Impacto da Inteligência Artificial no emprego: perceção dos indivíduos

Escola
de
Economia
e
Ges ão
João F ancisco da Cos a Ribei o
Impac o da In eligência A i icial no Emp ego:
Pe ceção dos Indi íduos
Impac o da In eligência A i icial no
Emp ego: Pe ceção dos Indi íduos
João F ancisco da
Cos a Ribei o
Uni e sidade
do
Minho
Escola
de
Economia
e
Ges ão
João F ancisco da Cos a Ribei o
Impac o da In eligência A i icial no Emp ego:
Pe ceção dos Indi íduos
Disse ação
de
Mes ado
Mes ado
em
Economia Indus ial e da Emp esa
T abalho
ealizado
sob
a
o ien ação
do
P o esso
Dou o João Ca los Ce ejei a Sil a
ou ub o
de
2024
i
DIREITOS
DE
AUTOR
E
CONDIÇÕES
DE
UTILIZAÇÃO
DO
TRABALHO
POR
TERCEIROS
Es e é um abalho académico que pode se u ilizado po e cei os desde que espei adas as eg as
e boas
p á icas in e nacionalmen e acei es, no que conce ne aos di ei os de au o e di ei os
conexos.
Assim,
o
p esen e
abalho
pode
se
u ilizado
nos
e mos
p e is os
na
licença
abaixo
indicada.
Caso o u ilizado necessi e de pe missão pa a pode aze um uso do abalho em condições não
p e is as
no licenciamen o indicado, de e á con ac a o au o , a a és do Reposi ó iUM da Uni e sidade
do Minho.
Licença
concedida
aos
u ilizado es
des e
abalho
A ibuição-NãoCome cial-SemDe i ações
CC BY-NC-ND
h ps://c ea i ecommons.o g/licenses/by-nc-nd/4.0/
AGRADECIMENTOS
Gos a ia de exp essa a minha p o unda g a idão a odos aqueles que desempenha am um papel impo an e
na ealização des a disse ação. Es e abalho ep esen a não apenas o meu es o ço, mas ambém a
colabo ação e apoio de mui os ao meu edo .
P imei amen e, ag adeço ao meu o ien ado , P o esso Dou o João Ca los Ce ejei a Sil a, pela sua en ega,
paciência e apoio ao longo des e p ocesso.
A odos os uni e si á ios, colegas e p o issionais que acei a am pa icipa no ques ioná io. Sem o osso
con ibu o es a in es igação não a ia sen ido.
Um ob igado ao meu p imo e P o esso Dou o Ca los Da id Magalhães Quei oz, que es e e p esen e
du an e odo es e p ocesso, e que semp e ac edi ou em mim.
À minha amília, cujo apoio é incondicional, e que du an e odo o meu pe íodo académico me incen i ou a
não desis i e a p ocu a se melho .
Te mino com um ag adecimen o à Uni e sidade do Minho, e em especial à Escola de Economia e Ges ão,
onde concluo ago a es e ciclo de es udos.

i
DECLARAÇÃO DE INTEGRIDADE
Decla o e a uado com in eg idade na elabo ação do p esen e abalho académico e con i mo que não
eco i à p á ica de plágio nem a qualque o ma de u ilização inde ida ou alsi icação de in o mações ou
esul ados em nenhuma das e apas conducen e à sua elabo ação.
Mais decla o que conheço e que espei ei o Código de Condu a É ica da Uni e sidade do Minho.
ii
RESUMO
Tí ulo:
Impac o da In eligência A i icial no Emp ego: Pe ceção dos Indi íduos
Resumo:
A p esen e disse ação analisa o impac o da in eligência a i icial no me cado de abalho,
com en oque na pe ceção desse impac o po pa e dos indi íduos. A pesquisa explo a como a
au omação e as ecnologias baseadas em IA es ão a ans o ma o me cado de abalho, a e ando a
c iação e des uição de pos os de abalho. Es e es udo emp ega uma abo dagem mul idisciplina ,
combinando mé odos quali a i os e quan i a i os pa a in es iga as pe ceções dos abalhado es, as
es a égias emp esa iais, as polí icas públicas e egulamen ações elacionadas à adoção da IA.
Pala as-Cha e:
In eligência A i icial; Impac o da IA no me cado de abalho; Au omação; É ica de
IA; Desemp ego Tecnológico
;
Pe ceção dos indi íduos
iii
ABSTRACT
Ti le:
Impac o A i icial In elligence on Employmen : Pe cep ion o Indi iduals
Abs ac :
This disse a ion analyzes he impac o a i icial in elligence on he labo ma ke , ocusing
on indi iduals' pe cep ions o his impac . The esea ch explo es how au oma ion and AI-based
echnologies a e ans o ming he labo ma ke , a ec ing job c ea ion and des uc ion. This s udy
employs a mul idisciplina y app oach, combining quali a i e and quan i a i e me hods o in es iga e
wo ke s' pe cep ions, business s a egies, public policies, and egula ions ela ed o AI adop ion.
Keywo ds:
A i icial In elligence; Impac o AI on he labo ma ke ; Au oma ion; AI E hics;
Technological Unemploymen ; Pe cep ion o Indi iduals
ix
Índice
CAPÍTULO I - INTRODUÇÃO
................................................................................................................................... 1
1.1.
M
OTIVAÇÃO
.................................................................................................................................................... 1
1.2.
O
BJETIVOS DA
D
ISSERTAÇÃO
.............................................................................................................................. 3
CAPÍTULO II – ESTADO DE ARTE
........................................................................................................................... 4
2.1.
I
NTRODUÇÃO À
I
NTELIGÊNCIA
A
RTIFICIAL
............................................................................................................ 4
2.1.1. De inição e Concei os Básicos da IA
..................................................................................................... 4
2.1.2. Desen ol imen o His ó ico da IA
......................................................................................................... 5
2.1.3. Aplicações A uais
.................................................................................................................................. 6
2.2.
A
UTOMAÇÃO E
T
RANSFORMAÇÃO
D
IGITAL
........................................................................................................... 8
2.2.1. Como a IA es á a Impulsiona a Au omação nos Di e en es Se o es.
................................................... 8
2.2.2. Impac o da In eligência A i icial nas O ganizações.
........................................................................... 9
2.3.
C
RIAÇÃO DE
N
OVOS
E
MPREGOS
....................................................................................................................... 10
2.3.1. Discussão sob e a c iação e subs i uição de emp egos elacionados à IA.
....................................... 10
2.3.2. Compe ências necessá ias pa a os emp egos do u u o.
.................................................................. 13
2.4.
I
MPACTO NA
E
CONOMIA
G
LOBAL
..................................................................................................................... 16
2.4.1. Mudanças na Es u u a Económica de ido à Adoção da IA.
............................................................. 16
2.5.
E
FEITOS NA
F
ORÇA DE
T
RABALHO
.................................................................................................................... 18
2.5.1. Desc ição dos Emp egos que es ão a se a e ados pela IA.
............................................................... 18
2.6.
D
ESAFIOS
S
OCIAIS E
E
CONÓMICOS
.................................................................................................................... 19
2.6.1. Desigualdade económica esul an e da IA.
....................................................................................... 19
2.6.2. Desa ios na adap ação da o ça de abalho.
..................................................................................... 20
2.7.
E
DUCAÇÃO E
R
EQUALIFICAÇÃO
P
ROFISSIONAL
................................................................................................... 21
2.7.1. Necessidade de Requali icação e A ualização de Compe ências
....................................................... 21
2.7.2. Papel da Educação na P epa ação pa a um Me cado de T abalho In eligen e.
................................ 21
2.8.
R
EGULAMENTAÇÃO E
É
TICA
............................................................................................................................ 24
2.8.1. Discussão sob e polí icas egula ó ias pa a lida com o impac o da IA.
.......................................... 24
2.8.2. Conside ações é icas na implemen ação da au omação.
.................................................................. 25
CAPÍTULO III – METODOLOGIA
........................................................................................................................... 26
CAPÍTULO IV – ANÁLISE E DISCUSSÃO DE RESULTADOS
.................................................................................. 29
4.1.
A
NÁLISE DE
R
ESULTADOS
............................................................................................................................... 29
4.1.1. Dados do inqué i o
............................................................................................................................ 29
4.1.2. Pe ceção do Ambien e de T abalho A ual
......................................................................................... 34
4.1.3. Adap ação do T abalhado às Mudanças
.......................................................................................... 40
4.1.4. Conhecimen o e Pe ceção sob e In eligência A i icial
..................................................................... 42
4.1.5. P eocupações e Expec a i as em Relação à IA no T abalho
............................................................. 47
4.1.6. Pe spe i as sob e a Adoção e Regulamen ação da IA
....................................................................... 51
4.1.7. A i udes e Disposições Indi iduais em Relação à Mudança
.............................................................. 59
4.1.8. Expe iências P á icas e Conhecimen o sob e IA no T abalho
.......................................................... 62
4.2.
R
ESUMO DE
R
ESULTADOS
............................................................................................................................... 65
BIBLIOGRAFIA
..................................................................................................................................................... 69
IMAGENS
.............................................................................................................................................................. 74
QUESTIONÁRIO
................................................................................................................................................... 76
3
mais so is icada, po encialmen e sendo usada pa a desen ol e a aques cibe né icos mais a ançados.
(Ba bosa, A. C. M. 2023, June 4)
1.2. Obje i os da Disse ação
O obje i o desse ema é analisa
as pe ceções dos e ei os da IA no emp ego
em Po ugal
nos
di e en es se o es, como a indús ia, a saúde, a educação e os se iços inancei os. Também p ocu a
explo a as ca ac e ís icas e compe ências que se ão alo izadas no me cado de abalho do u u o,
bem como as possí eis soluções pa a mi iga os e ei os nega i os da IA sob e o emp ego.

4
CAPÍTULO II – ESTADO DE ARTE
2.1. In odução à In eligência A i icial
2.1.1. De inição e Concei os Básicos da IA
Como uma o ma in odu ó ia de e emos p imei amen e en ende quais os concei os básicos e o
que e e i amen e é uma In eligência A i icial.
De uma o ma simplis a, a
IA é um campo da ciência
que es uda, desen ol e e aplica máquinas e
sis emas que
simulam a in eligência humana.
Po ou as pala as, são máquinas que podem
execu a a e as semelhan es às Humanas. Des a o ma, com o seu p ocessamen o lógico, são
capazes
de ealiza a i idades que eque em aciocínio,
ap endizagem, pe ceção e c ia i idade
,
(Gonzalez, D. 2022, Ma ch 22).
A IA oi en ão c iada com o p opósi o de capaci a as máquinas a pe cebe o seu ambien e,
“ aciocina ” sob e ele e consegui agi em con o midade com obje i os especí icos. Pa a que isso possa
se a ingido, a IA
u iliza uma combinação de algo i mos, écnicas de ap endizagem e de análise
de dados de o ma a consegui simula a in eligência humana.
A mesma pode en ão se
classi icada de aco do com o seu ní el de capacidade, aplicação e uncionalidade, eque endo en ão
conhecimen o de alguns concei os básicos ais como:
Machine Lea ning (ML)
ou Ap endizagem de
Máquina e
Deep Lea ning (DL)
.
(Gonzalez, D. 2022, Ma ch 22)
Figu a
1
: Subcampos elacionados com IA
Imagem adap ada de (Gonzalez, D. 2022, Ma ch 22)
5
2.1.2. Desen ol imen o His ó ico da IA
A His ó ia da In eligência A i icial é uma his ó ia de desa ios, conquis as, a anços e e ocessos,
que ainda es á a se esc i a, e que depende da nossa pa icipação e colabo ação pa a que, de ce a
o ma, se o ne numa his ó ia de bené ica e não p ejudicial pa a a humanidade.
A
in eligência a i icial (IA) é uma á ea da ciência da compu ação que p ocu a c ia
máquinas capazes de simula a in eligência e aciocínio humano
(
Tu ing, A. M. 2007). A ideia de
c ia máquinas in eligen es emon a à an iguidade, com mi os, his ó ias e umo es de se es a i iciais
do ados de in eligência ou consciência pelos seus ab ican es. Foi, en ão, apenas no século XX que os
p imei os passos o am dados pa a ans o ma essa ideia em ealidade.
Em 1950, os ma emá icos Alan Tu ing e Claude Shannon p ocu a am, com base na lógica
desen ol e um algo i mo e p og ama que pudesse execu a a e as complexa. Alan Tu ing p opôs o
concei o de uma
“máquina uni e sal”
capaz de ealiza qualque cálculo desc i o po um algo i mo.
Ele ambém o mulou o amoso “Tes e de Tu ing”, que consis e em a alia se uma máquina pode se
aze passa po um humano em uma con e sação. Du an e a Segunda Gue a Mundial, Tu ing e
ou os cien is as abalha am em p oje os de c ip og a ia e desen ol e am máquinas como a
Colossus
,
que ajuda am a deci a códigos inimigos. (Tu ing, A. M. 2007). Po ou o lado, Claude Shannon, ocou-
se na capacidade de ap endizagem e omada de decisão a a és do seu amoso a o
Teseu
e da sua
maio c iação, o p og ama de xad ez, sendo es e úl imo um dos p imei os exemplos de IA exis en es.
Apesa desses desen ol imen os passados na á ea, oi apenas em 1956, du an e uma con e ência
na Uni e sidade de Da mou h que John McCa hy cunhou o e mo “In eligência A i icial”. A
con e ência euniu á ios in es igado es de enome na época, onde o am discu idos á ios obje i os,
mé odos e desa ios que a IA pode ia i a aze na sociedade, al como a possibilidade de c iação de
máquinas capazes de in e agi com o meio ambien e, aciocina e esol e p oblemas. McCa hy oi
ambém o pionei o no desen ol imen o da p imei a linguagem de p og amação da IA denominada de
LISP, em 1960 (Rocha, L. 2023, Augus 7).
A pa i da década de 1980, su gi am no as abo dagens pa a a IA, baseadas em écnicas de
ap endizagem de máquina, de ido p incipalmen e pelo aumen o da capacidade de p ocessamen o e
a mazenamen o dos compu ado es pe mi indo assim, que as máquinas ap endam com dados e
6
expe iências, sem a necessidade de p og amação explíci a, al e ando o seu pa adigma. Essas écnicas
incluem edes neu ais a i iciais (Apêndice –
Deep Lea ning
) e algo i mos gené icos, en e ou as.
Essas abo dagens possibili a am o desen ol imen o de sis emas mais obus os, lexí eis e e sá eis,
capazes de lida com p oblemas mais complexos e dinâmicos. (Kuma , A. 2019, Oc obe 30).
A ualmen e, a e olução da IA con inua em o ma de cons an e e olução, p esen e no nosso
quo idiano em assis en es i uais como
Alexa, Si i, Google Assis an
, ou en ão em pla a o mas
con e sacionais ais como o
Cha GPT
e
Copilo
. Além desses, exis e mui os ou os exemplos u ilizados
em á eas especi icas como analisa emos pos e io men e. Essas endências ep esen am an o
opo unidades quan o iscos pa a a humanidade, e de em se acompanhadas com cau ela e
esponsabilidade.
2.1.3. Aplicações A uais
No cená io a ual, somos es emunhas de uma e olução silenciosa que ede ine a manei a como
i emos nossas idas diá ias. Hoje, a IA anscende o domínio da icção cien í ica, in il ando-se de manei a
su il e pode osa em di e sos aspe os do nosso co idiano, como pode emos isualiza a segui .
Os assis en es i uais ais como,
Si i, Co ana, Alexa e Google Assis an
. são dos exemplos mais comuns
e de maio acilidade de iden i icação da IA no nosso quo idiano. A écnica u ilizada nesse âmbi o pe mi e
que exis a uma oca de in o mação e ações en e o u ilizado e o sis ema a i icial. O u ilizado ao solici a
uma de e minada in o mação ou ação az com que o algo i mo pe co a de uma o ma ápida e exaus i a o
as o his ó ico e comp ima oda a in o mação de modo a en ega o melho esul ado possí el (Seab a, B.
2023, Augus 6).
Podemos isualiza ou o exemplo de in eligência i ual na indicação de p odu os em
e-comme ce
.
Quan as e quan as ezes nos ques ionamos de como é que o apa elho sabe semp e o que p e endemos, que
seja em ilmes e sé ies – exemplo
Ne lix
, p odu os – exemplo
Amazon
, músicas – exemplo
Spo i y
. Es a
indicação de e-se ao uso da IA no mo o de busca das p óp ias aplicações ou a é mesmo da in e ne ,
pe mi indo que a
IA iden i ique de e minados pad ões e possí eis in e esses,
indicando com base
nesses dados ecolhidos con eúdos semelhan es (Ca alho, G. 2022, May 15).
Ainda numa ó ica de mo o de busca emos o exemplo da
Google
, um dos p incipais exemplos do uso
7
na IA nesse segmen o. O mo o de busca da
Google
, encon a-se cada ez mais e oluído p ocessando a
linguagem na u al, econhecendo sinónimos, semelhança en e sons da le a e assun os elacionados com
o pedido do u ilizado as eando oda a
web
e o necendo os melho es esul ados possí eis da pesquisa.
