Quando a automação muda o trabalho, quem fica com o novo emprego?

A automação raramente elimina uma profissão inteira de uma só vez. Reorganiza tarefas, autonomia, formação, vigilância e responsabilidade. A questão justa é...

Quando a automação muda o trabalho, quem fica com o novo emprego?

O trabalho nunca é a lista de tarefas

Uma das perguntas mais enganadoras no debate sobre automação é se uma máquina vai tirar um emprego. Um emprego raramente é uma coisa única que possa ser retirada de uma pessoa e colocada dentro de um servidor. É um conjunto de tarefas, juízos, rotinas, relações, permissões e pedaços de conhecimento local. Algumas dessas peças podem ser apoiadas. Algumas podem ser padronizadas. Algumas podem ser removidas. Outras tornam-se mais importantes precisamente porque o trabalho de rotina foi movido para outro lugar.

A mudança chega, portanto, antes do título do cargo. Um sistema de agendamento pode alterar quem é chamado para trabalhar, mesmo que a escala continue a ter os mesmos nomes. Um assistente documental pode mudar o que conta como uma carga de trabalho razoável, mesmo que o contrato ainda diga técnico de caso. Um painel de desempenho pode transformar um juízo informal num objetivo, mesmo que ninguém chame ao painel um gestor. O trabalho mudou. A organização pode simplesmente ter-se esquecido de mudar o seu vocabulário.

É por isso que a pergunta séria não é se a automação destrói empregos em abstrato. É quem decide quais tarefas passam, quais novas tarefas aparecem, quais riscos são aceites, quais pessoas são formadas e quem tem autoridade para contestar um resultado. A resposta determina se uma mudança técnica se torna uma transição justa, uma intensificação do trabalho ou uma transferência silenciosa de poder das pessoas que fazem o trabalho para o sistema que o mede.

Imagine um dia de trabalho composto, montado a partir de características familiares e não de um relatório de qualquer empregador nomeado. Uma equipa recebe uma ferramenta que redige resumos, sugere prioridades e mede o tempo gasto em cada caso. A ferramenta é descrita como assistência. É dito à equipa que nenhum papel está a ser removido. Em poucas semanas, os casos fáceis são concluídos mais depressa, os casos difíceis permanecem, o objetivo é recalculado a partir da média mais rápida, e as pessoas que questionam uma sugestão gastam mais tempo a documentar por que o fizeram. Nada nessa sequência exige que uma máquina tire um emprego. O emprego foi, no entanto, redesenhado à volta da máquina.

A distinção importa porque muda o que uma introdução responsável deve responder. Se o trabalho está a ser reorganizado, os trabalhadores precisam de ter uma palavra no mapa, não um cartaz motivacional depois de o mapa estar final. Se o juízo está a passar para um sistema de pontuação, as pessoas afetadas precisam de uma forma de inspecionar e contestar a pontuação. Se a formação é necessária para tornar o novo arranjo viável, a formação faz parte da própria mudança, não um benefício a oferecer quando o orçamento estiver generoso.

Comece pelo que as pessoas fazem realmente

Um bom trabalho de transição começa pela observação. Antes de uma equipa escolher um modelo, deve descrever o trabalho tal como é realizado, incluindo as partes incómodas que nunca aparecem no diagrama de processos. Quais decisões são rotineiras? Quais dependem do contexto? Quais exigem uma conversa, uma relação profissional ou uma inspeção física? Onde é que as pessoas notam que um registo está incompleto? Onde é que compensam um sistema que não sabe a diferença entre um caso invulgar e um caso mau?

Isto não é um argumento para romantizar o trabalho humano. Algumas rotinas são tediosas, repetitivas e mal adaptadas a um ser humano que tem outras coisas para fazer. Remover cópias, pesquisas ou reformatações desnecessárias pode ser uma melhoria genuína. A questão é nomear a tarefa que deve mudar, em vez de tratar a ocupação como um bloco único. Um sistema que remove a introdução duplicada pode devolver tempo. Um sistema que remove o tempo necessário para verificar uma resposta incerta pode criar uma forma mais rápida de estar errado.

Um mapa de tarefas útil tem pelo menos quatro camadas. A primeira é a ação visível: classificar, redigir, agendar, inspecionar, responder ou aprovar. A segunda é o juízo escondido dentro dela: o que conta como completo, urgente, seguro, justo ou relevante. A terceira é a responsabilidade ligada a esse juízo: quem deve explicar a decisão, corrigi-la e arcar com as consequências. A quarta é o ciclo de aprendizagem: quem repara num novo padrão, atualiza a prática e diz ao sistema que o seu antigo atalho já não funciona.

