A inteligência artificial continua avançando rapidamente, mas demonstra contradições marcantes. Sistemas capazes de escrever códigos complexos ainda tropeçam em tarefas simples, como cálculos básicos ou lógica cotidiana. Esse padrão não é acidental: é uma característica estrutural das atuais IA.
Pesquisadores de Harvard, MIT e Boston Consulting Group apontam que modelos de linguagem elevam a produtividade em tarefas complexas, mas apresentam quedas relevantes em atividades simples. As IA identificam padrões a partir de grandes volumes de dados e funcionam melhor quando a tarefa se aproxima desses padrões.
O que é jagged intelligence
A chamada inteligência seletiva descreve um desempenho irregular: eficiência elevada em certas funções e falhas em outras. O conceito sugere uma nova forma de entender IA, longe da comparação direta com a habilidade humana. A avaliação passa a considerar capacidades fragmentadas do sistema.
Especialistas como Andrej Karpathy, da OpenAI, e economistas como Joshua Gans defendem analisar a IA como um conjunto de habilidades, com pontos fortes e limitações. Essa visão já impacta estratégias de negócios e planejamento de mão de obra.
Impacto no trabalho e nas empresas
Estudos do MIT indicam que, quando operam dentro de suas zonas de competência, as IA podem aumentar a produtividade em até 40%. Fora dessas zonas, o ganho cai próximo a 20%. Assim, o valor da IA depende de como humanos utilizam a tecnologia.
A adequação de habilidades passa a exigir julgamento estratégico: saber aplicar IA em decisões-chave, em vez de apenas dominar tecnologia. Com isso, empresas passam a enfatizar avaliação de onde a IA se sustenta.
Implicações para o mercado
A mudança de perspectiva redefine o papel humano no trabalho, ao enfatizar a compreensão de limites e aplicações da IA. Além de eficiência, o foco está na integração entre capacidades técnicas e tomada de decisão. Pesquisadores recomendam planejamento cuidadoso de competências.
Entre na conversa da comunidade