Es a pesquisa com a e olução em indo a se ap imo ada, pe mi indo que o algo i mo consiga iden i ica
o p e endido sem a necessidade de u ilizado usa uma linguagem de alhada e complexa (Tableau n.d.).
Além dos in ini os exemplos ais como pla a o mas de
s eaming
, econhecimen o acial, eclados
in eligen es e aplica i os de o as, gos a ia de ala de um caso especí ico como o dos
e-mails
. A IA é u ilizada
de modo a as ea e iden i ica mensagens p ejudiciais e mesmo um ele ado núme o de mensagem
indesejá eis a que chamamos de
spam
, (Pa e o. 2023b, Decembe 22).
À medida que a IA se in eg a ao nosso quo idiano, seu impac o é inegá el. Con udo, é c ucial explo a
e comp eende os desa ios é icos e sociais que su gem jun o com essas ino ações. Nesse con ex o, é
impe a i o e le i sob e como podemos canaliza os bene ícios da IA pa a c ia um u u o mais inclusi o,
é ico e equi a i o. A e olução da in eligência a i icial é, sem dú ida, um capí ulo emocionan e da his ó ia
da humanidade, moldando o p esen e e a e olui pa a um u u o eple o de p omessas e desa ios.
8
2.2. Au omação e T ans o mação Digi al
2.2.1. Como a IA es á a Impulsiona a Au omação nos Di e en es Se o es.
A in eligência a i icial (IA), como imos nos ópicos an e io es, é uma
ecnologia que pe mi e que
as máquinas ealizem a e as que no malmen e eque em in eligência humana.
Des a o ma, a IA es á
a impulsiona a au omação nos di e en es se o es
, pois pode aumen a a e iciência, a qualidade, a
segu ança e a ino ação do abalho.
De aco do com Reis, T. (2023, July 27), a IA, em 2020, a IA no se o inancei o inha um alo de
me cado de 7,91 mil milhões de dóla es no mundo e, de aco do com a
Mo do In elligence
, espe a-se que
esse alo a inja 26,67 mil milhões de dóla es, no mundo, a é 2026, com um c escimen o anual compos o
(CAGR) de 23,17%. Com base nes e es udo, podemos e i ica uma
apos a na au omação em di e sos
se o es ais como saúde; indús ia ans o mado a, e alho, e me cado inancei o.
Den o do
se o da saúde
o uso da IA es á a se signi icamen e bené ico nas
análises de diagnós icos
uma ez que a capacidade de analisa g andes olumes de dados, pe mi e iden i ica pad ões e
endenciais não isí eis pelo Homem,
pe mi indo desen ol e planos de saúde mais acilmen e e
e icazmen e. Po um ou o lado, na
indús ia ans o mado a
, a IA em indo a
moni o iza o p ocesso
de p odução em empo eal,
o necendo esul ados aliosos de modo que apidamen e o se humano se
possa ajus a e oma decisões mais asse i as o imizando o desempenho, qualidade e p odução dos
mesmos.
Já no
se o de e alho
, a IA em sido impulsionado pela
pe sonalização da expe iência do clien e,
melho ando a o imização e e iciência ope acional e ges ão de s ock.
Ao analisa o compo amen o do clien e, a IA consegue o e ece ecomendações semelhan es aos
p odu os pesquisados aumen ando, des a o ma, a sa is ação do clien e e aumen ado a possibilidade de
comp a de p odu os semelhan es ou complemen a es. A IA é ambém u ilizada pa a en ende as endências
a uais de me cado como base de his ó ico, o necendo dados posi i os pa a que os al os ges o es
di ecionem as endas da emp esa pa a o me cado a ual, al como pa a edução de cus os. Es a o ma de
análise an o melho a a e iciência ope acional como a compe i i idade no me cado.
Po úl imo, no
me cado inancei o
, a IA es á a
melho a a p ecisão das p e isões, au oma iza

9
a e as o inei as e o nece um a endimen o ao clien e mais pe sonalizado,
consequen emen e es as
ino ações es ão a ajuda as emp esas a ope a de o ma mais e icien e e segu a, enquan o p opo cionam
um melho se iço aos seus clien es.
2.2.2. Impac o da In eligência A i icial nas O ganizações.
De aco do com o es udo e e uado po Elias, S. I. (2023) é possí el a i ma que a IA ealmen e em um
impac o no compo amen o o ganizacional das en idades, mas po mui o que en e e que o neça alo es
o ien ados a dados e obje i os não consegue subs i ui a in uição c i ica do se humano. O au o menciona
ainda que
“É mui o impo an e ga an i que os algo i mos de IA sejam einados em conjun os de
dados di e sos e impa ciais pa a e i a qualque dano ou injus iça.”
, Elias, S. I. (2023) [página 39].
As
o ganizações de em, po es a lógica es abelece di e izes é icas cla as e obje i os de como
a IA de e ou não se u ilizada
de modo que a sua u ilização seja di ecionada com a missão/ isão pa a que
oi desen ol ida.
A IA es á a muda mundialmen e a o ma como as o ganizações abalham e analisam o me cado
azendo mui os
pon os posi i os
ais como os mencionados an e io men e:
subs i uição de a e as
o inei as po a e as mais c í icas e c ia i as, acilidade de análise de g andes olumes de dados e
decisões mais asse i as pa a o uncionamen o o ganizacional,
e c. Po ou o lado, es as podem
ambém aze á ios
pon os nega i os
ais como o
meno comp ome imen o com o abalho, cinismo
e o a i idade
(Gab iel, 2022).
Con o me analisado po Gia delli, Gil. (2022)., o impac o da IA depende á unicamen e da o ma como
es á es i e con igu ada pa a a ua . Caso seja p og amado pa a uma
posição de che ia,
che iando e
o ien ando os abalhado es, ela
eduzi á a mão de ob a, o uso de compe ências e a qualidade do
emp ego, al como a p og essão de ca ei a e o c escimen o sala ial.
Po ou o lado, caso seja
implemen ada pa a libe a os abalhado es
pa a a e as mais c ia i as ou da supo e aos
abalhado es, acaba po
p omo e o emp ego, o c escimen o sala ial e o de ní el de compe ências.
Assim sendo, de âmbi o gene alizado os colabo ado es com maio conhecimen o ecnológico e
quali icados enham uma maio acilidade a se adap a em a es e no o pa adigma a e ando a demanda dos
abalhado es p esen es nas o ganizações
10
2.3. C iação de No os Emp egos
2.3.1. Discussão sob e a c iação e subs i uição de emp egos elacionados à IA.
Segundo um es udo da McKinsey & Company. (2017, No embe 28) ealizado de aco do com o
con ex o mundial,
a é 2030, pode se au oma izado en e 0% e 30% das ho as abalhadas,
is o
dependendo da elocidade de adoção da IA no se o . O au o e i icou ambém que
ce ca de 50% das
a i idades a ualmen e pagas são ecnicamen e au oma izá eis,
sendo apenas um pequeno pe cen ual
,
menos de 5%, a i idades o almen e au oma izadas.
De aco do com o es udo e e uado, caso a adoção da in eligência a i icial seja ado ada de o ma
mode ada, ac edi a-se que
em 2030 ce ca de 15% dos abalhado es e ão os abalhados
subs i uídos ou au oma izados pela IA,
o que signi ica ce ca de 400 milhões de pessoas. Ac edi a-se
ambém que, em média,
3% dos abalhado es,
co esponden e a ce ca de 75 milhoes de pessoas
,
possi elmen e e ão de se ajus a no cená io global.
Figu a 2.
11
Não são só as pessoas que p ecisam de se ajus a ao no o pa adigma de me cado. Quando ocamos no
ema de que se ha e á pos os de abalho su icien es pa a a população, em à ona uma insegu ança
in undada com o his ó ico - os me cados de abalhos ambém se ajus am às mudanças de mão de ob a
deco en es.
Como podemos e i ica na Figu a 3, as a i idades p edominan es em 1850 não são as mesmas que
em 2015, o que nos le a a e , his o icamen e, que a p ocu a de mão de ob a em 2050 pode á se ocupada
po uma pe cen agem signi ica i a de a i idades inexis en es a é á da a.
Figu a
2
: Po encial
i
mpac o da
a
doção da IA no
e
mp ego
Imagem adap ada de: McKinsey & Company. (2017, No embe 28)
12
Po ou o lado, de aco do com a publicação de Almeida, G. (2024, Ma ch 15) na e is a Visão, “A
es ima i a do e ei o líquido que a IA deixa á no emp ego do país se á ligei amen e nega i a, le ando a uma
pe da po encial de ce ca de 80,3 mil emp egos nos p óximos dez ano a maio ia dos pos os de abalho em
Po ugal”.
Ce ca de 3,7 mil milhões não sen i ão qualque impac o di e o com a implemen ação da
IA,
exis e ainda a c iação de ce ca de 400 mil pos os de abalhos, e in e samen e, ce ca de 480 mil pos os
de abalho au oma izados, Figu a 4.
Figu a
3
: % do To al de
p
os os de
abalho po
s
e o nos EUA
Imagem adap ada de: McKinsey & Company. (2017, No embe 28)
19
2.6. Desa ios Sociais e Económicos
2.6.1. Desigualdade económica esul an e da IA.
A IA é uma e amen a pode osa, mas o seu impac o na economia de e se ge ido com cau ela. Embo a
a IA enha o po encial de melho a a p odu i idade e a e iciência, pode ambém aumen a as desigualdades
económicas. No en an o, o seu impac o na economia global e na dis ibuição desigual dos bene ícios ge ados
são ques ões c uciais. É essencial, conside a es a égias e polí icas que p omo am a educação, o acesso
iguali á io à ecnologia e a edis ibuição jus a dos bene ícios da IA que são essenciais pa a mi iga a
desigualdade económica esul an e dessa e olução ecnológica.
De aco do com os es udos ei os po Yingying Lu (2023), á ios economis as, apesa de opiniões
di e en es, odos eles con e gem num consenso de que a
desigualdade i á aumen a
como consequência
da in eligência a i icial na edis ibuição de endimen o e p odu i idade. O pa adigma do abalho es á a
se ans o mado pa a um pa adigma de capi al onde, o endimen o des inado ao abalho pouco
quali icado es á a diminui , o que consequen emen e en aquece as ins i uições abalhis as.
Com o pa adigma de capi al, po sua ez, o
Es ado ambém ica en aquecido
sendo que deixa de e
uma con ibuição ibu á ia su icien e pa a que enha a capacidade de edis ibui pa a a equidade da
população.
A ní el de emp ego, de aco do com uma análise e e uada pelo Fundo Mone á io In e nacional (FMI),
suge e que ce ca de 40% dos emp egos pode ão se a e ados pela IA, com um impac o po encialmen e
maio em economias a ançadas, onde a é 60% dos emp egos pode iam se in luenciados po es a
ecnologia. Es e a anço ecnológico pode esul a em aumen o da p odu i idade pa a alguns abalhado es,
mas ambém na subs i uição de a e as a ualmen e ealizadas po humanos, o que pode ia diminui a
p ocu a po mão-de-ob a, a e a salá ios e a é mesmo e adica emp egos.
A desigualdade económica no emp ego acaba, des a o ma, po bene icia desp opo cionalmen e
abalhado es de endimen os mais ele ados e pessoas mais jo ens, enquan o abalhado es de
endimen os mais baixos e mais elhos podem i a ica pa a ás. Ainda de aco do com a análise e e uada
pelo FMI, a dispa idade sala ial en e abalhado es em indús ias impulsionadas pela IA e aqueles
deslocados pela au omação es á a aumen a apidamen e, com es udos a p e e que a IA pode á elimina
a é 375 milhões de emp egos globalmen e a é 2030.

20
Além disso, a implemen ação da IA em países de baixo endimen o é p oje ado pa a a e a apenas
26% dos emp egos, o que le an a p eocupações sob e o ag a amen o da
desigualdade en e nações,
uma
ez que mui os des es países não possuem a in aes u u a ou o ça de abalho quali icada pa a ap o ei a
os bene ícios da IA. Es a si uação coloca em e idência a necessidade de polí icas inclusi as que possam
mi iga os e ei os nega i os da IA no emp ego e na dis ibuição de endimen o.
É c ucial que
os países es abeleçam edes de segu ança social
ab angen es e o e eçam p og amas
de equali icação pa a abalhado es ulne á eis, de modo a o na a ansição pa a a IA mais inclusi a e
p o ege os meios de subsis ência. A
egulamen ação da IA
ambém es á a ganha e eno, com a União
Eu opeia alcançando um aco do p o isó io sob e as p imei as leis ab angen es do mundo pa a egula o
uso da IA, e a China in oduzindo algumas das p imei as egulamen ações nacionais sob e IA, que incluem
eg as sob e como os algo i mos podem se desen ol idos e implan ados.
A
colabo ação en e go e nos,
indús ia e comunidades acadêmicas é essencial pa a ga an i que
os bene ícios da IA sejam
dis ibuídos de o ma jus a
e que as consequências nega i as sejam a enuadas,
p omo endo uma sociedade mais equi a i a e sus en á el.
2.6.2. Desa ios na adap ação da o ça de abalho.
A adap ação da o ça de abalho aos no os desa ios impos os pelo me cado global e ecnologicamen e
a ançado é um ema de c escen e ele ância no campo das ciências sociais e económicas. É impo an e
en ende os p incipais obs áculos en en ados pelas o ganizações e abalhado es na ansição pa a no as
o mas de abalho, impulsionadas po ino ações ecnológicas, mudanças demog á icas e dinâmicas
económicas globais.
Nes e âmbi o, de aco do com a publicação de People, U. (2024, July 24), de emos ado a medidas
es a égicas pa a que a nossa o ça de abalho seja co e amen e impulsionada pela IA. O papel a se
ado ado, não de e á apenas i de medidas go e namen ais e das o ganizações, mas ambém de nós como
indi íduos.
21
2.7. Educação e Requali icação P o issional
2.7.1. Necessidade de Requali icação e A ualização de Compe ências
A necessidade de equali icação e a ualização de compe ências o nou-se um ema cen al no con ex o
p o issional a ual, impulsionado pela ápida e olução ecnológica e pelas mudanças cons an es no me cado
de abalho. A au omação, a digi alização e a implemen ação da in eligência a i icial es ão a ans o ma a
na u eza das unções labo ais,
exigindo que os abalhado es adqui am no as compe ências pa a se
man e em ele an es e compe i i os.
A equali icação, ou
eskilling
é essencial não apenas pa a a emp egabilidade indi idual, mas ambém
pa a a esiliência das emp esas, que p ecisam de uma o ça de abalho lexí el e capaz de esponde às
no as demandas do me cado (Musa, B. 2023).
Pa a o indi iduo é ex emamen e impo an e, nos dias a uais, con inua a in es i numa educação
cons an e po á ios mo i os
: (1) E olução Tecnológica
, com o mundo em cons an e e olução o indi iduo
de e se man e a ual às endências do me cado de o ma a que o seu alo o ganizacional não seja a e ada
man endo ou aumen ando a sua p odu i idade e esponde de o ma e icaz às necessidades impos as;
(2)
Mudanças no Me cado de T abalho
, apidamen e, hoje em dia, o me cado de abalho é al e ado exis indo
no os emp egos e os an igos se o nando obsole os, des e modo é impo an e que a pessoa se man enha
a i a às endências globais e como o me cado eage;
(3) Compe i i idade P o issional
, os p o issionais
que apos am numa educação cons an e em mais endências em se des aca nes e me cado ão compe i i o
podendo des a o ma e abe u a pa a no as opo unidades de ca ei a;
(4) Segu ança no T abalho,
e
as compe ências a ualizadas pode se um di e enciação impo an e podendo se e le i numa segu ança e
es abilidade emp esa ial;
(5) Sa is ação Pessoal e P o issional,
uma men e a i a e pode ab i po as pa a
no os desa ios e opo unidades, con ibuindo pa a um maio senso de ealização.
(6) Ino ação e
C escimen o O ganizacional,
p o issionais com um amplo conhecimen o e quali icações são essenciais
pa a a ino ação den o das emp esas podendo le a ao c escimen o o ganizacional.
A equali icação dos abalhado es é, des a o ma, c ucial pa a minimiza as desigualdades e ga an i
que odos enham acesso a opo unidades no no o cená io do me cado de abalho.
2.7.2. Papel da Educação na P epa ação pa a um Me cado de T abalho In eligen e.
A
elação en e educação e me cado de abalho é i al an o pa a o desen ol imen o pessoal
22
quan o pa a o p og esso da sociedade.
A educação em um
papel c ucial na p epa ação dos u u os
abalhado es
de modo a en en a os desa ios e ap o ei a as opo unidades do mundo p o issional,
p epa ando-os com as compe ências e conhecimen os necessá ios pa a se des aca em nas suas ca ei as.
Além disso, a educação é c ucial na o mação do ca á e e na cons ução de alo es é icos nos es udan es.
Valo es como esponsabilidade, in eg idade, espei o e é ica p o issional são essenciais pa a que os
indi íduos enham sucesso em suas ca ei as e con ibuam posi i amen e pa a a sociedade.
