Aprender a desaprender: como conquistar relevância profissional na era da IA

Você se lembra qual era a ferramenta considerada “absoluta” na sua área há três ou quatro anos? Talvez fosse um framework de JavaScript que prometia resolver todos os problemas de performance, uma biblioteca de Python que todos juravam ser o padrão ouro da indústria para a próxima década, ou uma linguagem que dominava as conversas nos fóruns e comunidades.

Fato é que hoje essa ferramenta pode ter sido engolida por um copilot, substituída por uma alternativa mais barata ou simplesmente saiu de moda. O esforço não foi desperdiçado, mas a ferramenta em si envelheceu rápido demais.

A indústria sempre operou em ciclos, mas a diferença é que atualmente esses ciclos encurtaram. Antes, uma stack durava cinco a sete anos no centro da decisão técnica. Agora, copilots mudam de capacidade em meses, modelos de linguagem adicionam novas skills a cada semana e times inteiros precisam recalibrar os fluxos a cada trimestre.

Não é só uma sensação. Pesquisa da McKinsey mostra que a adoção de IA generativa nas empresas saltou de cerca de 50% para 72% entre 2023 e 2024. Os processos de trabalho e as ferramentas de produtividade de milhões de profissionais mudaram drasticamente em questão de meses.

A pergunta sobre como se manter relevante no mercado de tecnologia mudou de natureza. O profissional mais valioso é aquele com mentalidade ágil, capaz de descartar o que já não funciona com a mesma velocidade com que a próxima ferramenta aparece no radar

Mentalidade digital: o que significa desaprender?

Desaprender não é a mesma coisa que esquecer. As duas coisas operam de formas diferentes. Pense no seu computador antes de uma atualização grande do sistema operacional. A máquina é a mesma, o processador é o mesmo, a memória RAM é a mesma. O que muda é a forma como os programas conversam com o hardware. Os drivers antigos saem, novos protocolos entram. Você não precisou jogar o computador fora, mas reorganizou a forma como ele opera.

Com profissionais de tecnologia o processo é parecido. Manter um “código legado” de hábitos e métodos antigos na mente consome uma memória RAM preciosa, gerando conflitos e impedindo que novas funções e novos aprendizados sejam executados.

O raciocínio lógico permanece. A leitura de problemas, a noção de arquitetura, a capacidade de quebrar um desafio em pedaços menores: tudo isso é base permanente. O que precisa sair de cena, com frequência, é a forma específica de resolver.

Dois exemplos do dia a dia para ajudar a entender melhor a ideia:

1. O programador que virou maestro

Existem muitos desenvolvedores que se orgulham de escrever cada linha do zero. Esse profissional não desapareceu, mas o valor do trabalho dele se deslocou. Hoje, parte considerável do código produzido sai de copilots e é revisada, ajustada e arquitetada por humanos.

Quem entendeu o movimento passou a operar como um maestro: orquestra, valida, garante qualidade, conecta peças. Quem não entendeu segue digitando linhas que uma IA produz em segundos. É um exemplo claro de como a IA está mudando o mercado de tecnologia.

2. O analista que precisou aprender a falar

Houve um tempo em que o “mago do SQL” dominava consultas complexas, conhecia cada índice do banco e sempre era procurado quando ninguém mais conseguia extrair um relatório. Hoje, ferramentas de self-service BI mudaram a equação.

O que ficou raro foi a capacidade de transformar o número em narrativa, de explicar para um diretor de produto por que aquela queda de 12% na conversão importa mais do que parece à primeira vista.

A parte mais difícil de desaprender não é técnica, mas emocional, porque isso significa aceitar voltar a ser iniciante em algo, mesmo depois de anos de senioridade em outro campo. Para quem construiu identidade profissional em torno de uma especialidade, esse movimento pode ser incômodo.

Future Skills: a habilidade invisível que o mercado de tecnologia procura

Quando uma empresa publica uma vaga pedindo “experiência sólida em X”, está, na prática, descrevendo a ferramenta que usa hoje para resolver um problema. Mas o que importa de verdade é o problema, a ferramenta é apenas um meio. E nada garante que ela continue sendo o meio mais eficiente daqui a doze meses.

Por isso a discussão sobre as habilidades mais valorizadas em tech sai do estoque de conhecimento para a velocidade de iteração. As empresas de ponta estão buscando a sua capacidade de resolver problemas que elas ainda nem sabem que terão no próximo semestre.

