Impactos da IA na Educação Técnica

Prévia do material em texto

Impactos da difusão da 
inteligência artificial (IA) 
na educação técnica 
de nível médio
Impactos da difusão da 
inteligência artificial (IA) 
na educação técnica 
de nível médio
Caruso, Luis Antonio Cruz
 Impactos da difusão da inteligência artificial na educação técnica de 
nível médio / Luis Antonio Cruz Caruso. – Brasília : UNESCO, 2021.
 75 p., il.
 Incl. bibl.
 ISBN: 978-65-86603-01-9
 1. Inteligência artificial 2. Tecnologia educacional 3. Sistema educacional 
4. Brasil I. UNESCO II. Título
CDD 370
Esclarecimento: a UNESCO mantém, no cerne de suas prioridades, a 
promoção da igualdade de gênero, em todas as suas atividades e ações. 
Devido à especificidade da língua portuguesa, adotam-se, nesta publicação, 
os termos no gênero masculino, para facilitar a leitura, considerando as 
inúmeras menções ao longo do texto. Assim, embora alguns termos sejam 
escritos no masculino, eles referem-se igualmente ao gênero feminino.
Publicado em 2021 pela Organização das Nações Unidas para a Educação, 
a Ciência e a Cultura, 7, place de Fontenoy, 75352 Paris 07 SP, França, e 
Representação da UNESCO da UNESCO no Basil, em cooperação com o 
Ministério da Educação.
© UNESCO 2021
Esta publicação está disponível em acesso livre ao abrigo da licença 
Atribuição-Partilha 3.0 IGO (CC-BY-SA 3.0 IGO) (http://creativecommons.org/
licenses/by-sa/3.0/igo/). Ao utilizar o conteúdo da presente publicação, os 
usuários aceitam os termos de uso do Repositório UNESCO de acesso livre 
(www.unesco.org/open-access/terms-use-ccbysa-port).
As indicações de nomes e a apresentação do material ao longo deste livro 
não implicam a manifestação de qualquer opinião por parte da UNESCO a 
respeito da condição jurídica de qualquer país, território, cidade, região ou de 
suas autoridades, tampouco da delimitação de suas fronteiras ou limites. 
As ideias e opiniões expressas nesta publicação são as dos autores e não 
refletem obrigatoriamente as da UNESCO nem comprometem a Organização. 
Coordenação técnica da Representação da UNESCO no Brasil:
Marlova Jovchelovitch Noleto, diretora e representante
Maria Rebeca Otero Gomes, coordenadora do Setor de Educação
Revisão técnica: Setor de Educação da Representação da UNESCO no Brasil
Revisão gramatical e ortográfica: Marina Mendes
Revisão editorial e diagramação: Unidade de Publicações da Representação da 
UNESCO no Brasil
Foto da capa: © World Bank-Charlotte Kesl
Projeto gráfico: UNESCO
Setor de Educação da UNESCO
A educação é a prioridade número 1 da UNESCO, porque 
se trata de um direito humano básico e é o alicerce para 
a construção da paz e a impulsão do desenvolvimento 
sustentável. A UNESCO é a agência especializada das Nações 
Unidas para a educação, e seu Setor de Educação assume 
liderança global e regional em educação, fortalece sistemas 
educacionais nacionais e responde a desafios globais 
contemporâneos por meio da educação com foco especial na 
igualdade de gênero e na África.
Agenda Mundial da Educação 2030
A UNESCO, no papel de agência especializada das Nações Unidas 
para a educação, está encarregada de liderar e coordenar a 
Agenda 2030 para a Educação, a qual faz parte de um movimento 
global para erradicar a pobreza por meio de 17 Objetivos de 
Desenvolvimento Sustentável (ODS) até 2030. A educação, 
essencial para o cumprimento de todos esses objetivos, tem seu 
próprio ODS, o de número 4, que visa a “assegurar a educação 
inclusiva, equitativa e de qualidade, e promover oportunidades de 
aprendizagem ao longo da vida para todas e todos”. O Marco de 
Ação da Educação 2030 fornece orientações para a implementação 
desses ambiciosos objetivos e compromissos. 
 
Listas
Lista de tabelas
Tabela 1: Áreas ocupacionais selecionadas ..................................................................................................................................26
Tabela 2: Estrutura das CBO 1982, 1994 e 2002 ...........................................................................................................................28
Tabela 3: Estrutura das atividades ocupacionais por nível de qualificação, nos anos de 1982 e 2002 ...................39
Tabela 4: Proporção de atividades ocupacionais, por natureza e gênero, para as 
 ocupações técnicas de nível médio e para o total de ocupações ......................................................................40
Tabela 5: Ocupações exercidas por homens e mulheres em 2018 
 (quinze ocupações com maior quantidade de vínculos) ......................................................................................41
Tabela 6: Estimativa, para 2030, da estrutura das atividades ocupacionais ......................................................................42
Tabela 7: Estimativa, para 2030, das atividades ocupacionais no padrão de difusão restrita ....................................46
Tabela 8: Impacto nas ocupações dos técnicos em função da difusão de IA: padrão de difusão restrita .............46
Tabela 9: Impacto, por gênero, nas ocupações dos técnicos em 
 função da difusão de IA: padrão de difusão restrita ...............................................................................................46
Tabela 10: Estimativa, para 2030, das atividades ocupacionais no padrão de difusão ampla ......................................47
Tabela 11: Impacto nas ocupações dos técnicos em função da difusão de IA: padrão de difusão ampla ...............48
Tabela 12: Impacto, por gênero, nas ocupações dos técnicos 
 em função da difusão de IA: padrão de difusão ampla .........................................................................................48
Tabela 13: Ocupações impactadas, pertencentes a grupos ocupacionais com indicação 
 para redução de oferta de cursos técnicos: padrão de difusão restrita ...........................................................51
Tabela 14: Ocupações impactadas, pertencentes a grupos ocupacionais com indicação 
 para redução de oferta de cursos técnicos: padrão de difusão ampla ............................................................52
Lista de gráficos
Gráfico 1: Representação estilizada e ilustrativa do comportamento das atividades 
 rotineiras e não rotineiras, de natureza manual e cognitiva, de 1900 a 2010 ...............................................16
Gráfico 2: Mudanças esperadas nas atividades ocupacionais decorrentes da difusão da IA ......................................19
Lista de figuras
Figura 1: Mudanças nas atividades ocupacionais e nas ocupações 
 e impactos na educação profissional em função da difusão da IA ....................................................................12
Figura 2: Ciclo histórico de codificação de conhecimentos tácitos .....................................................................................17
Figura 3: Novo ciclo de codificação de conhecimentos tácitos ............................................................................................19
Lista de boxes
Box 1: Transformações na ocupação de torneiro mecânico .............................................................................................14
Box 2: O analista simbólico ............................................................................................................................................................15
impactos nas atividades ocupacionais e na educação profissional 
técnica. Em sua estrutura, o livro contempla questões conceituais e 
metodológicas, identifica soluções tecnológicas de IA, examina os 
impactos de sua difusão e apresenta considerações e ponderações 
com pertinência e equilíbrio. 
O estudo tem o mérito de contextualizar os efeitos da IA, 
principalmente no que diz respeito aos impactos no cenário 
brasileiro, caracterizado por múltiplas desigualdades sociais, 
inclusive de gênero, bem como no que se refere a questões 
éticas e morais implícitas. Como salienta o autor na introdução, 
a utilização e o desenvolvimento de uma tecnologia são 
condicionados porinúmeros fatores de natureza econômica, 
cultural e social, atingindo trabalhadores, empresas e a sociedade 
em geral de maneira diferenciada do que foi inicialmente 
concebido pelos desenvolvedores da tecnologia. Em outras 
palavras, o contexto de aplicação das inovações tecnológicas 
condiciona e diferencia seus efeitos, sobretudo em países de 
acentuadas desigualdades como as que se verificam no Brasil, 
potencializadas atualmente pela pandemia do coronavírus, que 
subtrai vidas e empregos, estreita ou até fecha horizontes de 
perspectivas e agrava o quadro social existente.
Conforme salienta Caruso, a opção do estudo, que recaiu no 
ensino médio técnico, foi realizada em virtude das alterações 
profundas da IA nesse grupo ocupacional e devido às mudanças 
estruturais previstas pela reforma do ensino médio, aprovada no 
final de 2017. Além disso, a escolha de um setor da educação é 
importante, face ao impacto da IA que já se mostra à vista nas 
políticas educacionais em sentido mais amplo. É importante 
salientar que a IA constitui uma das formas mais radicais 
de inovação tecnológica, com profundas implicações nas 
atividades humanas e, portanto, na educação, que constitui 
uma atividade radicalmente humana. A escola é o local em 
que crianças e jovens projetam seu futuro e almejam, um dia, 
exercer atividades significativas nos planos individual e social. 
Segundo o autor, especificamente no campo educacional, 
são esperadas aplicações como sistemas tutoriais inteligentes, 
robótica educacional inteligente e processamento de linguagem 
natural, que tendem a facilitar a interação e o aprendizado dos 
estudantes, reconhecendo as dificuldades de aprendizagem em 
um determinado assunto e elaborando conteúdos educacionais 
por meio de linguagem e formato, por exemplo, adequados para 
cada estudante em particular.