Estas camadas estão muitas vezes distribuídas por uma equipa. Um rececionista pode reparar num pormenor que um analista de políticas formaliza. Um técnico pode reconhecer uma falha que um engenheiro mais tarde codifica como regra. Um assistente social pode saber que uma expressão num formulário é sinal de sofrimento e não um campo em falta. O sistema pode apoiar cada pessoa de forma diferente, mas não deve apagar o caminho pelo qual o conhecimento entra na organização. Se as pessoas que veem a exceção forem excluídas do design, o sistema será muito consistente em não a ver.

O trabalho da Organização Internacional do Trabalho sobre IA generativa é útil aqui porque separa a exposição das tarefas do destino das profissões no seu todo. A sua análise conclui que muitos empregos estão apenas parcialmente expostos e têm mais probabilidade de ser complementados do que totalmente substituídos. Isso não significa que a transição seja inofensiva. A OIT aponta para alterações na qualidade do emprego, na intensidade do trabalho e na autonomia, e afirma que o resultado depende da forma como a tecnologia é introduzida. Uma tarefa pode permanecer formalmente humana enquanto as condições à sua volta se tornam menos humanas.

A mesma análise alerta também contra o uso dos indicadores de exposição como previsões de perda de postos de trabalho. Uma pontuação de exposição pode identificar onde uma tecnologia pode tocar o trabalho. Não nos diz se um empregador usará essa possibilidade para reduzir o trabalho penoso, aumentar o ritmo, retirar margem de decisão ou criar um melhor serviço. Isso é uma questão de gestão e uma questão social. Um número pode localizar a porta. Não nos diz quem tem autorização para a atravessar.

A automação altera uma rede de trabalho, não uma única caixa num organograma. O mapa mantém o juízo e a responsabilidade visíveis.

Aumentar pode também intensificar o trabalho

A palavra aumentar soa tranquilizadora porque sugere que uma pessoa continua presente. Não é, por si só, uma garantia de melhor trabalho. Um sistema pode aumentar o trabalho de uma pessoa dando-lhe um instrumento útil, ou dando-lhe uma pilha maior de casos e uma janela mais pequena para lidar com cada um. Pode melhorar a qualidade de uma decisão, ou pode fazer com que uma decisão pareça suficientemente objetiva para que ninguém se sinta autorizado a questioná-la.

O ritmo de trabalho não é apenas o número de tarefas concluídas. Inclui a velocidade esperada, as interrupções toleradas, o esforço emocional de lidar com exceções e a quantidade de atenção disponível para uma decisão cuidadosa. Uma ferramenta de redação pode poupar tempo numa carta de rotina, ao mesmo tempo que aumenta o número de cartas que se espera que uma pessoa produza. Um otimizador de rotas pode encurtar as deslocações, preenchendo cada minuto poupado com mais uma visita. Um painel de controlo pode revelar um estrangulamento e, silenciosamente, transformá-lo num problema de desempenho individual.

As conclusões da OIT colocam a qualidade do trabalho ao lado da quantidade por uma razão. Uma função pode sobreviver enquanto a autonomia diminui. Uma pessoa pode manter o cargo enquanto perde o critério que tornava a função qualificada. A transição também pode ser desigual. Os trabalhadores que já têm acesso a sistemas fiáveis e a formação podem ganhar vantagem, enquanto outros na mesma ocupação ficam encarregados dos casos difíceis com menos tempo e menos recursos. O panorama agregado pode parecer produtividade, enquanto a experiência diária se torna uma fila que nunca chega a esvaziar.

É por isso que uma proposta responsável deve descrever a melhoria pretendida em termos que um trabalhador possa testar. O sistema eliminará um passo duplicado? Tornará mais fácil encontrar informação relevante? Deixará tempo para uma conversa que não pode ser automatizada? Reduzirá a exposição a uma tarefa perigosa? O que acontece ao tempo poupado? Se a resposta for simplesmente que a equipa processará mais, a organização não está a discutir aumento de capacidade. Está a discutir uma nova meta de produção com uma interface educada.