A educação ambém em um impac o económico e social ele an e num país uma ez que,
com os
ins umen os e a o ien ação co e a o necida,
o aumen o da p odu i idade dos abalhado es
o na-se e iden e,
acili ando a c iação e abso ção de no as ecnologias e con ibui pa a o c escimen o
económico.
Os polí icos a ní el eu opeu econhece am que a educação e a o mação são essenciais pa a o
desen ol imen o da lexibilidade e segu ança no me cado de abalho (C e u Alina S e ania, 2010). Todos
os cidadãos p ecisam de
adqui i compe ências-cha e,
e odos os ní eis de educação e o mação de em
se o nados mais a a i os e e icien es (Sapi And e e al, 2009). Des a o ma, é impo an e apos a no
desen ol imen o no ensino de aco do com o desen ol imen o emp esa ial p omo endo a equidade.
Como podemos e i ica na Figu a 10, on e Edus a o sis ema educacional
não em acompanhado o
desen ol imen o ecnológico
e o desen ol imen o do me cado de abalho sendo que o es ado cada ez
menos em in es ido na mesma. Apesa do aumen o g adual no alo absolu o dos gas os em educação, a
pe cen agem do PIB des inada a es e se o diminuiu de 4,2% em 2013 pa a 3,5% em 2019, a ingindo o alo
mais baixo das úl imas duas décadas. Em 2020, de ido à pandemia e às medidas ex ao diná ias ado adas,
hou e um ligei o aumen o pa a 3,9%.
Pa a que o me cado se o ne mais desen ol ido e as pessoas consigam es a melho p epa adas pa a
o u u o que se a izinha é necessá io que exis a polí icas a i as e medidas pa a que a educação consiga
o nece essas compe ências, uma ez que é a esponsabilidade do mesmo.
23
Figu a 10: Despesas do Es ado em Pe cen agem do PIB
24
2.8. Regulamen ação e É ica
2.8.1. Discussão sob e polí icas egula ó ias pa a lida com o impac o da IA.
Como podemos e i ica nos ópicos an e io es, a ápida e olução da In eligência A i icial (IA) em
ge ado um impac o signi ica i o em di e sas á eas da sociedade. No en an o, essa ans o mação
ecnológica ambém
le an a impo an es ques ões é icas, legais e sociais,
o nando-se necessá io
polí icas egula ó ias obus as de modo a ga an i que o desen ol imen o e a implemen ação da IA de uma
manei a esponsá el e bené ica pa a odos.
As polí icas egula ó ias p ocu am abo da uma sé ie de desa ios como a
p o eção da p i acidade,
a p e enção de disc iminação, a ga an ia de anspa ência e a esponsabilização dos
desen ol edo es e u ilizado es de sis emas de IA.
Essas polí icas de em ambém, equilib a a p omoção
da ino ação ecnológica com a p o eção dos di ei os humanos e a p omoção do bem-es a social.
De aco do com Sichman, J. S. (2021) e de modo a e i a consequências nega i as de IA é c ucial que
seja discu ida medidas como
a “p odução, u ilização e egulação”.
O au o ainda e e e que se á
complicado
aplica as no mas como esponsabilidade é ica nos sis emas de IA
c iados
“Assim, um g ande desa io é
inco po a ais no mas e alo es em sis emas de IA”.
Pa a que as egulamen ações sejam aplicadas co e amen e é necessá io en ende quais
os iscos
associados á implemen ação do sis ema de IA
, classi icando o
ní el de isco associado
a cada
implemen ação “Do pon o de is a de egulamen ação do desen ol imen o e uso das TIL, é p eciso en ende
quais os iscos da implan ação de ais sis emas na sociedade”, Souza, M. (2022). É impo an e que o sis ema
seja anspa en e e que as decisões es ão cla as e disponí eis às en idades que as con olam.
A Comissão Eu opeia, em ab il de 2021, p opôs o p imei o quad o egulamen a da UE pa a a IA.
Essa egulamen ação consis e em que os sis emas de IA podem se u ilizados em di e en es se o es desde
que sejam analisados e classi icados de aco do com o isco que ep esen am pa a os u ilizado es. Essa
classi icação consis e em ês ní eis:
(1) Risco Inacei á el
, es e isco é conside ado uma ameaça pa a as
pessoas e são p oibidos a sua implemen ação – exemplo classi icação de es a u o consoan e o
compo amen o;
(2) Risco Ele ado,
consis e em sis emas que a e em di e amen e ou indi e amen e a
segu ança ou os di ei os undamen ais – nes a classi icação, os sis emas se ão analisados an es da colocação
e e i a no me cado;
(3) Risco Mínimo,
consis e em sis emas que não em impac o social e é ico ele an e.

25
Pa lamen o Eu opeu (2024)
2.8.2. Conside ações é icas na implemen ação da au omação.
A p ese ação do emp ego, p o eção da p i acidade, anspa ência nos p ocessos decisó ios, e
mi igação de p econcei os algo í micos e a esponsabilização das en idades que desen ol em e u ilizam
ecnologias com base em IA, le an a uma sé ie de c í icas e ques ões é icas ao seu edo . Além disso, a
au omação le an a ques ões sob e o consen imen o in o mado e a necessidade de ga an i que os dados
pessoais sejam u ilizados de o ma é ica e segu a.
Des e modo, é impo an e c ia um ambien e onde a IA e a au omação possam se implemen adas de
o ma é ica e esponsá el, ga an indo o bem-es a de odos os en ol idos.
O es udo ealizado po Nayak, S. (2024, Augus 28) concluiu que apesa de na a ualidade a
egulamen ação é ica não es a comple amen e de inida, com o passa do empo as egulamen ações ão se
cen aliza ga an indo que a ecnologia si a de o ma egulada a humanidade “À medida que a IA con inua
a e olui , o p og esso esponsá el i á de um espí i o é ico cen al que ga an e que a ecnologia si a a
humanidade pa a um bem maio .”
Den o das p eocupações é icas p incipais encon a-se a p i acidade e a segu ança de dados uma ez
que, os sis emas de IA eque em uma g ande quan idade de dados pa a unciona em e icazmen e podendo
a e a a segu ança dos indi íduos. É necessá io des a o ma, con ola a uga e o acesso de e cei os de
dados sensí eis de modo a p o ege os di ei os dos indi íduos. Po ou o lado, emos o p econcei o e a
injus iça uma ez que os modelos de IA são impa ciais quando se a a na análise dos dados dos quais são
einados sendo que, em casos de u ilização como e amen a de ec u amen o, pode p ejudica , po
exemplo, um ce o g upo e á io ou e nia. Des e modo, é impo an e que as o ganizações p ocu em
a i amen e e adica esse mesmo p econcei o nos dados e o nece dados pa a o sis ema de modo que a
equidade e a jus iça p e aleçam.
Po úl imo, à medida que o empo ai a ançando, os sis emas o nam-se cada ez mais complexos
exis indo uma maio necessidade de con olo e anspa ência nas decisões omadas. Pa a isso acon eça, os
indi íduos en ol idos, que sejam en idades, clien es, o necedo es, e c. e ão de en ende a o ma como o
sis ema ope a e o mo i o po de ás da decisão omada.
26
Capí ulo III – Me odologia
O p ocesso de in es igação e e início com a elabo ação ab angen e de uma
e isão de li e a u a.
O
obje i o p incipal da e isão ealizada oi iden i ica e analisa es udos e e uados an e io men e al como,
eo ias, modelos e causas em que a in eligência a i icial em impac ado ou possa i a impac a no me cado
de abalho. Como obje i o secundá io, a e isão aduziu-se num conhecimen o ac escido gene alizado
sob e como a IA unciona e quais os p ocedimen os necessá ios pa a que se desen ol a. Des a o ma, a
e isão de li e a u a pe mi iu-me comp eende o es ado a ual do impac o ap esen ado pela IA, iden i ica
lacunas no conhecimen o e es abelece uma base eó ica sólida pa a o desen ol imen o do p oje o.
Do pon o de is a da me odologia de in es igação, conside ou-se ap op iado ado a o
ins umen o
de ques ioná io
em elação ao ema p opos o des inado especi icamen e pa a ob e in o mações sob e as
pe ceções, conhecimen os e expe iências dos pa icipan es em elação ao impac o que a In eligência
A i icial possa i aze no me cado de abalho.
De aco do com Saunde s e al. (2019), o uso de ques ioná ios pe mi e a cole a sis emá ica de dados
quan i a i os e quali a i os, o que p opo ciona uma isão ab angen e sob e o ema em es udo. Nesse
con ex o, essa abo dagem o e ece uma base sólida pa a analisa o impac o da IA no emp ego.
No p esen e es udo ado ou-se uma
abo dagem indu i a
, ou seja, p ocu amos es abelece uma
e dade uni e sal ou uma e e ência ge al com base no conhecimen o de ce o núme o de dados singula es.
A escolha des a abo dagem pe mi e explo a e in e p e a enómenos complexos den o do domínio da
in es igação. Segundo Lincoln e Guba (1985), o p ocesso indu i o isa à comp eensão dos enómenos
in es igados de uma o ma subje i a, ge a i a e cons u i a, endo oco na in e p e ação dos signi icados
simbólicos dos dados, conside ando pe spe i as e con ex os múl iplos. Os dados são ob idos a a és de
pe gun as ca ego izadas sendo es as ei as à p io i de modo a conduzi o inque ido a sus en a a sua
espos a pa a a ingi uma comp eensão mais ap o undada de o ma a isa chega à eo ia.
De aco do com os obje i os do es udo, conside ou-se ele an e que a
es a égia de in es igação
pa isse de uma pesquisa bibliog á ica de na u eza quali a i a, pe mi indo a ob enção de dados quali a i os
p o undos, assim como desc e e e comp eende o enómeno em análise. De aco do com Chan-Olms ed
(2019), a me odologia quali a i a o e ece desc ições e explicações minuciosas e bem undamen adas sob e
o uso da IA em ambien es emp esa iais, iden i icando, analisando e ela ando pad ões e emas a pa i dos
27
dados cole ados.
Na e isão de li e a u a, pa a a iden i icação de a igos ele an es, o am u ilizados e mos de
pesquisa como:
a i icial in elligence in he labo ma ke ; a i icial in elligence and business aplica ions;
impac o a i icial in elligence in he labo ma ke
, en e ou os. Com base nos dados ecolhidos, oi e e uada
uma compilação e espe i a
análise de con eúdo,
in e p e ando os dados ob idos de modo a encon a
pad ões eme gen es ca ego izados.
No âmbi o da es a égia de in es igação, es e es udo em como inalidade analisa as
pe ceções dos
abalhado es
ace à subs i uição da mão de ob a das emp esas elacionadas ao
a anço e implemen ação
da IA no me cado de abalho.
Nes e con ex o os dados p imá ios o am ecolhidos a a és de um a igo
cien í ico esc i o po Kochha , R. (2023) e um a igo jo nalís ico esc i o po Rod iguez-Bus elo e . Al. (2020).
Es as pe mi i am ecolhe uma base sólida pe mi indo explo a as di e en es pe spe i as e expe iências
dos indi íduos en ol idos al como uma e e ência de como elabo ado a es u u a do ques ioná io.
Numa segunda ase a es a égia de in es igação op ou-se pela
adoção de um ques ioná io anónimo.
Es e mé odo oi escolhido pa a ga an i a con idencialidade das espos as e incen i a a pa icipação
hones a dos inqui idos, independen emen e de suas quali icações acadêmicas.
O ques ioná io oi elabo ado com pe gun as cla as e obje i as de modo a abo da emas ele an es ao
uso da in eligência a i icial no ambien e de abalho. A dis ibuição oi ei a an o em
o ma o digi al
quan o imp esso,
p ocu ando alcança um
público di e si icado,
incluindo aqueles com acesso limi ado
à ecnologia.
A es u u a do ques ioná io oi di idida em
se e e apas:
(1) Dados do Inque ido; (2) Pe ceção do
Ambien e de T abalho A ual; (3) Adap ação do T abalhado às Mudanças; (4) Conhecimen o e Pe ceção
sob e In eligência A i icial; (5) P eocupações e Expec a i as em Relação à IA no T abalho; (6) Pe spe i as
sob e a Adoção e Regulamen ação da IA; (7) A i udes e Disposições Indi iduais em Relação à Mudança; (8)
Expe iências P á icas e Conhecimen o sob e IA no T abalho.
1)
Dados do inqui ido:
Iden i ica co e amen e os pa icipan es e as in o mações ele an es
man endo o anonima o, con ibuindo com a adição de a iá eis ideias pa a as análises dos
ópicos seguin es;
28
2)
Pe ceção do Ambien e de T abalho A ual:
Iden i ica a complexidade das a e as e
decisões, bem como o g au de mono onia, con o o e ino ação nas unções diá ias;
3)
Adap ação do T abalhado às Mudanças:
A alia a lexibilidade do abalhado em se
ajus a às mudanças p o ocadas pela IA no ambien e de abalho;
4)
Conhecimen o e Pe ceção sob e In eligência A i icial:
Comp eende o conhecimen o do
indi íduo sob e IA, incluindo a sua c iação e impac o po encial no se o e na p odu i idade;
5)
P eocupações e Expec a i as em Relação à IA no T abalho:
Iden i ica p eocupações
sob e a subs i uição de emp egos pela IA e as an agens que ela pode aze ;
6)
Pe spe i as sob e a Adoção e Regulamen ação da IA:
En ende a impo ância de medidas
go e namen ais ou emp esa iais pa a egula a IA e a a iação de pos os de abalho;
7)
A i udes e Disposições Indi iduais em Relação à Mudança:
A alia as medidas
indi iduais que o abalhado oma á pa a se adap a às mudanças, como in es imen o
pessoal e equali icação.
8)
Expe iências P á icas e Conhecimen o sob e IA no T abalho:
Ve i ica se o abalhado
já i enciou mudanças no local de abalho de ido à IA e se em expe iência di e a com
sis emas de IA.
A ecolha de dados oi ealizada ao longo de um pe íodo de dois meses, en e dezemb o de 2023 e
janei o de 2024 , pe mi indo uma ampla pa icipação. As espos as o am analisadas u ilizando écnicas
es a ís icas pa a iden i ica pad ões e endências. Es e p ocesso pe mi iu uma comp eensão ap o undada
das pe ceções e expe iências dos abalhado es em elação à IA, o necendo insigh s aliosos pa a u u as
implemen ações e polí icas emp esa iais.
A me odologia ado ada ga an iu que os esul ados ossem ep esen a i os e ele an es, e le indo a
ealidade de um público-al o compos o po indi íduos com di e en es ní eis de escola idade e expe iências
p o issionais.
Depois de comple ado o ciclo de aplicação do ques ioná io, o passo seguin e oi a explo ação dos seus
esul ados. Começou-se po ex ai os dados da pla a o ma
Qual ics
, o passo seguin e oi abalha os dados
ecolhidos seguido pela análise do mesmo u ilizando uma análise es a ís ica e quali a i a; usando como
e amen a o
O ice – Excel.
35
De modo a en ende melho o g á ico an e io , na Figu a 18, izemos uma análise mos ando a elação
en e a complexidade das a e as e o ní el de escola idade, ( e Figu a 19). Nes a análise, conseguimos
pe cebe que endencialmen e
ní eis mais al os de escola idade es ão associados a a e as de maio
complexidade,
suge indo que a educação desempenha um papel c ucial na capacidade de lida com a e as
desa iado as.
No
ensino básico
a maio ia das a e as
(60%) são de complexidade mediana,
com nenhuma a e a
classi icada como mui o ele ada. Is o pode se jus i icado, pelo ac o de os inqui idos e em, ao longo do
empo, adqui ido compe ências p á icas que lhes pe mi am a execução de a e as de complexidade mediana
al como o ac o de não e em habili ações escola es su icien es de o ma a o exe ce em a e as de g au mais
complexo.
Já a ní el de
ensino secundá io
, que cu so cien í ico-humanís ico, que cu so p o issional, a maio
pa e das a e as são conside adas de
g au mediano a ele ado
(ce ca de 83% cu so cien í ico-humanís ico
e 84% cu so p o issional). Uma ez como o g upo de inqui idos es á comp eendido en e os 18 e os 25 anos
es e ele ado g au de complexidade pode se jus i icado pela al a de expe iência p o issional al como a al a
de habili ações académicas ou p o issionais pa a a unção que se encon am a exe ce .
Po úl imo, a
ní el supe io ,
podemos e i ica
uma meno dispe são no g au de complexidade
nas a e as execu adas en e os
g aus medianos e ele ados
(75,01% licenciados e 76,83% pós-g aduados)
compa a i amen e aos es an es g aus de escola idade. Ainda assim, conseguimos e i ica uma
pe cen agem signi ica i a (
12,5% licenciados e 9,76% pós-g aduados)
a a ibuí em um
g au de
complexidade baixa
às a e as execu as, o que pode le a a um sen imen o de subu ilização das
compe ências. Po ou o lado, e i icamos um aumen o no g au de complexidade “Mui o Ele ado” à medida
3,57% 9,13%
45,63%
32,54%
7,54% 1,59%
Mui o Baixo Baixo Mediano Ele ado Mui o Ele ado Sem Conhecimen o
Figu a
18
: Dis ibuição
dos inqui idos com base
no
g au de complexidade das a e as execu adas

36
que o g au de escola idade aumen a, e o çando a ideia de que o ní el académico se ajus a ao g au de
complexidade nas a e as execu adas.