Como informa o autor, citando fonte do Laboratório do Futuro da 
Universidade Federal do Rio de Janeiro (UFRJ), até o ano de 2040, 
a automação ameaçará mais da metade dos empregos em todos 
os municípios brasileiros. Essa previsão, que certamente decorre 
do acelerado ritmo dos avanços da IA, afetará todo o processo 
Prefácio
Inteligência artificial e educação: 
mudanças à vista
Entre as marcas históricas da UNESCO que pautaram e continuam 
a pautar a sua trajetória, destacam-se a construção de valores 
civilizacionais, as mudanças cidadãs e a antecipação de tendências. 
Como os extraordinários e incessantes avanços do conhecimento 
teórico e suas inúmeras aplicações em vários setores das atividades 
humanas estão no centro das causas de tantas transformações 
paradigmáticas que caracterizam os tempos modernos, essa agência 
das Nações Unidas sempre se manteve atenta ao impacto de tais 
avanços nas instituições e no desenvolvimento humano. Estas são 
mudanças que não impactam somente os processos produtivos que 
se vinculam ao mercado, mas também a vida das pessoas e o rumo 
das sociedades. Por intermédio de estudos, pesquisas e conferências 
mundiais, e com o apoio de seus institutos e escritórios localizados 
em todos os continentes, a UNESCO procura examinar, prospectar 
e discutir as implicações humanas das conquistas da ciência e da 
tecnologia. Foi assim, por exemplo, na conferência que promoveu 
em Budapeste, no ano 2000, sobre os usos éticos do conhecimento 
científico, oportunidade em que, na Declaração Mundial resultante 
do evento, chamou-se atenção para a dimensão moral e ética de sua 
disseminação e aplicação prática. Isso porque o enorme acervo de 
conhecimentos e saberes disponíveis e continuamente renovados e 
ampliados não deveriam ser utilizados para fins não éticos, como o 
que ocorre na atualidade, com a ciência sendo colocada a serviço 
da degradação planetária. O mesmo ocorreu na Declaração de 
Incheon, na Coreia do Sul, oportunidade em que se procurou 
fortalecer e conferir novo impulso às metas de educação sustentável 
para todos, como condição imperativa para a redução das 
desigualdades e a paz com a natureza.
Em que pese esse quadro de adversidades que caracteriza o cenário 
atual de notáveis desenvolvimentos da ciência e da tecnologia, 
por um lado, e, por outro, o acirramento das desigualdades, 
decorrentes em boa parte de lutas geopolíticas por poder e 
mercados, a UNESCO segue a sua história de enfrentamentos e 
lutas por cenários sociais de equidade e igualdade. Assim, o livro 
que ora se publica, “Impactos da difusão da inteligência artificial 
na educação técnica de nível médio”, de autoria de Luiz Antônio 
Cruz Caruso, tem o objetivo de examinar as mudanças que estão 
à vista pela introdução dessa tecnologia na gestão de escolas 
de educação técnica. Como afirma o autor, considerando-se as 
ocupações técnicas de nível médio, o estudo tem o propósito, 
entre outros, de identificar atividades ocupacionais que poderão 
reduzir, aumentar ou se manter inalteradas, bem como as que 
poderão surgir ou desaparecer nos próximos anos. Para tanto, o 
estudo estabeleceu uma metodologia para inventariar padrões de 
difusão da inteligência artificial (IA), seguindo-se à avaliação de seus 
Prefácio
educacional em sua missão precípua de preparar e formar pessoas 
para o exercício da cidadania e para as diversas demandas do 
desenvolvimento social e econômico. Destaca-se que, no padrão 
de difusão mais ampla, o impacto no volume de emprego é ainda 
maior. Ademais, a automação reduz postos de trabalho – em que 
pesem estimativas mais otimistas, como chamou atenção Kai-Fu 
Lee (2019)1, um dos expoentes da IA –, além de ocasionar a perda 
direta de empregos. Assim, essa nova tecnologia exacerbará 
a desigualdade econômica global. Ao dar aos robôs o poder 
de visão e a capacidade de se mover de forma autônoma, a IA 
revolucionará as indústrias do terceiro mundo, podendo suprimir 
os degraus inferiores na escada do desenvolvimento econômico 
e dificultando aos países pobres a oportunidade de iniciar o 
crescimento econômico. 
Além do impacto econômico, há um outro aspecto que certamente 
se sobressai como um desafio sem precedentes. Na evolução do 
desenvolvimento humano, o trabalho sempre despontou como 
um dos fatores centrais na luta por uma vida melhor, na busca das 
pessoas por uma autorrealização mais plena. As históricas lutas 
dos trabalhadores por condições e trabalhos decentes mostram 
isso. Na medida em que tecnologias como a IA colocam em risco a 
possibilidade de conquista de um emprego, o trabalho, um dos mais 
fundamentais valores humanos, se fragiliza. A renda universal, que se 
apresenta como solução possível, poderá ser apenas paliativa.
De acordo com o estudo, os impactos no ensino técnico de 
nível médio estão relacionados precipuamente à velocidade e à 
direção da difusão da IA, sendo que as respostas das instituições de 
formação profissional, no que diz respeito ao preparo de quadros 
técnicos e à requalificação dos profissionais deslocados, poderão 
depender dos padrões de difusão restrita, com base na aquisição 
de soluções de IA, ou ampla, apoiada no desenvolvimento de 
sistemas ciberfísicos. No padrão de difusão restrita, tenderá a ocorrer 
uma redução de atividades ocupacionais de natureza cognitiva 
e rotineira, e no padrão de difusão ampla, acrescentam-se aos 
impactos a redução de atividades rotineiras e não rotineiras. 
1 LEE, Kai-Fu. Inteligência artificial: como os robôs estão mudando o mundo, a forma como amamos, nos comunicamos e vivemos. Rio de Janeiro: Globo Livros, 2019.
2 WULF, Christoph. Educação para o desenvolvimento sustentado no Antropoceno: mimese, rituais e gestos. Berlim, 2019. (mimeo). 
Entre as virtudes deste estudo, registre-se ainda as entrevistas 
em profundidade realizadas com diversos profissionais da área, 
com o objetivo de colher subsídios e ponderações diante da 
complexidade da IA em seus diversos campos de aplicação e, em 
especial, na educação profissional.
Daí a importância deste livro, que, ao examinar o impacto da IA 
na gestão de escolas formadoras de técnicos de nível médio, 
também colocaem evidência a necessidade de estudos sobre 
a filosofia e as políticas de educação, sobretudo na perspectiva 
imaginada por Kai-Fu Lee (2019), de construção de um projeto 
para a coexistência entre os seres humanos e a IA, com vistas a 
forjar uma nova sinergia entre a própria IA e o coração humano. 
Esse pesquisador destaca que a construção de sociedades 
que prosperem na era da IA exigirá mudanças substanciais na 
economia, na cultura e nos valores humanos: “Se entendida e 
aproveitada adequadamente, pode na verdade nos ajudar a gerar 
valor econômico e prosperidade em uma escala nunca vista na 
história da humanidade” (Lee, 2019, p. 269).
A rigor, somente por esse caminho será possível aproveitar e 
direcionar a tecnologia da IA para fins públicos do bem comum 
e do desenvolvimento sustentado. No caso da educação, o 
impacto da IA no agravamento das desigualdades sociais torna 
ainda mais urgente a sua importância, devendo ser elevada 
ao status de política de Estado, de modo a assegurar uma 
progressiva educação de qualidade para todas as crianças e 
todos os jovens e, com essa estratégia, atenuar o fosso das 
diferenças entre pessoas e regiões. 
Por último, como alertou Christoph Wulf (2021)2, da Universidade 
de Berlim, em um contexto de lutas por melhores modelos de 
desenvolvimento, faz parte da educação, de sua condição no 
processo do ser humano, ocupar-se do debate sobre questões 
desafiadoras da sustentabilidade, pois a Educação para o 
Desenvolvimento Sustentável é a expressão da preocupação com 
o futuro do planeta e das sociedades que o habitam.