Há também um problema de qualidade. Quando um sistema trata do caso comum, as pessoas veem uma proporção maior de casos incomuns. O trabalho restante torna-se mais ambíguo, mais consequente ou mais dependente da experiência. Isso pode ser uma boa razão para investir em conhecimento especializado. Também pode ser usado para concluir que o trabalho é agora demasiado irregular para merecer um processo adequado. O primeiro caminho trata o discernimento como capacidade. O segundo trata-o como um centro de custos que ainda não foi comprimido com sucesso.

Um plano de transição deve, portanto, incluir um contrafactual que raramente é escrito: como será o trabalho se o sistema for suficientemente preciso para ser útil, mas não suficientemente preciso para ser confiável sem revisão? Essa é a condição normal de muitos sistemas de apoio à decisão. A resposta deve identificar onde ocorre a revisão, quanto tempo demora, que provas exige e como uma pessoa pode recusar a recomendação sem ser marcada como ineficiente.

O gestor oculto no software

A automatização torna-se governação do trabalho quando o software começa a atribuir, dirigir, avaliar ou controlar o trabalho. Não precisa de ser chamada inteligência artificial. Uma regra fixa que atribui uma tarefa com base na disponibilidade pode moldar um dia. Um sistema de classificação pode afetar o acesso a trabalho futuro. Um modelo que prevê um provável atraso pode mudar quem recebe o turno difícil. A distinção técnica entre uma regra e um modelo aprendido importa para a transparência, mas o trabalhador experiencia ambos através da decisão que chega.

O estudo da Comissão Europeia sobre gestão algorítmica descreve este campo como um conjunto de práticas que podem automatizar ou apoiar funções tradicionais de gestão. Essas funções incluem recrutamento, atribuição de tarefas, monitorização, avaliação e decisões sobre progressão ou cessação. O estudo observa também que a resposta política e jurídica está dispersa por vários instrumentos, em vez de contida num código de trabalho único e organizado. Essa fragmentação é um facto administrativo, não uma licença para fingir que o software não tem efeitos semelhantes aos de um gestor.

A gestão algorítmica é frequentemente introduzida através de uma pequena promessa operacional. Fazer corresponder as pessoas às tarefas mais rapidamente. Detetar a capacidade antes de o rota se quebrar. Dar ao supervisor uma visão mais clara. Detetar uma preocupação de segurança. Cada promessa pode ser razoável. O risco surge quando a medida se torna um substituto do trabalho. O tempo de resposta substitui o cuidado. Uma classificação substitui a fiabilidade. A atividade no ecrã substitui o esforço. O substituto é mais fácil de contar, pelo que a organização começa a tratá-lo como mais real do que aquilo que pretendia descrever.

Quando um substituto governa o acesso ao trabalho, o ónus da prova muda. Um gestor consegue geralmente explicar uma decisão em contexto, mesmo que a explicação seja fraca. Um sistema pode produzir uma pontuação que parece neutra porque os seus dados de entrada estão ocultos. O trabalhador tem então de contestar tanto o resultado como a ideia de que o resultado é o tipo certo de prova. É por isso que o acesso à informação, a revisão humana e a contestabilidade significativa são importantes. Uma resposta que diz que o sistema é complexo não é uma explicação. É um convite para deixarmos de perguntar.

A vigilância merece cuidados especiais. Os dados recolhidos para coordenação podem ser reutilizados para avaliação. Os dados recolhidos para segurança podem ser reaproveitados para disciplina. Os dados recolhidos enquanto alguém trabalha podem revelar informações íntimas sobre saúde, responsabilidades de prestação de cuidados ou associação. O facto de um sistema poder recolher um sinal não torna o sinal justo de utilizar. Um local de trabalho não é um laboratório em que o consentimento possa ser presumido porque o trabalhador clicou num ecrã antes de iniciar o turno.

A Confederação Europeia de Sindicatos defendeu que as aplicações intrusivas no local de trabalho necessitam de limites mais fortes, que os trabalhadores e os seus representantes devam receber informações em linguagem simples, e que a consulta deva ocorrer antes da implementação e de mudanças substanciais. A sua posição também liga os sistemas algorítmicos à negociação coletiva, à formação dos trabalhadores e ao direito de verificar e rever decisões. Estas não são extensões técnicas. Reconhecem que um local de trabalho é uma instituição social e que transferir autoridade para o software altera o equilíbrio dentro dessa instituição.

