Novos cargos em IA estão surgindo, mas o trabalho ainda é difícil de definir

O Google News destacou em 2 de agosto o texto de Doug Levin, “New Titles Because of AI and Beyond”, inserindo uma provocativa afirmação sobre carreiras em um feed sobre regulação de IA.

A listagem oferece poucos detalhes acessíveis além da manchete e da atribuição. Essa limitação importa porque um texto sobre cargos profissionais pode facilmente se transformar em uma previsão de mudanças ocupacionais em massa.

A conclusão mais segura é mais restrita, mas também mais útil. A IA está mudando as fronteiras entre empregos existentes antes que os empregadores concordem sobre como chamar o trabalho resultante.

Isso cria um conflito entre rótulos visíveis e a realidade operacional. As empresas querem cargos que sinalizem competência em IA, enquanto os trabalhadores precisam de funções com autoridade clara, critérios de avaliação e trajetórias de carreira.

A manchete de Levin captura a primeira metade desse conflito. As evidências do mercado de trabalho fornecem a segunda.

A listagem do Google News identifica Levin e seu Substack como fonte. No entanto, o artigo original não estava consistentemente disponível para análise independente quando esta análise foi preparada.

Essa lacuna de verificação impede afirmações categóricas sobre o argumento completo de Levin. Ela não elimina a questão mais ampla levantada pela manchete.

Os novos cargos em IA são evidência de trabalho genuinamente novo, ou as empresas estão renomeando responsabilidades conhecidas enquanto seus modelos organizacionais permanecem indefinidos?

O que a manchete do Google News realmente mudou

O evento imediato é um argumento publicado sobre a nomenclatura ocupacional, não a criação de uma profissão ou categoria de emprego oficial.

O Google News distribuiu a manchete por meio de um feed voltado à regulação e à segurança em IA. A fonte foi a publicação de Doug Levin no Substack, “Lessons from a Startup Life.”

Levin se apresenta como executivo de tecnologia, fundador, membro de conselho e consultor de startups. A publicação de Doug Levin concentra-se em IA, startups, governança e decisões enfrentadas por líderes empresariais.

Esse histórico dá à manchete uma perspectiva de gestão. Ela apresenta os novos cargos como uma resposta organizacional à IA, e não como uma taxonomia emitida por estatísticos governamentais ou associações profissionais.

A distinção é importante. Um autor de newsletter pode identificar um padrão emergente, mas os empregadores ainda decidem quais posições existem e qual autoridade elas têm.

Em seguida, recrutadores transformam essas posições em descrições de vagas. Trabalhadores as interpretam como oportunidades de carreira, enquanto equipes de remuneração tentam compará-las a funções estabelecidas.

Sistemas de busca e agregação acrescentam outra camada. Uma manchete concisa pode circular mais longe do que as qualificações contidas no artigo original.

Esse parece ser o risco central aqui. “Novos cargos por causa da IA” soa concreto, mas a listagem disponível não estabelece quais cargos alcançaram adoção significativa.

Ela também não revela se Levin trata esses cargos como recomendações, observações, piadas ou advertências. Portanto, qualquer atribuição detalhada iria além das evidências.

Ainda assim, a manchete chegou ao Google News porque aborda uma mudança reconhecível. As organizações estão tendo dificuldade para atribuir responsabilidade por sistemas de IA que atravessam produto, engenharia, jurídico, segurança e operações.

Uma equipe convencional de software muitas vezes consegue separar o desenvolvimento de aplicações da infraestrutura e da conformidade. Um sistema de IA torna essas fronteiras menos estáveis.

Seu comportamento depende de modelos, informações recuperadas, prompts, permissões, avaliações e revisão humana. Uma falha pode se originar em qualquer uma dessas camadas.

Alguém precisa decidir quais dados o sistema pode acessar. Alguém precisa medir a qualidade das respostas, investigar erros, controlar gastos e determinar quando a aprovação humana continua obrigatória.

Essas responsabilidades são reais mesmo quando o cargo acima delas é novo. Portanto, o debate não é principalmente sobre vocabulário.