Prefácio
Marlova Jovchelovitch Noleto 
Diretora e representante da UNESCO no Brasil
Índice
Sumário
1. Introdução ............................................................................................................9
1.1. Objetivo .........................................................................................................................................................................................12
2. Aspectos conceituais ..........................................................................................13
2.1. Breve histórico das mudanças ocupacionais ...................................................................................................................14
2.2. Ciclo de codificação de conhecimentos tácitos ...............................................................................................................16
2.3. Aprendizagem individual e organizacional ......................................................................................................................17
2.4. Novo ciclo de codificação de conhecimentos tácitos ...................................................................................................18
2.5. Aprendizado de máquina ........................................................................................................................................................20
3. Procedimentos metodológicos .........................................................................22
3.1. Procedimentos metodológicos da abordagem qualitativa ........................................................................................24
3.1.1. Soluções tecnológicas em IA ......................................................................................................................................24
3.1.2. Difusão tecnológica de IA (próximos 10 anos) .....................................................................................................25
3.1.3. Impactos nas atividades ocupacionais ...................................................................................................................25
3.1.4. Impactos na educação profissional técnica de nível médio ...........................................................................25
3.1.5. Setores de atividade econômica ...............................................................................................................................25
3.1.6. Grupos ocupacionais .....................................................................................................................................................26
3.2. Procedimentos metodológicos utilizados na abordagem quantitativa ................................................................26
3.2.1. Descrição dos procedimentos metodológicos ....................................................................................................26
4. Tecnologias de inteligência artificial selecionadas ..........................................31
4.1. Serviços intensivos em conhecimento ...............................................................................................................................32
4.2. Manufatura ...................................................................................................................................................................................32
4.3. Educação .......................................................................................................................................................................................32
4.4. Saúde ..............................................................................................................................................................................................33
5. Estimativa da difusão da inteligência artificial ................................................34
5.1. Fatores condicionantes da difusão de IA ...........................................................................................................................35
5.1.1. Fatores que dificultam a difusão de IA ....................................................................................................................35
5.1.2. Fatores que facilitam a difusão de IA .......................................................................................................................35
5.2. Difusão esperada de tecnologias de IA (próximos 10 anos) .......................................................................................36
5.2.1. Serviços intensivos em conhecimento ...................................................................................................................36
5.2.2. Manufatura ........................................................................................................................................................................36
5.2.3. Educação ............................................................................................................................................................................36
5.2.4. Saúde ..................................................................................................................................................................................36
7
Índice
5.3. Identificação de padrões de difusão .................................................................................................................................... 36
 5.3.1. Padrão de difusão restrita ............................................................................................................................................. 37
 5.3.2. Padrão de difusão ampla .............................................................................................................................................. 37
6. Mudanças quantitativas na estrutura das atividades ocupacionais ...............38
6.1. Mudanças na estrutura das atividades ocupacionais entre 1982 e 2002 ............................................................... 39
6.2. Estrutura das atividades ocupacionais por gênero ......................................................................................................... 40
6.3. Procedimentos para estimar mudanças na estrutura das atividades em 2030 .................................................... 41
6.4. Impactos na estrutura de atividades dos técnicos: estimativa para 2030.............................................................. 41
7. Impactos qualitativos nas atividades ocupacionais .........................................43
7.1. Fatores condicionantes dos impactos nas atividades ocupacionais ........................................................................ 44
 7.1.1. Forma de utilização da IA: complementaridade e substituição...................................................................... 44
 7.1.2. Interlocução de fornecedores de soluções de IA com empresas usuárias ................................................. 45
7.2. Impactos nas atividades ocupacionais: padrão de difusão restrita .......................................................................... 45
 7.2.1. Estimativa de mudanças nas atividades ocupacionais: padrão de difusão restrita ................................. 45
 7.2.2. Impactos quantitativos por gênero: padrão de difusão restrita ..................................................................... 46
 7.2.3. Efeitos compensatórios no emprego: padrão de difusão restrita .................................................................. 46
7.3. Impactos nas atividades ocupacionais: padrão de difusão ampla ............................................................................ 47
 7.3.1. Estimativa de mudanças nas atividades ocupacionais: padrão de difusão ampla .................................. 47
 7.3.2. Impactos quantitativos por gênero: padrão de difusão ampla ...................................................................... 48
 7.3.3. Efeito compensatório no emprego: padrão de difusão ampla ....................................................................... 48
8. Recomendações para a educação profissional .................................................49
8.1. Recomendações gerais ............................................................................................................................................................. 50
8.2. Recomendações para a educação profissional: padrão de difusão restrita ........................................................... 50
 8.2.1. Formação de novos perfis profissionais .................................................................................................................. 50
 8.2.2. Requalificação de técnicos deslocados pela difusão de IA............................................................................... 50
 8.2.3. Restringir a oferta de cursos técnicos que vêm apresentando desequilíbrios.......................................... 50
8.3. Recomendações para a educação profissional: padrão de difusão ampla ............................................................ 51
 8.3.1. Formação de novos perfis profissionais .................................................................................................................. 51
 8.3.2. Requalificação de profissionais deslocados pela difusão de IA ...................................................................... 51
 8.3.3. Restringir a oferta de cursos técnicos que vêm apresentando desequilíbrios.......................................... 52
9. Considerações finais ............................................................................................53
Referências bibliográficas ......................................................................................56
Anexos .....................................................................................................................59
Anexo 1: Relação de especialistas ............................................................................................................................................ 60
Anexo 2: Relação de verbos das atividades da CBO .......................................................................................................... 62
Anexo 3: Probabilidades de distribuição das palavras por natureza de atividade ocupacional ....................... 64
Anexo 4: Lista de palavras utilizadas para classificar as atividades cognitivas interativas .................................. 70
Anexo 5: Relação de tecnologias de IA selecionadas ........................................................................................................ 70
Anexo 6: Atividades ocupacionais selecionadas para entrevista ................................................................................. 74
Anexo 7: Lista de ocupações impactadas no padrão de difusão restrita................................................................... 76
Anexo 8: Lista de ocupações impactadas no padrão de difusão ampla .................................................................... 77
8
©
 h
tt
ps
://
1d
ay
re
vi
ew
.c
om
/ C
C 
BY
 2
.0
1
Introdução
1. Introdução
Atualmente, encontramo-nos na fase de introdução da difusão da 
inteligência artificial (IA), e o seu campo de aplicações permanece em 
aberto, uma vez que, teoricamente, as novas tecnologias de IA podem 
ser utilizadas por todas as áreas. Ainda assim, como a tecnologia 
não é um fator isolado da sociedade, não estão predeterminados 
todos os benefícios e consequências que esta pode trazer antes de 
sua aplicação efetiva. Ao invés, o desenvolvimento e uso de uma 
tecnologia são condicionados por inúmeros fatores de natureza 
econômica, cultural e social, de forma que atingem trabalhadores, 
empresas e a sociedade em geral, de maneira diferenciada do que foi 
inicialmente concebido pelos desenvolvedores da tecnologia.
Seja no desenvolvimento de algoritmos ou na utilização de soluções 
de IA, estarão presentes tanto questões éticas como questões 
que podem reforçar ou reduzir desigualdades sociais existentes. 
Questões de ordem ética são levantadas por instituições nacionais 
e internacionais, como a UNESCO no “Consenso de Beijing”. O 
Consenso surgiu no ano de 2019 em Beijing, a partir da organização, 
pela UNESCO, da Conferência Internacional sobre Inteligência 
Artificial (IA) e Educação, evento que contou com a participação 
de 50 ministros e vice-ministros de governo, além de cerca de 500 
representantes internacionais de mais de 100 Estados-membros, 
agências das Nações Unidas, instituições acadêmicas, sociedade civil 
e o setor privado. O “Consenso de Beijing” foi um dos documentos 
gerados a partir dessa Conferência, tendo como foco a utilização da 
IA na educação. O Consenso 28 destaca a importância de 
saber que os aplicativos de IA podem impor diferentes tipos de 
tendências inerentes aos dados nos quais a tecnologia é treinada e 
usada como entrada, bem como na maneira como os processos e 
algoritmos são construídos e usados. Conhecer os dilemas do equilíbrio 
entre acesso aberto a dados e proteção da privacidade de dados. Estar 
atento às questões legais e aos riscos éticos relacionados à propriedade, 
privacidade e disponibilidade dos dados para o bem público. Lembrar 
da importância de adotar princípios de ética, privacidade e segurança 
planejados (UNESCO, 2019d).
Para que os algoritmos sejam desenvolvidos, é preciso acesso a 
uma quantidade gigantesca de dados e, na maioria das vezes, 
esses dados são de indivíduos e empresas, que precisam saber e 
aprovar que seus dados sejam utilizados. O segundo ponto é que 
o desenvolvedor dos algoritmos possui uma visão de mundo, 
com seus valores e preconceitos, e isso pode influenciar, de forma 
intencional ou inconscientemente, o resultado final da aplicação 
do algoritmo, favorecendo determinados grupos na sociedade 
em detrimento de outros. Muitas medidas vêm sendo tomadas 
pelos países, como leis de acesso a informações e utilização de 
equipes multidisciplinares e multiétnicas para o desenvolvimento 
de soluções de IA. Como estamos na fase inicial de difusão das 
novas tecnologias de IA, essa discussão irá se colocar em muitos 
momentos da trajetória de difusão e novas regulamentações 
deverão surgir para responder a questões desse tipo.
Do ponto de vista tecnológico existem soluções de IA para, 
praticamente, todas as atividades humanas.No campo da medicina, 
por exemplo, as aplicações de IA possibilitam analisar imagens 
de exames radiológicos de tomografias ópticas para identificar 
alterações que possam causar a perda de visão. Podem, também, 
realizar análises de todas as radiografias de um paciente e compará-
las com milhões de radiografias similares e respectivos laudos. 
Isso pode auxiliar significativamente o médico responsável pelo 
laudo final ou, então, pela decisão de tratamento com base em 
muitas informações clínicas, como histórico do paciente, sintomas, 
exames laboratoriais e imagens. A qualidade e a quantidade desses 
dados estão melhorando rapidamente – estima-se que crescerá 
exponencialmente em todo o mundo (PUC RIO, 2019). 
Outra área que vem apresentando evolução acelerada com 
inúmeras aplicações, no âmbito da inteligência artificial (IA), é 
a de processamento de linguagem natural (PLN). O objetivo do 
PLN é entender um texto, isto é, reconhecer o contexto, fazer 
análise sintática, semântica, léxica e morfológica, criar resumos, 
extrair informação, interpretar os sentidos, analisar sentimentos 
e até aprender conceitos com os textos processados. Isso 
possibilita saber se a opinião textual de uma pessoa tem um 
sentimento positivo ou negativo, podendo ser aplicado em 
campanhas publicitárias, campanhas políticas, avaliação de 
produtos, bloqueio de mensagens racistas, homofóbicas e 
agressivas, dentre outras aplicações (PUC RIO, 2019).
