treinamento, interface clara e responsabilidade definida reduzem o
terceiro. Essa decomposição vale mais do que afirmar genericamente que o sistema “tem
precisão”.
PROFISSÕES DO FUTURO COM IA
06 • EDIÇÃO DIGITAL 2026
CASO COMENTADO
Considere esta situação hipotética: Uma engenheira BIM valida unidades e regras em relatórios
gerados automaticamente. A equipe não começa pela ferramenta. Primeiro, define o resultado
aceitável e reúne exemplos de rotina, exceções e situações em que não há dados suficientes. Em
seguida, alguém executa o fluxo atual para formar uma referência de comparação. Só então a
nova abordagem é aplicada aos mesmos casos, com registro do que mudou e do que permaneceu
igual. O objetivo não é fabricar uma vitória da tecnologia: é identificar quais partes do trabalho
foram realmente aprimoradas.
Imagine agora que surge aceitar uma resposta fluente sem conhecer a norma aplicável.. O
problema não deve ser resolvido ocultando o caso ruim da amostra. Registre o ocorrido,
classifique a gravidade, preserve as entradas necessárias para reproduzi-lo sem violar privacidade
e defina quem pode corrigir ou interromper o processo. Se houver impacto externo, a resposta
precisa incluir comunicação ao afetado e reparação proporcionada. Um piloto que aprende com
esse episódio tem mais valor do que uma implantação que só apresenta exemplos
bem-sucedidos.
No fechamento do caso, compare duas perguntas diferentes: “o sistema concluiu a tarefa?” e “o
usuário obteve o resultado certo com esforço aceitável?”. Uma resposta pode ser tecnicamente
válida e ainda gerar retrabalho, insegurança ou falta de confiança. Observe o empregabilidade e
valor entregue; registre custos que surgiram fora da equipe central; e evite inferir qualidade
apenas pela satisfação imediata. Usuários podem gostar de uma resposta rápida sem perceber
uma omissão, enquanto profissionais experientes podem notar uma falha crítica em poucos
segundos.
MÉTODO DE IMPLANTAÇÃO
A primeira etapa é delimitar o escopo em uma página: público, objetivo, dados permitidos,
condições para recusar uma resposta, responsável e forma de reversão. A segunda é montar um
conjunto pequeno, porém heterogêneo, de casos: típicos, extremos, incompletos e
deliberadamente adversariais. A terceira é testar sem alterar o padrão de avaliação entre
alternativas. Nesta etapa, a ação recomendada é: estudar o domínio e criar protocolos próprios de
revisão. Ela deve ser executada de modo observável, com data, versão e pessoa responsável.
A quarta etapa é tornar explícito o custo total. Some tempo de preparação, esforço de revisão,
treinamento, licença, infraestrutura, falhas e manutenção. Uma economia em minutos por tarefa
profissional não se converte automaticamente em economia organizacional: talvez a equipe
precise corrigir dados, acolher reclamações ou reconstruir confiança. A quinta etapa é instituir
revisão regular. À medida que documentos, usuários, processos e tecnologia mudam, o resultado
anterior deixa de representar a situação presente. Guarde uma amostra fixa para comparação
entre versões e complemente-a com ocorrências novas da operação.
A sexta etapa consiste em distribuir autoridade: quem pode alterar regras, quem aprova
exceções, quem acessa informações e quem determina a suspensão. Não basta declarar que há
“humano no circuito” se essa pessoa não tem tempo, informação ou poder para discordar. A
revisão humana precisa de critérios, exemplos de erro e canal para registrar divergências.
Quando essas condições estão presentes, a tecnologia pode reduzir trabalho mecânico sem
transferir silenciosamente a responsabilidade a quem recebe a saída.
PROFISSÕES DO FUTURO COM IA
07 • EDIÇÃO DIGITAL 2026
MEDIDAS QUE IMPORTAM
Use como indicadorprincipal erros técnicos encontrados antes da entrega.. Não o leia
isoladamente. Separe os resultados por tipo de caso, contexto, grupo afetado e grau de
dificuldade; depois compare com a linha de base anterior. Se o indicador melhorar apenas em
situações simples, talvez o sistema tenha deslocado o trabalho difícil para pessoas menos visíveis.
Acrescente uma medida de segurança: quantidade de erros graves por amostra auditada.
Acrescente ainda uma medida de custo: esforço total por resultado validado, incluindo correção
posterior.
Defina o que conta como sucesso antes do teste. Uma meta que muda depois de observar os
resultados não permite comparação honesta. Analise também os casos de recusa: há situações
em que o melhor resultado é admitir dúvida, interromper a ação ou encaminhar a uma pessoa
competente. Registre falsos positivos e falsos negativos quando houver classificação; use
exemplos concretos para orientar a equipe, não apenas médias. Se a amostra for pequena, diga
explicitamente que o piloto sugere possibilidades e ainda não comprova desempenho estável.
DECISÕES DIFÍCEIS E CONTRAPONTOS
O erro mais tentador é título de cargo sem competência demonstrada. Ele se agrava quando
aceitar uma resposta fluente sem conhecer a norma aplicável.. A mitigação não é exigir perfeição
abstrata, mas reduzir exposição: limitar alcance, registrar decisões e estabelecer parada segura.
Há também uma tensão entre personalização e padronização. Personalizar pode ajudar a atender
contextos diferentes, mas dificulta reproduzir decisões e explicar tratamentos distintos.
Padronizar facilita auditoria, mas pode ignorar necessidades individuais. A escolha deve ser
justificada em função da tarefa, não pela capacidade da ferramenta.
Outro contraponto é a possibilidade de uma solução sem IA ser melhor. Um formulário claro, uma
lista de verificação, uma regra determinística, uma formação breve ou a correção da base de
dados podem resolver o problema por menos custo e com maior previsibilidade. Use a tecnologia
quando ela acrescentar capacidade demonstrável, não quando for a opção mais fácil de anunciar.
Para decidir, documente alternativa rejeitada, motivo, restrição de orçamento e condição que
faria a equipe rever a escolha.
OFICINA PARA O LEITOR
Exercício 1: descreva, em até seis linhas, uma situação própria relacionada a “especialista de
domínio aumentado”. Identifique uma entrada verificável, uma saída útil e uma pessoa que
sofrerá as consequências de um erro. Exercício 2: elabore três casos normais, dois de borda e um
caso em que a resposta correta é “não sei”. Escreva antes do teste o que considerará resultado
aceitável. Exercício 3: aplique a orientação “estudar o domínio e criar protocolos próprios de
revisão.” e registre o que mudou no processo, não apenas na interface.
Exercício 4: desenhe uma tabela com cinco colunas — caso, resultado esperado, resultado
observado, gravidade e ação corretiva. Preencha a tabela com exemplos reais autorizados ou
fictícios, claramente sinalizados como tal. Exercício 5: apresente a um colega a principal limitação
encontrada, sem defender previamente a ferramenta. Peça que ele formule uma explicação
alternativa para o ganho observado. Esse confronto melhora a avaliação e previne o entusiasmo
seletivo. Ao final, pergunte se o portfólio com evidências produzido poderia ser compreendido e
contestado por alguém que não participou do projeto.
PROFISSÕES DO FUTURO COM IA
08 • EDIÇÃO DIGITAL 2026
CAPÍTULO 03 — ENGENHARIA DE DADOS
APLICADA
IDEIA CENTRAL
Dados úteis exigem integração, limpeza, definição de significado e ciclo de vida. A consequência
prática é que uma solução só faz sentido se melhorar uma tarefa definida. Antes de discutir
fornecedores, imagine duas alternativas: continuar com o procedimento atual ou alterar apenas
uma etapa. A comparação obriga a observar qualidade, tempo e impacto sobre as pessoas, em
vez de presumir que toda automação representa progresso.
