Novos desafios na rotina de profissionais de tecnologia
Uma reportagem do Business Insider destaca como a inteligência artificial está transformando o dia a dia de especialistas que atuam diretamente com clientes. O exemplo de Justin Johnsen, engenheiro da KPMG que ocupa a função de forward-deployed engineer, ilustra a combinação de tecnologia, consultoria e proximidade com o cliente.
Quando ingressou na KPMG, Johnsen desenvolveva software quase totalmente de forma manual. Atualmente, grande parte de seu trabalho consiste em utilizar IA para analisar informações, estruturar dados e criar soluções para diversos projetos.
A posição de forward-deployed engineer também ajuda a entender a mudança. Em vez de receber uma demanda, construir uma solução e entregá-la, esse profissional acompanha o problema desde a identificação da necessidade até a implementação final.
Isso envolve dialogar com equipes, compreender o contexto do negócio, desenvolver a solução e capacitar os funcionários do cliente para utilizá-la.
Do código à curadoria de contexto
Segundo o engenheiro da KPMG, o principal gargalo de seu trabalho deixou de ser a escrita de código. Agora, ele divide espaço com uma etapa anterior: reunir contexto e definir a intenção do projeto.
Modelos de IA dependem das informações fornecidas para gerar resultados úteis. Quanto mais complexo o problema, maior é a necessidade de dados, regras, objetivos e detalhes sobre o negócio.
No caso relatado pelo Business Insider, Johnsen dedicou meses a coletar requisitos e refinar o contexto antes de aplicar IA no desenvolvimento de uma aplicação. Após essa fase, a solução foi entregue em aproximadamente um mês.
A experiência também alterou a demanda da empresa cliente, que solicitou apoio para que suas equipes adotassem as práticas de IA e de elaboração de prompts utilizadas no projeto.
IA amplia trabalho para além da programação
Outro exemplo apresentado envolve uma ferramenta de avaliação de riscos que combina vários sinais para determinar o perigo de negociar com um cliente ou parceiro.
A inteligência artificial analisa esses sinais e gera uma pontuação que pode ser revista por avaliadores humanos, integrando-se ao processo de análise em vez de substituí-lo.
Além disso, uma parcela crescente do desenvolvimento está migrando para atividades relacionadas a dados e integração de sistemas. Empresas possuem informações dispersas em diferentes aplicações, sistemas legados e serviços em nuvem.
Nesse cenário, o profissional passa a ter a função de conectar essas fontes e organizar os dados para que os sistemas de IA possam utilizá-los de forma eficaz.
Transformações no dia a dia do trabalho
O caso da KPMG ilustra uma transformação que pode atingir diversas profissões: algumas tarefas manuais são aceleradas, enquanto outras ganham maior relevância.
Entre as atividades que se destacam estão:
- definição do problema a ser resolvido
- organização e validação de informações
- conhecimento profundo do negócio
- comunicação com outras equipes
- avaliação dos resultados produzidos pela IA
- tomada de decisões estratégicas
Um estudo com cerca de seis mil trabalhadores de vários setores mostrou redução no tempo dedicado a e-mails entre participantes que tiveram acesso a uma ferramenta de IA generativa. O efeito foi mais forte em tarefas individuais, enquanto atividades que exigiam coordenação com outras pessoas sofreram menos alterações.
Isso explica por que o impacto da inteligência artificial não se limita à substituição de uma tarefa. Em muitos casos, a tecnologia modifica como o profissional distribui seu tempo e prioriza suas atividades.
Contexto e julgamento ganham espaço
Para o engenheiro da KPMG, a IA permite reduzir o tempo gasto em atividades repetitivas e abrir mais espaço para tarefas que exigem julgamento humano.
Isso não significa que o conhecimento técnico perdeu importância. Pelo contrário: o profissional precisa saber quais informações fornecer ao sistema, avaliar se a resposta faz sentido e identificar limitações ou erros.
Para trabalhadores de diferentes áreas, a mudança pode significar uma combinação entre conhecimento profissional e fluência em IA. Um analista financeiro, por exemplo, pode usar modelos para organizar informações, mas continua responsável por compreender os indicadores e verificar se a interpretação é adequada.
O mesmo princípio se aplica a marketing, recursos humanos, engenharia, direito, operações e outras áreas nas quais profissionais lidam com grandes volumes de informação.
No caso da KPMG, a função do engenheiro passou a incluir não apenas construir uma solução, mas também ensinar o cliente a utilizá-la. A entrega agora abrange a aplicação, documentação, boas práticas e transferência de conhecimento.