No campo educacional são esperadas aplicações como 
sistemas tutoriais inteligentes, robótica inteligente educacional 
e processamento de linguagem natural, que tendem a facilitar a 
interação e o aprendizado do aluno, reconhecendo dificuldades 
de aprendizagem em um determinado assunto e elaborando 
conteúdos educacionais por meio de linguagem e formato, por 
exemplo, adequados para cada aluno em particular.
Na produção manufatureira poderão ser registradas e tratadas, em 
tempo real, grandes quantidades de informações sobre o que está 
ocorrendo na produção, nos mercados onde a empresa atua, no 
país e no exterior, assim como entre os fornecedores.
No campo do direito, os serviços de elaboração de contratos simples 
de prestação de serviços, locação residencial e acompanhamento de 
processos já foram automatizados. Atualmente, no Brasil, existem mais 
de 100 startups no ramo jurídico, as chamadas lawtechs e legaltechs, 
que analisam e compilam dados, automatizam o processamento 
de documentos, realizam a gestão do ciclo de vida de contratos 
e processos, dentre outras atividades. Analisar dados e aplicar a 
estatística no direito (jurimetria) são algumas das novas competências 
1. Introdução
10
que estão sendo discutidas e até mesmo incorporadas ao currículo 
do curso de advocacia de escolas como a Fundação Getúlio Vargas de 
São Paulo e a Faculdade de Direito da Universidade de São Paulo.
A IA pode, também, ser utilizada para aumentar a criatividade. Por 
exemplo, o Flow Machines é um projeto de pesquisa destinado a 
aumentar a criatividade do artista na música (PUC RIO, 2019).
Ao mesmo tempo em que os exemplos de aplicação da IA se 
multiplicam a cada dia, as estimativas de impacto das tecnologias 
de IA no trabalho também vêm multiplicando-se e tendem a ser, 
em geral, muito negativas. Destacamos alguns desses estudos:
• 47% das ocupações dos EUA irão desaparecer (Frey; Osborne, 2013)
• Até 2030, mais de 800 milhões de trabalhadores perderão seus 
empregos para robôs e máquinas. Cerca de 60% dos empregos 
que possuam pelo menos 1/3 de atividades rotineiras poderão 
ser automatizados (MCKINSEY, 2018)
• Até 2022, cerca de 70 milhões de empregos serão perdidos para 
a automação, embora cerca de 133 milhões surgirão em novas 
ocupações derivadas de uma nova divisão de trabalho entre 
humanos, máquinas e algoritmos (World Economic Forum, 2017)
Estudo recente do Laboratório do Futuro, da Universidade Federal 
do Rio de Janeiro, aponta que a automação ameaçará mais da 
metade dos empregos em todos os municípios brasileiros até 2040. 
Ou, ainda, que a automação pode impactar 56% dos empregos 
formais no país (Kubota; Maciene, 2019). Albuquerque e outros, 
2019, realizaram um estudo baseado em metodologia similar à 
de Frey e Osborne (2013) e identificaram, em um cenário em que 
profissões com alta chance de automação passariam a ser exercidas 
por autômatos, que aproximadamente 30 milhões de empregos 
estariam em risco até 2026 no Brasil.
Essas estimativas foram feitas com propósitos específicos. 
Como no caso do presente estudo o propósito é subsidiar 
o planejamento de instituições de educação profissional, 
desenvolvemos uma metodologia que propicia a antecipação 
dos impactos em diferentes tipos de trabalho: os voltados para o 
desenvolvimento de soluções em IA, e os que serão deslocados 
pelas aplicações de IA. A chave para analisar esses impactos é 
o padrão de difusão de IA, uma vez que não basta existir uma 
solução de IA, é preciso que ela se difunda na economia para que 
se verifique e observe o efetivo impacto ocupacional.
A ideia de antecipar impactos ocupacionais está presente na visão 
estratégica de muitos organismos multilaterais, como é o caso da 
UNESCO. O Consenso 17 destacou um aspecto que se relaciona 
diretamente com o tema do presente estudo: 
Atualizar e desenvolver mecanismos e ferramentas para antecipar 
e identificar as necessidades atuais e futuras de habilidades em 
relação ao desenvolvimento da IA, a fim de garantir a relevância dos 
currículos para as economias, mercados de trabalho e sociedades 
em mudança (UNESCO, 2019). 
Do ponto de vista educacional, a preocupação de antecipar 
necessidades atuais e futuras em meio a rápidas transformações 
tecnológicas exige um tempo necessário para as instituições 
educacionais reorganizarem suas ofertas formativas e se 
inserirem mais ativamente nessas transformações. Agindo dessa 
forma, a oferta do sistema formativo amplia sua chance de dar 
respostas ao sistema produtivo.
A IA possibilita a personalização em massa de serviços e produtos 
de consumo de baixo valor por meio de sistemas ciberfísicos. Para 
tanto, faz-se necessário organizar uma quantidade muito grande 
de dados e desenvolver e testar muitos algoritmos, o que requer 
um conjunto significativo de competências de alta complexidade. 
Existem, também, muitas soluções de IA disponíveis no 
mercado para as empresas adquirirem. A aquisição de soluções 
requer outro conjunto de competências para a realização de 
atividades ocupacionais associadas à adaptação da solução à 
realidade da empresa usuária.
Na fase atual de difusão de IA as empresas estão adotando inúmeras 
soluções, como a organização de grupos multidisciplinares de 
trabalho para melhor utilizar os sistemas de inteligência artificial. 
As instituições educacionais, particularmente universidades e 
instituições de formação profissional, estão oferecendo diferentes 
tipos de especializações, sendo que um mesmo curso de 
especialização pode ser realizado por profissionais de diferentes 
ocupações. Essa dinâmica contribui para a configuração de novos 
campos de atribuições em ocupações existentes, além de favorecer 
a emergência de novas ocupações.
Ao mesmo tempo, já existem manifestações de instituições 
que contribuem para a processo de difusão de IA alertando 
que uma eventual falta de mão de obra qualificada pode 
comprometer o desenvolvimento e implantação de algumas 
tecnologias, como por exemplo, da telefonia 5G e da indústria 
4.0 (ABDI, 2019), assim como da tecnologia da informação 
(BRASSCOM, 2019). Na medida em que aumente a taxa 
de difusão de IA, empresas, instituições governamentais, 
associações e sindicatos de trabalhadores passarão a gerar 
convergências em torno de demandas de novas competências, 
e mesmo de novas ocupações.
A dinâmica de difusão de IA traz mudanças no trabalho e na 
formação de pessoal qualificado, fazendo com que Organismos 
das Nações Unidas, como a UNESCO, enfatizem ainda mais o tema 
das desigualdades sociais. No “Consensode Beijing”, o Consenso 27 
enfatiza a desigualdade de gênero como um tema a ser observado: 
Promover a igualdade de gênero no desenvolvimento de 
ferramentas de IA e capacitar meninas e mulheres com habilidades 
de IA para promover a igualdade de gênero entre as forças de 
trabalho e empregadores de IA (UNESCO, 2019d). 
Portanto, o Consenso 27 aborda a questão de gênero tanto sob a 
ótica do mercado de trabalho, quanto da formação, e precisa ser 
observado, no caso brasileiro, a partir das desigualdades de gênero 
existentes no mercado de trabalho e no sistema educacional.
Além disso, o Consenso 23 do “Consenso de Beijing” associa mais 
diretamente o tema da desigualdade à questão da educação: 
1. Introdução
11
Garantir que a IA promova oportunidades de educação e 
aprendizagem de alta qualidade para todos, independentemente 
de gênero, deficiência, status social ou econômico, origem étnica 
ou cultural ou localização geográfica. O desenvolvimento e o 
uso da IA na educação não devem aprofundar o hiato digital e 
não devem exibir viés contra grupos minoritários ou vulneráveis 
(UNESCO, 2019d). 
Como a IA é uma tecnologia disruptiva com potencial de impactar 
toda a estrutura ocupacional da economia, sua difusão exigirá um 
novo conjunto de competências e de habilidades transferíveis 
necessárias para entrar, permanecer ou reingressar no mercado 
de trabalho. Esse novo conjunto necessita ser desenvolvido por 
instituições educacionais procurando não reproduzir os padrões de 
desigualdade social.
O uso de tecnologias de IA mobiliza muitos profissionais que 
se encontram no mercado de trabalho e que necessitam de 
atualização tecnológica. Com a difusão da IA, as atribuições desses 
profissionais podem ser ampliadas ou reduzidas. Existem, também, 
profissionais que participarão diretamente do desenvolvimento 
de soluções de IA e que requerem novas competências. Na 
Conferência sobre IA, realizada em Beijing, essa questão foi 
abordada na perspectiva de substituição e transformação. 
A perspectiva de substituição revela medos em relação à perda 
e deslocamento de trabalhos pela automação. A perspectiva da 
transformação destaca a visão otimista de que a automação de tarefas 
rotineiras pouco qualificadas cria oportunidades para aumentar 
a demanda por tarefas altamente qualificadas e criativas que 
costumavam ser bastante limitadas. Ambas as perspectivas exigem 
um redesenho fundamental do que as pessoas aprendem nas escolas 
e instituições de TVET, a fim de atender à demanda no mercado de 
trabalho (UNESCO, 2019e, p. 6).