COMO O PROCESSO FUNCIONA
Comece pela unidade de análise: cada tarefa profissional tem entrada, transformação, saída e
consequência. No caso de “engenharia de dados aplicada”, a entrada pode estar incompleta,
contraditória ou fora do padrão; por isso, o profissional em transição precisa verificar condições de
uso antes de produzir o portfólio com evidências. Uma maneira útil de representar o processo é
desenhar quatro caixas: origem da informação, critérios aplicados, resultado entregue e
verificação posterior. Descreva também o que não deve ser decidido pelo sistema. A fronteira
operacional aqui é responsabilidade pessoal pela entrega. Sem essa fronteira, o fluxo pode
aparentar eficiência enquanto transfere risco para usuários e equipes de suporte.
Faça a distinção entre três tipos de problema. O primeiro é erro de entrada: os dados não
correspondem à situação real. O segundo é erro de método: mesmo com dados corretos, as
regras ou o modelo não tratam adequadamente a exceção. O terceiro é erro de uso: a saída é
apropriada como sugestão, mas alguém a interpreta como aprovação final. O controle de
qualidade muda para cada situação. Conferência da fonte reduz o primeiro; ensaios com casos
difíceis reduzem o segundo; treinamento, interface clara e responsabilidade definida reduzem o
terceiro. Essa decomposição vale mais do que afirmar genericamente que o sistema “tem
precisão”.
PROFISSÕES DO FUTURO COM IA
09 • EDIÇÃO DIGITAL 2026
CASO COMENTADO
Considere esta situação hipotética: Um profissional une registros de manutenção a identificadores
de ativos. A equipe não começa pela ferramenta. Primeiro, define o resultado aceitável e reúne
exemplos de rotina, exceções e situações em que não há dados suficientes. Em seguida, alguém
executa o fluxo atual para formar uma referência de comparação. Só então a nova abordagem é
aplicada aos mesmos casos, com registro do que mudou e do que permaneceu igual. O objetivo
não é fabricar uma vitória da tecnologia: é identificar quais partes do trabalho foram realmente
aprimoradas.
Imagine agora que surge juntar tabelas com chaves ambíguas e produzir conclusões falsas.. O
problema não deve ser resolvido ocultando o caso ruim da amostra. Registre o ocorrido,
classifique a gravidade, preserve as entradas necessárias para reproduzi-lo sem violar privacidade
e defina quem pode corrigir ou interromper o processo. Se houver impacto externo, a resposta
precisa incluir comunicação ao afetado e reparação proporcionada. Um piloto que aprende com
esse episódio tem mais valor do que uma implantação que só apresenta exemplos
bem-sucedidos.
No fechamento do caso, compare duas perguntas diferentes: “o sistema concluiu a tarefa?” e “o
usuário obteve o resultado certo com esforço aceitável?”. Uma resposta pode ser tecnicamente
válida e ainda gerar retrabalho, insegurança ou falta de confiança. Observe o empregabilidade e
valor entregue; registre custos que surgiram fora da equipe central; e evite inferir qualidade
apenas pela satisfação imediata. Usuários podem gostar de uma resposta rápida sem perceber
uma omissão, enquanto profissionais experientes podem notar uma falha crítica em poucos
segundos.
MÉTODO DE IMPLANTAÇÃO
A primeira etapa é delimitar o escopo em uma página: público, objetivo, dados permitidos,
condições para recusar uma resposta, responsável e forma de reversão. A segunda é montar um
conjunto pequeno, porém heterogêneo, de casos: típicos, extremos, incompletos e
deliberadamente adversariais. A terceira é testar sem alterar o padrão de avaliação entre
alternativas. Nesta etapa, a ação recomendada é: construir dicionário de dados e testes de
qualidade. Ela deve ser executada de modo observável, com data, versão e pessoa responsável.
A quarta etapa é tornar explícito o custo total. Some tempo de preparação, esforço de revisão,
treinamento, licença, infraestrutura, falhas e manutenção. Uma economia em minutos por tarefa
profissional não se converte automaticamente em economia organizacional: talvez a equipe
precise corrigir dados, acolher reclamações ou reconstruir confiança.A quinta etapa é instituir
revisão regular. À medida que documentos, usuários, processos e tecnologia mudam, o resultado
anterior deixa de representar a situação presente. Guarde uma amostra fixa para comparação
entre versões e complemente-a com ocorrências novas da operação.
A sexta etapa consiste em distribuir autoridade: quem pode alterar regras, quem aprova
exceções, quem acessa informações e quem determina a suspensão. Não basta declarar que há
“humano no circuito” se essa pessoa não tem tempo, informação ou poder para discordar. A
revisão humana precisa de critérios, exemplos de erro e canal para registrar divergências.
Quando essas condições estão presentes, a tecnologia pode reduzir trabalho mecânico sem
transferir silenciosamente a responsabilidade a quem recebe a saída.
PROFISSÕES DO FUTURO COM IA
10 • EDIÇÃO DIGITAL 2026
MEDIDAS QUE IMPORTAM
Use como indicador principal registros conciliados e rastreáveis.. Não o leia isoladamente. Separe
os resultados por tipo de caso, contexto, grupo afetado e grau de dificuldade; depois compare
com a linha de base anterior. Se o indicador melhorar apenas em situações simples, talvez o
sistema tenha deslocado o trabalho difícil para pessoas menos visíveis. Acrescente uma medida
de segurança: quantidade de erros graves por amostra auditada. Acrescente ainda uma medida
de custo: esforço total por resultado validado, incluindo correção posterior.
Defina o que conta como sucesso antes do teste. Uma meta que muda depois de observar os
resultados não permite comparação honesta. Analise também os casos de recusa: há situações
em que o melhor resultado é admitir dúvida, interromper a ação ou encaminhar a uma pessoa
competente. Registre falsos positivos e falsos negativos quando houver classificação; use
exemplos concretos para orientar a equipe, não apenas médias. Se a amostra for pequena, diga
explicitamente que o piloto sugere possibilidades e ainda não comprova desempenho estável.
DECISÕES DIFÍCEIS E CONTRAPONTOS
O erro mais tentador é título de cargo sem competência demonstrada. Ele se agrava quando
juntar tabelas com chaves ambíguas e produzir conclusões falsas.. A mitigação não é exigir
perfeição abstrata, mas reduzir exposição: limitar alcance, registrar decisões e estabelecer
parada segura. Há também uma tensão entre personalização e padronização. Personalizar pode
ajudar a atender contextos diferentes, mas dificulta reproduzir decisões e explicar tratamentos
distintos. Padronizar facilita auditoria, mas pode ignorar necessidades individuais. A escolha deve
ser justificada em função da tarefa, não pela capacidade da ferramenta.
Outro contraponto é a possibilidade de uma solução sem IA ser melhor. Um formulário claro, uma
lista de verificação, uma regra determinística, uma formação breve ou a correção da base de
dados podem resolver o problema por menos custo e com maior previsibilidade. Use a tecnologia
quando ela acrescentar capacidade demonstrável, não quando for a opção mais fácil de anunciar.
Para decidir, documente alternativa rejeitada, motivo, restrição de orçamento e condição que
faria a equipe rever a escolha.