A consulta faz parte do design

A informação e a consulta são por vezes tratadas como etapas cerimoniais que se seguem à decisão real. O quadro europeu não nos dá razão para as tratar dessa forma. O quadro da Comissão em torno da Diretiva 2002/14/CE apresenta a informação e a consulta atempadas como parte da forma como as organizações lidam com mudanças significativas e novas formas de organização do trabalho. A diretiva estabelece um quadro geral, com escolhas nacionais em torno do âmbito e da implementação. Não é um manual de IA. É um lembrete de que uma mudança substancial no trabalho tem uma vida processual antes de se tornar uma implementação técnica.

O momento é importante. Uma reunião depois de o fornecedor ter sido selecionado e o fluxo de trabalho ter sido configurado não é o mesmo que uma conversa enquanto a organização ainda está a decidir que problema quer resolver. O envolvimento precoce permite que os trabalhadores perguntem quais os dados necessários, quais as tarefas que estão realmente a ser alteradas, como os erros serão tratados e como é o plano de recurso. Também expõe conhecimento difícil de comprar externamente. As pessoas que fazem o trabalho sabem onde o processo é frágil porque passaram anos a mantê-lo de pé.

A consulta não exige que todas as decisões sejam unânimes. Exige que as pessoas afetadas sejam tratadas como participantes numa mudança, e não como sensores que reportarão resistência após o lançamento. Um processo sério deve registar o que foi proposto, o que os trabalhadores contestaram, o que mudou em resultado e quais os desacordos que permanecem. Se uma proposta for ainda assim adotada, a organização deve ser capaz de explicar porquê. Isso é mais maduro do que fingir que a falta de acordo significa que ninguém tinha uma opinião.

Há uma razão prática para tornar este registo explícito. Os sistemas mudam depois do lançamento. O modelo é atualizado, a fonte de dados muda, é adicionado um novo departamento, uma métrica de avaliação é ajustada, ou um fornecedor reescreve um motor de políticas. Uma consulta pontual não pode cobrir um sistema em movimento. Os representantes dos trabalhadores precisam de um canal permanente para detetar efeitos e pedir revisão. Caso contrário, a organização consultou sobre a versão um e, na versão três, já governa uma máquina diferente.

A proposta da CES para uma diretiva sobre sistemas algorítmicos no trabalho exige uma avaliação de impacto antes da implementação e em intervalos regulares depois, com envolvimento dos trabalhadores e dos seus representantes. É um princípio de conceção útil mesmo onde a proposta não é lei. Uma avaliação de impacto não deve ser um documento que prova que a decisão já estava tomada. Deve ser um espaço onde a organização identifica quem pode ser afetado, o que pode correr mal, que evidências serão monitorizadas e quem tem autoridade para mudar de rumo.

O mesmo princípio aplica-se a pequenas organizações. Um empregador mais pequeno pode não ter um conselho de empresa ou um gabinete dedicado a dados, mas continua a precisar de compreender o que um sistema muda para as pessoas que o utilizam. A burocracia pode ser mais leve. As perguntas não podem desaparecer. Caso contrário, uma implementação modesta pode tornar-se um grande problema de governação sem ninguém designado para o detetar.

Formação é poder de trabalho

A formação é muitas vezes a primeira promessa feita e a primeira coisa a ser sacrificada. Um plano de lançamento diz que o pessoal receberá uma sessão. A sessão torna-se uma apresentação de diapositivos. A apresentação torna-se uma gravação. A gravação torna-se uma ligação num portal de aprendizagem que se espera que todos tenham visto antes de o novo sistema mudar silenciosamente as regras do trabalho.

Não é isso que as pessoas precisam. Precisam de compreensão suficiente para reconhecer o que o sistema está a fazer, o que não está a fazer, que dados utiliza, como o seu resultado deve ser verificado, quando deve ser ignorado, como comunicar um erro e o que acontecerá se recusarem uma recomendação. Precisam de tempo para praticar com os casos reais e as condições-limite do seu trabalho. Precisam de saber quem pode responder a uma pergunta sem a transformar num ticket que desaparece numa fila de espera do fornecedor.

O Regulamento IA formula este ponto prático em linguagem jurídica. Os fornecedores e os utilizadores devem tomar medidas para garantir um nível adequado de literacia em matéria de IA para as pessoas que utilizam sistemas em seu nome, tendo em conta os seus conhecimentos técnicos, experiência, educação, formação e o contexto em que o sistema será utilizado. Para determinados sistemas de alto risco, as pessoas designadas para supervisão humana precisam de competência, formação e autoridade. O Regulamento preserva também os direitos existentes de informação e consulta dos trabalhadores e dos seus representantes. A literacia está, portanto, ligada à autoridade, e não apenas à familiaridade com um ecrã de produto.