(2)
Qual o g au de complexidade que a ibui às decisões omadas no abalho que exe ceu no
úl imo mês?
A seguin e pe gun a, isa analisa a complexidade da decisão omada po pa e do inqui ido no
con ex o de ambien e de abalho du an e o úl imo mês em ques ão. Es as decisões podem se numa ó ica
es a égica, inancei a, ope acional, á ica e c...
A análise dos dados da Figu a 20 e ela que a maio ia dos inqui idos indica que as decisões omadas
no abalho são de
complexidade média a ele ada, 36,40% e 35,60% espe i amen e.
Es e pad ão pode
e le i a na u eza desa iado a das a e as e esponsabilidades a ibuídas aos colabo ado es, bem como a
necessidade
de compe ências a ançadas e pensamen o c í ico pa a a omada de decisões e icazes.
0,00%
8,70% 6,52% 3,13% 1,22%
20,00% 4,35% 2,17% 12,50% 9,76%
60,00%
39,13%
60,87% 46,88%
36,59%
20,00%
43,48%
23,91%
28,13%
40,24%
0,00% 4,35% 2,17% 7,29% 12,20%
0,00% 0,00% 4,35% 2,08% 0,00%
Ensino Básico Ensino Secundá io, Cu so
Cien í ico-Humanís ico
Ensino Secundá io, Cu so
Técnico, P o issional ou
ou o
Licenciado Pós-g aduação
(Especialização, Mes ado
ou Dou o ado)
Mui o Baixo Baixo Mediano Ele ado Mui o Ele ado Sem Conhecimen o
Figu a 19: Dis ibuição dos inqui idos po g au de escola idade com base na complexidade das a e as execu adas
37
A baixa pe cen agem de espos as nas ca ego ias “Mui o Baixo” e “Sem Conhecimen o” indica que a
maio ia dos inqui idos em uma pe ceção cla a e conscien e da complexidade das decisões que omam no
abalho. A p esença de 9,20% de espos as na ca ego ia “Mui o Ele ado” ambém des aca que uma pa cela
signi ica i a dos colabo ado es lida com decisões al amen e complexas.
De aco do com a Figu a 21 abaixo ap esen ada e e en e ao g au de complexidade das decisões
omadas com base no g au de escola idade e si uação p o issional abalhado a, a análise dos dados e ela
que a maio ia dos inqui idos com
ensino básico
a ibui um
g au de complexidade ele ado (100,00%)
.
Is o pode se jus i icado pela expe iência adqui ida po pa e dos colabo ado es, ao longo dos anos, uma
ez que as suas aixas e á ias ep esen a i as são de pe il mais sénio .
Em con as e, a maio ia dos inqui idos com
ensino secundá io
conside a as decisões de
complexidade mediana,
57,14% no secundá io cu so cien i ico-humanís ico e de
complexidade ele ada
45,45% secundá io cu so écnico p o issional.
Os inqui idos com Licencia u a ap esen am uma dis ibuição mais equilib ada, com uma maio
concen ação em complexidade mediana (36,00%) e ele ada (50,00%). Já os inqui idos com Pós-g aduação
endem a pe cebe as decisões como de complexidade ele ada (42,11%) e mui o ele ada (21,05%). Es a
causa pode se jus i icada pelo ní el de habili ações académicas adqui idas o que e le e, ge almen e, numa
base de conhecimen o mais ampla e uma expe iência mais ica, pe mi indo-lhes lida com decisões
complexas de manei a mais e icaz. Po ou o lado, a educação supe io p opo ciona compe ências analí icas
e de esolução de p oblemas mais desen ol idas, pe mi indo que esses abalhado es abo dem decisões
complexas com maio con iança e compe ência.
3,60%
14,80%
36,40% 35,60%
9,20%
0,40%
Mui o Baixo Baixo Mediano Ele ado Mui o Ele ado Sem Conhecimen o
Figu a
20
: Dis ibuição dos inqui idos com base do g au de complexidade das decisões omadas
38
(3)
Qual o g au de mono onia/ o ina que a ibui na execução das a e as p esen es no seu
abalho
Es a pe gun a e e como obje i o
analisa o g au de mono onia pe cebido pelos abalhado es.
Como podemos e i ica na abela abaixo ap esen ada, Tabela 1, a análise oi ei a a a és dos di e en es
se o es de a i idade de cada inqui ido.
A mono onia no abalho é um a o impo an e a se conside ado pa a a subs i uição da in eligência
a i icial no se o , uma ez que pode au oma iza a e as monó onas.
Pa a es a análise oi conside ado os dados dos inqui idos em
si uação p o issional
de abalhado .
Os se o es de a i idade ag icul u a, p odução animal, caça, lo es a e pesca; a i idades a ís icas, de
espe áculos, despo i as e ec ea i as; ele icidade, gás, apo , água quen e e ia e a io, o am
desconside adas uma ez que não inha um núme o supe io a 2 inqui idos o que pode ia en iesa a
espe i a análise, Figu a 18.
0,00% 0,00% 9,09% 0,00% 1,75%
0,00%
14,29%
9,09%
8,00% 10,53%
0,00%
57,14%
36,36%
36,00% 24,56%
100,00%
28,57%
45,45%
50,00%
42,11%
0,00% 0,00% 0,00% 6,00%
21,05%
Ensino Básico Ensino Secundá io, Cu so
Cien í ico-Humanís ico
Ensino Secundá io, Cu so
Técnico, P o issional ou
ou o
Licenciado Pós-g aduação
(Especialização, Mes ado
ou Dou o ado)
Mui o Baixo Baixo Mediano Ele ado Mui o Ele ado
Figu a 21: Dis ibuição dos inqui idos com base no g au de escola idade com base no g au complexidade das decisões omadas e da
si uação p o issional de abalhado
39
A a és da Tabela 1, podemos e i ica que a i idades como
Adminis ação Pública e De esa;
Segu ança Social Ob iga ó ia
(44,44%), consis em num abalho monó ono/ o inei o o que pode se
aduzido com um impac o mais signi ica i o da IA nes e ipo de se o es.
Po ou o lado, se o es como
A i idades de Consul o ia, Cien í icas, Técnicas e Simila es
(33,33%);
A i idades de Saúde Humana e Apoio Social
(33,33%);
Cons ução
(33,33%);
Educação
(37,50%), consis em num abalho
pouco monó ono.
(4)
Qual o ní el de ino ação p esen e nas unções execu adas no úl imo mês.
A análise da ino ação nas unções execu adas nos di e sos se o es no úl imo mês, Tabela 2, e ela um
pano ama he e ogéneo
, o que e le e a complexidade e a di e sidade das a i idades económicas. Tal como
na análise an e io , o am desconside ados alguns se o es uma ez que não inha um núme o supe io a 2
inqui idos o que pode ia en iesa a espe i a análise, Figu a 18.
Na maio ia dos se o es, obse a-se uma p edominância de
a aliações medianas
(42.65%), suge indo
uma pe ceção de ino ação mode ada, com uma
mino ia conside ando-a mui o ele ado
(1.47%).
A a i idade com a meno pe ceção de ino ação na á ea é a
Comé cio po G osso e a Re alho;
Repa ação de Veículos Au omó eis e Mo ociclos
(50,00%). Sendo es a uma á ea is a como na u eza
adicional e ope acional, ocando-se em a i idades es abelecidas como a enda e epa ação de eículos, a
ino ação pode se menos isí el po que as p á icas e p ocessos são bem es abelecidos e menos p opensos
Se o que melho ep esen a o seu abalho no úl imo mês. Mui o Baixo Baixo Mediano Ele ado Mui o Ele ado To al Ge al
T anspo es e A mazenagem 0,00% 66,67% 33,33% 0,00% 0,00% 100,00%
Ou as A i idades de Se iços 25,00% 12,50% 43,75% 18,75% 0,00% 100,00%
Indús ias T ans o mado as 17,65% 35,29% 17,65% 29,41% 0,00% 100,00%
Ele icidade, gás, apo , água quen e e ia e a io 0,00% 50,00% 50,00% 0,00% 0,00% 100,00%
Educação 37,50% 25,00% 25,00% 0,00% 12,50% 100,00%
Cons ução 33,33% 33,33% 33,33% 0,00% 0,00% 100,00%
Comé cio po G osso e a Re alho; Repa ação de Veículos Au omó eis e Mo ociclos 16,67% 0,00% 50,00% 0,00% 33,33% 100,00%
Cap ação, T a amen o e Dis ibuição de Água; Saneamen o, Ges ão de Resíduos e Despoluição 0,00% 66,67% 0,00% 33,33% 0,00% 100,00%
A i idades Imobiliá ias 0,00% 0,00% 66,67% 33,33% 0,00% 100,00%
A i idades Financei as e de Se iços 10,00% 30,00% 30,00% 30,00% 0,00% 100,00%
A i idades de Saúde Humana e Apoio Social 36,36% 36,36% 18,18% 9,09% 0,00% 100,00%
A i idades de in o mação e Comunicação 14,29% 42,86% 28,57% 0,00% 14,29% 100,00%
A i idades de Consul o ia, Cien í icas, Técnicas e Simila es 33,33% 16,67% 27,78% 22,22% 0,00% 100,00%
A i idades A ís icas, de Espe áculos, Despo i as e Rec ea i as 0,00% 0,00% 50,00% 50,00% 0,00% 100,00%
A i idades Adminis a i as e dos se iços de Apoio 10,00% 10,00% 50,00% 30,00% 0,00% 100,00%
Alojamen o, Res au ação e Simila es 0,00% 40,00% 40,00% 0,00% 20,00% 100,00%
Ag icul u a, P odução Animal, Caça, Flo es a e Pesca 0,00% 0,00% 100,00% 0,00% 0,00% 100,00%
Adminis ação Publica e De esa; Segu ança Social Ob iga ó ia 11,11% 33,33% 11,11% 44,44% 0,00% 100,00%
To al Ge al 19,71% 26,28% 31,39% 18,98% 3,65% 100,00%
Tabela
1
: G au de mono onia/ o ina po se o de a i idade do inqui ido com si uação p o issional de abalhado
40
a mudanças adicais. Além disso, a indús ia au omo i a é al amen e egulamen ada o que pode limi a a
capacidade das emp esas a expe imen a no as ideias de ecnologia sem passa po p ocessos igo osos de
ap o ação.
Ainda na pe ceção de ino ação mui o baixa po pa e dos inqui idos emos, de seguida,
Alojamen o,
Res au ação e Simila es
(40,00%) e
Adminis ação Publica e De esa; Segu ança Social Ob iga ó ia
(22,22%).
Po úl imo, a mino ia dos inqui idos, conside ou o seu se o com o ní el de ino ação mui o ele ado,
sendo o único se o o
Alojamen o, Res au ação e Simila es
(20,00%). A ino ação p esen e nes e se o
pode se esul ado de um
in es imen o em ecnologia
como sis emas de ese as online, check-in
au oma izado, e soluções de pagamen o digi al. Pode se ainda jus i icado po
adap ação às endências do
me cado e conco ência.
Sendo es e um se o de al a conco ência, pode se o çado a p ocu a ino ações
e de se adap a apidamen e às mudanças nas p e e ências dos consumido es como a demanda de
expe iências pe sonalizadas e sus en á eis de o ma a se des aca e a ai clien es.
Em suma, nes a ase da análise conseguimos pe cebe que consoan e o ní el de escola idade o ní el de
complexidade, an o das a e as execu adas como das decisões omadas, aumen a com o aumen o do ní el
de escola idade. Po ou o lado, conseguimos ainda analisa que a e as mais complexas e de maio ní el de
análise endem a e um maio ní el de ino ação mais ele ado, is o pode se causado pela necessidade de
encon a manei as mais e icien es de ealiza o abalho, c iando soluções au oma izadas, eduzindo o
empo e es o ço necessá ios.
4.1.3. Adap ação do T abalhado às Mudanças
Se o que melho ep esen a o seu abalho no úl imo mês. Mui o Baixo Baixo Mediano Ele ado Mui o
Ele ado
Sem
Conhecimen o To al Ge al
Adminis ação Publica e De esa; Segu ança Social Ob iga ó ia 22,22% 22,22% 44,44% 11,11% 0,00% 0,00% 100,00%
Ag icul u a, P odução Animal, Caça, Flo es a e Pesca 0,00% 0,00% 100,00% 0,00% 0,00% 0,00% 100,00%
Alojamen o, Res au ação e Simila es 40,00% 20,00% 20,00% 0,00% 0,00% 20,00% 100,00%
A i idades Adminis a i as e dos se iços de Apoio 0,00% 33,33% 55,56% 11,11% 0,00% 0,00% 100,00%
A i idades A ís icas, de Espe áculos, Despo i as e Rec ea i as 0,00% 100,00% 0,00% 0,00% 0,00% 0,00% 100,00%
A i idades de Consul o ia, Cien í icas, Técnicas e Simila es 5,56% 27,78% 22,22% 38,89% 5,56% 0,00% 100,00%
A i idades de in o mação e Comunicação 14,29% 14,29% 57,14% 14,29% 0,00% 0,00% 100,00%
A i idades de Saúde Humana e Apoio Social 9,09% 18,18% 54,55% 18,18% 0,00% 0,00% 100,00%
A i idades Financei as e de Se iços 10,00% 20,00% 50,00% 20,00% 0,00% 0,00% 100,00%
A i idades Imobiliá ias 0,00% 33,33% 0,00% 66,67% 0,00% 0,00% 100,00%
Cap ação, T a amen o e Dis ibuição de Água; Saneamen o, Ges ão de Resíduos e Despoluição 0,00% 0,00% 100,00% 0,00% 0,00% 0,00% 100,00%
Comé cio po G osso e a Re alho; Repa ação de Veículos Au omó eis e Mo ociclos 50,00% 33,33% 16,67% 0,00% 0,00% 0,00% 100,00%
Cons ução 0,00% 66,67% 33,33% 0,00% 0,00% 0,00% 100,00%
Educação 12,50% 25,00% 50,00% 12,50% 0,00% 0,00% 100,00%
Ele icidade, gás, apo , água quen e e ia e a io 0,00% 0,00% 50,00% 50,00% 0,00% 0,00% 100,00%
Indús ias T ans o mado as 5,88% 35,29% 35,29% 23,53% 0,00% 0,00% 100,00%
Ou as A i idades de Se iços 18,75% 18,75% 56,25% 0,00% 6,25% 0,00% 100,00%
T anspo es e A mazenagem 0,00% 0,00% 66,67% 33,33% 0,00% 0,00% 100,00%
To al Ge al 11,76% 26,47% 42,65% 16,91% 1,47% 0,74% 100,00%
Tabela
2
: Ní el de ino ação po se o de a i idade do inqui ido com si uação p o issional de abalhado

41
No e cei o ópico do es udo, ap esen ado na Figu a 22, na pe spe i a dos inqui idos, analisamos como
di e en es se o es in luenciam a
adap ação dos abalhado es à in eligência a i icial.
As en idades
a aliadas incluem
Família/Familia es, Adap ação Con a P óp ia, Ins i uição de Ensino,
Adminis ação/Go e no e Emp esas.
Cada uma dessas ca ego ias é analisada em e mos de impac o,
a iando de Sem Impac o a Impac o Mui o Ele ado. Em nenhuma das en idades o impac o oi conside ado
“Mui o Baixo”, demons ando que odos as en idades analisadas in luencia ão a adap ação da pessoa a uma
no a ealidade.
Ao analisa os dados, podemos ex ai algumas conclusões como a p edominância do “Impac o
Mode ado” e “Impac o Ele ado” e a a iação en e os g upos.
Numa ó ica de pe ceção do abalhado podemos e i ica que uma consis ência de impac o mode ado
e impac o ele ado em quase odas as en idades analisadas, e i icando uma
maio endência no “Impac o
Mode ado” na adap ação po con a p óp ia
(35,95%) seguido pelo apoio das
Família/Familia es
(34,98%). Rela i amen e ao
“Impac o Ele ado”
e i icamos uma p edominância das
emp esas
(44,21%)
seguido
pelas ins i uições de ensino e adminis ação do go e no,
37,86% e 35,68% espe i amen e.
A análise e ela que, embo a os abalhado es demons em uma capacidade signi ica i a de adap ação
po con a p óp ia e a a és do apoio amilia , as emp esas, ins i uições de ensino e a adminis ação do
go e no êm um impac o ele ado na ida dos abalhado es. Es e equilíb io en e au oajuda e supo e
ins i ucional é c ucial pa a a adap ação e desen ol imen o con ínuo dos abalhado es ace à IA.
Podemos ainda analisa que, á ios inqui idos conside em a Família/Familia es como sem impac o ou
impac o baixo na adap ação do colabo ado , sendo a mino ia sem conhecimen o (4,94%) ou impac o mui o
ele ado (4,94%).