OFICINA PARA O LEITOR
Exercício 1: descreva, em até seis linhas, uma situação própria relacionada a “engenharia de
dados aplicada”. Identifique uma entrada verificável, uma saída útil e uma pessoa que sofrerá as
consequências de um erro. Exercício 2: elabore três casos normais, dois de borda e um caso em
que a resposta correta é “não sei”. Escreva antes do teste o que considerará resultado aceitável.
Exercício 3: aplique a orientação “construir dicionário de dados e testes de qualidade.” e registre
o que mudou no processo, não apenas na interface.
Exercício 4: desenhe uma tabela com cinco colunas — caso, resultado esperado, resultado
observado, gravidade e ação corretiva. Preencha a tabela com exemplos reais autorizados ou
fictícios, claramente sinalizados como tal. Exercício 5: apresente a um colega a principal limitação
encontrada, sem defender previamente a ferramenta. Peça que ele formule uma explicação
alternativa para o ganho observado. Esse confronto melhora a avaliação e previne o entusiasmo
seletivo. Ao final, pergunte se o portfólio com evidências produzido poderia ser compreendido e
contestado por alguém que não participou do projeto.
PROFISSÕES DO FUTURO COM IA
11 • EDIÇÃO DIGITAL 2026
CAPÍTULO 04 — PRODUTO DE IA E
DESCOBERTA DE PROBLEMAS
IDEIA CENTRAL
O gestor de produto identifica necessidade verificável antes de escolher modelo. Essa afirmação
parece simples até que a decisão chega ao contexto de uma equipe, a um orçamento e a pessoas
que dependerão do resultado. É necessário separar mecanismo, finalidade e limites: o que a
tecnologia consegue fazer sob condições controladas não equivale ao que deve fazer em uma
operação real. O capítulo trabalha com uma situação específica, observa seus pontos de falha e
propõe um modo de avaliar resultados sem esconder incertezas.
COMO O PROCESSO FUNCIONA
Comece pela unidade de análise: cada tarefa profissional tem entrada, transformação, saída e
consequência. No caso de “produto de ia e descoberta de problemas”, a entrada pode estar
incompleta, contraditória ou fora do padrão; por isso, o profissional em transição precisa verificar
condições de uso antes de produzir o portfólio com evidências. Uma maneira útil de representar o
processo é desenhar quatro caixas: origem da informação, critérios aplicados, resultado entregue
e verificação posterior. Descreva também o que não deve ser decidido pelo sistema. A fronteira
operacional aqui é responsabilidade pessoal pela entrega. Sem essa fronteira, o fluxo pode
aparentar eficiência enquanto transfere risco para usuários e equipes de suporte.
Faça a distinção entre três tipos de problema. O primeiro é erro de entrada: os dados não
correspondem à situação real. O segundo é erro de método: mesmo com dados corretos, as
regras ou o modelo não tratam adequadamente a exceção. O terceiro é erro de uso: a saída é
apropriada como sugestão, mas alguém a interpreta como aprovação final. O controle de
qualidade muda para cada situação. Conferência da fonte reduz o primeiro; ensaios com casos
difíceis reduzem o segundo; treinamento, interface clara e responsabilidade definida reduzem o
terceiro. Essa decomposição vale mais do que afirmar genericamente que o sistema “tem
precisão”.
PROFISSÕES DO FUTURO COM IA
12 • EDIÇÃO DIGITAL 2026
CASO COMENTADO
Considere esta situação hipotética: Uma equipe entrevista usuários antes de automatizar
atendimento. A equipe não começa pela ferramenta. Primeiro, define o resultado aceitável e
reúne exemplos de rotina, exceções e situações em que não há dados suficientes. Em seguida,
alguém executa o fluxo atual para formar uma referência de comparação. Só então a nova
abordagem é aplicada aos mesmos casos, com registro do que mudou e do que permaneceu
igual. O objetivo não é fabricar uma vitória da tecnologia: é identificar quais partes do trabalho
foram realmente aprimoradas.
Imagine agora que surge medir uso da ferramenta sem medir resolução de demandas.. O
problema não deve ser resolvido ocultando o caso ruim da amostra. Registre o ocorrido,
classifique a gravidade, preserve as entradas necessárias para reproduzi-lo sem violar privacidade
e defina quem pode corrigir ou interromper o processo. Se houver impacto externo, a resposta
precisa incluir comunicação ao afetado e reparação proporcionada. Um piloto que aprende com
esse episódio tem mais valor do que uma implantação que só apresenta exemplos
bem-sucedidos.
No fechamento do caso, compare duas perguntas diferentes: “o sistema concluiu a tarefa?” e “o
usuário obteve o resultado certo com esforço aceitável?”. Uma resposta pode ser tecnicamente
válida e ainda gerar retrabalho, insegurança ou falta de confiança. Observe o empregabilidade e
valor entregue; registre custos que surgiram fora da equipe central; e evite inferir qualidade
apenas pela satisfação imediata. Usuários podem gostar de uma resposta rápida sem perceber
uma omissão, enquantoprofissionais experientes podem notar uma falha crítica em poucos
segundos.
MÉTODO DE IMPLANTAÇÃO
A primeira etapa é delimitar o escopo em uma página: público, objetivo, dados permitidos,
condições para recusar uma resposta, responsável e forma de reversão. A segunda é montar um
conjunto pequeno, porém heterogêneo, de casos: típicos, extremos, incompletos e
deliberadamente adversariais. A terceira é testar sem alterar o padrão de avaliação entre
alternativas. Nesta etapa, a ação recomendada é: definir problema, hipótese, protótipo e critérios
de rejeição. Ela deve ser executada de modo observável, com data, versão e pessoa responsável.
A quarta etapa é tornar explícito o custo total. Some tempo de preparação, esforço de revisão,
treinamento, licença, infraestrutura, falhas e manutenção. Uma economia em minutos por tarefa
profissional não se converte automaticamente em economia organizacional: talvez a equipe
precise corrigir dados, acolher reclamações ou reconstruir confiança. A quinta etapa é instituir
revisão regular. À medida que documentos, usuários, processos e tecnologia mudam, o resultado
anterior deixa de representar a situação presente. Guarde uma amostra fixa para comparação
entre versões e complemente-a com ocorrências novas da operação.
A sexta etapa consiste em distribuir autoridade: quem pode alterar regras, quem aprova
exceções, quem acessa informações e quem determina a suspensão. Não basta declarar que há
“humano no circuito” se essa pessoa não tem tempo, informação ou poder para discordar. A
revisão humana precisa de critérios, exemplos de erro e canal para registrar divergências.
Quando essas condições estão presentes, a tecnologia pode reduzir trabalho mecânico sem
transferir silenciosamente a responsabilidade a quem recebe a saída.
PROFISSÕES DO FUTURO COM IA
13 • EDIÇÃO DIGITAL 2026
MEDIDAS QUE IMPORTAM
Use como indicador principal tarefas resolvidas e satisfação após correção.. Não o leia
isoladamente. Separe os resultados por tipo de caso, contexto, grupo afetado e grau de
dificuldade; depois compare com a linha de base anterior. Se o indicador melhorar apenas em
situações simples, talvez o sistema tenha deslocado o trabalho difícil para pessoas menos visíveis.
Acrescente uma medida de segurança: quantidade de erros graves por amostra auditada.
Acrescente ainda uma medida de custo: esforço total por resultado validado, incluindo correção
posterior.
