Nota da XMACNA: este artigo resume e comenta uma entrevista recente com Andrew Ng, cofundador do Google Brain e da Coursera, trazendo também a nossa leitura sobre o que os pontos levantados por ele significam para empresas brasileiras que estão adotando IA.
Se você sente que, nos últimos meses, as conversas sobre inteligência artificial ficaram mais pesadas — cheias de previsões de desemprego em massa, comparações alarmantes e manchetes catastróficas —, você não está sozinho. E, segundo Andrew Ng, isso não é acaso.
Ng é uma das figuras mais respeitadas tecnicamente no campo da IA: cofundou o Google Brain, fundou a Coursera e já ensinou machine learning para milhões de pessoas online. Em entrevista recente, ele argumenta que parte significativa do "clima de medo" em torno da IA tem uma origem bem mais comercial do que técnica.
Por que o medo em torno da IA aumentou
Segundo Ng, esse movimento começou há cerca de dois ou três anos, quando um pequeno grupo de empresas líderes em IA passou a adotar um discurso de risco mais intenso — em parte, na avaliação dele, como estratégia para pressionar por regulações que favorecem quem já está estabelecido no mercado, dificultando a entrada de concorrentes e de modelos open source mais baratos.
Ele cita como exemplo comparações entre IA e armas nucleares — que, para ele, não têm base técnica real — além de casos isolados de falhas de IA amplificados como se fossem regra, e alegações exageradas sobre o consumo de água de data centers. O resultado, segundo ele, é uma percepção social distorcida, que tem inclusive desacelerado a adoção de IA em alguns mercados.
"Job apocalypse": mito ou realidade?
Um dos pontos mais diretos da entrevista é sobre emprego. Ng rejeita a ideia de que a IA vai eliminar metade dos empregos do mundo. Ele cita análises de economistas que decompõem profissões em tarefas individuais: em muitas funções, a IA já é capaz de executar entre 30% e 40% das tarefas — o que, segundo ele, não elimina a profissão, mas torna os 60% a 70% restantes, que ainda dependem de julgamento humano, ainda mais valiosos.
O exemplo mais concreto citado é a própria engenharia de software — a profissão mais impactada por IA até agora. Mesmo com modelos extremamente bons em escrever código, o número de vagas abertas na área está em alta, e bons engenheiros estão mais ocupados do que nunca. O alerta de Ng é para quem ainda trabalha como se a IA não existisse: quem não incorporar essas ferramentas ao fluxo de trabalho tende a ficar para trás — não porque a IA "tomou o emprego", mas porque outra pessoa, usando IA, entrega mais.
IA "atrapalha" o aprendizado quando mal usada
Um ponto que Ng descreve como potencialmente controverso: segundo ele, os modelos de IA, do jeito que são usados hoje pela maioria das pessoas, são ruins para aprendizado de verdade. Estudantes que usam IA para fazer trabalhos tiram notas mais altas no curto prazo, mas a retenção de conhecimento no longo prazo piora — porque a tarefa cognitiva é essencialmente terceirizada para a IA.
Ng é direto: isso não significa abandonar a ferramenta, mas ter consciência de quando ela está sendo usada para "entregar a tarefa" e quando está sendo usada para realmente aprender. É justamente esse problema que motivou seu novo projeto, a LearnVector, focado em criar experiências de aprendizado muito mais personalizadas — um a um, em vez do modelo tradicional de cursos online "um para muitos".
A vantagem que a IA ainda não tem: contexto
Um dos argumentos mais interessantes da conversa é sobre por que Ng não acredita que a IA vai substituir a maioria dos empregos tão cedo: humanos carregam um volume enorme de contexto acumulado — anos de experiência, conversas com clientes, pequenos sinais percebidos ao vivo — que a IA simplesmente não tem acesso. É esse "contexto" que, segundo ele, está por trás do que costumamos chamar de bom senso ou bom julgamento profissional, e é uma vantagem estrutural que não deve desaparecer tão cedo.