A posição da CES sobre o desenvolvimento de competências dos trabalhadores vai mais longe numa direção que importa para a justiça. Trata a literacia em IA como a capacidade de compreender criticamente como a IA afeta o trabalho e as profissões, e não apenas a capacidade de operar uma ferramenta para o empregador. Essa distinção é fácil de perder. Se a formação ensina uma pessoa a aceitar uma sugestão, mas não a questionar o sistema que a produziu, a organização formou conformidade, não capacidade.

Um plano de formação útil tem pelo menos três públicos. O primeiro é a pessoa que utiliza o sistema no trabalho quotidiano. Precisa de literacia operacional: entradas, saídas, incerteza, escalonamento e utilização segura. O segundo é a pessoa que revê ou supervisiona o trabalho. Precisa de literacia de decisão: evidências, enviesamento, discordância, anulação e consequências. O terceiro é o grupo que representa os trabalhadores ou que inspeciona a organização. Precisa de literacia de governação: propósito, fluxos de dados, impacto, mudanças, acesso a especialistas e vias de recurso.

O treino também tem um problema de distribuição. As pessoas com menos tempo e a posição negocial mais fraca são muitas vezes as que têm maior probabilidade de receber uma sessão genérica e curta. As pessoas que concebem o sistema recebem briefings detalhados e uma linha direta com o fornecedor. O resultado é uma hierarquia de conhecimento que segue o poder. Se um novo sistema vai mudar o trabalho de muitas pessoas, a organização deve dedicar mais esforço às pessoas que terão de viver com o sistema do que às pessoas que farão a apresentação de lançamento.

O treino deve ser tratado como prova de prontidão, não como uma taxa de conclusão cerimonial. Consegue um trabalhador identificar um caso que precisa de revisão humana? Consegue explicar por que razão uma recomendação foi rejeitada? Consegue um supervisor pausar o fluxo de trabalho? Consegue um representante pedir a informação necessária para avaliar uma alteração? Consegue a organização mostrar o que aconteceu quando alguém levantou uma preocupação? Se a resposta for não, o problema não é que os trabalhadores não sejam suficientemente entusiastas. O sistema não foi introduzido de forma responsável.

As competências ganham significado quando viajam com a autoridade para questionar, reverter e remodelar o sistema.

Quem fica com o novo trabalho?

Quando uma rotina passa para o software, o trabalho não desaparece numa nuvem. Reaparece noutro lugar. Alguém escreve as regras, trata dos dados, verifica as exceções, lida com os recursos, mantém a integração, monitoriza a segurança e explica o resultado. Essas tarefas podem ser novas funções, novas responsabilidades dentro de funções existentes ou trabalho invisível acrescentado às pessoas que já têm menos tempo livre.

A questão da distribuição é, portanto, concreta. Quem fica com o trabalho técnico? Quem fica com o trabalho interpretativo? Quem está exposto ao risco quando o sistema falha? Quem recebe o tempo poupado pela automatização? De quem se espera que aprenda um novo processo sem alteração no salário, na carga de trabalho ou no estatuto? Uma transição que responde apenas à primeira pergunta pode criar um pequeno grupo de especialistas e um grupo muito maior de pessoas cujo trabalho é medido mais de perto.

Não existe uma regra universal de que cada poupança se deva tornar em lazer ou que cada nova tarefa se deva tornar num novo cargo. As organizações têm propósitos diferentes e acordos coletivos. Mas a distribuição deve ser deliberada e discutível. Se a automatização elimina administração repetitiva, o benefício pode ser mais tempo para o cuidado, a investigação, a manutenção ou o contacto com o público. Se cria deveres de monitorização, esses deveres precisam de capacidade e reconhecimento. Se aumenta o valor do conhecimento contextual, as pessoas com esse conhecimento não devem ser tratadas como obstáculos temporários a um conjunto de dados mais limpo.

As políticas de competências são importantes porque a transição pode alargar as desigualdades existentes. A OIT assinala que, na sua análise, a exposição do emprego das mulheres à IA generativa é mais elevada, em parte porque as mulheres estão sobre-representadas no trabalho administrativo. Esta é uma afirmação sobre exposição potencial, não uma previsão de quem perderá o emprego. Mostra, contudo, porque é que uma implementação de aparência neutra pode ter efeitos desiguais. Se as funções mais afetadas forem também as que oferecem menos oportunidades de formação remunerada ou de progressão, os benefícios não se distribuirão por magia. A magia continua a ser uma estratégia pouco fiável de gestão de recursos humanos.