Defina o que conta como sucesso antes do teste. Uma meta que muda depois de observar os
resultados não permite comparação honesta. Analise também os casos de recusa: há situações
em que o melhor resultado é admitir dúvida, interromper a ação ou encaminhar a uma pessoa
competente. Registre falsos positivos e falsos negativos quando houver classificação; use
exemplos concretos para orientar a equipe, não apenas médias. Se a amostra for pequena, diga
explicitamente que o piloto sugere possibilidades e ainda não comprova desempenho estável.
DECISÕES DIFÍCEIS E CONTRAPONTOS
O erro mais tentador é título de cargo sem competência demonstrada. Ele se agrava quando
medir uso da ferramenta sem medir resolução de demandas.. A mitigação não é exigir perfeição
abstrata, mas reduzir exposição: limitar alcance, registrar decisões e estabelecer parada segura.
Há também uma tensão entre personalização e padronização. Personalizar pode ajudar a atender
contextos diferentes, mas dificulta reproduzir decisões e explicar tratamentos distintos.
Padronizar facilita auditoria, mas pode ignorar necessidades individuais. A escolha deve ser
justificada em função da tarefa, não pela capacidade da ferramenta.
Outro contraponto é a possibilidade de uma solução sem IA ser melhor. Um formulário claro, uma
lista de verificação, uma regra determinística, uma formação breve ou a correção da base de
dados podem resolver o problema por menos custo e com maior previsibilidade. Use a tecnologia
quando ela acrescentar capacidade demonstrável, não quando for a opção mais fácil de anunciar.
Para decidir, documente alternativa rejeitada, motivo, restrição de orçamento e condição que
faria a equipe rever a escolha.
OFICINA PARA O LEITOR
Exercício 1: descreva, em até seis linhas, uma situação própria relacionada a “produto de ia e
descoberta de problemas”. Identifique uma entrada verificável, uma saída útil e uma pessoa que
sofrerá as consequências de um erro. Exercício 2: elabore três casos normais, dois de borda e um
caso em que a resposta correta é “não sei”. Escreva antes do teste o que considerará resultado
aceitável. Exercício 3: aplique a orientação “definir problema, hipótese, protótipo e critérios de
rejeição.” e registre o que mudou no processo, não apenas na interface.
Exercício 4: desenhe uma tabela com cinco colunas — caso, resultado esperado, resultado
observado, gravidade e ação corretiva. Preencha a tabela com exemplos reais autorizados ou
fictícios, claramente sinalizados como tal. Exercício 5: apresente a um colega a principal limitação
encontrada, sem defender previamente a ferramenta. Peça que ele formule uma explicação
alternativa para o ganho observado. Esse confronto melhora a avaliação e previne o entusiasmo
seletivo. Ao final, pergunte se o portfólio com evidências produzido poderia ser compreendido e
contestado por alguém que não participou do projeto.
PROFISSÕES DO FUTURO COM IA
14 • EDIÇÃO DIGITAL 2026
CAPÍTULO 05 — AVALIAÇÃO E AUDITORIA DE
SISTEMAS
IDEIA CENTRAL
O ponto de partida deste capítulo é uma escolha de desenho, não uma corrida por novidade:
testadores especializados transformam erros ocasionais em evidência comparável. Para
transformar a ideia em trabalho confiável, explicite quem solicita, quem executa, de onde vêm os
dados, quando o processo termina e quem pode contestar uma falha. Esse percurso revela custos
e limitações que uma demonstração isolada não mostra.
COMO O PROCESSO FUNCIONA
Comece pela unidade de análise: cada tarefa profissional tem entrada, transformação, saída e
consequência. No caso de “avaliação e auditoria de sistemas”, a entrada pode estar incompleta,
contraditória ou fora do padrão; por isso, o profissional em transição precisa verificar condições de
uso antes de produzir o portfólio com evidências. Uma maneira útil de representar o processo é
desenhar quatro caixas: origem da informação, critérios aplicados, resultado entregue e
verificação posterior. Descreva também o que não deve ser decidido pelo sistema. A fronteira
operacional aqui é responsabilidade pessoal pela entrega. Sem essa fronteira, o fluxo pode
aparentar eficiência enquanto transfere risco para usuários e equipes de suporte.
Faça a distinção entre três tipos de problema. O primeiro é erro de entrada: os dados não
correspondem à situação real. O segundo é erro de método: mesmo com dados corretos, as
regras ou o modelo não tratam adequadamente a exceção. O terceiro é erro de uso: a saída é
apropriada como sugestão, mas alguém a interpreta como aprovação final. O controle de
qualidade muda para cada situação. Conferência da fonte reduz o primeiro; ensaios com casos
difíceis reduzem o segundo; treinamento, interface clara e responsabilidade definida reduzem o
terceiro. Essa decomposição vale mais do que afirmar genericamente que o sistema “tem
precisão”.
PROFISSÕES DO FUTURO COM IA
15 • EDIÇÃO DIGITAL 2026
CASO COMENTADO
Considere esta situação hipotética: Uma auditora monta testes de documentos ambíguos e
perguntas adversariais. A equipe não começa pela ferramenta. Primeiro, define o resultado
aceitável e reúne exemplos de rotina, exceções e situações em que não há dados suficientes. Em
seguida, alguém executa o fluxo atual para formar uma referência de comparação. Só então a
nova abordagem é aplicada aos mesmos casos, com registro do que mudou e do que permaneceu
igual. O objetivo não é fabricar uma vitória da tecnologia: é identificar quais partes do trabalho
foram realmente aprimoradas.
Imagine agora que surge aceitar apenas casos de demonstração selecionados pelo fornecedor.. O
problema não deve ser resolvido ocultandoo caso ruim da amostra. Registre o ocorrido,
classifique a gravidade, preserve as entradas necessárias para reproduzi-lo sem violar privacidade
e defina quem pode corrigir ou interromper o processo. Se houver impacto externo, a resposta
precisa incluir comunicação ao afetado e reparação proporcionada. Um piloto que aprende com
esse episódio tem mais valor do que uma implantação que só apresenta exemplos
bem-sucedidos.
No fechamento do caso, compare duas perguntas diferentes: “o sistema concluiu a tarefa?” e “o
usuário obteve o resultado certo com esforço aceitável?”. Uma resposta pode ser tecnicamente
válida e ainda gerar retrabalho, insegurança ou falta de confiança. Observe o empregabilidade e
valor entregue; registre custos que surgiram fora da equipe central; e evite inferir qualidade
apenas pela satisfação imediata. Usuários podem gostar de uma resposta rápida sem perceber
uma omissão, enquanto profissionais experientes podem notar uma falha crítica em poucos
segundos.
MÉTODO DE IMPLANTAÇÃO
A primeira etapa é delimitar o escopo em uma página: público, objetivo, dados permitidos,
condições para recusar uma resposta, responsável e forma de reversão. A segunda é montar um
conjunto pequeno, porém heterogêneo, de casos: típicos, extremos, incompletos e
deliberadamente adversariais. A terceira é testar sem alterar o padrão de avaliação entre
alternativas. Nesta etapa, a ação recomendada é: criar base de testes com gabarito e revisão
independente. Ela deve ser executada de modo observável, com data, versão e pessoa
responsável.
A quarta etapa é tornar explícito o custo total. Some tempo de preparação, esforço de revisão,
treinamento, licença, infraestrutura, falhas e manutenção. Uma economia em minutos por tarefa
profissional não se converte automaticamente em economia organizacional: talvez a equipe
precise corrigir dados, acolher reclamações ou reconstruir confiança. A quinta etapa é instituir
revisão regular. À medida que documentos, usuários, processos e tecnologia mudam, o resultado
anterior deixa de representar a situação presente. Guarde uma amostra fixa para comparação
entre versões e complemente-a com ocorrências novas da operação.
