Reskilling, Upskilling e os limites intransponíveis.

1. O que continua valendo quando a IA entra em cena

“Value follows constraint.” Valor segue o que é raro. Disse com propriedade a Sandra Loughlin, PhD .

Num mundo em que modelos generativos escrevem, resumem, traduzem, analisam dados, desenham telas, otimizam agendas e, em alguns casos, até participam de reuniões, fica uma pergunta desconfortável no ar: o que é que ainda sobra de escasso, que só nós temos?

A resposta óbvia, mas nada simples, é: habilidades humanas.

Não o rótulo exaurido de “soft skills”, mas capacidades cognitivas, sociais e éticas que atravessam ferramentas, cargos e épocas. Em um cenário saturado de automação, o que segue valendo ouro são os limites da IA. E, até agora, esses limites continuam tendo CPF.

Reskilling e upskilling, se forem levados a sério, deixam de ser apenas programas simpáticos de T&D; passam a ser estratégias para garantir que esse conjunto de habilidades humanas continue existindo em quantidade e qualidade suficientes para justificar o nosso lugar à mesa.

2. A pergunta que mais aparece nas conversas com executivos

Tem um detalhe curioso nas conversas sobre futuro do trabalho. Quando sento com executivos para falar de IA, o medo não começa na cadeira deles. Nem na equipe, nem no P&L. Ele começa em outro lugar bem mais íntimo.

Eles falam dos filhos. Das sobrinhas. Dos netos. “Que tipo de habilidade eu deveria estar incentivando neles?” “Que profissão vai sobrar pra minha filha?” “Como é que meu neto vai competir com essas máquinas todas?”

Essa mudança de foco entrega o jogo, a discussão sobre IA não é só tecnológica, é geracional. Ela atravessa a sala de reunião e entra na mesa de jantar.

Quando um executivo me pergunta que habilidades deveriam ser cultivadas nas crianças da família, ele está, sem saber, pedindo a mesma coisa que os times de T&D deveriam estar pedindo para as organizações, isto é, quais são as capacidades humanas que merecem investimento pesado de reskilling e upskilling daqui pra frente?

3. Reskilling, upskilling e o que realmente importa aprender agora

Vamos à tal lista inicial que tenho rascunhado, ainda em construção:

Reconhecer padrões no mundo real, julgamento, aprender a aprender (metacognição), pensamento sistêmico, presença, raciocínio quantitativo, capacidade de se conectar com outros e experiência.

Reconhecer padrões “in the wild” é bem diferente de reconhecer padrão em dashboard pronto. É olhar para um conjunto de sinais aparentemente desconexos (uma reclamação recorrente de cliente, um ruído novo na cultura interna, uma mudança sutil no comportamento de um concorrente) e perceber que aquilo tudo conta uma história. IA enxerga correlação em dados limpos. A gente precisa enxergar sentido em contextos sujos.

Julgamento é o lugar onde as sugestões da máquina acabam e a responsabilidade humana começa. Não existe modelo generativo que assuma a consequência de uma decisão. Ele calcula. Quem responde somos nós. Reskilling que não coloca as pessoas para decidir em situações reais, com dilema, ambiguidade e trade-off, está fazendo treinamento técnico, não desenvolvimento de julgamento.

Aprender a aprender (metacognição) é quase a mãe de todas as habilidades. Em um mundo em que a “stack” de ferramentas muda a cada trimestre, a única estabilidade possível é saber observar a própria forma de aprender, identificar onde está o gap, escolher boas fontes, testar, ajustar, abandonar o que não funciona. Upskilling sem metacognição é ginástica em piso escorregadio.

Pensamento sistêmico impede que a gente trate sintomas como se fossem causas. É entender que uma decisão em T&D mexe em clima, performance, retenção, marca empregadora, e volta em forma de cobrança de resultado. Quem só enxerga sua caixinha no organograma não tem como navegar num mundo em rede. Reskilling decente precisa ensinar a ver o sistema, não só o próprio quadradinho.

Presença parece banal, mas virou um luxo. Estar inteiro numa conversa, numa formação, numa tomada de decisão, é quase contra-cultural num ambiente desenhado para roubar atenção o tempo todo. Ferramentas de IA podem nos ajudar a economizar tempo; o que a gente faz com esse tempo economizado (e com quem) continua sendo uma decisão profundamente humana.

Raciocínio quantitativo não é virar analista de dados, é não ser refém de gráfico bonito. É ler número com senso crítico, entender o que uma métrica diz e, principalmente, o que ela não diz. Num cenário em que qualquer um consegue gerar um dashboard “bonito”, quem sabe fazer perguntas melhores sobre esses dashboards tem uma vantagem que IA não elimina tão cedo.

A capacidade de se conectar com outros é o que permite que tudo isso circule. Não existe mudança relevante sem relação, sem confiança, sem narrativa compartilhada. Algoritmo pode simular conversa, mas não vive risco reputacional, nem sente o peso de olhar alguém nos olhos para dar uma notícia difícil.

Experiência, por fim, é o acúmulo de tentativas, erros, acertos, caminhos abandonados e aprendizados sedimentados. IA consegue ser treinada em histórico; nós carregamos, além do histórico, a memória afetiva e ética do que esse histórico custou. Em contexto de reskilling, a experiência não é descartada; ela é reorganizada para fazer sentido em um cenário novo.