A idade, a deficiência, as responsabilidades de prestação de cuidados, a língua e a situação profissional também podem determinar quem beneficia de um novo sistema. Uma ferramenta que pressuponha disponibilidade ininterrupta pode penalizar quem presta cuidados. Uma medida de desempenho que ignore formas acessíveis de trabalhar pode transformar uma adaptação numa variação. Um sistema que utilize um modelo linguístico limitado pode criar verificações adicionais para quem comunica noutra língua. Estes não são casos pontuais para remeter para um relatório de igualdade posterior. Fazem parte do que significa o sistema organizar o trabalho.

A economia das plataformas dá à Europa um lugar claro para estudar estas dinâmicas. A Diretiva Trabalho nas Plataformas, adotada como Diretiva (UE) 2024/2831, aborda o estatuto profissional e a gestão algorítmica no trabalho em plataformas. Inclui regras sobre transparência, proteção de dados, supervisão humana e revisão de decisões significativas, bem como direitos a explicações e à contestação. A diretiva centra-se no trabalho em plataformas, mas a sua lógica é mais ampla: quando o software dirige e avalia o trabalho, o trabalhador precisa de mais do que uma ligação para os termos de serviço e uma notificação simpática.

A diretiva é também um lembrete útil de que o controlo técnico pode ter significado jurídico. Exige que as organizações abram espaço para a supervisão e revisão humanas, expliquem decisões significativas e tratem com cuidado determinadas categorias de dados dos trabalhadores. Isso não produz um modelo perfeito para todos os locais de trabalho. Estabelece um piso a partir do qual pode começar a conversa mais ampla: se o software organiza o trabalho, as pessoas precisam de direitos que sobrevivam à interface do software.

A contestabilidade é uma condição de trabalho

Um trabalhador não pode contestar de forma significativa uma decisão que não consegue localizar. A organização precisa de saber qual o sistema que a produziu, que versão estava em vigor, que dados foram utilizados, que regra ou resultado de modelo foi relevante e quem está autorizado a revê-la. O trabalhador precisa de um percurso que não dependa de adivinhar o nome interno de uma funcionalidade do fornecedor. O revisor precisa de tempo e informação suficientes para fazer mais do que aprovar o resultado com uma assinatura humana.

A Diretiva Trabalho nas Plataformas dá a este princípio uma forma jurídica para as pessoas que abrange. Exige supervisão humana dos sistemas automatizados de monitorização e de tomada de decisões, prevê explicações das decisões tomadas ou apoiadas por esses sistemas e cria vias para contestar decisões significativas. Impõe também limites às categorias de dados pessoais que as plataformas podem processar para a gestão algorítmica. Estes pormenores são importantes porque um direito sem via operacional é muitas vezes uma sugestão disfarçada de salvaguarda.

Para outros locais de trabalho, a arquitetura da contestabilidade continua a oferecer um teste útil. Pergunte se uma pessoa pode suspender a ação antes de o dano se propagar. Pergunte se consegue ver a razão em termos que se relacionam com o trabalho. Pergunte se o revisor tem autoridade para ignorar o resultado. Pergunte se as contestações repetidas podem levar a uma alteração no sistema, em vez de uma coleção de exceções individuais que ninguém analisa. Pergunte se um trabalhador pode apresentar uma contestação sem arriscar uma penalização oculta na próxima atribuição.

Contestability is also collective. One disputed score may look like a personal disagreement. A pattern of disputed scores may reveal a bad input, an unfair proxy or a workload that the system has never been designed to represent. Worker representatives and inspectors need access to the pattern, not only to individual screens. The organisation should be able to aggregate challenges without turning the people who raised them into a new risk category.

There is a temptation to treat human review as a final rubber stamp. That is unsafe and unfair. A reviewer who is measured on speed, given no access to underlying information and told that the system is more accurate than they are is not exercising oversight. They are lending a human face to an automated decision. The AI Act’s references to competence, training, authority and the ability to disregard or interrupt a high-risk system are useful because they make the difference explicit. A human in the workflow is not automatically a human in control.