A sexta etapa consiste em distribuir autoridade: quem pode alterar regras, quem aprova
exceções, quem acessa informações e quem determina a suspensão. Não basta declarar que há
“humano no circuito” se essa pessoa não tem tempo, informação ou poder para discordar. A
revisão humana precisa de critérios, exemplos de erro e canal para registrar divergências.
Quando essas condições estão presentes, a tecnologia pode reduzir trabalho mecânico sem
transferir silenciosamente a responsabilidade a quem recebe a saída.
PROFISSÕES DO FUTURO COM IA
16 • EDIÇÃO DIGITAL 2026
MEDIDAS QUE IMPORTAM
Use como indicador principal falhas críticas por categoria e repetibilidade.. Não o leia
isoladamente. Separe os resultados por tipo de caso, contexto, grupo afetado e grau de
dificuldade; depois compare com a linha de base anterior. Se o indicador melhorar apenas em
situações simples, talvez o sistema tenha deslocado o trabalho difícil para pessoas menos visíveis.
Acrescente uma medida de segurança: quantidade de erros graves por amostra auditada.
Acrescente ainda uma medida de custo: esforço total por resultado validado, incluindo correção
posterior.
Defina o que conta como sucesso antes do teste. Uma meta que muda depois de observar os
resultados não permite comparação honesta. Analise também os casos de recusa: há situações
em que o melhor resultado é admitir dúvida, interromper a ação ou encaminhar a uma pessoa
competente. Registre falsos positivos e falsos negativos quando houver classificação; use
exemplos concretos para orientar a equipe, não apenas médias. Se a amostra for pequena, diga
explicitamente que o piloto sugere possibilidades e ainda não comprova desempenho estável.
DECISÕES DIFÍCEIS E CONTRAPONTOS
O erro mais tentador é título de cargo sem competência demonstrada. Ele se agrava quando
aceitar apenas casos de demonstração selecionados pelo fornecedor.. A mitigação não é exigir
perfeição abstrata, mas reduzir exposição: limitar alcance, registrar decisões e estabelecer
parada segura. Há também uma tensão entre personalização e padronização. Personalizar pode
ajudar a atender contextos diferentes, mas dificulta reproduzir decisões e explicar tratamentos
distintos. Padronizar facilita auditoria, mas pode ignorar necessidades individuais. A escolha deve
ser justificada em função da tarefa, não pela capacidade da ferramenta.
Outro contraponto é a possibilidade de uma solução sem IA ser melhor. Um formulário claro, uma
lista de verificação, uma regra determinística, uma formação breve ou a correção da base de
dados podem resolver o problema por menos custo e com maior previsibilidade. Use a tecnologia
quando ela acrescentar capacidade demonstrável, não quando for a opção mais fácil de anunciar.
Para decidir, documente alternativa rejeitada, motivo, restrição de orçamento e condição que
faria a equipe rever a escolha.
OFICINA PARA O LEITOR
Exercício 1: descreva, em até seis linhas, uma situação própria relacionada a “avaliação e
auditoria de sistemas”. Identifique uma entrada verificável, uma saída útil e uma pessoa que
sofrerá as consequências de um erro. Exercício 2: elabore três casos normais, dois de borda e um
caso em que a resposta correta é “não sei”. Escreva antes do teste o que considerará resultado
aceitável. Exercício 3: aplique a orientação “criar base de testes com gabarito e revisão
independente.” e registre o que mudou no processo, não apenas na interface.
Exercício 4: desenhe uma tabela com cinco colunas — caso, resultado esperado, resultado
observado, gravidade e ação corretiva. Preencha a tabela com exemplos reais autorizados ou
fictícios, claramente sinalizados como tal. Exercício 5: apresente a um colega a principal limitação
encontrada, sem defender previamente a ferramenta. Peça que ele formule uma explicação
alternativa para o ganho observado. Esse confronto melhora a avaliação e previne o entusiasmo
seletivo. Ao final, pergunte se o portfólio com evidências produzido poderia ser compreendido e
contestado por alguém que não participou do projeto.
PROFISSÕES DO FUTURO COM IA
17 • EDIÇÃO DIGITAL 2026
CAPÍTULO 06 — SEGURANÇA E PROTEÇÃO DE
DADOS
IDEIA CENTRAL
A integração de modelos cria superfícies de ataque e fluxo adicional de informações. A
consequência prática é que uma solução só faz sentido se melhorar uma tarefa definida. Antes de
discutir fornecedores, imagine duas alternativas: continuar com o procedimento atual ou alterar
apenas uma etapa. A comparação obriga a observar qualidade, tempo e impacto sobre as
pessoas, em vez de presumir que toda automação representa progresso.
COMO O PROCESSO FUNCIONA
Comece pela unidade de análise: cada tarefa profissional tem entrada, transformação, saída e
consequência. No caso de “segurança e proteção de dados”, a entrada pode estar incompleta,
contraditória ou fora do padrão; por isso, o profissional em transição precisa verificar condições de
uso antes de produzir o portfólio com evidências. Uma maneira útil de representar o processo é
desenhar quatro caixas: origem da informação, critérios aplicados, resultado entregue e
verificação posterior. Descreva também o que não deve ser decidido pelo sistema. A fronteira
operacional aqui é responsabilidade pessoal pela entrega. Sem essa fronteira, o fluxo pode
aparentar eficiência enquanto transfere risco para usuários e equipes de suporte.
Faça a distinção entre três tipos de problema. O primeiro é erro de entrada: os dados não
correspondem à situação real. O segundo é erro de método: mesmo com dados corretos, as
regras ou o modelo não tratam adequadamente a exceção. O terceiro é erro de uso: a saída é
apropriada como sugestão, mas alguém a interpreta como aprovação final. O controle de
qualidade muda para cada situação. Conferência da fonte reduz o primeiro; ensaios com casos
difíceis reduzem o segundo; treinamento, interface clara e responsabilidadedefinida reduzem o
terceiro. Essa decomposição vale mais do que afirmar genericamente que o sistema “tem
precisão”.
PROFISSÕES DO FUTURO COM IA
18 • EDIÇÃO DIGITAL 2026
CASO COMENTADO
Considere esta situação hipotética: Um analista impede que documento malicioso instrua agente
a divulgar registros. A equipe não começa pela ferramenta. Primeiro, define o resultado aceitável
e reúne exemplos de rotina, exceções e situações em que não há dados suficientes. Em seguida,
alguém executa o fluxo atual para formar uma referência de comparação. Só então a nova
abordagem é aplicada aos mesmos casos, com registro do que mudou e do que permaneceu
igual. O objetivo não é fabricar uma vitória da tecnologia: é identificar quais partes do trabalho
foram realmente aprimoradas.
Imagine agora que surge confiar em texto recuperado como se fosse ordem autorizada.. O
problema não deve ser resolvido ocultando o caso ruim da amostra. Registre o ocorrido,
classifique a gravidade, preserve as entradas necessárias para reproduzi-lo sem violar privacidade
e defina quem pode corrigir ou interromper o processo. Se houver impacto externo, a resposta
precisa incluir comunicação ao afetado e reparação proporcionada. Um piloto que aprende com
esse episódio tem mais valor do que uma implantação que só apresenta exemplos
bem-sucedidos.