Os desafios para governos e instituições de educação profissional 
são enormes pois, na maioria das vezes, os profissionais que serão 
deslocados pela difusão da IA não irão ocupar os postos de trabalho 
abertos para desenvolver as soluções de IA.
Como a IA tem o potencial de impactar toda a estrutura ocupacional, 
para efeito de estudo, é necessário delimitar um determinado grupo 
de ocupações. A escolha recaiu sobre os técnicos de nível médio, por 
duas razões principais: (1) os técnicos terão seu campo de atribuições 
profundamente alterado; e (2) a estrutura de oferta de educação 
técnica de nível médio passou por uma mudança estrutural com a 
reforma do ensino médio no final de 2017.
Por essas razões, é muito relevante que as instituições de educação 
profissional possam antecipar as demandas por técnicos de nível 
médio, de modo a melhor poder atendê-las, dado o tempo necessário 
entre a identificação da demanda até o posicionamento, no mercado 
de trabalho, de um profissional com os novos perfis requeridos.
1.1 Objetivo
Considerando-se as ocupações técnicas de nível médio pretende-se 
identificar atividades ocupacionais que poderão reduzir, aumentar 
ou se manter inalteradas, bem como quais ocupações poderão 
surgir ou desaparecer nos próximos 10 anos. Podemos ilustrar o 
objetivo do estudo no esquema apresentado abaixo (Figura 1).
O prazo de 10 anos tem-se mostrado adequado para o 
planejamento de cursos e programas de educação profissional 
técnica de nível médio (Caruso; Pio, 2017). Para isso, o primeiro 
passo foi desenvolver uma metodologia para mapear padrões 
de difusão da IA e, em seguida, avaliar seus impactos nas 
atividades ocupacionais. A partir da identificação das mudanças 
nas atividades ocupacionais, o passo seguinte foi identificar seus 
impactos na educação profissional técnica de nível médio.
O presente documento está dividido em nove itens, incluindo esta 
introdução, que corresponde ao primeiro item. O segundo item é 
de natureza conceitual. O terceiro é de natureza metodológica. O 
quarto item apresenta as soluções tecnológicas de IA selecionadas 
em cada setor estudado. O quinto trata da difusão das soluções 
selecionadas nos próximos 10 anos. O sexto item analisa as 
mudanças quantitativas na estrutura das atividades ocupacionais. 
O sétimo item analisa os impactos da difusão das tecnologias de IA 
nas atividades ocupacionais dos técnicos de nível médio. O oitavo 
item analisa os impactos da difusão da IA na educação profissional, 
e o nono contém as considerações finais.
Figura 1: Mudanças nas atividades ocupacionais e nas ocupações e 
impactos na educação profissional em função da difusão da IA
Desenvolver 
procedimentos 
metodológicos para 
antecipar mudanças 
na demanda do sistema 
produtivo em função da 
difusão da IA
Que novas atividades 
ocupacionais poderão 
surgir ou desaparecer?
Formação de 
novos profissionais
Requalificação de 
profissionais deslocados 
pela difusão de IA
Que impactos 
podemos esperar na 
educação técnica de 
nível médio?Que novas ocupações 
poderão surgir ou 
desaparecer?
1. Introdução
12
©
 K
iri
ll 
Ig
na
ty
ev
/F
lic
kr
 C
C 
BY
-N
C 
2.
0
2
Aspectos
conceituais
Box 1: Transformações na ocupação 
de torneiro mecânico
Em um torno convencional todos os parâmetros 
necessários para a confecção de uma peça de metal, como 
por exemplo velocidade e ângulo de corte, são alterados 
pelo próprio torneiro mecânico (um trabalhador que 
exerce a ocupação de torneiro mecânico). Em um torno a 
comando numérico computadorizado (CNC), todos esses 
parâmetros passaram a ser controlados por um software. 
Qualquer alteração dos parâmetros para a confecção da 
peça deve ser feita no próprio software. Com isso, modifica-
se a estrutura de atividades e de ocupações, cujo posto 
principal era ocupado por um torneiro mecânico que 
realizava um conjunto muito amplo de atividades, as quais 
passaram a ser incorporadas ao programa. Gradualmente, 
à medida que ocorreu a difusão do torno CNC, começou a 
surgir o operador de CNC, com um conjunto de atividades 
mais específico que o do torneiro mecânico (incluindo o 
conhecimento básico de programação) e o programador 
de CNC, cuja principal atividade é elaborar o programa 
para a confecção da peça. Além de conhecimentos 
de programação, o programador CNC deve conhecer 
processos de usinagem. A ocupação de torneiro mecânico 
continua a existir para operar tornos convencionais, e 
surgiram as ocupações de operador CNC e programador 
CNC. A quantidade de trabalhadores empregados como 
torneiros deixou de crescer à mesma taxa anterior e 
ampliaram-se as quantidades de trabalhadores empregados 
como operadores e programadores CNC.
2. Aspectos conceituais
A IA é uma tecnologia que surgiu nos anos 50 e, nos dias 
de hoje, acelerou sua evolução em função da convergência 
com outras tecnologias, da disponibilidade maciça de 
dados e do aumento da capacidade de armazenamento e 
de processamento de dados, dentre outros fatores. Seus 
impactos nas atividades ocupacionais segue uma lógica 
e uma tendência que se iniciou na época da chamada 1ª 
Revolução Industrial, à exceção da redução das atividades 
cognitivas analíticas, fenômeno novo inaugurado pela difusão 
de IA. Analisaremos essa mudança a partir de uma perspectiva 
da história do ciclo de codificação de conhecimentos.
2.1 Breve histórico das 
mudanças ocupacionais
Para compreendermoso fenômeno atual, adotaremos uma 
perspectiva histórica das mudanças ocupacionais mais 
importantes que ocorreram no período da industrialização, 
a partir da perspectiva do conteúdo do trabalho ou das 
atividades de trabalho.
Na etapa da mecanização da indústria, produzir significava, 
basicamente, transformar fisicamente a matéria, o 
que desenvolveu e mobilizou um certo conjunto de 
competências de natureza cognitiva, visual, tátil, olfativa 
e auditiva dos trabalhadores. A ênfase recaía sobre as 
habilidades e destrezas manuais. Nessa etapa, foi preciso 
parcelar o trabalho, constituído de um saber mais integrado 
detido pelos trabalhadores, em atividades mais simples e 
repetitivas (Landes, 2005; Mantoux, 1927). A codificação 
de conhecimentos nessa etapa da revolução industrial do 
século XVIII incidiu, principalmente, sobre as atividades 
manuais rotineiras.
A produção industrial baseada na química e na 
eletricidade teve como característica principal a aplicação 
de conhecimentos das ciências básicas existentes em 
universidades e centros de pesquisa. Para utilizá-los na 
produção, foi necessário um desenvolvimento tecnológico de 
natureza distinta do que ocorreu na etapa de mecanização, 
mobilizando conhecimentos de física, química e biologia 
aplicados a processos contínuos de produção (Landes, 2005).
Em processos contínuos de produção ocorre uma transformação 
físico-química da matéria, modificando seu estado original 
(sólido, por exemplo) para outro estado (líquido ou gasoso). 
Essa transformação ocorre durante o processo de fabricação, 
submetendo a matéria a condições controladas de temperatura, 
vazão e pressão, por exemplo. Pela própria essência do processo, 
ele nasce contínuo e requer um trabalho mais abstrato (Castro; 
Figueiredo, 2005).
As competências mobilizadas para operar os equipamentos 
em indústrias de processo contínuo requerem elevada 
capacidade de abstração, uma vez que todos os parâmetros 
de produção são controlados por meio de sensores e 
2. Aspectos conceituais
14
Box 2: O analista simbólico
Na década de 1990 começaram a surgir novas categorias 
de análise, como a dos prestadores de serviços simbólicos 
analíticos, que incluíam os trabalhadores que identificavam 
e resolviam problemas manipulando símbolos, além de 
fazerem intermediação estratégica. Ademais, esses serviços 
podiam ser transacionados em escala mundial. Essa foi uma 
perspectiva importante adotada para compreender melhor 
as mudanças que estavam ocorrendo com a difusão de 
tecnologias de base microeletrônica uma vez que, naquele 
período, a análise simbólica já possuía uma magnitude 
importante, pelo menos na economia dos EUA (Reich, 1993).
atuadores e são apresentados para os operadores, na 
maioria das vezes, sob a forma de gráficos ou tabelas (Castro; 
Figueiredo, 2005). Posteriormente, passou a ocorrer a 
integração das etapas do processo de fabricação por meio do 
sistema digital de controle distribuído (SDCD), em processos 
contínuos de fabricação.
Mais recentemente, as tecnologias de base microeletrônica 
passaram a codificar também conhecimentos e habilidades 
derivadas de atividades cognitivas rotineiras. Além de um 
conjunto extenso de novas tecnologias digitais, que foram 
substituindo tecnologias e processos analógicos, ocorreu a 
integração de diferentes etapas do processo de fabricação, 
envolvendo atividades realizadas no interior das plantas e, 
também, fora delas. Em processos discretos de produção 
buscou-se a automação da área de projetos por meio do 
desenho assistido por computador (CAD), da automação da 
produção, da manufatura assistida por computador (CAM) e, 
também, da integração dos projetos com a produção por meio 
da manufatura integrada por computador (CIM).