Trata-se de saber se uma organização reconheceu um trabalho que antes ficava entre departamentos.

Um novo cargo se torna significativo quando esclarece a responsabilidade. Ele se torna cosmético quando apenas coloca “IA” antes de uma função existente, sem mudar decisões, recursos ou prestação de contas.

Essa é a tensão criada pela manchete. Ela convida os leitores a olhar além da novidade e perguntar se os empregadores reformularam o próprio trabalho.

Os cargos em IA crescem mais rápido do que a clareza organizacional

Os empregadores sofrem pressão para anunciar capacidade em IA antes de definirem quem é responsável pela implantação, segurança, avaliação e resultados empresariais.

A evidência mais forte dessa pressão vem da atividade do mercado de trabalho, não de listas de títulos criativos.

O monitor de mercado de trabalho em IA do LinkedIn, de setembro de 2025, analisou dados da força de trabalho de mais de 200 milhões de membros nos Estados Unidos.

Ele informou que a contratação de talentos em engenharia de IA havia crescido mais de 25% em relação ao ano anterior durante 2025. As posições de engenharia de IA representavam quase 7% das vagas técnicas publicadas.

Essa participação havia aumentado 63% em relação ao ano anterior, segundo o relatório. Ainda assim, talentos em IA representavam menos de 1% dos membros do LinkedIn.

Esses números descrevem um desequilíbrio real entre oferta e demanda. Eles não provam que cada novo cargo represente uma ocupação distinta.

Uma empresa que disputa candidatos escassos tem vários motivos para experimentar cargos. Ela pode sinalizar ambição técnica, diferenciar uma posição do trabalho comum de software ou buscar um grupo mais específico de candidatos.

O cargo também molda expectativas dentro da empresa. Chamar alguém de engenheiro de IA implica que o comportamento do modelo e o design de aplicações de IA fazem parte da responsabilidade dessa pessoa.

Chamar a mesma pessoa de engenheiro de soluções pode enfatizar a implantação para clientes. “Engenheiro alocado no cliente” sugere responsabilidade direta por adaptar um produto ao ambiente de um cliente.

Um gerente de produto de IA pode ser responsável pela seleção de casos de uso e pelos resultados do produto. Um líder de governança de IA pode se concentrar em políticas, documentação, controles e caminhos de escalonamento.

Esses empregos se sobrepõem porque os sistemas de IA implantados se sobrepõem. A escolha do modelo afeta custo, latência, segurança e qualidade das respostas ao mesmo tempo.

Essa sobreposição cria um problema de gestão. Se todos participam da IA, ninguém assume automaticamente o resultado final.

Um diretor de IA pode coordenar a estratégia, mas não ter autoridade sobre as equipes de produto. Um especialista em governança pode definir controles, mas não controlar os cronogramas de lançamento.

Um engenheiro de IA pode construir sistemas de avaliação, mas talvez não decida qual taxa de falhas os clientes aceitarão. As equipes jurídicas podem identificar exposição sem escolher o comportamento do produto que a cria.

Novos cargos frequentemente surgem nessas fronteiras. Eles são tentativas organizacionais de transformar uma preocupação compartilhada em responsabilidade nomeada.

A pressão vai além das empresas de tecnologia. Educação, serviços profissionais, finanças, saúde, manufatura e governo precisam de pessoas capazes de conectar modelos a fluxos de trabalho específicos de cada domínio.

Esses empregadores não podem simplesmente copiar o organograma de um laboratório. Seu trabalho com IA está mais próximo de dados regulados, clientes, funcionários e decisões operacionais.

Eles precisam de tradutores entre a possibilidade técnica e a responsabilidade institucional. Ainda assim, “tradutor” raramente transmite autoridade suficiente em uma vaga.

Os empregadores respondem criando cargos compostos. Termos como estratégia de IA, IA responsável, engenharia de agentes, risco de modelos e operações de IA aparecem cada vez mais ao lado de funções estabelecidas.