No fechamento do caso, compare duas perguntas diferentes: “o sistema concluiu a tarefa?” e “o
usuário obteve o resultado certo com esforço aceitável?”. Uma resposta pode ser tecnicamente
válida e ainda gerar retrabalho, insegurança ou falta de confiança. Observe o empregabilidade e
valor entregue; registre custos que surgiram fora da equipe central; e evite inferir qualidade
apenas pela satisfação imediata. Usuários podem gostar de uma resposta rápida sem perceber
uma omissão, enquanto profissionais experientes podem notar uma falha crítica em poucos
segundos.
MÉTODO DE IMPLANTAÇÃO
A primeira etapa é delimitar o escopo em uma página: público, objetivo, dados permitidos,
condições para recusar uma resposta, responsável e forma de reversão. A segunda é montar um
conjunto pequeno, porém heterogêneo, de casos: típicos, extremos, incompletos e
deliberadamente adversariais. A terceira é testar sem alterar o padrão de avaliação entre
alternativas. Nesta etapa, a ação recomendada é: distinguir instruções confiáveis de conteúdo
externo. Ela deve ser executada de modo observável, com data, versão e pessoa responsável.
A quarta etapa é tornar explícito o custo total. Some tempo de preparação, esforço de revisão,
treinamento, licença, infraestrutura, falhas e manutenção. Uma economia em minutos por tarefa
profissional não se converte automaticamente em economia organizacional: talvez a equipe
precise corrigir dados, acolher reclamações ou reconstruir confiança. A quinta etapa é instituir
revisão regular. À medida que documentos, usuários, processos e tecnologia mudam, o resultado
anterior deixa de representar a situação presente. Guarde uma amostra fixa para comparação
entre versões e complemente-a com ocorrências novas da operação.
A sexta etapa consiste em distribuir autoridade: quem pode alterar regras, quem aprova
exceções, quem acessa informações e quem determina a suspensão. Não basta declarar que há
“humano no circuito” se essa pessoa não tem tempo, informação ou poder para discordar. A
revisão humana precisa de critérios, exemplos de erro e canal para registrar divergências.
Quando essas condições estão presentes, a tecnologia pode reduzir trabalho mecânico sem
transferir silenciosamente a responsabilidade a quem recebe a saída.
PROFISSÕES DO FUTURO COM IA
19 • EDIÇÃO DIGITAL 2026
MEDIDAS QUE IMPORTAM
Use como indicador principal tentativas bloqueadas e rastreamento de acesso.. Não o leia
isoladamente. Separe os resultados por tipo de caso, contexto, grupo afetado e grau de
dificuldade; depois compare com a linha de base anterior. Se o indicador melhorar apenas em
situações simples, talvez o sistema tenha deslocado o trabalho difícil para pessoas menos visíveis.
Acrescente uma medida de segurança: quantidade de erros graves por amostra auditada.
Acrescente ainda uma medida de custo: esforço total por resultado validado, incluindo correção
posterior.
Defina o que conta como sucesso antes do teste. Uma meta que muda depois de observar os
resultados não permite comparação honesta. Analise também os casos de recusa: há situações
em que o melhor resultado é admitir dúvida, interromper a ação ou encaminhar a uma pessoa
competente. Registre falsos positivos e falsos negativos quando houver classificação; use
exemplos concretos para orientar a equipe, não apenas médias. Se a amostra for pequena, diga
explicitamente que o piloto sugere possibilidades e ainda não comprova desempenho estável.
DECISÕES DIFÍCEIS E CONTRAPONTOS
O erro mais tentador é título de cargo sem competência demonstrada. Ele se agrava quando
confiar em texto recuperado como se fosse ordem autorizada.. A mitigação não é exigir perfeição
abstrata, mas reduzir exposição: limitar alcance, registrar decisões e estabelecer parada segura.
Há também uma tensão entre personalização e padronização. Personalizar pode ajudar a atender
contextos diferentes, mas dificulta reproduzir decisões e explicar tratamentos distintos.
Padronizar facilita auditoria, mas pode ignorar necessidades individuais. A escolha deve ser
justificada em função da tarefa, não pela capacidade da ferramenta.
Outro contraponto é a possibilidade de uma solução sem IA ser melhor. Um formulário claro, uma
lista de verificação, uma regra determinística, uma formação breve ou a correção da base de
dados podem resolver o problema por menos custo e com maior previsibilidade. Use a tecnologia
quando ela acrescentar capacidade demonstrável, não quando for a opção mais fácil de anunciar.
Para decidir, documente alternativa rejeitada, motivo, restrição de orçamento e condição que
faria a equipe rever a escolha.
OFICINA PARA O LEITOR
Exercício 1: descreva, em até seis linhas, uma situação própria relacionada a “segurança e
proteção de dados”. Identifique uma entrada verificável, uma saída útil e uma pessoa que sofrerá
as consequências de um erro. Exercício 2: elabore três casos normais, dois de borda e um caso
em que a resposta correta é “não sei”. Escreva antes do teste o que considerará resultado
aceitável. Exercício 3: aplique a orientação “distinguir instruções confiáveis de conteúdo externo.”
e registre o que mudou no processo, não apenas na interface.
Exercício 4: desenhe uma tabela com cinco colunas — caso, resultado esperado, resultado
observado, gravidade e ação corretiva. Preencha a tabela com exemplos reais autorizados ou
fictícios, claramente sinalizados como tal. Exercício 5: apresente a um colega a principal limitação
encontrada, sem defender previamente a ferramenta. Peça que ele formule uma explicação
alternativa para o ganho observado. Esse confronto melhora a avaliação e previne o entusiasmo
seletivo. Ao final, pergunte se o portfólio com evidências produzido poderia ser compreendido e
contestado por alguém que não participou do projeto.
PROFISSÕES DO FUTURO COM IA
20 • EDIÇÃO DIGITAL 2026
CAPÍTULO 07 — DESIGN DE INTERAÇÃO
CONVERSACIONAL
IDEIA CENTRAL
Uma interface inteligente precisa orientar, admitir incerteza e transferir casos difíceis. Essa
afirmação parece simples até que a decisão chega ao contexto de uma equipe, a um orçamento e
a pessoas que dependerão do resultado. É necessário separar mecanismo, finalidade e limites: o
que a tecnologia consegue fazer sob condições controladas não equivale ao que deve fazer em
uma operação real. O capítulo trabalha com uma situação específica, observa seus pontos de
falha e propõe um modo de avaliar resultados sem esconder incertezas.
COMO O PROCESSO FUNCIONA
Comece pela unidade de análise: cada tarefa profissional tem entrada, transformação, saída e
consequência. No caso de “design de interação conversacional”, a entrada pode estar incompleta,
contraditória ou fora do padrão; por isso, o profissional emtransição precisa verificar condições de
uso antes de produzir o portfólio com evidências. Uma maneira útil de representar o processo é
desenhar quatro caixas: origem da informação, critérios aplicados, resultado entregue e
verificação posterior. Descreva também o que não deve ser decidido pelo sistema. A fronteira
operacional aqui é responsabilidade pessoal pela entrega. Sem essa fronteira, o fluxo pode
aparentar eficiência enquanto transfere risco para usuários e equipes de suporte.
Faça a distinção entre três tipos de problema. O primeiro é erro de entrada: os dados não
correspondem à situação real. O segundo é erro de método: mesmo com dados corretos, as
regras ou o modelo não tratam adequadamente a exceção. O terceiro é erro de uso: a saída é
apropriada como sugestão, mas alguém a interpreta como aprovação final. O controle de
qualidade muda para cada situação. Conferência da fonte reduz o primeiro; ensaios com casos
difíceis reduzem o segundo; treinamento, interface clara e responsabilidade definida reduzem o
terceiro. Essa decomposição vale mais do que afirmar genericamente que o sistema “tem
precisão”.