Com a difusão de tecnologias de base microeletrônica em 
empresas e na sociedade em geral, a interface digital que faz a 
intermediação entre o ser humano e a máquina passou a ser o 
padrão dominante. Tomando o exemplo do torneiro, podemos 
dizer que as atividades realizadas por trabalhadores passaram a 
ser mediadas por algum código ou símbolo, por exemplo, por 
softwares incorporados aos equipamentos ou por algum sistema 
informatizado. Essas interfaces necessitam ser conhecidas e seus 
códigos interpretados pelos trabalhadores, para que possam 
intervir corretamente no processo de fabricação. 
De forma geral, a ampliação da capacidade de abstração para 
a realização de atividades do trabalho na sociedade moderna 
foi uma trajetória comum a todas as etapas de mudança 
tecnológica anteriormente mencionadas. Essa ampliação teve 
fortes repercussões e foi influenciada por profundas mudanças 
nos sistemas educacionais durante todo o século XX, o que se 
mantém no século atual.
Com a intensificação tecnológica nos sistemas produtivos, 
ampliaram-se as possibilidades de ocorrência de falhas 
não previstas que, para serem resolvidas, passaram a exigir 
diagnósticos envolvendo trabalhadores situados em diferentes 
locais dentro da empresa, ou fora dela, como fornecedores 
e clientes. As competências de cooperação, comunicação, 
interação social e trabalho em equipe ganharam importância 
para viabilizar e ampliar o uso das novas tecnologias digitais, 
bem como para solucionar, de forma ágil, problemas cada vez 
mais complexos.
Além disso, as inovações passaram a ser geradas crescentemente 
por meio da mobilização de competências dos trabalhadores 
de uma mesma equipe e, também, do compartilhamento de 
conhecimentos e informações entre trabalhadores de outras 
empresas e instituições, seja do próprio país ou de outros países. 
Como as inovações tornaram-se mais complexas e 
interdependentes, reconfiguraram os espaços entre 
ciência e tecnologia, bem como entre produtor, cliente 
e fornecedor, requerendo complementaridade de um 
conjunto de competências que passaram a ser agrupadas 
sob a denominação de competências sociocomunicativas, 
ou soft skills. O conjunto de competências soft skills passou a 
ser mais demandado e tornou-se cada vez mais visível para 
indivíduos e empresas, sendo constituído de: competências 
básicas, competência para lidar com os desafios da era 
digital, competências de comunicação, trabalho em equipe, 
liderança, empreendedorismo, gerenciamento, criatividade, 
design e competências emocionais. A UNESCO conceitua o 
termo como habilidades transferíveis e indica 
um conjunto de qualidades pessoais intangíveis, traços, 
atributos, hábitos e atitudes que podem ser usadas em muitos 
tipos diferentes de trabalhos. Como são amplamente aplicáveis, 
também são vistas como habilidades transferíveis, mesmo se 
essa ideia de transferibilidade seja frequentemente questionada, 
porque indivíduos aprendem a desempenhar tarefas em 
determinados contextos e podem não ser capazes de aplicá-los 
em outros. Exemplos de habilidades subjetivas incluem: empatia, 
liderança, sentido de responsabilidade, integridade, autoestima, 
autogestão, motivação, flexibilidade, sociabilidade, gestão de 
tempo e tomada de decisões (UNESCO, 2016).
Se observarmos a transformação das atividades ocupacionais 
da etapa de mecanização até a difusão de tecnologias de base 
microeletrônica, a trajetória de interação de tecnologias com 
2. Aspectos conceituais
15
ocupações resultou, principalmente, na redução de atividades 
manuais de rotina e, por outro lado, no crescimento de 
atividades de natureza cognitiva não rotineiras. Isso ampliou 
a demanda por trabalhadores que possuíam capacidades e 
habilidades não rotineiras, de natureza cognitiva e de interação, 
e reduziu a demanda por trabalhadores que possuíam 
capacidades e habilidades rotineiras.
Kruger (1991); Autor (2013); Autor, Levy e Murmane (2001); 
Frey e Osborne (2013), dentre outros, realizaram estudos para 
verificar em que medida a tecnologia e a informatização de 
processos complementa ou substitui as atividades realizadas 
• Atividades cognitivas analíticas: caracterizam-
se poratividades que envolvem absorção, 
processamento e tomada de decisão, 
baseadas em informações abstratas
• Atividades cognitivas interpessoais: 
caracterizam-se por atividades que requerem 
traços de personalidade e comportamentos, 
como trabalho em equipe
• Atividades manuais não rotineiras: 
caracterizam-se por habilidades 
predominantemente físicas de mudar e reagir 
a circunstâncias mutáveis
• Atividades cognitivas rotineiras: caracterizam-se 
por atividades repetitivas de natureza cognitiva
• Atividades manuais rotineiras: caracterizam-se 
por movimentos repetitivos que requerem, 
principalmente, habilidades físicas
Gráfico 1: Representação estilizada e ilustrativa do comportamento 
das atividades rotineiras e não rotineiras, de natureza 
manual e cognitiva, de 1900 a 2010
por trabalhadores. Em vários países, observou-se uma correlação 
positiva entre o rápido declínio dos preços dos equipamentos de 
base microeletrônica e a redução na demanda de trabalho baseado 
em atividades rotineiras, principalmente as atividades manuais 
de rotina e, mais recentemente, também as cognitivas rotineiras, 
além de um crescimento na demanda de trabalho baseado em 
atividades não rotineiras. Essa tendência também é observada no 
caso brasileiro, ainda que de forma menos intensa que nos EUA, 
Inglaterra ou Austrália (Aedo et al., 2013). Assim, desde os anos 
1950, é possível observar uma redução mais intensa de atividades 
manuais de rotina e um crescimento das atividades não rotineiras 
cognitivas, analíticas e interativas e interpessoais (Gráfico 1).
Fonte: elaboração própria a partir de Autor, Levy e Murmane (2003).
Desse modo, podemos destacar que, considerando o período entre 
a mecanização e a automação de base microeletrônica, a codificação 
de conhecimentos e a complexidade das inovações ampliaram a 
capacidade de abstração para a realização de atividades ocupacionais, 
transformando o trabalho nas seguintes dimensões:
• Redução de atividades manuais rotineiras
• Redução de atividades manuais não rotineiras
• Redução de atividades cognitivas rotineiras
• Aumento de atividades cognitivas não rotineiras analíticas
• Aumento de atividades cognitivas não 
rotineiras sociocomunicativas
O ritmo e a intensidade com que ocorreram essas mudanças 
dependeram de diversos fatores, dentre os quais destacaremos 
o processo de codificação de conhecimentos que ocorreu 
em empresas, condicionado pelo contexto educacional e de 
inovação, no âmbito local e nacional.
2.2. Ciclo de codificação de 
conhecimentos tácitos
A codificação de conhecimentos decorrente das 
aprendizagens que ocorrem nos locais de trabalho é um 
fator importante para compreender as transformações das 
atividades no âmbito de uma ocupação. No caso deste 
estudo, estamos considerando apenas a dimensão da 
codificação que serve de base para rotinas e tecnologias e 
que pode modificar atividades no âmbito das ocupações, 
conforme apresentado na Figura 2.
Uma parte importante das mudanças tecnológicas é originada 
nos locais de trabalho mediante a interação dos conhecimentos 
dos trabalhadores com tecnologias preexistentes. Dessa interação 
resulta um processo de aprendizagem inicialmente individual, 
por meio do qual são gerados novos conhecimentos, de natureza 
50
37,5
25
12,5
0
1900
cognitivas analíticas
cognitivas interpessoais
cognitivas rotineiras
manuais não rotineiras 
 manuais rotineiras
1950 2010
2. Aspectos conceituais
16
tácita. Esses conhecimentos tácitos necessitam ser codificados 
para a obtenção de ganhos sistemáticos de produtividade. Dessa 
codificação resultam rotinas, normas e procedimentos que são a 
base para o desenvolvimento de inovações incrementais, inscritas 
normalmente em uma mesma trajetória tecnológica.
2.3. Aprendizagem individual 
e organizacional
Ao longo do tempo, a codificação de conhecimentos tácitos 
acompanhou a evolução das tecnologias de organização 
do trabalho. No âmbito das tecnologias de organização 
destacaremos a relação entre a aprendizagem individual e a 
organizacional, ou a transformação do conhecimento tácito em 
conhecimento codificado.
A aprendizagem individual propicia a geração de 
conhecimentos, e o aprimoramento e desenvolvimento de 
habilidades e atitudes, e pode ocorrer em vários ambientes 
(escola, empresa, sociedade em geral), de modo formal ou 
informal. No local de trabalho a aprendizagem ocorre, ao 
longo do tempo, por meio de cursos específicos ministrados 
pelas empresas ou por fornecedores, pela interação entre 
trabalhadores, bem como pela interação dos trabalhadores 
com as rotinas e tecnologias das empresas. Assim, uma 
questão relevante é como os conhecimentos detidos por 
trabalhadores individuais podem ser mobilizados de forma 
sistemática e permanente pelas empresas e transformados em 
novas rotinas e soluções tecnológicas. Esse é o tema central da 
aprendizagem organizacional.
A aprendizagem organizacional pode ser vista como uma 
mudança no conhecimento da organização derivada da 
experiência de criar, de forma sistemática, uma resposta prática 
para solucionar um novo problema, ou uma melhor resposta 
para um problema já existente (Argote, 2005).