O mercado resultante pode parecer mais maduro do que realmente é. Um cargo bem elaborado pode esconder um mandato experimental, financiamento incerto ou linhas de reporte conflitantes.

Por isso, os candidatos devem examinar os verbos por trás do rótulo. “Assumir”, “aprovar”, “avaliar”, “implantar” e “monitorar” revelam mais do que a quantidade de termos ligados à IA.

Uma posição responsável por resultados precisa de acesso a sistemas, dados, orçamentos e tomadores de decisão. Sem esses recursos, o cargo carrega principalmente risco reputacional.

É isso que gera pressão para os envolvidos na tendência: os empregadores precisam criar funções críveis, enquanto os trabalhadores precisam distinguir autoridade real de branding.

A disputa real é entre nova responsabilização e novos rótulos

O conflito central não é entre empregos antigos e novos. É entre responsabilização operacional e inflação de cargos.

A inflação de cargos ocorre quando uma função recebe um nome mais em voga sem uma mudança correspondente de escopo, autoridade ou capacidade exigida.

A prática antecede a IA generativa. Os ciclos tecnológicos produziram repetidamente novos rótulos em torno da web, de aplicativos móveis, da infraestrutura em nuvem, da ciência de dados e da cibersegurança.

Alguns desses rótulos amadureceram e se tornaram profissões duradouras. Outros desapareceram porque suas responsabilidades retornaram a equipes mais amplas de engenharia, marketing ou operações.

Os cargos em IA passarão pelo mesmo processo de seleção. Os duradouros descreverão um trabalho que continuará necessário depois que ferramentas específicas mudarem.

A avaliação é um exemplo provável. Um processo de avaliação de IA mede se um sistema se comporta de maneira aceitável em tarefas, usuários e condições de falha definidos.

Esse trabalho não desaparece quando uma organização muda de modelo. Na verdade, trocar de modelos torna uma avaliação consistente mais importante.

A gestão de contexto oferece outro exemplo. Uma aplicação de IA frequentemente precisa de informações selecionadas da empresa no momento em que responde ou age.

As equipes precisam controlar quais fontes entram nesse contexto, quão recentes elas são e quem pode acessá-las. A geração aumentada por recuperação, frequentemente chamada de RAG, fornece às respostas do modelo informações externas selecionadas.

A terminologia pode evoluir, mas a responsabilidade permanece. As organizações ainda precisam de seleção confiável de informações e controles de permissão.

As operações de agentes também descrevem uma necessidade persistente. Um agente é um software que usa um modelo para selecionar e executar ações em direção a um objetivo.

Quando um agente pode enviar mensagens, alterar registros, executar código ou aprovar transações, o monitoramento se torna uma função operacional. Alguém precisa definir limites e investigar ações inesperadas.

Essas responsabilidades sustentam especialidades distintas porque exigem evidências e direitos de decisão diferentes. A avaliação pergunta se o sistema funciona, enquanto a governança pergunta se seu uso é permitido.

A segurança examina como o sistema pode ser manipulado ou usado indevidamente. As equipes de produto decidem se o risco restante é aceitável para uma experiência específica do cliente.

Um cargo útil torna visível uma dessas fronteiras de responsabilidade. Um cargo fraco reúne tudo em uma função de “líder de IA” e deixa a autoridade sem definição.

Essa distinção afeta a qualidade das contratações. Os candidatos não podem se preparar para uma função quando o empregador não definiu seu problema real.

Ela também afeta as avaliações de desempenho. Uma pessoa não pode ser avaliada de forma justa por adoção, custo, segurança e valor de negócio se outras equipes controlam cada variável.

A perspectiva de empregos do Fórum Econômico Mundial ilustra por que essa incerteza persistirá.

O relatório de 2025 projetou que amplas mudanças no mercado de trabalho criariam 170 milhões de funções e deslocariam 92 milhões até 2030. As estimativas abrangem diversas forças macroeconômicas, não apenas a IA.

Em sua análise de tecnologia, esperava-se que a IA e o processamento de informações criassem 11 milhões de empregos enquanto deslocariam 9 milhões. Trata-se de uma realocação, não de uma simples expansão.