O Future of Jobs Report 2025, do Fórum Econômico Mundial, indica que 39% das habilidades atuais dos trabalhadores precisarão ser atualizadas até 2030. A empresa que paga seu salário também sabe disso. Por isso valoriza, mesmo sem nomear de forma explícita, um conjunto de competências que não cabem em um campo do seu currículo:

• Agilidade de adaptação: a teimosia técnica é o caminho mais curto para o erro. A capacidade de testar uma hipótese ou ferramenta, admitir que ela falhou e mudar a rota sem se sentir derrotado é o que separa os líderes dos seguidores.
• Curadoria crítica: o mercado oferece dezenas de “ferramentas que vão revolucionar tudo” a cada mês. Saber qual delas merece um teste e qual deve ser ignorada é uma habilidade técnica, ainda que pareça intuitiva.
• Resolução de problemas ambíguos: cenários cada vez menos vêm com enunciado claro. Isso envolve decompor problemas complexos em partes menores, testar soluções incrementais e manter a calma sob pressão.
• Comunicação e empatia: explicar uma decisão arquitetural para um diretor financeiro, um trade-off de performance para um designer, um risco de segurança para o jurídico. Engenharia que não se comunica fica isolada.
• Visão de negócios: entender que cada linha de código, cada configuração de servidor e cada interface de UI existe apenas para gerar valor para uma pessoa real do outro lado da tela.

Equilíbrio profissional: o antídoto contra o “burnout de aprendizado”

Quem trabalha com tecnologia conhece a sensação de que a “esteira não para nunca”. Você abre o LinkedIn na manhã de segunda e vê três anúncios de cursos novos, dois posts sobre uma ferramenta que precisa estudar e um relatório de tendências que parece ter sido escrito ontem… porque foi escrito ontem. A pressão tem custo emocional, mesmo para quem ama a área.

O setor inteiro entendeu que precisa correr. O lado complicado dessa corrida é a fadiga de quem está dentro dela. Esse “burnout de aprendizado” ocorre quando tentamos consumir de forma ansiosa toda e qualquer novidade que aparece na timeline do LinkedIn ou nos portais de notícias, sem um critério claro de relevância.

Existe alternativa mais saudável, com dois movimentos complementares. O primeiro é reconhecer que o aprendizado contínuo deixou de ser opcional, sem aceitar que ele precise ser exaustivo. Quinze minutos focados, três vezes por semana, em um tópico que importa de verdade rendem mais do que dois finais de semana inteiros tentando “absorver” cada novidade lançada.

O segundo movimento é desenvolver curadoria. Desaprender também significa aprender a ignorar o que não é essencial para o seu momento de carreira ou para os objetivos da sua empresa. Os fundamentos de computação, estatística e design de sistemas mudam pouco. As ferramentas mudam muito. Quem investe nos fundamentos consegue trocar de ferramenta com menos ansiedade.

Por onde começar: como desenvolver o músculo de desaprender

Se a capacidade de desaprender é um músculo, ele precisa de treinamento para não atrofiar. A boa notícia é que isso não exige matricular-se em mais cursos. Existem caminhos pequenos que, repetidos com consistência, mudam o eixo profissional. Três deles funcionam para quase qualquer realidade de tempo e orçamento.

• O laboratório de sexta-feira: reserve 30 minutos no fim da semana para experimentar uma ferramenta nova sem compromisso. Pode ser um modelo de IA que você ainda não usou, uma extensão de IDE que apareceu nos comentários, uma feature do GitHub Actions. O objetivo do exercício é tirar o medo do desconhecido. Quem mantém esse hábito por descobre que a curva de aprendizado para qualquer novidade encurta.
• A inteligência coletiva: comunidades de Discord, grupos no Slack, fóruns: o ganho dessas redes não é só técnico. Você aprende com pessoas que já testaram aquilo que está prestes a estudar e podem te poupar semanas de caminho errado.
• Estruturas de pensamento, não tutoriais: tutoriais ensinam a apertar o botão certo. Estruturas de pensamento ensinam a avaliar qual ferramenta usar, quando trocar e como conectar uma decisão técnica à estratégia de produto. É também o que fundamenta o aprendizado contínuo na carreira tech de quem cresce ao longo de décadas, não só de ciclos curtos.

Você não precisa absorver tudo. Precisa de uma rotina pequena, sustentável e direcionada para os pontos que sua carreira realmente exige.

O ativo mais valioso é a leveza para mudar

O futuro do trabalho em tecnologia não pertence ao profissional que tem o disco rígido mais cheio, mas àquele que consegue limpar pastas obsoletas com naturalidade, sem confundir descarte com perda. Cada ferramenta que sai do seu repertório por irrelevância liberou espaço para algo mais útil.

Qual é a ferramenta, prática ou crença profissional que você ainda usa por hábito, mesmo sabendo que ela já não entrega o mesmo valor de antes?

Quer continuar acompanhando análises sobre carreira, mercado e novas tecnologias? Assine a newsletter do Radar Tech da FIAP e receba conteúdos como esse direto no seu e-mail.