As aprendizagens, individual e organizacional, são fortemente 
condicionadas pelas tecnologias de organização do trabalho, 
sendo a aplicação prática dos princípios e conceitos 
historicamente associada ao taylorismo, ao fordismo, a sistemas 
especialistas e ao toyotismo.
Um dos princípios do sistema taylorista/fordista é a definição 
e implementação de novas rotinas, sem o envolvimento 
e participação direta dos trabalhadores (predominou na 
automatização de base mecânica e eletromecânica). O sistema 
especialista foi uma técnica criada para consulta a especialistas 
e, a partir de seus conhecimentos e saberes profissionais, criar 
novos processos ou rotinas (teve aplicação mais difundida 
no início da difusão da tecnologia de base microeletrônica 
nos anos 1980). O toyotismo foi uma forma de organização 
do trabalho desenvolvida pela empresa Toyota, no Japão, 
que preconiza o envolvimento dos trabalhadores (teve início 
nos anos 1950 e apresentou forte difusão entre empresas 
ocidentais a partir dos anos 1980).
As três tecnologias de organização destacadas são um 
instrumento gerencial de codificação de conhecimentos tácitos 
e estabelecem uma relação entre processos de aprendizagem e 
geração de conhecimentos individuais e codificação em rotinas 
e inovações (conhecimento organizacional).
Atualmente, existe uma tendência de adoção de 
modelos de gestão mais orgânicos, que ampliam e 
estimulam a participação dos trabalhadores, bem como a 
complementaridade de conhecimentos detidos por outras 
empresas e instituições para a geração de inovações.
Isso altera de forma estrutural as atividades inerentes às 
ocupações, bem como os conhecimentos, habilidades e 
atitudes que são mobilizados na produção de bens e serviços. 
A aplicação prática dessas tecnologias de organização reforça a 
capacidade de cooperação e de trabalho em equipe.
Quando a empresa consegue mobilizar o conhecimento tácito 
detido pelos trabalhadores, obtém maior eficiência, aumento de 
produtividade, melhoria da qualidade de produtos e introdução 
de inovações incrementais. Nonaka e Takeushi (1997) destacam 
que as inovações incrementais decorrem da interação de 
conhecimentos tácitos e explícitos, constituindo um ciclo 
contínuo que considera o compartilhamento de conhecimentos 
tácitos, a conversão de conhecimentos tácitos em explícitos e 
a elaboração de rotinas e construção de protótipos até serem 
geradas novas aprendizagens a partir da incorporação, pelos 
trabalhadores, dos novos conhecimentos codificados.
Figura 2: Ciclo histórico de codificação 
de conhecimentos tácitos
Fonte: elaboração própria
Conhecimento 
tático
Codificação de 
conhecimento
Mudanças 
ocupacionais
Aprendizagem
2. Aspectos conceituais
17
O conhecimentotácito é desenvolvido permanentemente na 
prática profissional sempre que um trabalhador se depara com 
um novo problema técnico cuja solução não está presente em 
manuais e rotinas, e mobiliza sua experiência e intuição para 
solucionar o problema. O conhecimento tácito é altamente 
pessoal, difícil de formalizar, transmitir e compartilhar, pois está 
enraizado em ações, experiências e emoções de um indivíduo. 
O conhecimento codificado, por sua vez, é expresso em palavras 
e números, inscrito em tecnologias e rotinas, sendo, portanto, 
mais facilmente comunicado e compartilhado (Nonaka; Takeushi, 
1997). Desse modo, a transição da aprendizagem individual 
para a aprendizagem organizacional passa por transformar o 
conhecimento tácito em conhecimento codificado.
Quando os conhecimentos são codificados, podem gerar novas 
rotinas e inovações de natureza incremental as quais, uma vez 
colocadas em uso, modificam as ocupações, que por sua vez irão 
gerar novos aprendizados e assim sucessivamente, fluxo este 
representado na Figura 2.
Assim, se uma atividade era realizada de uma determinada 
forma pelo trabalhador, com a criação/alteração de uma rotina 
ou introdução de uma nova tecnologia, esta atividade pode 
ser modificada ou eliminada (incorporada à tecnologia ou 
agregada a uma outra atividade da própria ocupação ou de 
outra ocupação), assim como pode surgir uma nova atividade. 
O resultado dessa codificação pode ser expresso em rotinas 
(mapeamento de processos e definição de regras de negócio) e 
inovações (principalmente, melhorias de natureza incremental 
aplicadas a processos, produtos e estratégias de mercado).
As rotinas constituem a memória da empresa (Nelson; Winter, 2005) 
e, por meio delas, é possível estabelecer, controlar e modificar metas 
físicas e financeiras. As rotinas são materializadas em processos 
que necessitam ser periodicamente mapeados, a partir de normas 
preexistentes e conhecimentos tácitos dos trabalhadores.
A transformação dos conhecimentos tácitos dos trabalhadores 
em rotinas é um processo permanente e dinâmico que gera um 
conhecimento coletivo e consolida a aprendizagem organizacional. 
Por outro lado, como as rotinas, os valores e as crenças representam 
o conhecimento acumulado da empresa e, em geral, criam uma 
forte dependência com o passado, o que pode dificultar mudanças 
diante de um contexto de fortes transformações.
A mudança tecnológica é, por natureza, cumulativa, ou seja, 
decorre de inúmeras inovações incrementais oriundas de uma 
inovação radical, que ocorre de forma diferenciada entre setores 
e firmas. Dada a natureza da mudança tecnológica, as grandes 
etapas de evolução baseadas na mecânica, eletricidade, eletrônica 
e microeletrônica podem ser consideradas como referências para 
o processo de codificação de conhecimentos, que foi avançando 
gradualmente a cada etapa.
A tecnologia codificou inicialmente os conhecimentos das 
atividades manuais de rotina (mecânica e eletricidade), até 
codificar as atividades cognitivas de rotina (microeletrônica). 
Essa codificação reduziu a proporção de atividades rotineiras 
e aumentou a de não rotineiras; reduziu as atividades manuais 
e aumentou as atividades cognitivas, cujos resultados foram 
apresentados por Autor (2003) (ver Gráfico 1).
Desde a etapa da mecanização até a difusão das tecnologias 
de base microeletrônica veio se modificando a importância 
relativa de determinadas categorias ocupacionais, de acordo 
com as funções que as inovações desempenharam nas 
estratégias competitivas das empresas. Inicialmente, cientistas e 
engenheiros geravam inovações; posteriormente os profissionais 
de marketing tiveram um papel importante; em seguida, 
os trabalhadores da produção passaram a ter reconhecidas 
suas competências no processo de geração de inovações; 
por fim, chega-se à etapa em que a firma deve interagir 
com trabalhadores de outras firmas, instituições diversas e 
consumidores para gerar inovações (Tether, 2005).
Além do processo de substituição de trabalho por capital, a 
estrutura ocupacional também se modificou, ao longo do tempo, 
pela substituição de trabalho que incorporava conhecimentos 
pouco sistematizados (aprendidos de forma empírica) por trabalho 
que incorporava conhecimentos mais sistematizados e codificados 
(aprendidos em sistemas educacionais e de formação profissional).
As mudanças nas competências requeridas pelas empresas estão 
associadas aos padrões de competição existentes nos mercados 
onde atuam e ocorrem, atualmente, em intervalos de tempo muito 
curtos. As empresas necessitam modificar permanentemente 
suas capacidades estáticas e dinâmicas para inovar, reduzir custos, 
melhorar a qualidade dos produtos e identificar oportunidades de 
novos produtos em outros mercados. Os sistemas educacionais 
consolidam e disseminam as bases de conhecimento da sociedade 
e se atualizam de forma mais estrutural e mais lenta.
Com a difusão da IA, esses mecanismos, que afetam diretamente 
o perfil profissional dos trabalhadores, vem sofrendo profundas 
transformações, sendo o surgimento de um novo ciclo de 
codificação de conhecimentos tácitos o eixo dessas transformações.
2.4. Novo ciclo de codificação de 
conhecimentos tácitos
A inteligência artificial integrada a sistemas de máquinas 
inteligentes e à robótica móvel levanta inúmeras questões sobre 
como os sistemas de máquinas inteligentes podem aprender de 
forma autônoma a partir da própria experiência (Jordan; Mitchell, 
2015). A resposta a essa questão passa por compreender o 
desenvolvimento de algoritmos de máquinas inteligentes, o que 
será feito no próximo item.
2. Aspectos conceituais
18
Figura 3: Novo ciclo de codificação de conhecimentos tácitos
Fonte: elaboração própria
Para o propósito deste estudo, cabe compreender as mudanças 
ocupacionais decorrentes da difusão de IA incluindo o tipo de 
trabalho necessário para o desenvolvimento dos novos algoritmos.
Uma primeira mudança ocupacional é de natureza tendencial e 
acentua a trajetória das curvas de atividades ocupacionais: uma 
redução ainda maior da participação das atividades rotineiras e 
não rotineiras, manuais e cognitivas, e um maior crescimento da 
participação das atividades não rotineiras cognitivas interativas.
A segunda mudança é de natureza disruptiva. De acordo com 
Frey e Osborne (2013), “a automação está avançando agora para o 
domínio do que, comumente, se denomina de não rotineiro” (Frey; 
Osborne, 2013, p. 16). Apesar de avançarem sobre as atividades 
não rotineiras, não é esperado que as competências interativas e 
sociocomunicativas sejam incorporadas, em um futuro próximo, a 
softwares e sistemas. Contudo, já se verifica uma inflexão na curva 
das atividades cognitivas analíticas, e esse é o fato que distingue a 
trajetória da IA das tecnologias precedentes.