A
ins i uição de ensino
é a en idade que a ní el ge al,
demons a maio impac o na adap ação do
abalhado no uso da IA.
Es a ele ada pe ceção pode se jus i icada pelo ac o de se uma en idade
esponsá el pela educação e o mação à população al como, a acilidade que êm no acesso e
desen ol imen o de no as ecnologias e me odologias que podem se aplicadas no me cado de abalho.
Um alo que pode su p eende é a ele ada al a de conhecimen o po pa e dos inqui idos no impac o
42
que a adminis ação/go e no possa e na adap ação do colabo ado uma ez que é uma en idade capaz de
desen ol e polí icas de equali icação e abalho e desen ol imen o de in aes u u as ecnológicas,
in es indo em in aes u u as ecnológicas que são essenciais pa a a adap ação dos abalhado es ao uso
de no as ecnologias.
4.1.4. Conhecimen o e Pe ceção sob e In eligência A i icial
O Figu a 23 ap esen ada é um g á ico de ada que ilus a os ní eis de conhecimen o sob e o
desen ol imen o de um modelo/p ocesso de In eligência A i icial (IA) en e os inqui idos.
Os dados indicam que a maio ia dos esponden es se conside am com um
conhecimen o Mediano
(40,66%) sob e o desen ol imen o de IA. Em seguida,
26,14% dos esponden es classi icam seu
2,89%
14,94% 9,05% 9,09%
31,28%
26,03%
25,73%
23,87%
35,95%
34,98%
44,21%
35,68%
37,86%
29,75%
16,05%
20,66% 13,69% 23,87% 17,77% 4,94%
5,37% 7,47% 4,12% 5,79%
4,94%
0,83% 2,49% 1,23% 1,65%
7,82%
Emp esas Adminis ação/Go e no Ins i uição de Ensino Adap ação Con a
P óp ia
Família/Familia es
Impac o Baixo Impac o Mode ado Impac o Ele ado
Impac o Mui o Ele ado Sem Conhecimen o Sem Impac o
Figu a
22
: Impac o das en idades na adap ação do abalhado à IA na pe spe i a dos inqui idos
43
conhecimen o como ele ado.
Um núme o meno de esponden es se conside a com conhecimen o Baixo
(10,37%) ou Sem Conhecimen o (9,96%).
Apenas 2,90% dos esponden es classi icam seu
conhecimen o como Mui o Baixo.
Es a análise é signi ica i a po que des aca que a maio ia dos inqui idos possui um ní el in e mediá io
de conhecimen o sob e IA, com uma pa cela conside á el ambém se conside ando bem in o mada.
Conseguimos, des a o ma, e uma análise mais consis en e e conc e a do impac o que a mesma ap esen a
no emp ego.
Além disso, e i ica-se que uma pequena pe cen agem que se conside a com pouco ou nenhum
conhecimen o, podendo assim, analisa as di e en es isões dos inqui idos ace ca do ema.
A Figu a 24 a alia o impac o da In eligência A i icial (IA) no se o de a i idade do inqui ido no úl imo
mês.
Os esul ados indicam que mais
60% dos inqui idos
ac edi am que o impac o da IA no seu se o de
a i idade é
“Mui o ele ado” ou “Ele ado”.
Apenas 6,67% dos pa icipan es indicam “Sem Conhecimen o”
e
a mino ia, 2,92% ac edi am que o impac o é “Mui o Baixo”.
Já a análise da Figu a 25 e ela como a pe ceção do impac o da in eligência a i icial (IA) a ia con o me
o ní el de conhecimen o dos esponden es sob e o desen ol imen o da IA.
Os dados mos am que aqueles com
conhecimen o ele ado endem a pe cebe um impac o mais
signi ica i o da IA, com 66,67% dos inqui idos indicando um impac o ele ado.
Po ou o lado, os
inqui idos com conhecimen o mui o baixo ou sem conhecimen o ap esen am uma pe ceção de impac o
mui o mais uni o me.
10,37%
26,14%
40,66%
9,96%
2,90%
9,96%
Mui o Baixo Baixo Mediano Ele ado Mui o Ele ado Sem Conhecimen o
Figu a
23
: Dis ibuição dos inqui idos com base no conhecimen o de desen ol imen o de IA
44
G ande pa e dos inqui idos com “Sem Conhecimen o” ace ca do desen ol imen o de IA não em
conhecimen o do impac o que a IA pode i a e no se o de abalho.
Esses esul ados suge em que o ní el de conhecimen o sob e o desen ol imen o da IA in luencia
di e amen e a pe ceção do seu impac o no se o analisado.
6,67% 10,83%
22,92%
43,33%
13,33%
2,92%
Mui o Baixo Baixo Mediano Ele ado Mui o Ele ado Sem Conhecimen o
Figu a
24
: Dis ibuição dos inqui idos com base no impac o da IA no se o de a i idade
12,50%
43,75%
31,25%
0,00%
6,25%
6,25%
19,23%
19,23%
30,77%
7,69%
7,69%
15,38%
10,91%
38,18%
38,18%
3,64%
3,64%
5,45%
8,65%
20,19%
48,08%
15,38%
0,96%
6,73%
3,13%
28,13% 43,75%
12,50%
3,13%
9,38%
28,57%
0,00% 0,00% 0,00% 0,00%
71,43%
Conhecimen o de
desen ol imen o -
Mui o Baixo
Conhecimen o de
desen ol imen o -
Baixo
Conhecimen o de
desen ol imen o -
Mediano
Conhecimen o de
desen ol imen o -
Ele ado
Conhecimen o de
desen ol imen o -
Mui o Ele ado
Sem conhecimen o
desen ol imen o
Mui o Baixo Baixo Mediano Ele ado Mui o Ele ado Sem Conhecimen o
Figu a
25
: Dis ibuição dos inqui idos sob e o impac o da IA no se o de aco do com o
conhecimen o no desen ol imen o de IA
51
Rela i amen e a
libe ação dos abalhado es pa a unções mais c ia i as e es a égicas, a
maio ia dos abalhado es (39,66%) pe cebe um impac o ele ado, seguido po 28,45% que eem
um impac o mode ado.
Ce ca de 15,95% pe cebem um impac o mui o ele ado, enquan o 12,07%
pe cebem um impac o baixo. Uma pequena pa cela (2,59%) não em conhecimen o su icien e, e 1,29% não
pe cebem impac o.
Po úl imo,
a melho ia nas condições de abalho e segu ança a pe ceção de impac o mode ado
é a mais al a
(35,04%), seguida po 32,91% que eem um impac o ele ado. Ce ca de 12,82% pe cebem um
impac o baixo, enquan o 11,97% conside am o impac o mui o ele ado. Uma pequena pa cela (2,56%) não
em conhecimen o su icien e, e 4,70% não pe cebem impac o.
Ainda exis i am inqui idos que iden i ica am os
ou os aspe os como impac o mui o ele ado ais
como o desen ol imen o cien í ico e ecnológico e um acesso melho e mais e icaz a in o mação
abalhada.
Alem disso, como
impac o ele ado ambém o am iden i icados aspe os como melho ia
na au oap endizagem e au odesen ol imen o e diminuição, g adual, de pos os de emp ego.
4.1.6. Pe spe i as sob e a Adoção e Regulamen ação da IA
A análise da Figu a 32, e e en e à pe ceção do impac o dos pos os de abalho com o a anço da IA
e ela que a maio ia dos abalhado es
(51,43%) emem uma pe da de emp egos pa a a in eligência
a i icial
. Ce ca de
27,47% dos inqui idos ac edi am que o impac o se á iguali á io
, enquan o
15,36%
ac edi am que c ia á emp egos
. Apenas 5,74% dos abalhado es não em conhecimen o do pa adigma
inal. Esses esul ados des acam a necessidade de maio disseminação de in o mações sob e os impac os da
IA e a impo ância de polí icas que p omo am a adap ação dos abalhado es às mudanças ecnológicas.
Tabela
3
: Pe ceção do Impac o nas an agens ap esen adas pela IA

52
A Tabela 4 abaixo ap esen ada analisa a pe ceção dos abalhado es sob e o impac o da In eligência
A i icial (IA) e as epe cussões sociais e económicas. Os aspe os analisados incluem a pe da de emp egos
em la ga escala, aumen o das desigualdades sociais e económicas, al a de egulamen ação e é ica na
u ilização dessas ecnologias, e dependência excessi a de máquinas e sis emas au oma izados en e ou os
iden i icados pelos inqui idos.
A maio ia dos abalhado es (32,60%) pe cebe um impac o ele ado da IA na pe da de emp egos
em la ga escala,
seguido po 30,24% que êem um impac o mode ado. Ce ca de 18,17% pe cebem um
impac o baixo, enquan o 12,76% conside am o impac o mui o ele ado. Uma pequena pa cela (4,64%) não
em conhecimen o su icien e, e 1,59% não pe cebem impac o.
No
aumen o das desigualdades económicas a pe ceção de impac o ele ado é p edominan e
(31,52%),
com 24,71% dos abalhado es endo um impac o mode ado e 16,47% pe cebendo um impac o
baixo. Ce ca de 11,51% conside am o impac o mui o ele ado, enquan o 10,07% não êm conhecimen o
su icien e e 5,73% não pe cebem impac o.
Rela i amen e à
al a de egulamen ação e é ica na u ilização dessas ecnologias, a maio ia dos
abalhado es (32,36%) pe cebe um impac o mode ado,
seguido po 31,17% que eem um impac o
ele ado. Ce ca de 23,68% conside am o impac o mui o ele ado, enquan o 6,71% pe cebem um impac o
baixo. Uma pequena pa cela (5,13%) não em conhecimen o su icien e, e 0,94% não pe cebem impac o.
Po úl imo, a
dependência excessi a de máquinas e sis emas au oma izados em uma pe ceção
27,47%
15,36%
51,43%
5,74%
Iguali á io
No os Emp egos
Pe da de Emp egos
Sem Conhecimen o
Figu a
32
: Dis ibuição dos inqui idos de aco do com a pe ceção do impac o nos
pos os de abalho com o a anço da IA
53
maio i a iamen e de impac o mode ado (32,36%),
seguida po 31,17% que eem um impac o ele ado.
Ce ca de 23,68% conside am o impac o mui o ele ado, enquan o 6,71% pe cebem um impac o baixo. Uma
pequena pa cela (5,13%) não em conhecimen o su icien e, e 0,94% não pe cebem impac o.
Ainda oi iden i icado a seguin e epe cussão que a in eligência a i icial possa i a aze no me cado
de abalho com impac o mui o ele ado como o im de g ande pa e dos abalhos de oco in elec ual.
A Figu a 33 o nece uma isão ab angen e das pe ceções sob e a implemen ação da IA no ambien e de
abalho,
des acando a impo ância de abo da an o os bene ícios quan o os desa ios associados a
es a ecnologia eme gen e.
Os dados ap esen ados no g á ico indicam que, embo a haja uma pe ceção maio i a iamen e posi i a
sob e a implemen ação da IA no ambien e de abalho, ainda exis em p eocupações signi ica i as e uma
al a de conhecimen o en e uma pa e conside á el dos esponden es.
A
maio pa e dos esponden es ac edi a que a implemen ação da IA pode se ealizada de
o ma mediana (43,05%)
sem comp ome e a p o eção dos emp egos. Es a pe ceção pode se jus i icada
pelos inqui idos ac edi a em que que os bene ícios e iscos se equilib am.
Uma pa cela signi ica i a dos esponden es ambém ê a
implemen ação da IA de o ma posi i a
(21,07%),
embo a com um g au de con iança ligei amen e meno . Es e g upo pode econhece os
bene ícios da IA, mas ambém pode es a cien e dos desa ios e iscos associados à sua adoção.
Podemos e i ica que exis e uma pa cela signi ica i a que ac edi a que, a implemen ação da IA no
ambien e de abalho sem comp ome e a p o eção dos emp egos, em
um impac o baixo (17,33%).
Es a
Tabela
4
: Impo ância a ibuída as epe cussões que a IA possa i a e no me cado de abalho
54
isão pode se in luenciada po p eocupações sob e a subs i uição de abalhado es humanos po máquinas
e a possí el pe da de emp egos.
Os ex emos,
impac o mui o baixo (5,30%) e impac o mui o ele ado (4,88%)
não são
ep esen ados po um ele ado núme o de inqui idos podendo se jus i icado de ido a expe iências pessoais
nega i as ou uma o e descon iança na ecnologia. Ou, em con as e, po um g upo cien e dos desa ios e
iscos associados à sua adoção.
Po úl imo, ainda exis e uma pa e conside á el dos esponden es indicou
não e conhecimen o
su icien e pa a a alia a implemen ação da IA (21,07%).
Es e dado des aca a necessidade de maio
educação e conscien ização sob e o impac o da IA no ambien e de abalho.
A Figu a 34 ap esen ada o nece uma isão ab angen e das pe ceções sob e o impac o da IA nas
opo unidades económicas, des acando a impo ância de abo da an o os bene ícios quan o os desa ios
associados a es a ecnologia eme gen e.
Com base no g á ico, podemos e i ica que a maio ia dos inqui idos ac edi a que a IA
e á um impac o
ele ado (41,18%)
nas opo unidades económicas. Es e g upo pode es a o imis a sob e o po encial da IA
pa a impulsiona a ino ação, aumen a a e iciência e c ia no as opo unidades de emp ego e c escimen o
económicas.
Uma pa cela signi ica i a em uma
pe ceção mediana (34,85%)
sob e o impac o da IA. Es e, pode se ,
5,30%
17,33%
43,05%
21,07%
4,88%
8,38%
Mui o Baixo
Baixo
Mediano
Ele ado
Mui o Ele ado
Sem Conhecimen o
Figu a
33
:
Dis ibuição
dos inqui idos de aco do com a pe ceção do
Impac o da implemen ação da IA no ambien e de abalho
sem comp ome e a p o eção dos emp egos
55
um g upo cien e an o dos bene ícios quan o dos desa ios da IA.
Em meno des aque, e i icamos o
impac o mui o ele ado (8,78%)
seguido pelo
impac o baixo
(6,82%)
e e minando no
impac o mui o baixo (1,97%).
Es a isão dos g upos mais ex emis as pode se
jus i icada po uma al a de con iança na capacidade da IA de ge a bene ícios econômicos signi ica i os ou,
po ou o lado, es a al amen e con ian e nas capacidades da IA pa a ans o ma a economia e ge a
bene ícios subs anciais.
Po úl imo, podemos ainda e i ica uma pa cela signi ica i a de inqui idos que
não em
conhecimen o su icien e pa a a alia o impac o da IA (6,40%).
Es e dado des aca a necessidade de
maio educação e conscien ização sob e a IA e suas implicações económicas.
Abaixo ap esen ado a Tabela 5, es ão ep esen ados os dados dos inqui idos e e en es à impo ância
a ibuída às medidas go e namen ais e emp esa iais de o ma a lida em com os desa ios deco en es da IA
no emp ego. As medidas es a égias analisadas incluem p og amas de econ e são e o mação, polí icas de
endimen o básico, egulamen ações pa a o uso esponsá el da IA e a colabo ação en e humanos e IA.
A p imei a medida
, in es i em p og amas de econ e são e o mação pa a os abalhado es
a e ados, é is a como endo um impac o ele ado (37,44%) e mode ado (25.99%) na maio ia dos
casos
, indicando que a o mação e econ e são são conside adas essenciais pa a mi iga os e ei os da
au omação e da IA. Apenas uma pequena ação (0,38%) ac edi a que não há impac o, enquan o 7,87% não
êm conhecimen o su icien e pa a a alia .
A
implemen ação de polí icas de endimen o básica ou p og amas de apoio inancei o é
1,97%
6,82%
34,85%
41,18%
8,78%
6,40%
Mui o Baixo
Baixo
Mediano
Ele ado
Mui o Ele ado
Sem Conhecimen o
Figu a
34
: Dis ibuição dos inqui idos de aco do com a pe ceção do impac o da IA nas o ganizações económicas pa a o país
56
pe cebida como endo um impac o mode ado (34,35%) e ele ado (26,41%).
No en an o, há uma
maio ince eza nes a es a égia, com 11,23% dos esponden es indicando al a de conhecimen o. A
pe ceção de impac o mui o ele ado é ela i amen e baixa (9,34%), suge indo que es a es a égia é is a
como menos e icaz em compa ação com a o mação e econ e são.
A
c iação de egulamen ações pa a o uso esponsá el da IA é conside ada de impac o ele ado
(34,67%) e mui o ele ado (28,43%).
Es a es a égia é is a como c ucial pa a ga an i a segu ança e a
é ica no uso da IA. A pe cen agem de esponden es sem conhecimen o su icien e é de 7,51%, e apenas
0,81% ac edi am que não há impac o.
Incen i a a colabo ação en e humanos e IA é pe cebido como endo um impac o ele ado
(35,69%) e mode ado (27,88%).
Es a es a égia é is a como uma o ma e icaz de in eg a a IA no
ambien e de abalho, p omo endo a sine gia en e humanos e máquinas. A al a de conhecimen o é
ela i amen e baixa (4,26%), e 1,28% ac edi am que não há impac o.