PROFISSÕES DO FUTURO COM IA
21 • EDIÇÃO DIGITAL 2026
CASO COMENTADO
Considere esta situação hipotética: Uma designer desenha atendimento que mostra fonte e
chama operador quando falha. A equipe não começa pela ferramenta. Primeiro, define o resultado
aceitável e reúne exemplos de rotina, exceções e situações em que não há dados suficientes. Em
seguida, alguém executa o fluxo atual para formar uma referência de comparação. Só então a
nova abordagem é aplicada aos mesmos casos, com registro do que mudou e do que permaneceu
igual. O objetivo não é fabricar uma vitória da tecnologia: é identificar quais partes do trabalho
foram realmente aprimoradas.
Imagine agora que surge criar conversa elegante sem caminho de contestação.. O problema não
deve ser resolvido ocultando o caso ruim da amostra. Registre o ocorrido, classifique a gravidade,
preserve as entradas necessárias para reproduzi-lo sem violar privacidade e defina quem pode
corrigir ou interromper o processo. Se houver impacto externo, a resposta precisa incluir
comunicação ao afetado e reparação proporcionada. Um piloto que aprende com esse episódio
tem mais valor do que uma implantação que só apresenta exemplos bem-sucedidos.
No fechamento do caso, compare duas perguntas diferentes: “o sistema concluiu a tarefa?” e “o
usuário obteve o resultado certo com esforço aceitável?”. Uma resposta pode ser tecnicamente
válida e ainda gerar retrabalho, insegurança ou falta de confiança. Observe o empregabilidade e
valor entregue; registre custos que surgiram fora da equipe central; e evite inferir qualidade
apenas pela satisfação imediata. Usuários podem gostar de uma resposta rápida sem perceber
uma omissão, enquanto profissionais experientes podem notar uma falha crítica em poucos
segundos.
MÉTODO DE IMPLANTAÇÃO
A primeira etapa é delimitar o escopo em uma página: público, objetivo, dados permitidos,
condições para recusar uma resposta, responsável e forma de reversão. A segunda é montar um
conjunto pequeno, porém heterogêneo, de casos: típicos, extremos, incompletos e
deliberadamente adversariais. A terceira é testar sem alterar o padrão de avaliação entre
alternativas. Nesta etapa, a ação recomendada é: testar com linguagem de usuários reais e casos
difíceis. Ela deve ser executada de modo observável, com data, versão e pessoa responsável.
A quarta etapa é tornar explícito o custo total. Some tempo de preparação, esforço de revisão,
treinamento, licença, infraestrutura, falhas e manutenção. Uma economia em minutos por tarefa
profissional não se converte automaticamente em economia organizacional: talvez a equipe
precise corrigir dados, acolher reclamações ou reconstruir confiança. A quinta etapa é instituir
revisão regular. À medida que documentos, usuários, processos e tecnologia mudam, o resultado
anterior deixa de representar a situação presente. Guarde uma amostra fixa para comparação
entre versões e complemente-a com ocorrências novas da operação.
A sexta etapa consiste em distribuir autoridade: quem pode alterar regras, quem aprova
exceções, quem acessa informações e quem determina a suspensão. Não basta declarar que há
“humano no circuito” se essa pessoa não tem tempo, informação ou poder para discordar. A
revisão humana precisa de critérios, exemplos de erro e canal para registrar divergências.
Quando essas condições estão presentes, a tecnologia pode reduzir trabalho mecânico sem
transferir silenciosamente a responsabilidade a quem recebe a saída.
PROFISSÕES DO FUTURO COM IA
22 • EDIÇÃO DIGITAL 2026
MEDIDAS QUE IMPORTAM
Use como indicador principal conclusão de tarefa, abandono e transferências corretas.. Não o leia
isoladamente. Separe os resultados por tipo de caso, contexto, grupo afetado e grau de
dificuldade; depois compare com a linha de base anterior. Se o indicador melhorar apenas em
situações simples, talvez o sistema tenha deslocado o trabalho difícil para pessoas menos visíveis.
Acrescente uma medida de segurança: quantidade de erros graves por amostra auditada.
Acrescente ainda uma medida de custo: esforço total por resultado validado, incluindo correção
posterior.
Defina o que conta como sucesso antes do teste. Uma meta que muda depois de observar os
resultados não permite comparação honesta. Analise também os casos de recusa: há situações
em que o melhor resultado é admitir dúvida, interromper a ação ou encaminhar a uma pessoa
competente. Registre falsos positivos e falsos negativos quando houver classificação; use
exemplos concretos para orientar a equipe, não apenas médias. Se a amostra for pequena, diga
explicitamente que o piloto sugere possibilidades e ainda não comprova desempenho estável.
DECISÕES DIFÍCEIS E CONTRAPONTOS
O erro mais tentador é título de cargo sem competência demonstrada. Ele se agrava quando criar
conversa elegante sem caminho de contestação.. A mitigação não é exigir perfeição abstrata,
mas reduzir exposição: limitar alcance, registrar decisões e estabelecer parada segura. Há
também uma tensão entre personalização e padronização. Personalizar pode ajudar a atender
contextos diferentes, mas dificulta reproduzir decisões e explicar tratamentos distintos.
Padronizar facilita auditoria, mas pode ignorar necessidades individuais. A escolha deve ser
justificada em função da tarefa, não pela capacidade da ferramenta.
Outro contraponto é a possibilidade de uma solução sem IA ser melhor. Um formulário claro, uma
lista de verificação, uma regra determinística, uma formação breve ou a correção da base de
dados podem resolver o problema por menos custo e com maior previsibilidade. Use a tecnologia
quando ela acrescentar capacidade demonstrável, não quando for a opção mais fácil de anunciar.
Para decidir, documente alternativa rejeitada, motivo, restrição de orçamento e condição que
faria a equipe rever a escolha.
OFICINA PARA O LEITOR
Exercício 1: descreva, em até seis linhas, uma situação própria relacionada a “design de interação
conversacional”. Identifique uma entrada verificável, uma saída útil e uma pessoa que sofrerá as
consequências de um erro. Exercício 2: elabore três casos normais, dois de borda e um caso em
que a resposta correta é “não sei”. Escreva antes do teste o que considerará resultado aceitável.
Exercício 3: aplique a orientação “testar com linguagem de usuários reais e casos difíceis.” e
registre o que mudou no processo, não apenas na interface.
Exercício 4: desenhe uma tabela com cinco colunas — caso, resultado esperado, resultado
observado, gravidade e ação corretiva. Preencha a tabela com exemplos reais autorizados ou
fictícios, claramente sinalizados como tal. Exercício 5: apresente a um colega a principal limitação
encontrada, sem defender previamente a ferramenta. Peça que ele formule uma explicação
alternativa para o ganho observado. Esse confronto melhora a avaliação e previne o entusiasmo
seletivo. Ao final, pergunte se o portfólio com evidências produzidopoderia ser compreendido e
contestado por alguém que não participou do projeto.
PROFISSÕES DO FUTURO COM IA
23 • EDIÇÃO DIGITAL 2026
CAPÍTULO 08 — GOVERNANÇA DE IA
IDEIA CENTRAL
O ponto de partida deste capítulo é uma escolha de desenho, não uma corrida por novidade:
regras de uso, inventário de sistemas e responsabilização são trabalho especializado. Para
transformar a ideia em trabalho confiável, explicite quem solicita, quem executa, de onde vêm os
dados, quando o processo termina e quem pode contestar uma falha. Esse percurso revela custos
e limitações que uma demonstração isolada não mostra.