Assim, nos próximos anos, é esperado que uma parte muito 
significativa das atividades manuais não rotineiras (como dirigir 
veículos autônomos e realizar cirurgias simples) e das cognitivas 
não rotineiras, especificamente as cognitivas analíticas (como emitir 
pareceres jurídicos), tenham seus conhecimentos codificados e 
incorporados a sistemas de máquinas inteligentes, que passam 
a realizar essas atividades de forma autônoma, promovendo 
uma inflexão na curva dessas atividades ocupacionais, conforme 
ilustrado no Gráfico 2.
Essa segunda mudança, de natureza 
disruptiva, decorre da modificação 
estrutural do ciclo histórico de codificação 
de conhecimentos (“aprendizagem – 
codificação – mudança ocupacional”), uma 
vez que uma parte exponencialmente 
crescente da codificação de 
conhecimentos passa a ser realizada pelo 
próprio sistema de máquinas inteligentes. 
Desse modo, a inteligência artificial 
aprofunda e reforça tendências anteriores e 
consolida uma nova trajetória tecnológica 
de digitalização de processos, criando um 
processo mais autônomode geração e 
codificação de conhecimentos tácitos do 
próprio sistema de máquinas (Figura 3).
• Atividades cognitivas analíticas: caracterizam-
se por atividades que envolvem absorção, 
processamento e tomada de decisão, com 
base em informações abstratas
• Atividades cognitivas interpessoais: 
caracterizam-se por atividades que requerem 
traços de personalidade e comportamentos, 
como trabalho em equipe
• Atividades manuais não rotineiras: 
caracterizam-se por habilidades 
predominantemente físicas de mudar e reagir 
a circunstâncias mutáveis
• Atividades cognitivas rotineiras: caracterizam-se 
por atividades repetitivas de natureza cognitiva
• Atividades manuais rotineiras: caracterizam-se 
por movimentos repetitivos que requerem, 
principalmente, habilidades físicas
Gráfico 2: Mudanças esperadas nas atividades 
ocupacionais decorrentes da difusão da IA
Fonte: elaboração própria a partir de Autor, Levy e Murmane (2003).
Conhecimento tático
trabalho
–
Conhecimento tático
máquina
Codificação de conhecimento
trabalho
–
Codificação de conhecimento
máquina
Mudanças 
ocupacionais
–
Mudanças 
em algoritmos
Aprendizagem
trabalho
–
Aprendizagem
máquina
cognitivas analíticas
cognitivas interpessoais
cognitivas rotineiras
manuais não rotineiras 
 manuais rotineiras
60
50
40
30
20
10
0
1900 1950 20302010
2. Aspectos conceituais
19
No novo ciclo de codificação de conhecimentos, o sistema 
de máquinas inteligentes é capaz de aprender e codificar 
conhecimentos gerados a partir da própria experiência. Esse 
novo processo de codificação interage com o ciclo tradicional de 
codificação baseado na experiência dos trabalhadores e explica a 
mudança ocupacional de natureza disruptiva.
2.5. Aprendizado de máquina
A inteligência artificial (IA) é um modelo avançado da ciência da 
computação que realiza predições com base em figuras, textos, 
números ou qualquer dado matematicamente quantificável, e é 
capaz de modificar suas previsões iniciais com base em um fluxo 
dinâmico de dados.
As primeiras aplicações de IA surgiram nos anos 50 e, após 
inúmeros avanços e retrocessos, no estágio atual, a IA está se 
consolidando como uma tecnologia disruptiva, viabilizada por um 
amplo processo de convergência tecnológica.
A história de registro, armazenamento e tratamento de dados nos 
ajuda a entender melhor o papel da IA. Na etapa de mecanização, 
os trabalhadores operavam máquinas e detinham, de forma 
particularmente isolada, os conhecimentos sobre problemas 
e boas performances dessas máquinas. Os conhecimentos 
tácitos eram detidos praticamente só pelos trabalhadores que 
atuavam diretamente na produção. Esse ciclo começou a mudar 
com a digitalização dos processos de fabricação e a difusão das 
tecnologias de base microeletrônica, a partir dos anos de 1980, 
quando as próprias máquinas começaram a registrar e armazenar 
seus erros e boas performances em uma base de dados.
Os engenheiros que fabricavam equipamentos utilizavam essa 
mesma base de dados, assim como a base de todas as empresas 
que compravam seus equipamentos, trazendo para a área de 
pesquisa e desenvolvimento (P&D) um volume muito grande de 
dados, o que possibilitava a introdução de melhorias nas máquinas 
e equipamentos fabricados. Os engenheiros das empresas usuárias 
utilizavam essa base de dados para programar e melhorar processos 
e produtos, bem como realizar manutenções remotamente, dentre 
outras inúmeras aplicações. Essa base de dados, oriunda do registro, 
armazenamento e tratamento automático de dados, representa 
uma primeira forma de codificação de conhecimentos tácitos 
gerados pelas próprias máquinas.
Paralelamente a essa forma embrionária de codificação de 
conhecimentos pelas próprias máquinas, desenvolveram-
se sistemas de codificação de conhecimentos apoiados em 
tecnologias de organização do trabalho, como os sistemas 
especialistas e os modelos similares ao toyotismo.
O progresso recente da IA deve-se à explosão da disponibilidade 
de dados online, à possibilidade de se armazenar grandes 
quantidades de dados (computação em nuvem) e organizá-los em 
gigantescos bancos de dados que podem ser transformados em 
conhecimento devido à capacidade de desenvolver algoritmos 
que aprendem com a própria experiência, e a uma computação 
de baixo custo e com maior capacidade de processamento. Além 
disso, os novos algoritmos avançam, rapidamente, como resultado 
do desenvolvimento em áreas como ciência de dados, ciência da 
cognição e neurociência.
a. Bancos de dados gigantescos (big data)
As fontes de dados podem ser as mais variadas, sendo as mais 
comuns as oriundas do abastecimento aberto de grandes 
conjuntos de dados e imagens, como por exemplo: redes sociais, 
websites públicos e documentos legais. Os dados utilizados nos 
novos algoritmos podem ser de diferentes tipos – numéricos, 
discretos ou categóricos, registrados em áudio, imagem ou texto, 
armazenados em qualquer meio ou transmitidos em tempo real 
em sistemas ciberfísicos. Dados que alimentam bancos em tempo 
real dependem da internet das coisas (IoT), que propicia:
• A atribuição de uma identificação única a qualquer dispositivo 
em uma rede digital viabilizada pelo protocolo IoT
• A interação e troca de dados entre dispositivos que coletam e 
enviam dados requeridos pelo ambiente em que estão instalados
• A produção de uma enorme quantidade de dados por 
dispositivos conectados, devido à nova geração de sensores
b. Algoritmos que aprendem com a própria experiência
Para viabilizar o aprendizado de máquina e o aprendizado 
profundo foi necessário mudar a lógica tradicional de 
programação. Atualmente, a matemática pura está na base 
da computação e do desenvolvimento de algoritmos, para 
automatizar operações e gerar comandos de decisão.
A lógica tradicional de programação procura incorporar 
previamente aos programas a maior quantidade possível de 
eventos que possam ocorrer durante a operação do sistema. 
Ela está baseada em sistemas especialistas tradicionais, que 
funcionam por regras. Atualmente, a IA trabalha com dados, e 
não com regras. 
Os novos algoritmos estão baseados em machine learning e deep 
learning. Com o aprendizado de máquina (machine learning), os 
algoritmos melhoram seu desempenho automaticamente por meio 
da experiência e tomam decisões sob incertezas. A aprendizagem 
profunda (deep learning) possibilita o desenvolvimento 
de algoritmos baseados em redes neurais, que ajustam 
automaticamente os parâmetros ao longo das várias camadas 
que integram suas redes. O campo mais virtuoso do aprendizado 
de máquinas é o deep learning, onde é possível ensinar algo que 
o sistema aprende com a maior fidedignidade possível.
2. Aspectos conceituais
20
Os algoritmos são desenvolvidos de modo a possibilitar que os 
dados aprendam, por meio de dois métodos principais. No método 
de aprendizado supervisionado é realizada, incialmente, uma 
marcação e treinamento dos dados e, após o treinamento, pode-se 
produzir uma previsão em resposta a uma consulta. Desse modo, 
a partir de dados, ensina-se ao sistema o certo e o errado, e depois 
verifica-se se ele acertou. Exemplo: para identificar um spam em um 
conjunto de e-mails, marca-se inicialmente o que é spam.
Por meio do método de aprendizado não supervisionado o 
aprendizado ocorre quando não existem dados para treinar 
o sistema. Desse modo, como o sim e o não estão marcados 
nos dados, é realizada uma análise para descobrir padrões e 
propriedades estruturais em dados não treinados. Exemplo: 
categorizar consumidores em grupos.
As linguagens de programação atualmente utilizadas estão 
baseadas em códigos abertos, especialmente em Python, e vêm 
apresentando contínua expansão.
c. Computadores mais rápidos
A análise de volumes gigantescos de dados requer computadores 
cada vez mais rápidos e com maiores capacidades de processamento.
d. Capacidade de armazenamento
A capacidade