IA chega às profissões técnicas — experiência prática virou o gargalo

Em 24 de setembro de 2026, a Pearson lançou em Xangai uma pesquisa sobre ocupações técnicas que aponta um gargalo para quem começa nessas carreiras: a IA já muda as tarefas, mas a experiência necessária para julgar suas respostas continua difícil de transmitir. Apresentado na conferência WorldSkills International, o estudo combina análises dos Estados Unidos, do Reino Unido e da China com entrevistas e consultas a pessoas ligadas à formação e ao trabalho.

Para entrar e progredir nessas ocupações, familiaridade com uma ferramenta de IA não basta. Iniciantes precisam aprender a usá-la na própria função, comunicar-se e tomar decisões com base no que encontram em campo. A aposentadoria de profissionais experientes aumenta a pressão para ensinar esse julgamento antes que ele deixe as equipes.

A lacuna envolve IA, pessoas e conhecimento de campo

O estudo reúne essas exigências na expressão lacuna tripla. A primeira parte é a alfabetização em IA específica da ocupação: saber quando recorrer à ferramenta, questionar uma indicação e reconhecer situações em que ela não deve orientar a decisão. A segunda abrange comunicação, colaboração e adaptação. A terceira é o conhecimento prático e institucional adquirido ao observar o trabalho, receber correções e enfrentar situações reais.

As três partes se encontram na mesma tarefa. Uma resposta automatizada pode sugerir uma hipótese, mas não substitui a verificação das condições de um equipamento ou a atenção ao contexto de uma pessoa atendida. O trabalhador iniciante precisa entender o que a ferramenta oferece, confrontar isso com os procedimentos da ocupação e saber quando pedir a avaliação de alguém mais experiente. Ter acesso à resposta e estar preparado para agir são condições diferentes.

Essa distinção ajuda a explicar o peso da saída de veteranos. Procedimentos podem ser registrados, mas parte do conhecimento está nos sinais que um profissional aprendeu a perceber e nos motivos pelos quais descarta uma hipótese aparentemente plausível. Quando esse raciocínio deixa de ser observado, discutido e corrigido durante o trabalho, a nova geração pode aprender a operar sistemas sem desenvolver o mesmo critério para seus resultados.

Manutenção industrial e farmácia mostram onde falta prática

A pesquisa examina em detalhe mecânicos de máquinas industriais e técnicos de farmácia. Na manutenção, conhecimento mecânico e capacidade de diagnóstico continuam centrais mesmo quando a IA apoia a busca por informações ou possíveis causas de uma falha. Em um exemplo hipotético, se uma ferramenta sugerir a troca de um componente, o iniciante ainda terá de observar a máquina, conferir os sinais presentes e justificar por que aquela hipótese merece ser seguida ou descartada.

É nessa sequência que a experiência de um mecânico veterano se torna visível para quem aprende. Acompanhá-lo permite perceber quais verificações vêm antes de uma intervenção, que informação falta para decidir e quando uma condição encontrada exige rever o diagnóstico. Uma simulação pode reproduzir parte desse raciocínio; trabalhar no equipamento sob supervisão acrescenta a necessidade de reconhecer o que está de fato diante do profissional.

Na farmácia, o levantamento destaca comunicação com pacientes, julgamento e fundamentos da atividade. Mesmo que tarefas rotineiras sejam apoiadas por sistemas, o iniciante precisa identificar inconsistências e saber quando uma dúvida deve ser encaminhada ao profissional responsável. A exigência aqui não é apenas acertar uma resposta: é compreender os limites da própria função e as consequências de agir com informação incompleta. Os exemplos ilustram ocupações distintas, sem pressupor que o mesmo uso de IA já esteja presente em toda oficina ou farmácia.

Há também pressão para substituir trabalhadores que saem dessas carreiras. Segundo a cobertura da IT Brief, publicada em 24 de setembro, 99% das vagas nas ocupações britânicas analisadas decorrem da necessidade de substituir pessoas que se aposentam, mudam de carreira ou deixam o mercado de trabalho. O percentual não mede apenas aposentadorias e não descreve o Brasil. Ele mostra por que preencher uma vaga pode ocorrer ao mesmo tempo que se perde uma oportunidade de transmitir conhecimento acumulado.

Mentoria, simulação e supervisão têm papéis distintos

A transferência dessa experiência pode ser organizada em três formatos complementares. A matriz abaixo é uma aplicação editorial das capacidades descritas no estudo, não um programa apresentado como já testado. Seu ponto de partida é simples: registrar a explicação de um veterano preserva uma referência, mas o iniciante ainda precisa demonstrar como a utiliza diante de uma tarefa.

• Mentoria: o mecânico experiente explicita os sinais que observa, as hipóteses que descartou e o motivo da próxima verificação. Na farmácia, o profissional responsável pode mostrar quais dúvidas exigem encaminhamento. O valor está em tornar discutível um critério que, para o veterano, já parece automático.
• Simulação: uma falha hipotética de equipamento ou uma inconsistência hipotética numa tarefa de farmácia permite ao iniciante comparar uma indicação da IA com os procedimentos disponíveis. A decisão pode ser interrompida e examinada sem reproduzir as consequências de um erro em serviço.
• Prática supervisionada: o iniciante executa verificações compatíveis com sua função em condições reais, explica suas decisões e recebe retorno sobre o que deixou de perceber. É nessa etapa que conhecimento técnico, comunicação e julgamento precisam aparecer juntos.

Os formatos também expõem limites diferentes. Uma explicação pode ser compreendida em teoria e falhar diante de uma condição inesperada; uma simulação pode não reunir todos os sinais do trabalho real. A supervisão permite observar essa distância, mas depende de tempo e de profissionais disponíveis para orientar. Por isso, automatizar respostas não resolve, por si só, a perda de oportunidades de aprender com quem conhece o serviço.

O recorte brasileiro aponta um desafio para a formação

No Brasil, uma nota da Fundação Telefônica Vivo, publicada em 21 de setembro de 2026, analisa a IA generativa na Educação Profissional e Tecnológica com foco em estudantes de tecnologia da informação e comunicação. O texto destaca que a automação de tarefas repetitivas amplia a importância de pensamento crítico, criatividade, resolução de problemas, comunicação, colaboração e aprendizagem contínua. Também registra dificuldades de infraestrutura, conectividade, atualização curricular e formação docente.

Esse recorte não mede a falta de experiência em manutenção industrial ou farmácia no país. Ainda assim, aproxima a discussão da educação profissional brasileira: ensinar conceitos de IA e atualizar currículos cobre apenas parte da preparação se faltarem situações em que o estudante aplique conhecimento técnico, receba correções e aprenda a lidar com pessoas ou equipamentos reais. Uma parceria entre escola e local de trabalho só produz essa experiência quando há tarefas adequadas, acompanhamento e espaço para explicar decisões.

Por enquanto, a pesquisa internacional identifica as capacidades em falta e aponta caminhos para transmiti-las; ela não demonstra qual combinação de mentoria, simulação e supervisão produz melhores resultados no Brasil. O gargalo descrito é concreto, mas sua dimensão nas ocupações brasileiras ainda precisa ser medida. O próximo dado decisivo será saber se cursos e empregadores conseguem oferecer prática acompanhada enquanto os profissionais que dominam esses trabalhos ainda estão presentes para ensiná-los.

Leia também:

• Índia já tem o dobro de profissionais que redesenham o trabalho com IA
• Vagas com IA crescem no Brasil, mas até cargos júnior pedem experiência
• Profissionais aprendem IA sozinhos — empresas ainda treinam só um em seis