O relatório também identificou especialistas em IA e aprendizado de máquina entre as funções de crescimento mais rápido. Ao mesmo tempo, posicionou algumas ocupações de trabalho do conhecimento entre o grupo de declínio mais acelerado.

Essas conclusões enfraquecem qualquer alegação simplista de que novos títulos equivalem a oportunidade líquida. Títulos podem surgir enquanto o número total de vagas em uma função vizinha diminui.

O sinal mais confiável é o deslocamento de tarefas. O trabalho passa entre pessoas, softwares, fornecedores e departamentos antes que as categorias ocupacionais oficiais acompanhem a mudança.

Um analista pode dedicar menos tempo à redação de resumos rotineiros e mais à validação de trabalhos produzidos por modelos. Um engenheiro de software pode escrever menos código repetitivo e realizar mais revisões em nível de sistema.

Um gestor pode dedicar menos tempo à montagem de relatórios de status e mais ao desenho de processos decisórios. Nenhuma dessas mudanças exige automaticamente um novo título.

No entanto, um novo título se justifica quando o conjunto revisado de tarefas exige um perfil de contratação diferente ou concede uma autoridade distinta.

Esse critério é mais rigoroso do que a novidade. Ele pergunta se uma empresa recrutaria, treinaria, remuneraria e avaliaria a posição de forma diferente.

Se a resposta for não, o novo título provavelmente é uma embalagem temporária. Se a resposta for sim, a função começou a se tornar uma instituição.

O Que os Dados sobre Trabalho e IA Sustentam, e o Que Não Sustentam

As evidências atuais sustentam rápidas mudanças de competências e um redesenho desigual das tarefas, mas não sustentam previsões confiantes para toda ocupação de IA proposta.

O barômetro de empregos de 2026 da PwC analisou mais de um bilhão de anúncios de emprego em seis continentes.

Ele constatou que as competências exigidas nos empregos mais expostos à IA estavam mudando mais de duas vezes mais rápido do que nos empregos menos expostos.

O relatório também descreveu um mercado de duas vias. As funções fortalecidas pela IA estavam crescendo de forma diferente das funções em que a IA reduzia as barreiras para realizar o trabalho.

A PwC afirmou que os empregos em sua categoria “profissionalizada” cresceram duas vezes mais rápido do que as funções “democratizadas”. Os salários na primeira categoria cresceram 42 por cento mais desde 2021.

Sua análise também constatou que posições júnior altamente expostas tinham sete vezes mais probabilidade de solicitar capacidades tradicionalmente associadas a profissionais seniores, incluindo liderança.

Essa constatação é especialmente relevante para o desenho de títulos. Empregadores podem manter um título júnior estabelecido enquanto elevam discretamente o nível de julgamento esperado de quem o ocupa.

O oposto também pode acontecer. Um novo título de IA pode ser atribuído a um trabalho que equipes existentes já realizam com novas ferramentas.

Ambos os padrões complicam os conselhos de carreira. Profissionais não podem presumir que um título antigo significa trabalho antigo, nem que um novo título garante uma nova trajetória profissional.

Os dados também têm limitações metodológicas. Anúncios de emprego expressam intenções dos empregadores, que podem diferir das contratações concluídas e do trabalho diário.

Empresas podem copiar linguagem de concorrentes ou incluir competências desejadas que raramente são usadas. Um anúncio não revela se o funcionário recebe autoridade adequada após entrar na empresa.

Dados de uso oferecem outra perspectiva, mas trazem limitações diferentes.

O índice econômico de junho de 2026 da Anthropic examinou como as pessoas usam Claude e pesquisou uma amostra de seus usuários.

Quase seis em cada dez entrevistados selecionaram uma faixa mais alta para a parcela de seu trabalho que a IA poderia realizar em doze meses.

Mais de um terço esperava que a IA realizasse a maior parte ou quase todas as suas tarefas nesse período. No entanto, a Anthropic alertou explicitamente que a pesquisa não era representativa da população em geral.

