Você sabe desaprender?

Quanto tempo você levou para ficar realmente bom no que faz?

Cinco anos? Dez? Vinte?

Talvez você tenha estudado uma profissão, acumulado experiência, aprendido com bons profissionais, cometido erros, liderado equipes, resolvido problemas difíceis e desenvolvido uma maneira própria de tomar decisões.

Isso tem enorme valor.

Mas existe uma pergunta desconfortável que profissionais experientes terão de fazer cada vez mais:

E se justamente algumas das coisas que fizeram você chegar até aqui forem as primeiras que você terá de rever para continuar avançando?

Para quem está começando uma carreira, o desafio principal costuma ser aprender. É preciso adquirir repertório, desenvolver uma profissão, dominar ferramentas, formar critérios e aprender a fazer alguma coisa suficientemente bem.

Para quem já construiu uma carreira, o problema é mais complexo.

Você precisa continuar aprendendo, mas também precisa reconhecer quando uma prática que funcionava deixou de funcionar, quando uma competência precisa ser recombinada, quando um pressuposto precisa ser abandonado e quando a própria definição do seu trabalho precisa mudar.

Ou seja: não basta aprender.

É preciso aprender, desaprender e reaprender.

Malcolm Gladwell popularizou em Outliers a ideia das 10.000 horas, a partir de pesquisas de Anders Ericsson e colegas sobre prática e expertise: a imagem de que um nível excepcional de domínio exige milhares de horas de prática. O número acabou sendo simplificado no debate popular, mas a intuição continua poderosa. Competências profundas são construídas com tempo, repetição, feedback e prática deliberada.

Para o profissional experiente, porém, existe um paradoxo. As mesmas milhares de horas que constroem excelência também consolidam padrões: maneiras de interpretar problemas, tomar decisões, organizar recursos e executar. É isso que torna a experiência tão valiosa. E é também o que pode torná-la rígida.

Adam Grant, em Think Again, explora justamente a importância de revisar convicções e manter a capacidade de repensar aquilo que acreditamos saber. Na estratégia, David Teece, Gary Pisano e Amy Shuen desenvolveram o conceito de capacidades dinâmicas para explicar como organizações percebem mudanças, aproveitam oportunidades e reconfiguram recursos e competências diante de ambientes em transformação. O conceito foi formulado para organizações; aqui, uso-o por analogia para pensar uma capacidade igualmente necessária aos indivíduos: transformar a própria base de competências sem precisar abandoná-la.

Talvez o desafio agora seja combinar essas duas coisas.

Precisamos das 10.000 horas que constroem profundidade. Mas também precisamos acumular 10.000 horas de capacidades dinâmicas: perceber mudanças, questionar pressupostos, experimentar novas combinações, abandonar respostas que perderam validade e reaprender antes que o ambiente nos obrigue a fazê-lo.

Não como uma contagem literal de horas, mas como uma prática recorrente ao longo da carreira: ficar muito bom em alguma coisa sem perder a capacidade de transformá-la.

Isso sempre aconteceu

A história profissional é cheia de pessoas que precisaram reconstruir a própria forma de trabalhar quando tecnologias, mercados ou instituições mudaram.

O fotógrafo que aprendeu no filme precisou reconstruir parte do seu processo com a fotografia digital. O jornalista formado na lógica do impresso precisou aprender a operar em um mundo de publicação contínua. O engenheiro que projetava produtos predominantemente mecânicos passou a conviver com software, sensores e dados. O vendedor que dependia quase exclusivamente de relacionamento presencial passou a operar também por canais digitais.

Novas tecnologias raramente eliminam de uma vez todo o conhecimento anterior. Elas mudam o valor relativo das competências e, principalmente, alteram as restrições a partir das quais o trabalho havia sido organizado.

É aí que surge o problema.

Nós tendemos a incorporar uma tecnologia nova dentro da arquitetura antiga.

Primeiro usamos e-mail como uma carta mais rápida. Depois usamos websites como brochuras digitais. Em muitas empresas, a primeira fase de uma nova tecnologia é simplesmente reproduzir mais rapidamente aquilo que já existia.

Com inteligência artificial, estamos novamente diante dessa tentação.

O problema não é aprender a usar IA

Hoje é comum ouvir uma pergunta: como posso usar inteligência artificial para ser mais eficiente no que já faço?

É uma pergunta válida. Mas talvez seja pequena demais.

Uma provocação que tenho feito é a seguinte: É ineficiente usar IA apenas para aumentar a eficiência.

Se uma tecnologia permite reduzir drasticamente o custo de pesquisar, analisar, escrever, programar, prototipar, testar, simular e produzir alternativas, o uso mais importante dela não é necessariamente fazer o mesmo processo 30% mais rápido.

É perguntar se aquele processo ainda deveria existir daquela forma.

Um relatório pode ser produzido mais rapidamente. Mas talvez a pergunta correta seja se precisamos continuar esperando o relatório para tomar a decisão.

Um atendimento pode ser automatizado. Mas talvez seja possível redesenhar inteiramente a relação entre cliente, sistema e organização.