Ainda o am iden i icadas po pa e dos inqui idos duas opiniões ela i amen e às medidas
go e namen ais e emp esa iais. Uma das opiniões não oi quan i icado o impac o ep esen a i o uma ez
que o inqui ido de ende que o go e no não de e ia en a es ingi o uso da IA jus i icando que es amos
num me cado li e e de cons an e e olução e que não de e íamos es agna . Caso a es agnação acon ecesse,
pode -nos-ia a asa ela i amen e aos es an es países. O ou o inqui ido, e e e que o go e no de e ia
c ia polí icas de p o eção de di ei os de au o uma ez que as mesmas es ão a se ioladas pela in eligência
a i icial.
A abela 6 ap esen ada analisa a pe ceção da ulne abilidade da subs i uição dos seguin es ipos de
emp ego ela i amen e à implemen ação da IA. As ca ego ias analisadas incluem abalhos epe i i os e de
Tabela
5
: Impo ância a ibuída, pelos inqui idos, às medidas go e namen ais e emp esa iais de o ma a lida em com os desa ios
deco en es da IA no emp ego.

57
o ina, unções manuais e ope acionais, emp egos com baixo ní el de compe ências écnicas, p o issões
baseadas em cole a e análise de dados, e unções de a endimen o ao clien e. A análise é baseada em
pe cen uais que e le em a pe ceção do impac o dessas ca ego ias.
A ca ego ia
dos abalhos epe i i os e de o ina é is a como endo um impac o ele ado
(38,33%) e mui o ele ado (25,41%),
indicando que a e as epe i i as são al amen e susce í eis a
mudanças signi ica i as. Apenas uma pequena ação (4,67%) ac edi a que não há impac o, enquan o 5,75%
não êm conhecimen o su icien e pa a a alia .
Funções manuais e ope acionais são pe cebidas como endo um impac o mode ado (32,92%) e
ele ado (28,67%).
A pe ceção de impac o mui o ele ado é ela i amen e baixa (9,74%), suge indo que
es as unções são menos susce í eis a mudanças d ás icas. A al a de conhecimen o é mínima (2,60%).
Emp egos com baixo ní el de compe ências écnicas são is os como endo um impac o ele ado
(32,27%) e mode ado (29,93%).
A pe ceção de impac o mui o ele ado é de 16,48%, indicando uma
ulne abilidade mode ada. A al a de conhecimen o é baixa (3,47%).
P o issões de cole a e análise de dados são conside adas de impac o ele ado (30,03%) e mui o
ele ado (34,34%).
Es a ca ego ia é is a como al amen e susce í el a mudanças, com apenas 0,38%
ac edi ando que não há impac o. A al a de conhecimen o é mínima (3,11%).
Funções de a endimen o ao clien e são pe cebidas como endo um impac o mode ado (30,31%)
e ele ado (26,39%).
A pe ceção de impac o mui o ele ado é de 13,82%, suge indo uma ulne abilidade
mode ada. A al a de conhecimen o é baixa (2,99%).
Em suma, podemos conclui que as ca ego ias analisadas ap esen am a iações signi ica i as em
e mos de impac o pe cebido pelos inqui idos.
P o issões baseadas em cole a e análise de dados e
abalhos epe i i os sendo as mais impac adas.
Funções manuais e ope acionais e emp egos com baixo
ní el de compe ências écnicas ap esen am uma ulne abilidade mode ada, enquan o
unções de
a endimen o ao clien e são is as como menos susce í eis a mudanças d ás icas.
58
A abela 7 ap esen ada e le e a pe ceção dos inqui idos ela i amen e a susce ibilidade dos di e en es
se o es ao impac o da IA no me cado de abalho. Os se o es ap esen ados es ão ep esen ados a a és do
da secção CAE_REV 3 o que incluiu se o es adicionais como se o es ecnológicos e inancei os de modo
que consigamos e uma análise ans e sal em odas as á eas.
Nes a análise, oi pe cecionada, po pa e dos inqui idos, que
a i idades a ís icas, c ia i as e
adicionais endem a e um impac o baixo compa a i amen e a a i idades com uma maio
o mação e mais ecnológicas.
Ag icul u a, p odução animal, caça, lo es a e pesca (43,45%), pessoal domés ico e a i idades de
p odução das amílias (42,01%) e a i idades a ís icas, despo i as e ec ea i as (39,15%) são os se o es
ep esen ados como um impac o baixo ou sem impac o na susce ibilidade do se o à IA. Po ou o lado,
a i idades de in o mação e comunicação (32,41%), a i idades inancei as e de se iços (23,29%) e
a i idades adminis a i as e de se iços de apoio (22,43%) são as a i idades pe cecionadas como um
impac o mui o ele ado.
Ainda assim, podemos e i ica um ele ado núme o de inqui idos sem conhecimen o em se o es
iden i icados como ou as a i idades de se iços (30,39%), a i idades dos o ganismos in e nacionais
(15,51%) e indús ias ex a i as (11,48%). Es es alo es podem se jus i icados pelo ac o não e em
conhecimen o da á ea de a uação e as a i idades p esen es na execução do abalho.
Tabela
6
: Pe ceção da ulne abilidade da subs i uição dos seguin es ipos de emp ego ela i amen e à implemen ação da IA
59
4.1.7. A i udes e Disposições Indi iduais em Relação à Mudança
A Figu a 35 in i ulada de “Disposição do In es imen o na Educação e na Cap ação P o issional de ido
à IA” ap esen a a disposição dos inqui idos no in es imen o p óp io na educação e capaci ação p o issional
em espos a aos a anços da in eligência a i icial.
O obje i o des a análise é o nece uma isão cla a sob e como os inqui idos es ão dispos os a in es i
na educação e na capaci ação p o issional num cená io de ápida e olução ecnológica. Assim sendo, a
análise des aca di e en es ní eis de disposição en e os inqui idos, a iando en e aqueles que es ão
o almen e dispos os a in es i de ido às opo unidades de c escimen o p o issional p opo cionadas pela
IA, e os que não es ão dispos os a in es i no momen o. Ela ambém e idencia a necessidade de in eg ação
de e cei os (emp esas ou p og amas go e namen ais) como o ma de supo e adicional.
Os dados e elam que
34,87% dos inqui idos es ão o almen e dispos os a in es i na sua
educação e capaci ação.
A mo i ação pa a es a ele ada pe cen agem, de aco do com os inqui idos, de e-
se a á ios aspe os ais como:
ac edi a em que a inclusão da IA
no me cado do abalho é impo an e e,
como al, conside a em impo an e sabe o máximo possí el sob e a ecnologia, de modo a
adap a em-se
da melho o ma possí el à no a ealidade; aquisição de no as compe ências; melho a a
Tabela
7
: Pe ceção da susce ibilidade dos di e en es se o es ao impac o da IA
60
pe o mance com um es o ço meno ; mais opo unidades e maio c escimen o p o issional e c.
Com um pe cen ual p óximo,
33,87%, ambém demons a disposição pa a in es i , econhecendo
o desen ol imen o p o issional como um a o essencial pa a o sucesso.
Po ou o lado,
15,30% dos inqui idos es ão dispos os a in es i , mas necessi am de supo e da
emp esa ou de p og amas go e namen ais pa a iabiliza esse in es imen o.
Um g upo meno ,
8,91%, es á dispos o a in es i , mas com limi ações e ince ezas sob e o ipo de
in es imen o necessá io
. Os inqui idos
ap esen am limi ações ais como, limi ações inancei as,
limi ações de empo, limi ações sociais e económicas,
ais como, o conhecimen o em IA i á e olui
cons an emen e nos p óximos 10/15 anos le ando a um in es imen o con inuo. De modo a consegui
acompanha es e p ocesso p olongado se á necessá io in es i mui o empo e dinhei o, algo que, caso não
seja apoiado ou inanciado se á impossí el de concilia .
Finalmen e, 7,04% dos inqui idos não es ão dispos os a in es i na sua educação e capaci ação
nes e momen o.
A Figu a 36 ap esen a a disposição dos indi íduos em busca no as opo unidades de abalho o a de
sua á ea de o mação a ual.
7,04%
8,91%
15,30%
33,87%
34,87%
Não es ou dispos o(a) a in es i na minha educação nes e
momen o
Es ou dispos o(a) a in es i , mas com limi ações. Quais?
Es ou dispos o(a) a in es i , mas p eciso de supo e da emp esa
ou de p og amas go e namen ais
Es ou dispos o(a) a in es i caso esul e opo unidades em
opo unidades angí eis de c escimen o p o issional
Es ou o almen e dispos o(a) a in es i na minha educação e
capaci ação. Quais os mo i os?
Figu a
35
:
Dis ibuição
dos inqui idos de aco do com a d
isposição de
i
n es imen o na
e
ducação e na
c
ap ação
p
o issional de ido à IA
67
Capí ulo V – Conclusão
A p esen e disse ação e e como obje i o p incipal in es iga o “Impac o da In eligência A i icial no
emp ego: Pe ceção dos Indi íduos”, com o in ui o de analisa a pe ceção dos indi íduos nes e no o
pa adigma que a IA es á a impulsiona no me cado de abalho.
Os esul ados ob idos e elam que a pe ceção dos indi íduos em elação à IA no emp ego é
mul i ace ada. Po um lado, mui os econhecem os bene ícios po enciais, como a au omação de a e as
epe i i as, aumen o da e iciência e a c iação de no as opo unidades de abalho em se o es eme gen es.
Po ou o lado, há uma p eocupação signi ica i a com a subs i uição de emp egos adicionais e a
necessidade de equali icação p o issional.
Uma ez que a maio amos a de inqui idos se inse e no âmbi o do ensino supe io (Licenciados, Pós-
G aduados, Á eas de Especialização) emos endências de análise num me cado em que as pessoas, num
u u o p óximo, possam i a en a no me cado de abalho e que de ce o modo, já o ien am a sua
o mação no me cado a ual e com is a no u u o p óximo.
Os alo es ob idos e le em que o me cado se encon a e e i amen e em mudança demons ando que
as pessoas e ão de se en ol e numa endência de o mação cons an e, mudando a isão e og ada onde
a o mação base adqui ida i á se su icien e e di e enciado a no me cado u u o. Cada ez mais as pessoas
e ão de e sim, uma o mação base consis en e, mas e ão que a complemen a com especialidades. A
di e enciação no me cado se á a quan idade de conhecimen o e ag egação de alo que a pessoa o e ece.
Pa a que isso acon eça é impo an e e em a enção a seguin e Figu a 40.
Com base nos es udos, posso en ão conclui que os indi íduos do u u o i ão se o ma numa á ea base
de in e esse p óp io, de seguida i ão p ocu a um conhecimen o mais p o undo na á ea de in e esse
demons ada na o mação base, p ocu ando assim a especialização no que podemos chama de o mação
cien í ica A. Ainda de modo a e em um conhecimen o de maio alo pa a as o ganizações/emp esas os
Figu a 40: Pa adigma u u o das compe ências dos indi íduos e equisi os das emp esas

68
indi íduos i ão p ocu a conhecimen o numa á ea cien í ica auxilia /complemen a , o mação cien í ica B,
de u ilidade pa alela da p imei a ob ida. Po úl imo de uma o ma ans e sal é impo an e e em ou as
a i idades de modo a consegui demons a mais o ca ác e e pe sonalidade da pessoa.
Es as compe ências ans e sais chamadas de hobbies se ão de um alo ac escido signi ica i o na
di e enciação dos indi íduos em si.
Além disso, a análise dos dados suge e que apesa de a maio ia dos inqui idos ainda não se e em
depa ado com o impac o da IA no seu local de abalhado, a sua pe ceção ela i amen e ao impac o do
mesmo no se o em que a ualmen e es ão é, em e mos ge ais, nega i a, demons ando eceio do
desconhecido. Es es alo es são ambém sus en ados pela pe ceção da c iação/pe da dos pos os de
abalho, onde a maio ia indica que o desen ol imen o da IA i á esul a numa pe da de emp egos do
me cado subs ancial.
Em suma, a pe ceção dos indi íduos na in eg ação da IA no me cado de abalho ap esen a esul ados
dispe sos ela i amen e a es udos cien í icos já e e uados de ido a al a de conhecimen o e in o mação
p es ada. Des e modo, é c ucial que as polí icas públicas e as inicia i as de o mação sejam implemen adas
e dadas de o ma a consciencializa os indi íduos dos impac os nega i os e de que o ma é possí el u iliza
a IA pa a maximiza os bene ícios, ga an indo uma ansição jus a e inclusi a pa a odos os abalhado es.
69
Bibliog a ia
Alige . (2025). En enda o ap endizado não supe isionado no Machine Lea ning. Alige .
h ps://alige .com.b /en enda-o-ap endizado-nao-supe isionado-no-machine-lea ning/
Aleksee a, L., Aza , J., Giné, M., Samila, S., & Taska, B. (2021). The demand o AI skills in he labo
ma ke . Labou Economics, 71, 102002. h ps://doi.o g/10.1016/j.labeco.2021.102002
Allen, R, Teodo o, N & Manley, C 2017, Fu u e skills, and aining: a p ac ical esou ce o help iden i y
u u e skills and aining, Aus alian Indus y Skills Commi ee
Almeida, A., Ca alo, F., Menino, F. (n.d.). 1 In odução | In odução ao Machine
Lea ning. h ps://da aa .gi hub.io/in oducao-ao-machine-
lea ning/in odu%C3%A7%C3%A3o.h mlAlmeida, G. (2024, Ma ch 15). IA ai elimina quase meio milhão
de emp egos em Po ugal na p óxima década. Mas ai c ia mais de 400
mil. Visão. h ps:// isao.p /a ualidade/2024-03-15-ia- ai-elimina -quase-meio-milhao-de-emp egos-em-
po ugal-na-p oxima-decada-mas- ai-c ia -mais-de-400-mil/
Al e yx. (2023, July 3). Ap endizado supe isionado s. não supe isionado: qual é melho ? - Al e yx.
h ps://www.al e yx.com/p -b /glossa y/supe ised- s-unsupe ised-lea ning
Awa i (2023a, Augus 9). A e olução da in eligência a i icial desde os anos 1980. Awa i.
h ps://awa i.com.b /a-e olucao-da-in eligencia-a i icial-desde-os-anos-
1980/?u m_sou ce=blog&u m_campaign=p oje o+blog&u m_medium=A%20e olu%C3%A7%C3%A3o%
20da%20in elig%C3%AAncia%20a i icial%20desde%20os%20anos%201980
Awa i: (2023, No embe 25). Ap endizado de Máquina Não Supe isionado: Descub a o Pode da
In eligência A i icial. Awa i. h ps://awa i.com.b /ap endizado-de-maquina-nao-supe isionado-
descub a-o-pode -da-in eligencia-
a i icial/?u m_sou ce=blog&u m_campaign=p oje o+blog&u m_medium=Ap endizado%20de%20M%C3
%A1quina%20N%C3%A3o%20Supe isionado:%20Descub a%20o%20Pode %20da%20In elig%C3%A
Ancia%20A i icial
Ba bosa, A. C. M. (2023, June 4). Os 15 maio es iscos da in eligência a i icial. Fo bes B asil.
h ps:// o bes.com.b / o bes- ech/2023/06/os-15-maio es- iscos-da-in eligencia-a i icial/
Ba os, P. (2018, June 19). Ap endizagem de Maquina: Supe isionada ou Não Supe isionada?
Medium. h ps://medium.com/opensanca/ap endizagem-de-maquina-supe isionada-ou-n%C3%A3o-
supe isionada-7d01 78cd80a
Blog da T ybe (2022, Sep embe 2). Ap endizado supe isionado: 7 exemplos sob e como aplica –
Insigh s pa a e ajuda na ca ei a em ecnologia h ps://blog.be ybe.com/ ecnologia/ap endizado-
70
supe isionado-aplicacao/
Ca alho, G. (2022, May 15). Conheça 8 aplicações da in eligência a i icial em nosso co idiano. Esco a
Consul ing. h ps://esco a.com/canal/conheca-8-aplicacoes-da-in eligencia-a i icial-em-nosso-
co idiano/
Chan-Olms ed, S. M. (2019). A Re iew o A i icial In elligence Adop ions in he Media Indus y.
In e na ional Jou nal on Media Managemen , 21(3–4), 193–215.
h ps://doi.o g/10.1080/14241277.2019.1695619
Chapelle, O. (2005, Janua y 6). Semi-Supe ised Classi ica ion by low densi y sepa a ion. PMLR.
h ps://p oceedings.ml .p ess/ 5/chapelle05b.h ml
Claude Shannon (2023a, Ap il 29). h ps://p .wikipedia.o g/wiki/Claude_Shannon
Cmdline ips. (2021, Ma ch 14). Implemen ing K-means clus e ing in Py hon om Sc a ch. Py hon and
R Tips. h ps://cmdline ips.com/2019/05/k-means-clus e ing-in-py hon/
Compu ing Machine y and In elligence A.M. Tu ing. (n.d.).
h ps://web.a chi e.o g/web/20080702224846/h p://loebne .ne /P ize /Tu ingA icle.h ml
C e u Alina S e ania, Labou ma ke lexibiliza ion, ASE Publishing, 2010.