Como equipes reais já usam IA no dia a dia
Um dos trechos mais práticos da entrevista mostra exemplos concretos de uso de IA dentro de times pequenos: um time de marketing constrói ferramentas próprias para rastrear conteúdo relevante na web; um time financeiro automatiza a checagem de documentos que antes exigia horas de trabalho manual copiando e colando números; times de recrutamento constroem sistemas próprios para triagem. Em vários casos, esses times não são formados por engenheiros — são profissionais de marketing, finanças e RH que aprenderam a construir com IA.
Um padrão se repete nesses exemplos: profissionais que antes tinham funções mais específicas (como coordenação de campanha ou recrutamento de uma etapa) estão assumindo escopos mais amplos, ponta a ponta — o que Ng descreve como uma tendência de "full stack" se espalhando para além da engenharia de software.
Privacidade e dados sensíveis
Questionado sobre até onde vale a pena compartilhar dados com IA, Ng detalha uma abordagem em camadas: para a maioria dos casos, confia nos termos de serviço de grandes provedores de nuvem; para informações realmente sensíveis (como dados financeiros não públicos), prefere modelos rodando localmente ou em ambientes privados, sem que o dado saia do controle da empresa — prática que, segundo ele, já é comum entre bancos que rodam IA em ambiente próprio (on-premise) em vez de enviar dados para provedores externos.
O que isso tem a ver com empresas brasileiras que estão usando IA
O debate levantado por Ng é, no fundo, sobre separar sinal de ruído. E esse é exatamente o desafio que vemos, na prática, em empresas brasileiras de pequeno e médio porte que estão decidindo se — e como — adotar IA agora: de um lado, o medo alimentado por manchetes de "substituição em massa"; do outro, a hesitação de quem acha que ainda é cedo demais para começar.
Na experiência da XMACNA, nenhum dos dois extremos reflete a realidade da maioria das operações. IA não chega para substituir uma equipe inteira da noite para o dia — chega para tirar peso de tarefas repetitivas e permitir que a equipe assuma um escopo mais estratégico, exatamente como Ng descreve ao falar de times de marketing e finanças que passaram a "construir" suas próprias soluções. O ponto de partida real não é "vamos automatizar tudo", e sim entender quais 30% ou 40% de um processo já podem ser feitos por IA hoje — e o que isso libera a equipe para fazer de mais valioso.
Perguntas frequentes sobre a entrevista com Andrew Ng
Andrew Ng acredita que a IA vai causar desemprego em massa?
Não. Ele rejeita a ideia de um "apocalipse de empregos" e argumenta que, embora a IA já execute parte das tarefas de muitas profissões, isso torna as tarefas restantes — que dependem de julgamento humano — ainda mais valiosas, em vez de eliminar a profissão como um todo.
Por que Andrew Ng diz que a IA é "ruim para aprendizado"?
Segundo ele, quando usada para simplesmente entregar a resposta ou a tarefa pronta, a IA reduz a retenção de conhecimento a longo prazo, mesmo que melhore o resultado imediato (como notas em trabalhos escolares). O problema está no uso, não na ferramenta em si.
Quais habilidades Andrew Ng recomenda para quem está entrando no mercado de trabalho agora?
Ele recomenda aprender a construir com IA de forma prática, buscando cursos e conteúdos atualizados fora da grade curricular tradicional (que costuma demorar para se adaptar), além de desenvolver as habilidades humanas — como julgamento e comunicação — que complementam o que a IA ainda não faz bem.
Conclusão
A entrevista de Andrew Ng funciona como um contraponto necessário ao tom mais alarmista que tem dominado boa parte do debate público sobre IA. Sua mensagem não é de que não existam riscos reais — ele próprio cita preocupações legítimas, como deepfakes não consensuais e uso indevido de dados sensíveis —, mas de que grande parte do medo generalizado tem menos a ver com o que a tecnologia realmente faz hoje e mais com quem se beneficia de você ter medo dela.
Para a XMACNA, esse é um lembrete importante: a decisão de adotar IA numa empresa não deveria ser guiada nem pelo hype, nem pelo pânico, mas por uma pergunta bem mais simples — quais tarefas do seu negócio já podem ser feitas de forma mais eficiente hoje, e o que isso libera a sua equipe para fazer de mais estratégico amanhã. Se essa é uma pergunta que você ainda não respondeu na sua empresa, esse é um bom ponto de partida para uma conversa com a gente.