Uma equipe pode escrever software mais rapidamente. Mas talvez uma função que antes precisava solicitar desenvolvimento a outra área agora possa construir parte de suas próprias soluções.

A tecnologia começa aumentando eficiência.

A transformação acontece quando ela altera a arquitetura.

A pergunta não é apenas onde colocar IA dentro da empresa que já existe. A pergunta é que empresa, que área, que função e que modelo passam a ser possíveis quando algumas das restrições que organizaram o trabalho deixam de existir.

Quem não redesenhar será redesenhado

Esse movimento tem uma consequência importante para profissionais de praticamente todas as áreas.

Durante muito tempo, a capacidade de construir soluções digitais esteve concentrada em grupos relativamente especializados. Se uma área precisava de um sistema, uma automação, uma análise sofisticada ou uma nova interface, frequentemente precisava disputar orçamento, entrar em uma fila de tecnologia e traduzir sua necessidade para outra equipe.

Isso está mudando.

Com ferramentas de IA, pessoas que conhecem profundamente um problema passam a ter muito mais capacidade de pesquisar, analisar, programar, automatizar, prototipar e testar por conta própria ou com equipes muito menores.

Isso distribui agência.

Quem está perto do problema também passa a ter instrumentos para construir parte da solução.

E isso muda a expectativa sobre o profissional.

Não basta mais perguntar: Como executo melhor a minha função?

Passa a ser necessário perguntar: Como eu redesenharia a minha função se ela estivesse sendo criada hoje?

Qual parte do trabalho ainda precisa existir?

Qual parte pode desaparecer?

Qual decisão pode mudar de lugar?

O que eu consigo entregar agora que antes era inviável?

Qual nova proposta de valor se torna possível?

Essa é uma responsabilidade empreendedora.

Se você não desenvolver capacidade para transformar a própria área, existe uma boa chance de que alguém de fora o faça: uma startup, um concorrente, uma nova liderança, uma nova tecnologia ou uma reorganização definida por quem percebeu antes que as regras haviam mudado.

Quem não redesenhar será redesenhado.

Quando construir fica barato, decidir fica caro

Existe ainda um segundo efeito menos óbvio da inteligência artificial.

Quando fica mais barato produzir alternativas, surgem muito mais alternativas.

Se antes uma equipe conseguia testar duas possibilidades, agora talvez consiga testar vinte. Se antes um protótipo exigia meses, agora pode exigir dias. Se antes uma análise dependia de uma sequência de especialistas, parte dela pode ser produzida em minutos.

Isso parece reduzir o problema.

Mas cria outro.

Qual alternativa merece ser perseguida?

Qual hipótese vale testar?

Qual sinal é evidência e qual é ruído?

Onde devemos comprometer recursos?

Quando devemos insistir e quando devemos abandonar uma direção?

Qual decisão pode ser delegada a uma máquina e qual exige julgamento humano?

Quando produzir fica mais barato, o gargalo migra para decidir.

E decisões de transformação raramente acontecem em ambientes de certeza.

Não existe histórico suficiente para dizer exatamente qual será o novo modelo. Não existe planilha capaz de atribuir probabilidades confiáveis a todas as possibilidades. Muitas vezes precisamos agir justamente para produzir a informação que ainda não existe.

É nesse ponto que inovação, estratégia e empreendedorismo se aproximam.

Estratégia deixa de ser apenas escolher entre caminhos conhecidos. Passa também a ser construir caminhos que ainda não existem.

Experimentação deixa de ser apenas uma etapa depois do planejamento. Passa a fazer parte da própria formação da estratégia.

E a capacidade empreendedora deixa de ser uma competência exclusiva de quem pretende abrir uma startup.

Ela passa a ser uma competência de quem precisa transformar qualquer sistema sob incerteza.

A competência empreendedora do especialista

Existe um risco nesta discussão.

Se a inteligência artificial permite que qualquer pessoa produza textos, análises, imagens, códigos e protótipos em áreas que não domina, pode surgir a impressão de que profundidade deixou de importar.

Provavelmente acontece o contrário.

Quanto mais fácil fica produzir uma resposta plausível, mais importante fica saber reconhecer uma resposta boa.

Para avaliar um diagnóstico, é preciso entender o domínio. Para perceber um erro em um modelo financeiro, é preciso compreender finanças. Para julgar uma solução de engenharia, é preciso saber engenharia. Para saber se uma interpretação jurídica faz sentido, é preciso entender Direito.

IA aumenta nossa capacidade de produzir.

Ela não elimina a necessidade de critério.

Por isso, a organização do futuro não será formada apenas por generalistas capazes de iniciar projetos, mas que não dominam nada em profundidade.

E também não poderá depender apenas de especialistas excelentes em seus domínios, mas incapazes de questionar a forma como esses domínios funcionam.

Precisaremos de especialistas com capacidade empreendedora.

Gente que sabe alguma coisa suficientemente bem para perceber quando aquela prática precisa mudar.

Gente com profundidade para julgar e abertura para reconstruir.

Gente capaz de mobilizar conhecimento, pessoas, tecnologia e recursos para transformar a própria área.