Deep Lea ning wi h Py hon. (n.d.). Manning Publica ions. h ps://www.manning.com/books/deep-
lea ning-wi h-py hon
D E (Depa men o Educa ion) (2023) The impac o AI on UK jobs and aining. London: Depa men
o Educa ion (h ps://doi.o g/10.1016/j.labeco.2021.102002)
Doe inge , P.B., Pio e, M.J., 1971. In e nal Labo Ma ke s and Manpowe Analysis. D.C. Hea h and
Company, Lexing on, MA
Dsa, E. (2022b, Decembe 4). Capí ulo 3 - O Que São Redes Neu ais A i iciais P o undas ou Deep
Lea ning? - Deep Lea ning Book. Deep Lea ning Book. h ps://www.deeplea ningbook.com.b /o-que-sao-
edes-neu ais-a i iciais-p o undas/
Educação, R. X., & Educação, R. X. (2022, Decembe 24). Redes neu ais a i iciais: o que ocê p ecisa
sabe sob e esse sis ema. XP Educação. h ps://blog.xpeducacao.com.b / edes-neu ais-a i iciais/
Elias, S. I. (2023). O IMPACTO DA INTELIGÊNCIA ARTIFICIAL NO COMPORTAMENTO
ORGANIZACIONAL. Re is a Ilus ação, 4(3), 33–39. h ps://doi.o g/10.46550/ilus acao. 4i3.176
Gab iel, Ma ha. (2022). In eligência A i icial: Do Ze o ao Me a e so. São Paulo: A las.
Gia delli, Gil. (2022). Pensando o Impensá el: Como sob e i e a um p esen e caó ico e p epa a -se
pa a um u u o p omisso . Po o Aleg e: Ci adel.
Gonzalez, D. (2022, Ma ch 22). A i icial in elligence, a icle by Fe nando Guillem in he Segu i ecnia.
Lanaccess. h ps://www.lanaccess.com/en/a i icial-in elligence/
71
Hoga h, T. (2024). AI, Skills and Jobs: Some conside a ions on he u u e based on he cu en e idence.
LMI Fo All. h ps://www.lmi o all.o g.uk/2024/01/ai-skills-and-jobs-some-conside a ions-on- he-
u u e-based-on- he-cu en -e idence/
IBM (n.d.) | O que é ap endizado supe isionado? h ps://www.ibm.com/b -p / opics/supe ised-
lea ning
IBM (n.d.-b) | Wha is Machine Lea ning? h ps://www.ibm.com/ opics/machine-lea ning
IBM. (n.d.). | O que são Redes Neu ais? h ps://www.ibm.com/b -p / opics/neu al-ne wo ks
Indicado - Despesa da Adminis ação Pública em educação em pe cen agem do PIB. (n.d.).
h ps://edus a .p /indicado ?id=401
In es , B. (n.d.). In es T ends In eligência A i icial. Banco In es .
h ps://www.bancoin es .p /des aques/in es - ends-in eligencia-a i icial?id=38
John McCa hy (2023b, Decembe 5). (compu e scien is ). Wikipedia.
h ps://en.wikipedia.o g/wiki/John_McCa hy_(compu e _scien is )
Juns, M. (2020, Feb ua y 27). Como a ecnologia a e a o desen ol imen o das c ianças. Neu oconec e.
h ps://neu oconec e.com/como-a- ecnologia-a e a-o-desen ol imen o-das-c iancas/
Kochha , R. (2023). Which U.S. Wo ke s A e Mo e Exposed o AI on Thei Jobs? Pew Resea ch Cen e .
h ps://www.pew esea ch.o g
Kuma , A. (2019, Oc obe 30). Di e ence be ween Machine Lea ning & T adi ional So wa e - Analy ics
Yogi. Analy ics Yogi. h ps:// i al lux.com/di e ence-be ween-machine-lea ning- adi ional-so wa e/
La guesa, A. (2018b, Oc obe 10). An ónio Moniz: “Há a e as complexas que não podem se
subs i uídas po obôs.” Negócios Inicia i as - Jo nal De Negócios.
h ps://www.jo naldenegocios.p /negocios-inicia i as/de alhe/an onio-moniz-ha- a e as-complexas-
que-nao-podem-se -subs i uidas-po - obos
Li, K., Zhang, J., Xu, H., & Li, H. (2013). A semi-supe ised ex eme lea ning machine me hod based on
co- aining. Resea chGa e. h ps://www. esea chga e.ne /publica ion/279760568_A_semi-
supe ised_ex eme_lea ning_machine_me hod_based_on_co- aining
LINCOLN, Y.S.; GUBA, E.G. Na u alis ic inqui y. Lond es, Sabe, 1985. Na u alis ic inqui y. (n.d.). Google
Books. h ps://books.google.p /books?id=2oA9aWlNeooC&p in sec= on co e & edi _esc=y# =onepage
&q& = alse
Lu, Yingying. The economic impac o AI. The Con e sa ion; 2023.
h p://hdl.handle.ne /102.100.100/492103?index=1
McKinsey & Company. 2017, No embe 28). O u u o do me cado de abalho: impac o em emp egos,
habilidades e salá ios. (h ps://www.mckinsey.com/ ea u ed-insigh s/ u u e-o -wo k/jobs-los -jobs-
72
gained-wha - he- u u e-o -wo k-will-mean- o -jobs-skills-and-wages/p -b
Moniz, A. B. (2018). Robó ica e abalho: O u u o hoje. Lisboa: Glacia h ps:// e is a.aps.p /wp-
con en /uploads/2019/03/SociologiaAPS182018CAP6NBoa ida.pd
Musa, B. (2023). Fo mal educa ion sys em in I aq: Upskilling and eskilling o employmen and Sel -
Reliance. Eu asian Jou nal o Managemen & Social Sciences, 4(1).
h ps://doi.o g/10.23918/ejmss. 4i1p116
Nayak, S. (2024, Augus 28). E hical conside a ions in in elligen au oma ion. TechVe sions.
h ps:// ech e sions.com/p /au omacao/conside acoes-e icas-em-au omacao-in eligen e/
Naza eno, L., & Schi , D. S. (2021). The impac o au oma ion and a i icial in elligence on wo ke well-
being. Technology in Socie y, 67, 101679. h ps://doi.o g/10.1016/j. echsoc.2021.101679
Online, É. N. (2019, Ma ch 13). Leia o ex o do con i e que c iou o e mo in eligência a i icial. Época
Negócios. h ps://epocanegocios.globo.com/Tecnologia/no icia/2019/03/leia-o- ex o-do-con i e-que-
c iou-o- e mo-in eligencia-a i icial.h ml
Pa e o. (2023b, Decembe 22). 17 Exemplos de IA e Aplicações no Dia a Dia | Pa e o.io Blog. Pa e o.io
Blog. h ps://blog.pa e o.io/exemplos-de-in eligencia-a i icial/
Pa lamen o Eu opeu (2024) “Lei da UE sob e IA: p imei a egulamen ação de in eligência a i icial” Lei
da UE sob e IA: p imei a egulamen ação de in eligência a i icial | A ualidade | Pa lamen o Eu opeu
(eu opa.eu)
People, U. (2024, July 24). Fo ça de abalho: En enda o impac o da IA. Unico.
h ps://unico.io/unicopeople/ o ca-de- abalho/
PWC / BEIS (2021) The Po en ial Impac o A i icial In elligence on UK Employmen and he Demand
o Skills. London: Depa men o Business, Ene gy, and Indus ial S a egy (BEIS) Resea ch Repo
Numbe : 2021/042
Reis, T. (2023, July 27). IA: En enda como a in eligência a i icial em e olucionado o me cado.
Suno. h ps://www.suno.com.b /a igos/ia-in eligencia-a i icial/
Rocha, L. (2023, Augus 7). HISTÓRIA DA INTELIGÊNCIA ARTIFICIAL.
h ps://www.linkedin.com/pulse/his %C3%B3 ia-da-in elig%C3%AAncia-a i icial-leonice-
ocha/?o iginalSubdomain=p
Rod iguez-Bus elo, C., Ba is a-Fogue , J. M., & Se la ós, R. (2020). Deba ing he Fu u e o wo k: The
pe cep ion and eac ion o he Spanish wo k o ce o digi iza ion and au oma ion echnologies. F on ie s in
Psychology, 11. h ps://doi.o g/10.3389/ psyg.2020.01965
Saunde s, M.N.K., Lewis, P. and Tho nhill, A. (2019) Resea ch Me hods o Business S uden s. 8 h
Edi ion, Pea son, New Yo k.

73
Seab a, B. (2023, Augus 6). A In eligência A i icial ai des ui as amosas assis en es i uais?
TecMundo. h ps://www. ecmundo.com.b /so wa e/266948-in eligencia-a i icial-des ui - amosas-
assis en es- i uais.h m
Shannon, Claude E.; Wea e , Wa en (1949). The Ma hema ical Theo y o Communica ion (em inglês).
Illinois: Illini Books. 117 páginas. Lib a y o Cong ess Ca alog Ca d nº 49-11922 The Ma hema ical Theo y
o Communica ion (mpg.de)
Sichman, J. S. (2021). In eligência A i icial e sociedade: a anços e iscos. Es udos A ançados, 35(101),
37–50. h ps://doi.o g/10.1590/s0103-4014.2021.35101.004
Simões, P. (2024, Oc obe 5). Quan os u ilizado es em o Cha GPT? A OpenAI e elou os dados mais
ecen es. Pplwa e. h ps://pplwa e.sapo.p /in eligencia-a i icial/quan os-u ilizado es- em-o-cha gp -a-
openai- e elou-os-dados-mais- ecen es/
Souza, M. (2022). Tecnologias da Linguagem, É ica em IA e Regulamen ação. Compu ação B asil, (47),
32–35. h ps://doi.o g/10.5753/compb .2022.47.4405
Sus, A., & Sylwes zak, B. (2021). E olu ion o he Labo Ma ke and Compe ency Requi emen s in
Indus y 4.0 e sus he Co id-19 Pandemic. EUROPEAN RESEARCH STUDIES JOURNAL, XXIV (Issue 1),
494–506. h ps://doi.o g/10.35808/e sj/1975
Tableau. (n.d.) A In eligência A i icial no dia a dia em oi o exemplos. h ps://www. ableau.com/p -
b /lea n/a icles/ai/examples
Tu ing, A. M. (2007). Compu ing Machine y and In elligence. In Sp inge eBooks (pp. 23–65).
h ps://doi.o g/10.1007/978-1-4020-6710-5_3
TRex. (2023, Augus 17). Comp eendendo a de ecção de anomalias e como ela pode bene icia sua
emp esa. Hacke Noon. h ps://hacke noon.com/p /en endendo-a-de ec%C3%A7%C3%A3o-de-
anomalias-e-como-ela-pode-bene icia -sua-emp esa
Uadmin. (2022b, Ap il 19). Wha is machine lea ning (ML)? - I school online. UCB-
UMT. h ps://ischoolonline.be keley.edu/blog/wha -is-machine-lea ning/
Van Engelen, J. E., & Hoos, H. H. (2019). A su ey on semi-supe ised lea ning. Machine Lea ning,
109(2), 373–440. h ps://doi.o g/10.1007/s10994-019-05855-6
Ven u a, L. (2023, May 3). In eligência A i icial aumen a á a desigualdade no mundo, ale a
economis a. Olha Digi al. h ps://olha digi al.com.b /2023/05/01/p o/in eligencia-a i icial-aumen a a-
a-desigualdade-no-mundo-ale a-economis a/
Wikipedia con ibu o s. (2023, No embe 23). h ps://p .wikipedia.o g/wiki/Alan_Tu ing
Wikipedia con ibu o s. (2023, Decembe 3). Co- aining. Wikipedia.
h ps://en.wikipedia.o g/wiki/Co- aining
74
Wikipedia con ibu o s. (2023, No embe 27). Machine lea ning. Wikipedia.
h ps://en.wikipedia.o g/wiki/Machine_lea ning
Imagens
Aleksee a, L., Aza , J., Giné, M., Samila, S., & Taska, B. (2021). The demand o AI skills in he labo
ma ke . Labou Economics, 71, 102002. h ps://doi.o g/10.1016/j.labeco.2021.102002
Almeida, A., Ca alo, F., Menino, F. (n.d.). 1 In odução | In odução ao Machine
Lea ning. h ps://da aa .gi hub.io/in oducao-ao-machine-
lea ning/in odu%C3%A7%C3%A3o.h mlAlmeida, G. (2024, Ma ch 15). IA ai elimina quase meio milhão
de emp egos em Po ugal na p óxima década. Mas ai c ia mais de 400
mil. Visão. h ps:// isao.p /a ualidade/2024-03-15-ia- ai-elimina -quase-meio-milhao-de-emp egos-em-
po ugal-na-p oxima-decada-mas- ai-c ia -mais-de-400-mil/
Blog da T ybe (2022, Sep embe 2). Ap endizado supe isionado: 7 exemplos sob e como aplica –
Insigh s pa a e ajuda na ca ei a em ecnologia h ps://blog.be ybe.com/ ecnologia/ap endizado-
supe isionado-aplicacao/
D E (Depa men o Educa ion) (2023) The impac o AI on UK jobs and aining. London: Depa men
o Educa ion
Dsa, E. (2022, Decembe 4). Capí ulo 3 - O Que São Redes Neu ais A i iciais P o undas ou Deep
Lea ning? - Deep Lea ning Book. Deep Lea ning Book. h ps://www.deeplea ningbook.com.b /o-que-sao-
edes-neu ais-a i iciais-p o undas/
Gonzalez, D. (2022, Ma ch 22). A i icial in elligence, a icle by Fe nando Guillem in he Segu i ecnia.
Lanaccess. h ps://www.lanaccess.com/en/a i icial-in elligence/
In es , B. (n.d.). In es T ends In eligência A i icial. Banco In es .
h ps://www.bancoin es .p /des aques/in es - ends-in eligencia-a i icial?id=38
Kuma , A. (2019, Oc obe 30). Di e ence be ween Machine Lea ning & T adi ional So wa e -
Analy ics Yogi. Analy ics Yogi. h ps:// i al lux.com/di e ence-be ween-machine-lea ning- adi ional-
so wa e/
McKinsey & Company. 2017, No embe 28). O u u o do me cado de abalho: impac o em emp egos,
habilidades e salá ios. (h ps://www.mckinsey.com/ ea u ed-insigh s/ u u e-o -wo k/jobs-los -jobs-
gained-wha - he- u u e-o -wo k-will-mean- o -jobs-skills-and-wages/p -b )
Mou a, P. (2023, Oc obe 2). Des endando o Machine Lea ning: en enda o que é e como unciona -
Blog 4Linux. Blog 4Linux. h ps://blog.4linux.com.b /concei os-basicos-sob e-machine-lea ning/
75
Naza eno, L., & Schi , D. S. (2021). The impac o au oma ion and a i icial in elligence on wo ke well-
being. Technology in Socie y, 67, 101679. h ps://doi.o g/10.1016/j. echsoc.2021.101679
TRex. (2023, Augus 17). Comp eendendo a de ecção de anomalias e como ela pode bene icia sua
emp esa. Hacke Noon. h ps://hacke noon.com/p /en endendo-a-de ec%C3%A7%C3%A3o-de-
anomalias-e-como-ela-pode-bene icia -sua-emp esa
76
Ques ioná io
Fase 1 – Dados do Inque ido
1.
Iden i ique, po a o , a sua nacionalidade?
a)
Po uguesa
b)
Ou a (Especi ica )
2.
Iden i ique, po a o , o seu géne o?
a)
Masculino
b)
Feminino
c)
Ou o
3.
Iden i ique, po a o , a aixa e á ia em que se si ua?
a)
Menos de 18 anos
b)
18 a 25 anos
c)
26 a 35 anos
d)
36 a 45 anos
e)
46 a 55 anos
)
Mais de 55 anos
4.
Iden i ique, po a o , o seu g au de escola idade?
a)
Ensino Básico
b)
Ensino Secundá io, Cu so Cien í ico-Humanís ico
c)
Ensino Secundá io, Cu so Técnico, P o issional ou ou o
d)
Licenciado
e)
Pós-g aduação (Especialização, Mes ado ou Dou o ado)
5.
Indique, po a o , qual a sua egião de esidência? (NUT2)
a)
No e
b)
Cen o
c)
Alga e
d)
Alen ejo
83
Fase 8 - Expe iências P á icas e Conhecimen o sob e IA no T abalho
1.
No seu dia a dia, já se depa ou com alguma mudança no seu local de abalho de ido à
implemen ação de ecnologias baseadas em in eligência a i icial? Se sim, quais?
2.
No seu dia a dia, já e e alguma expe iência di e a com sis emas de in eligência a i icial no
ambien e de abalho? Se sim, como oi a sua expe iência?

84
Apêndice
O apêndice em como obje i o o nece in o mações adicionais que complemen am e ap o undam
o con eúdo p incipal. Ele inclui dados b u os, abelas, g á icos que alidam a pesquisa e pe mi em uma
explo ação mais de alhada no con ex o da in eligência a i icial (IA). Des e modo, o in ui o é o nece
ao lei o in o mações de alhadas e cien í icas que complemen am a in odução e de inição da IA
(Capí ulo 2.1). Ele explica concei os e algo i mos p incipais, como ap endizagem de máquina e edes
neu ais, e ap esen a exemplos p á icos de aplicações da IA em di e sos se o es.