The legal floor and the organisational ceiling

European law sets floors. It does not write every good workplace process for an organisation. The AI Act has requirements around AI literacy, information to workers and their representatives in relevant high-risk deployments, human oversight and fundamental-rights impact assessments for specified uses. The information and consultation framework adds a broader labour-law context. Data-protection rules constrain what may be collected and how decisions may be made. The platform-work directive adds specific protections where digital platforms organise labour.

A legal floor is valuable because it stops the worst argument in the room: that nothing needs to be done until a regulator points at this exact feature. It is not a ceiling. A system can comply with a narrow requirement and still make work more exhausting, less intelligible or harder to contest. Organisations that want a durable transition should write a higher internal standard, especially where the law is deliberately general or where the deployment sits outside a particular sectoral rule.

That standard can be expressed as a chain of questions. What is the purpose of the system, and what is outside its purpose? Which tasks are changed, and which judgements must remain visible? What data is necessary, and what data is merely available? Who is affected directly and indirectly? What evidence shows that the system is useful in this context? Who can override it, with what training and protection? How will a worker challenge a result? What happens when the model, supplier or policy changes? Who owns the decision to pause or retire the system?

These questions should be answered before procurement is complete, not hidden in an appendix after the first incident. A supplier can provide documentation and support. It cannot know the full meaning of a workflow inside an organisation it does not run. The deployer knows the context, the affected people and the consequences of a bad shortcut. That is why the AI Act treats deployers as important actors for high-risk systems. The responsibility does not disappear at the contract boundary.

It is also useful to specify what success is not. A successful rollout is not a high adoption rate if workers adopt the system because refusing it damages their prospects. It is not a lower average handling time if difficult cases are deferred. It is not a dashboard with green indicators if the people closest to the work have stopped reporting errors. It is not a training completion figure if nobody can explain how to stop the workflow. Measures are tools for judgement, not a substitute for it.

A transition that leaves a trace

Uma mudança responsável precisa de memória. A organização deve registar a finalidade pretendida, o mapa de tarefas, as fontes de dados, a consulta, a formação, os testes, os limites e as decisões tomadas quando a evidência era incerta. Deve registar qual a versão utilizada e quando as condições de funcionamento mudaram. Um trabalhador não deve ter de reconstruir a história de uma decisão a partir de mensagens, capturas de ecrã e da memória de um colega. Essa é uma forma pobre de tratar tanto o trabalho como a evidência.

O registo deve incluir o desacordo. Um ficheiro de implementação polido que contém apenas aprovações não é um relato de consulta. É um certificado de otimismo. Perguntas de trabalhadores, representantes, pessoal de segurança e especialistas em igualdade fazem parte da evidência de conceção. Mostram onde o sistema pode falhar e que pressupostos não eram partilhados. Mantê-las visíveis também facilita revisitar uma decisão sem fingir que a preocupação surgiu pela primeira vez após a implementação.

A monitorização deve acompanhar o trabalho e não apenas o modelo. Observe as alterações na mistura de tarefas, no tempo de revisão, nos padrões de erro, no acesso à formação, nos recursos, nas ausências, nas horas extraordinárias e em quem recebe os casos difíceis. Estes não são todos indicadores de IA. São sinais das condições de trabalho. Um modelo pode manter a mesma precisão enquanto o trabalho à sua volta se torna menos sustentável. Se a organização monitorizar apenas o modelo, pode perder o trabalho que foi reorganizado à sua volta.

Deve haver uma história de expiração. Um sistema introduzido para um propósito não deve tornar-se permanente por inércia. Defina uma data de revisão, um limiar de alteração e um responsável claro. Se os dados mudarem, a tarefa mudar, a base legal mudar ou as pessoas afetadas mudarem, a organização deve saber se é necessária uma nova avaliação e consulta. A manutenção não é uma admissão de que a primeira decisão foi fraca. É um reconhecimento de que o trabalho e o software se movem.

Isto pode parecer pesado para uma intervenção pequena. A resposta é a proporcionalidade, não o desaparecimento. Um assistente de redação sem acesso a registos pessoais pode precisar de um processo mais leve do que um sistema que determina o acesso a turnos, benefícios, cuidados ou emprego. Mas mesmo uma ferramenta pequena merece uma declaração do que pode e do que não pode fazer. A clareza reduz-se melhor do que a burocracia porque diz às pessoas onde parar.