Não basta ser faixa-preta em empreendedorismo e faixa-branca em tudo o mais.

Mas também não basta ser faixa-preta em uma profissão e permanecer preso à maneira como ela sempre foi exercida.

A nova competência é manter sua competência transformável.

Aprender não é a mesma coisa que desaprender

Quando falamos em educação, quase sempre pensamos em adicionar.

Mais conhecimento. Mais ferramentas. Mais frameworks. Mais cursos. Mais certificações.

Mas profissionais experientes não têm apenas lacunas a preencher. Eles também possuem modelos mentais, hábitos, rotinas, critérios de qualidade, relações de poder, linguagens profissionais e formas de interpretar problemas que foram construídas durante anos.

Isso é precisamente o que torna alguém experiente.

E também pode ser aquilo que torna a mudança mais difícil.

Gregory Bateson distinguiu diferentes níveis de aprendizagem. Em um nível, aprendemos respostas, técnicas e procedimentos dentro de uma determinada moldura. Em outro, aprendemos os padrões que nos permitem interpretar situações e construir nossa maneira de agir. Em níveis mais profundos, a própria moldura pode precisar ser questionada.

Essa distinção é muito útil para pensar uma carreira.

Aprender uma nova ferramenta é relativamente simples.

Mudar a forma como você define um bom trabalho é muito mais difícil.

Aprender um novo software pode levar semanas.

Reconhecer que uma atividade que sustentou sua identidade profissional durante vinte anos deixou de ser a principal fonte de valor pode levar muito mais tempo.

Desaprender não significa esquecer tudo o que você sabe.

Significa conseguir separar aquilo que continua sendo fundamento daquilo que era apenas resposta a uma restrição que deixou de existir.

Significa não confundir experiência com imutabilidade.

E reaprender não é voltar ao zero.

É recombinar uma base já construída diante de um novo contexto.

Essa capacidade sempre foi importante.

A diferença é que agora ela deixa de aparecer apenas em grandes transições de carreira ou revoluções tecnológicas espaçadas por décadas.

Ela começa a fazer parte da rotina profissional.

O ciclo passa a ser contínuo:

APRENDER → APLICAR → OBSERVAR → QUESTIONAR → DESAPRENDER → RECOMBINAR → REAPRENDER.

Talvez essa seja uma das competências mais importantes do trabalho contemporâneo.

Pessoas não se transformam sozinhas

Existe outra ilusão frequente sobre aprendizagem.

A de que uma pessoa se transforma apenas acumulando informação individualmente.

Boa parte do que aprendemos profissionalmente acontece nas relações.

Aprendemos observando alguém trabalhar. Recebendo feedback. Defendendo uma decisão diante de pares. Participando de um projeto. Sendo confrontados por alguém de outra área. Entrando em contato com um cliente diferente. Trabalhando ao lado de alguém que usa critérios que nós não usávamos.

Um bom ecossistema faz exatamente isso.

Ele amplia aquilo a que temos acesso.

Novos problemas.

Novas pessoas.

Novas tecnologias.

Novas perguntas.

Novos recursos.

Novos critérios.

Novas oportunidades de ação.

Por isso, networking é uma definição pobre para o papel das relações na aprendizagem.

Uma relação realmente transformadora não apenas aumenta o número de pessoas que você conhece.

Ela muda aquilo que você consegue perceber e aquilo que se torna possível fazer.

É também por isso que inovação aberta é relevante para além da relação entre startups e grandes empresas.

Estar aberto significa aceitar que conhecimento, recursos, oportunidades e soluções relevantes podem estar fora das fronteiras que normalmente usamos para organizar nosso trabalho.

Open é uma disposição para se expor ao diferente.

Startup é uma disposição para agir diante da incerteza.

As duas coisas juntas descrevem uma competência importante para um mundo em transformação contínua.

Então, qual é a sua capacidade de transformação?

No artigo anterior, propus uma pergunta para quem está começando:

Qual é a sua capacidade empreendedora hoje e o que você precisa treinar em seguida?

Para quem já construiu uma trajetória profissional, talvez a pergunta precise ser diferente.

O que você sabe fazer muito bem?

Quais partes dessa competência continuam fundamentais?

Quais práticas você repete porque ainda funcionam e quais repete apenas porque sempre funcionaram?

Que restrições desapareceram com a inteligência artificial?

O que poderia ser redesenhado na sua função, na sua área ou no seu negócio se você partisse das possibilidades atuais em vez das limitações históricas?

Quais decisões você ainda sabe tomar melhor do que a máquina?

Em quais decisões você está usando experiência como critério e em quais está usando experiência como desculpa para não experimentar?

Quais pessoas hoje têm permissão para questionar sua forma de pensar?

Em que ambiente você consegue dizer “não sei”, testar outra forma de trabalhar e receber feedback sem precisar proteger o tempo todo a identidade de especialista que construiu?

Talvez a competência mais importante não seja simplesmente aprender rápido.

Talvez seja manter-se capaz de reconstruir aquilo que aprendeu.

Por Bruno Rondani – Founder & CEO 100 Open Startups