Machine Lea ning
(ML) ou Ap endizagem de Máquina
“Você pode e os dados sem in o mações, mas ocê não pode e in o mações sem dados”. –
Ci ado
po
Daniel Cha es Mo an
em
(Ba os, P. 2018, June 19).
A ase acima mencionada de Daniel Cha es Mo an de ine
Machine Lea ning
de uma o ma simples
e di e a. Os
dados são a ma é ia-p ima
pa a consegui mos ob e in o mações, mas po si só não são
su icien es. Eles p ecisam se p ocessados, analisados e in e p e ados de o ma a se o na em u eis e
ele an es pa a o que necessi amos. Assim sendo, a
ML é uma o ma de ex ai in o mações a
pa i de dados,
u ilizando algo i mos pa a que consigam, au onomamen e ap ende e adap a sem
e po ás uma p og amação explíci a.
Des a o ma, a ML pode se u ilizada pa a omada de decisões, esolução de p oblemas e descob i
conhecimen o, uma ez que em a
capacidade de ans o ma dados em in o mações.
De uma
o ma mais gene alizada, ML é um subcampo da In eligência A i icial que se
dedica ao
desen ol imen o e es udo de algo i mos es a ís icos com a capacidade de ealiza a e as e
ap ende de o ma au ónoma
(
Wikipedia con ibu o s. 2023, No embe 27).
O que a ia en ão en e a p og amação adicional e o
Machine Lea ning
? Na p og amação
adicional ou clássica, o conjun o de eg as são elabo adas po uma pessoa a pa i de alguns dados
de en ada de o ma a ob e espos as que cump as com essas mesmas eg as.
Po ou o lado, a
ML é capaz de elaciona os dados com as espos as
que espe amos a a és
da ap endizagem e ob e o conjun o de eg as de uma o ma mais e icaz. A an agem da ML
compa a i amen e com o pano ama adicional é que essas eg as podem se aplicadas a di e en es
dados de o ma a p oduzi espos as que o am ge adas au oma icamen e pelo sis ema e não pelas
85
ins uções o necidas po um humano
(
Deep Lea ning wi h Py hon. n.d.).
Des a o ma conseguimos des aca ês o es di e enças en e o clássico e a máquina. Enquan o
no clássico o obje i o é a ende os equisi os uncionais e não uncionais,
na ML o obje i o é o imiza
o p ocesso dos modelos
, ou seja, o modelo es á em cons an e ap endizagem esul ando numa
cons an e c iação de alo ; o segundo pa âme o de compa ação em com base o ní el de dados, ou
seja, enquan o no modelo clássico o so wa e depende unicamen e da qualidade do código po de ás
do p og ama,
na ML a qualidade do modelo depende de á ios pa âme os elacionados com os
dados de en ada e os ajus es dos Hipe pa âme os
; como e cei a di e gência, o modelo clássico
é c iado com base numa quan idade b u a de dados, enquan o
na ML os modelos podem se
cons uídos u ilizando di e en es algo i mos e on es
podendo, des a o ma, o esul ado a ia
consoan e a on e e /ou algo i mo u ilizado (Kuma , A. 2019, Oc obe 30).
De aco do com o au o , (Uadmin. 2022b, Ap il 19) pa a o co e o uncionamen o da
Machine
Lea ning
consis e em ap oximadamen e ês ases.
Figu a
41
: P og amação T adicional VS Machine Lea ning
Imagem adap ada de: Kuma , A. (2019, Oc obe 30)
86
1.
P ocesso de decisão:
Nes a ase, a ML em como obje i o iden i ica e ag upa os
dados o necidos de uma o ma pad onizada;
2.
Função de E o:
Nes a segunda ase, a ML isa em medi o quão iá el oi a p e isão
ei a na e apa an e io compa ando, semp e que possí el, com exemplos disponí eis;
3.
O imização do P ocesso:
Nes a úl ima e apa, a ML é esponsá el po analisa odo o
modelo iden i icando e co igindo as alhas, pa a que numa p óxima ez a alhas não
seja ão g ande quan o a an e io , en ando assim num
loop
de ap endizagem.
Na Figu a 42 podemos isualiza um caso especí ico de
Machine Lea ning
elacionado com o il o
de spam. Numa p imei a ase, p ocesso de decisão, a ML sepa a os emails pa a usa no einamen o,
de seguida u ilizando os dados o necidos, nes e caso as amos as dos emails dadas, a ML eina o
algo i mo de o ma a econhece e iden i ica os pad ões de spam. Numa ase in e média, unção de
e o, a ML desen ol e um il o de spam e medindo o quão iá el oi a p e isão do modelo u ilizado.
Após medição en a en ão na sua ase inal, onde az os es es necessá ios e i icando a exis ência de
“ alhas” no modelo. Caso o modelo encon e alguma alha a mesma é a ada e ol a pa a a ase inicial
como um no o dado es ando des a o ma em cons an e ap endizagem. Caso não seja encon ado
qualque e o no modelo o
ou pu
e o necido ao u ilizado .
Ago a que en endemos o uncionamen o do modelo, é impo an e en ende ambém quais os
ipos
de einamen o que a
Machine Lea ning
u iliza
, ais como o
einamen o supe isionado,
einamen o não supe isionado e semi-supe isionado.
Segue-se na Figu a 43 a hie a quia da
ipologia do ML.
Figu a
42
: P ocesso de uncionamen o da Machine Lea ning
Imagem adap ada de: Mou a, P. (2023, Oc obe 2)
87
O
einamen o supe isionado
é o mais semelhan e ao ensinamen o humano, ou seja,
consis e
em o nece um conjun o de
inpu s
e
ou pu s
o ulados ao modelo
, de o ma a ele consegui medi
de o ma p ecisa os esul ados, a a és da unção de pe da, (IBM. n.d.) O que é ap endizagem
supe isionada? O modelo
u iliza ó ulos de dados de o ma a a alia a ele ância das di e en es
ca ac e ís icas
e melho a g adualmen e o desempenho dos esul ados espe ados
(Al e yx.
2023, July 3). O einamen o supe isionado pode en ão se classi icado em duas ca ego ias p incipais:
classi icação – a saída assume somen e um conjun o de ó ulos p é-de inidos, ou seja, é a p edição de
uma classe ou ca ego ia; eg essão – a saída pode se um alo eal, ou seja, o modelo e á de p e e
e assumi qual o alo , com base numa dada condição. Pa a de uma o ma mais cla a pude mos
en ende es as duas classi icações, segue-se abaixo dois exemplos:
Classi icação:
Imaginemos que o algo i mo já enha ap endido as aças de ga os e cães, caso nós
ap esen emos um pas o alemão pa a esse algo i mo, a ML ai sabe iden i icá-lo como um cão.
Reg essão:
Imaginemos que i iamos in es i o dinhei o num imó el. U ilizando um modelo des e
ipo pode emos sabe qual a casa que mais ai alo iza no u u o ou qual o espaço u bano que maio
alo ização ai e . Des a o ma pode emos analisa e aze a escolha mais asse i a.
Figu a
43
: Tipos de einamen o da Machine Lea ning
88
Con o me podemos e i ica na Figu a 44, o
einamen o supe isionado passa en ão po cinco
e apas sendo apenas na qua a onde a ap endizagem de máquina en a
– (Blog da T ybe 2022,
Sep embe 2). Na
p imei a, segunda e e cei a e apa (Seleção; P é-P ocessamen o;
T ans o mação) e apas necessa iamen e execu adas po se es humanos.
É o se humano que
p ecisa seleciona , p ocessa e a a dos dados que p e ende analisa . Na
qua a e quin a e apa, a
ML é esponsá el pela mine ação dos dados o necidos, o ulando-os pa a u u amen e
consegui aze uma in e p e ação dos mesmos.
O
einamen o não supe isionado,
di e en emen e do einamen o supe isionado é um ipo
de ap endizagem de máquina que
usa dados não o ulados pa a encon a pad ões
,
ag upamen os, associações ou anomalias nos dados,
sem in e enção do Se Humano.
Des a o ma,
o algo i mo não ecebe nenhuma espos a ou o ien ação p é-de inida, mas en a descob i a es u u a
dos dados po con a p óp ia.
De uma o ma mais cla a, podemos dize que, enquan o o einamen o supe isionado é como um
pai p eocupado com a c iança o ien ando-a e aconselhando-a e co igindo os seus e os. Po ou o
lado, o einamen o não supe isionado é uma c iança que es á a ap ende po si mesma.
Figu a
44
: P ocesso T einamen o Supe isionado
Imagem adap ada de: Blog da T ybe (2022, Sep embe 2)

89
O
einamen o não-supe isionado
é p ocessado con o me a Figu a 45. Numa ase inicial, é dada
à ML uma eno me quan idade de dados não o ulados, sendo es a u u amen e in e p e ada e
analisada de o ma a iden i ica pad ões e/ou simila idades nos dados o necidos. Após aplicado o
algo i mo e p ocessado os dados o necidos podemos
acilmen e iden i ica anomalias e/ou
analisa com um meno núme o de a iá eis acabando po acili a a sua in e p e ação,
(Almeida, A., Ca alo, F., Menino, F. (n.d.)).
Assim sendo, acilmen e conseguimos pe cebe a u ilidade que o einamen o não supe isionado
nos pode i a aze em análise. Pa a aqueles que abalham com uma quan idade eno me de dados,
sem dú ida que es e modelo é o mais adequado uma ez que az an agens ais como: (Awa i 2023,
No embe 25)
1.
Ag upamen o de dados:
A
Machine Lea ning
p ocu a iden i ica simila idades e pad ões
en e os dados ob idos conseguindo de o ma in ui i a ag upa esses dados. Como
exemplo enho ag upamen o segmen ação de dados como ma ca do ca o ou a é mesmo
a ipologia do mesmo;
2.
De enção de Anomalias
: Podemos acilmen e iden i ica dados que não se encaixam ou
que ogem ao pad ão dos es an es, podendo deb uça a nossa maio a enção na análise
dos mesmos e a é mesmo os mo i os de “saí em á eg a”. Exemplo emos de eção de
audes inancei as ou a é mesmo de alhas de sis ema;
3.
Redução da Dimensionalidade:
Des a o ma, conseguimos eduzi o núme o de
a iá eis e analisa g upo de dados meno aumen ando a e iciência e o ap o undamen o
dos mesmos, p ese ando assim as in o mações mais impo an es pa a uma análise mais
obje i a;
Figu a
45
: P ocesso T einamen o Não
-
Supe isionado
Imagem adap ada de: Almeida, A., Ca alo, F., Menino, F. (n.d.)
90
4.
Ge ação de Dados:
Com base nas ca ac e ís icas ob idas dos dados, a
machine lea ning
é
capaz de p oduzi no os dados de o ma a auxilia e complemen a a análise de dados
p e iamen e es abelecidos le ando a uma análise mais de alhada e cla a;
Apesa de odas es as an agens an e io men e mencionadas, é impo an e ealça que ambém
exis em a enções das quais de e emos e quando analisamos com es e modelo
. En e essas
a enções ealça-se a
in e p e ação de esul ados
- uma ez que se a a de um ag upamen o de
dados a a és de uma máquina, nem semp e é ácil ou acessí el a in e p e ação da segmen ação de
dados u ilizado, sendo, em ce os casos necessá io um conhecimen o especializado;
qualidade dos
dados
– a qualidade da análise depende p incipalmen e da qualidade dos dados o necida, ou seja, se
os dados es i e em incomple os, e ados ou desbalanceados, pode á e consequência an o no
ag upamen o dos mesmos como ambém na p óp ia análise a se e e uado na ul ima ase. Des a o ma,
o
mais co e o se ia aze um p é-p ocessamen o an es da aplicação dos algo i mos
;
escolha
dos algo i mos
– dependendo do obje i o desejado pode á se necessá io aplica di e en es
algo i mos, uma ez que eles possuem di e en es ca ac e ís icas e aplicações. Des a o ma é
impo an e e um obje o modelo em men e e
aplica o algo i mo consoan e a necessidade
; po
úl imo a
escalabilidade
– dependendo da dimensão dos dados, exis i á semp e
o p oblema se a
máquina e á a capacidade de ende iza e in e p e a o olume de dados o necido,
podendo
exigi ecu sos compu acionais adicionais.
Pa a que o einamen o não supe isionado possa chega a esses esul ados u iliza en ão
di e en es écnicas de
machine lea ning
ais como a
clus e ização
;
de enção de anomalias;
mine ação e associação e modelos de a iá eis la en es
. Cada uma dessas écnicas ealça uma
impo ância signi ica i a na ap endizagem, Alige . (2025).
Po úl imo, o
einamen o semi-supe isionado
é uma mis u a en e os dois einamen os
an e io men e mencionado
.
Assim sendo, é uma o ma de ML que
combina dados o ulados e não
o ulados pa a melho a o desempenho de classi icado es
. De uma o ma mais especi ica,
consis e em u iliza uma pequena po ção de dados o ulados manualmen e em conjun o com
uma g ande quan idade de dados não o ulados
de modo que consigamos aumen a a
conco dância e con iança en e eles e i ando des a o ma, um abalho ex emamen e demo ado e
exaus i o na o ulação de odos os dados e aumen o ambém a iabilidade e con iança ao e uma
po ção p e iamen e alidada dos mesmos, (Van Engelen, J. E., & Hoos, H. H. 2019) e (Chapelle, O. 2005,
91
Janua y 6).
Pa a esse im,
einamen o semi-supe isionado u iliza maio i a iamen e um algo i mo
denominado de
co- aining
. Es e algo i mo eque duas isões ou desc ições de cada documen o.
Assume en ão que essas duas isões
ap esen am in o mações complemen a es sob e o
documen o e que cada uma das isões em a capacidade su icien e pa a consegui p e e a
classe do documen o
, u iliza assim um classi icado pa a cada isão, o nando-se capaz de eina
al e nadamen e com dados o ulados e não o ulados (Li, K., Zhang, J., Xu, H., & Li, H. 2013).
Em suma, odos os ipos de einamen o an e io men e mencionados ap esen am an agens e
des an agens, dependendo do p opósi o de análise que se p e enda pode emos op a en e o modelo
que maio an agem nos a á (TRex. 2023, Augus 17). Podemos e i ica , na Figu a 7, as an agens
e des an agens de cada um dos ês modelos de einamen o an e io men e mencionados.
Deep Lea ning (DL)
Todos nós já ou imos ala de
Deep Lea ning
, no malmen e es e e mo é acilmen e con undí el
com o e mo de
Machine Lea ning
mesmo a ando-se de
concei os subs ancialmen e di e gen es
como pode emos e á
pos e io i
.
Enquan o o ML, an e io men e is o, é ca ac e izado como oda a p á ica de usa algo i mos e de
Figu a
46
: Compa ação En e Modelos T einamen o
Imagem adap ada de: TRex. (2023, Augus 17)
92
en ende os dados, é ge almen e aplicado a p oblemas es u u ados, po ou o lado o
DL é aplicado
a um g ande olume de dados não es u u ados ou semies u u ados sendo necessá io, assim,
um pode compu acional supe io
(ha dwa e supe io )
e um maio empo de
ap endizagem/ einamen o compa a i amen e ao ML.
Pa a que o DL consiga ap ende a pa i de uma g ande quan idade de dados,
u iliza uma ede
neu al a i icial
. Ou seja, o DL
é uma o ma de ML que u iliza conexões neu ais inspi adas no
cé eb o humano
, imi ando o seu compo amen o e o mas de aciocínio pa a p ocessa os dados
(Dsa, E. 2022b, Decembe 4).
As Redes Neu ais A i iciais (ANNs ou RNA), são um subconjun o de ML que se ap esen am na pa e
cen al do DL. A sua ideologia é baseada no cé eb o humano, ou seja, en a c ia a a és da
combinação da ciência da compu ação com es a ís ica um modelo de ligações semelhan e á ede
ce eb al do se humano capaz de soluciona p oblemas comuns na á ea da In eligência A i icial. Po
ou as pala as, as
ANNs são sis emas compu acionais in e conec ados po nós que abalham
o p ocessamen o dos dados da mesma manei a do cé eb o humano,
onde p ocu a simula a
o ma, o compo amen o e as unções de um neu ônio biológico.
Como podemos e i ica na Figu a 47, as RNA são compos as po uma camada de en ada (
Inpu
Laye
), podendo con e uma ou mais camadas ocul as (
Hidden Laye
) e uma camada de saída. (
Ou pu
Laye
). Des a o ma,
cada neu ónio a i icial conec a-se a ou o p ocessando odos os dados
in e ligados en e eles
, ansmi indo a in o mação de o ma que enhamos um Ou pu o mais
complexo e de alhado possí el, (Dsa, E. 2022b, Decembe 4).
Figu a
47
: Redes Neu ais A i iciais
Imagem adap ada de: Dsa, E. (2022, Decembe 4)