COMO O PROCESSO FUNCIONA
Comece pela unidade de análise: cada tarefa profissional tem entrada, transformação, saída e
consequência. No caso de “governança de ia”, a entrada pode estar incompleta, contraditória ou
fora do padrão; por isso, o profissional em transição precisa verificar condições de uso antes de
produzir o portfólio com evidências. Uma maneira útil de representar o processo é desenhar
quatro caixas: origem da informação, critérios aplicados, resultado entregue e verificação
posterior. Descreva também o que não deve ser decidido pelo sistema. A fronteira operacional
aqui é responsabilidade pessoal pela entrega. Sem essa fronteira, o fluxo pode aparentar
eficiência enquanto transfere risco para usuários e equipes de suporte.
Faça a distinção entre três tipos de problema. O primeiro é erro de entrada: os dados não
correspondem à situação real. O segundo é erro de método: mesmo com dados corretos, as
regras ou o modelo não tratam adequadamente a exceção. O terceiro é erro de uso: a saída é
apropriada como sugestão, mas alguém a interpreta como aprovação final. O controle de
qualidade muda para cada situação. Conferência da fonte reduz o primeiro; ensaios com casos
difíceis reduzem o segundo; treinamento, interface clara e responsabilidade definida reduzem o
terceiro. Essa decomposição vale mais do que afirmar genericamente que o sistema “tem
precisão”.
PROFISSÕES DO FUTURO COM IA
24 • EDIÇÃO DIGITAL 2026
CASO COMENTADO
Considere esta situação hipotética: Uma gestora cataloga aplicações, dados usados e donos de
processo. A equipe não começa pela ferramenta. Primeiro, define o resultado aceitável e reúne
exemplos de rotina, exceções e situações em que não há dados suficientes. Em seguida, alguém
executa o fluxo atual para formar uma referência de comparação. Só então a nova abordagem é
aplicada aos mesmos casos, com registro do que mudou e do que permaneceu igual. O objetivo
não é fabricar uma vitória da tecnologia: é identificar quais partes do trabalho foram realmente
aprimoradas.
Imagine agora que surge publicar política genérica sem rotinas de execução.. O problema não
deve ser resolvido ocultando o caso ruim da amostra. Registre o ocorrido, classifique a gravidade,
preserve as entradas necessárias para reproduzi-lo sem violar privacidade e defina quem pode
corrigir ou interromper o processo. Se houver impacto externo, a resposta precisa incluir
comunicação ao afetado e reparação proporcionada. Um piloto que aprende com esse episódio
tem mais valor do que uma implantação que só apresenta exemplos bem-sucedidos.
No fechamento do caso, compare duas perguntas diferentes: “o sistema concluiu a tarefa?” e “o
usuário obteve o resultado certo com esforço aceitável?”. Uma resposta pode ser tecnicamente
válida e ainda gerar retrabalho, insegurança ou falta de confiança. Observe o empregabilidade e
valor entregue; registre custos que surgiram fora da equipe central; e evite inferir qualidade
apenas pela satisfação imediata. Usuários podem gostar de uma resposta rápida sem perceber
uma omissão, enquanto profissionais experientes podem notar uma falha crítica em poucos
segundos.
MÉTODO DE IMPLANTAÇÃO
A primeira etapa é delimitar o escopo em uma página: público, objetivo, dados permitidos,
condições para recusar uma resposta, responsável e forma de reversão. A segunda é montar um
conjunto pequeno, porém heterogêneo, de casos: típicos, extremos, incompletos e
deliberadamente adversariais. A terceira é testar sem alterar o padrão de avaliação entre
alternativas. Nesta etapa, a ação recomendada é: associar cada aplicação a responsável e risco.
Ela deve ser executada de modo observável, com data, versão e pessoa responsável.
A quarta etapa é tornar explícito o custo total. Some tempo de preparação, esforço de revisão,
treinamento, licença, infraestrutura, falhas e manutenção. Uma economia em minutos por tarefa
profissional não se converte automaticamente em economia organizacional: talvez a equipe
precise corrigir dados, acolher reclamações ou reconstruir confiança. A quinta etapa é instituir
revisão regular. À medida que documentos, usuários, processos e tecnologia mudam, o resultado
anterior deixa de representar a situação presente. Guarde uma amostra fixa para comparação
entre versões e complemente-a com ocorrências novas da operação.
A sexta etapa consiste em distribuir autoridade: quem pode alterar regras, quem aprova
exceções, quem acessa informações e quem determina a suspensão. Não basta declarar que há
“humano no circuito” se essa pessoa não tem tempo, informação ou poder para discordar. A
revisão humana precisa de critérios, exemplos de erro e canal para registrar divergências.
Quando essas condições estão presentes, a tecnologia pode reduzir trabalho mecânico sem
transferir silenciosamente a responsabilidade a quem recebe a saída.
PROFISSÕES DO FUTURO COM IA
25 • EDIÇÃO DIGITAL 2026
MEDIDAS QUE IMPORTAM
Use como indicador principal sistemas inventariados e revisões concluídas.. Não o leia
isoladamente. Separe os resultados por tipo de caso, contexto, grupo afetado e grau de
dificuldade; depois compare com a linha de base anterior. Se o indicador melhorar apenas em
situações simples, talvez o sistema tenha deslocado o trabalho difícil para pessoas menos visíveis.
Acrescente uma medida de segurança: quantidade de erros graves por amostra auditada.
Acrescente ainda uma medida de custo: esforço total por resultado validado, incluindo correção
posterior.
Defina o que conta como sucesso antes do teste. Uma meta que muda depois de observar os
resultados não permite comparação honesta. Analise também os casos de recusa: há situações
em que o melhor resultado é admitir dúvida, interromper a ação ou encaminhar a uma pessoa
competente. Registre falsos positivos e falsos negativos quando houver classificação; use
exemplos concretos para orientar a equipe, não apenas médias. Se a amostra for pequena, diga
explicitamente que o piloto sugere possibilidades e ainda não comprova desempenho estável.
DECISÕES DIFÍCEIS E CONTRAPONTOS
O erro mais tentador é título de cargo sem competência demonstrada. Ele se agrava quando
publicar política genérica sem rotinas de execução.. A mitigação não é exigir perfeição abstrata,
mas reduzir exposição: limitar alcance, registrar decisões e estabelecer parada segura. Há
também uma tensão entre personalização e padronização. Personalizar pode ajudar a atender
contextos diferentes, mas dificulta reproduzir decisões e explicar tratamentos distintos.
Padronizar facilita auditoria, mas pode ignorar necessidades individuais. A escolha deve ser
justificada em função da tarefa, não pela capacidade da ferramenta.
Outro contraponto é a possibilidade de uma solução sem IA ser melhor. Um formulário claro, uma
lista de verificação, uma regra determinística, uma formação breve ou a correção da base de
dados podem resolver o problema por menos custo e com maior previsibilidade. Use a tecnologia
quando ela acrescentar capacidade demonstrável, não quando for a opção mais fácil de anunciar.
Para decidir, documente alternativa rejeitada, motivo, restrição de orçamento e condição que
faria a equipe rever a escolha.
OFICINA PARA O LEITOR
Exercício 1: descreva, em até seis linhas, uma situação própria relacionada a “governança de ia”.
Identifique uma entrada verificável, uma saída útil e uma pessoa que sofrerá as consequências de
um erro. Exercício 2: elabore três casos