4. O que está faltando nessa lista (e por que isso importa para reskilling e upskilling)

Dá pra olhar para essa lista e sentir falta de alguns elementos. Eu sinto.

Criatividade aplicada, por exemplo. Não aquela versão pasteurizada de “seja criativo e pense fora da caixa”, mas a habilidade concreta de gerar alternativas, recombinar coisas, testar hipóteses improváveis, prototipar o futuro antes dele chegar inteiro. Em um mundo de respostas automatizadas, a capacidade de formular perguntas inesperadas sobe muito de valor.

Ética também aparece pouco nas listas de “habilidades do futuro”, mas deveria estar em negrito. Não só ética pessoal, mas ética em contexto digital: privacidade, viés algorítmico, uso responsável de dados, impacto em grupos vulneráveis. Toda vez que uma empresa decide usar IA em massa, alguém precisa ser capaz de perguntar “a que custo e para quem?”.

Letramento em IA é outro ponto. Não se trata de transformar todo mundo em engenheiro de machine learning, mas em gente que entende, ao menos em alto nível, como essas ferramentas funcionam, onde ajudam, onde atrapalham, onde podem ser enganosamente sedutoras. Sem esse letramento, reskilling vira ou medo paralisante (“a máquina vai me substituir”) ou entusiasmo ingênuo (“a máquina vai resolver tudo”).

E tem a resiliência com profundidade (não essa versão de palestra motivacional), mas a competência real de se reorganizar depois de mudança, luto, falha, reestruturação. Num mundo onde carreiras vão exigir mais de uma reinvenção, reskilling não pode ser só conteúdo; tem de ser também suporte emocional e social para atravessar o processo.

Tudo isso compõe um desenho bem diferente daquele catálogo de “soft skills genéricas” que a gente vê sendo vendido por aí. Se reskilling e upskilling não forem desenhados à luz dessas habilidades, corremos o risco de gastar muito dinheiro ensinando pessoas a usar ferramentas que serão trocadas antes que o certificado envelheça.

5. O que isso exige das empresas que querem continuar relevantes

Para as empresas, a consequência é direta: tratar reskilling e upskilling como “mais uma iniciativa de T&D” é pouco. É pensar pequeno em um contexto que exige repensar a própria arquitetura do trabalho.

Isso começa por assumir que nem toda função será preservada e que nem todo mundo vai fazer a mesma coisa daqui a cinco anos. Reskilling honesto exige mapear quais papéis estão de fato ameaçados, quais novas funções estão surgindo, e que ponte real pode ser construída entre uma coisa e outra. É menos “abrir uma plataforma com mil cursos” e mais desenhar transições concretas: daqui você pode ir para ali, se desenvolver isso, nesse tempo.

Outra exigência é abandonar a fantasia de que um catálogo genérico de cursos sobre “futuro do trabalho”, “IA para iniciantes” e “liderança 4.0” resolve o problema. Não resolve. O que resolve é combinar ciência da educação, ciências sociais e contexto real em jornadas que coloquem as pessoas em situações de prática, reflexão, feedback, desconforto produtivo e aplicação no trabalho.

Empresas que não construírem essa musculatura vão, inevitavelmente, terceirizar o problema para o mercado: demitir quem não se encaixa mais, contratar “mão de obra nova” e repetir o ciclo daqui a dois anos. É uma opção. Só não é uma estratégia de longo prazo. E, do ponto de vista humano, é uma escolha bem pobre.

6. O que isso exige de cada um de nós

Do lado de cá da pessoa física, a tentação é buscar uma lista mágica, tipo "as dez habilidades do futuro, os cinco cursos que garantem empregabilidade, o certificado que abre todas as portas". Essa lista não existe. O que existe é a necessidade adulta e, às vezes, dolorosa de encarar a própria trajetória com honestidade e perguntar-se "o que em mim continua valendo, apesar da IA?"

Responder isso não é exercício de autoestima; é exercício de inventário. O que você sabe fazer que ainda é escasso? O que você pode aprender que aumenta o valor de tudo o que já sabe? O que precisa desaprender porque virou peso morto? Em que áreas faz sentido fazer upskilling (aprofundar onde você já é bom) e em que áreas reskilling (mudar de trilha mesmo)?

Reskilling e upskilling, nesse cenário, não são favores que a empresa faz; são negociações permanentes entre o que você oferece ao sistema e o que o sistema ainda precisa de gente como você. Se você não entra nessa negociação por vontade própria, a vida entra por você, geralmente com menos delicadeza.

7. A pergunta que fica

Se valor segue o que é raro, e se num mundo de IA o que é mais raro tende a ser o que ainda é profundamente humano, então talvez a pergunta não seja “que curso eu faço agora?”, mas outra, bem mais incômoda:

O que em você e na cultura da sua empresa ainda é raro o suficiente para continuar valendo à medida que a IA avança? E o que precisa ser aprendido, reaprendido e desaprendido nos próximos anos para que essa raridade não seja um acidente de percurso, mas uma escolha deliberada?

———

Assine a Newsletter:

linkedin.com
Cognita T&D360 News