Como é uma partilha justa

A expressão transição justa é frequentemente usada como se a justiça chegasse assim que a tecnologia fosse instalada corretamente. Não chegará. A justiça é um conjunto de escolhas sobre tempo, voz, capacidade, risco e recompensa. Pergunta se os trabalhadores podem moldar a mudança, se a podem compreender, se a podem contestar e se os ganhos são partilhados em vez de serem silenciosamente convertidos em expectativas mais altas.

Partilhar o ganho nem sempre significa um pagamento direto. Pode significar uma fila mais curta, mais tempo com as pessoas, trabalho menos perigoso, melhor equipamento, a oportunidade de aprender uma competência valorizada, um caminho para um novo papel ou um julgamento profissional levado mais a sério porque o trabalho de rotina já não o domina. A escolha deve ser feita com as pessoas cujo trabalho está a mudar. Caso contrário, a organização pode otimizar um resultado que parece eficiente na sala de administração e parece aceleração permanente no chão de fábrica.

Há também uma dimensão cívica. Os locais de trabalho formam as pessoas para as instituições à sua volta. Se cada sistema digital ensina que uma pontuação é mais credível do que uma pessoa, o hábito viaja para os serviços públicos e para a vida quotidiana. Se os locais de trabalho ensinam que a evidência pode ser questionada, as decisões podem ser explicadas e a autoridade pode ser interrompida, esses hábitos também viajam. A conceção de um fluxo de trabalho automatizado não é, portanto, apenas uma questão interna. É prática na forma como uma sociedade trata o julgamento.

A insistência da Europa na informação, na consulta, no diálogo social, na proteção de dados e na supervisão humana é, por vezes, caricaturada como um travão à inovação. Uma leitura mais correta é que estas são formas de decidir quem arca com as consequências de uma nova capacidade. A velocidade não é neutra quando as pessoas que não conseguem abrandar o sistema são aquelas que ficam expostas aos seus erros. Uma transição que possa ser discutida, inspecionada e revista pode demorar mais tempo a arrancar. Também é mais provável que continue a ser útil depois de o entusiasmo inicial esmorecer.

Na Dweve, esta é a pequena parte da questão a que voltamos constantemente no Ground truth e no nosso trabalho de literacia em IA. Um sistema ganha confiança quando as pessoas à sua volta conseguem identificar as suas fontes, limites, incerteza e autoridade. Isto não é uma afirmação de que uma biblioteca ou um produto possa resolver as relações laborais. É uma posição de design: a evidência deve permanecer próxima da decisão, e as pessoas responsáveis pela decisão devem ter estrutura suficiente para a contestar. O trabalho mais vasto pertence a empregadores, trabalhadores, representantes, reguladores e ao público.

O novo emprego é uma decisão coletiva

A automatização muda o trabalho antes de mudar o organograma. Move a atenção, o critério e o risco. Cria trabalho de manutenção, trabalho de revisão, trabalho de formação e o trabalho de explicar um sistema a pessoas que não o escolheram. Pode tornar um emprego melhor, ou pode transformá-lo numa via mais rápida através de um corredor mais estreito. A diferença não está escondida apenas no modelo. É construída nas decisões em torno do modelo.

As pessoas que ficam com o novo emprego não devem ser escolhidas apenas depois de as antigas tarefas terem sido removidas. Devem fazer parte da decisão sobre o que é o novo trabalho. Devem ter tempo para aprender, autoridade para questionar, proteção quando o fazem e uma parte da capacidade que a mudança cria. As pessoas representadas pelas métricas devem poder inspecionar o que as métricas significam. As pessoas que arcam com as consequências devem poder parar um sistema que deixou de ser seguro ou justo.

Uma boa transição deixa para trás mais do que uma ferramenta funcional. Deixa um mapa de tarefas mais claro, competências mais fortes, um canal para o desacordo, um registo do que mudou e uma instituição que sabe quem é responsável. São conquistas modestas em comparação com as promessas feitas numa demonstração de produto. São também aquilo que impede um local de trabalho de se tornar um lugar onde o software toma decisões e todos os outros fornecem os álibis.

Por isso, faça a pergunta prática cedo. Quando esta tarefa passa para o sistema, que trabalho aparece? Quem o fará? Que autoridade terão? Que formação tornará essa autoridade real? Quem pode contestar o acordo? Para onde vai o tempo poupado? Se a organização não conseguir responder, não está pronta para automatizar a tarefa. Está pronta para esperar que o emprego, de alguma forma, se trate a si próprio. Os empregos raramente são tão atenciosos.

Fontes