Ocupações em computação e matemática representavam aproximadamente 30 por cento dos entrevistados, em comparação com cerca de 4 por cento do emprego nos Estados Unidos.

Funções de gestão também estavam super-representadas. Essa composição pode amplificar as expectativas de pessoas que já estão próximas da adoção de IA.

O contraste entre dados de anúncios de emprego e dados de uso é útil. Os empregadores revelam o que desejam, enquanto os usuários revelam o que acreditam que as ferramentas podem fazer.

Nenhum dos conjuntos de dados informa diretamente quais novos títulos de trabalho sobreviverão. A durabilidade exige várias condições adicionais.

Uma função precisa de demanda recorrente entre empregadores. Suas responsabilidades devem ser específicas o bastante para ensinar, comparar e avaliar.

A posição também precisa de um caminho reconhecível do trabalho júnior à autoridade sênior. Sem essa progressão, ela continua sendo uma atribuição temporária de projeto.

Padrões profissionais podem fortalecer uma função, mas a certificação prematura pode cristalizar premissas frágeis. As práticas de IA continuam mudando rápido demais para que todo rótulo sustente uma credencial estável.

A regulamentação acrescenta outra fonte de incerteza. As regras podem criar trabalho de documentação, monitoramento e gestão de riscos sem determinar exatamente qual departamento é responsável por ele.

Uma empresa pode colocar esse trabalho sob o jurídico. Outra pode atribuí-lo à segurança, conformidade, operações de produto ou a uma equipe dedicada de IA responsável.

Portanto, a mesma obrigação pode gerar vários títulos. Esses títulos não devem ser contabilizados como formas separadas de demanda econômica sem examinar suas tarefas.

Esse é o ângulo cético ausente em muitas discussões sobre carreiras em IA. Nomear o trabalho é mais fácil do que construir uma instituição em torno dele.

O Google News pode tornar um título visível em horas. Os empregadores podem levar anos para determinar se a função subjacente merece um lugar permanente na organização.

Profissionais Devem Ler a Descrição da Vaga como um Mapa de Controles

Uma função de IA confiável identifica o que o funcionário pode decidir, quais evidências precisa produzir e quem assume a responsabilidade quando o sistema falha.

Para os profissionais, a resposta prática não é memorizar todos os títulos emergentes de IA. É traduzir cada anúncio em um mapa de decisões e dependências.

Comece pelo objeto que está sendo gerenciado. A função é responsável por um modelo, uma aplicação, um fluxo de trabalho interno, uma implementação para clientes ou uma política para toda a organização?

Esses objetos exigem competências diferentes. O trabalho com modelos enfatiza treinamento, inferência e avaliação, enquanto o trabalho com aplicações combina engenharia de software com comportamento do usuário e confiabilidade operacional.

Uma função de fluxo de trabalho interno exige desenho de processos e gestão de mudanças. Uma função de implementação para clientes precisa de conhecimento de domínio, trabalho de integração e comunicação direta.

Uma função de governança exige evidências, documentação, classificação de riscos e procedimentos de escalonamento. Ela não deve ser tratada como uma posição geral de comunicação.

Em seguida, identifique os controles disponíveis. O funcionário pode escolher modelos, alterar prompts, restringir ferramentas, bloquear lançamentos ou exigir aprovação humana?

A pessoa pode inspecionar registros de uso e resultados de avaliação? A função controla um orçamento ou depende de outra equipe para cada mudança?

Esses detalhes determinam se a responsabilidade é real. Uma pessoa à qual se atribui responsabilidade sem controles torna-se uma responsável conveniente por falhas que não pode evitar.

Os candidatos também devem perguntar como o sucesso é medido. A adoção por si só recompensa o volume, mesmo quando os resultados são pouco confiáveis ou o sistema gera pouco valor comercial.

O uso de tokens mede consumo, não resultados. O número de tarefas automatizadas diz pouco sem informações sobre precisão, tempo de revisão e consequências.

Métricas úteis conectam o comportamento técnico a um processo de negócio. Elas podem incluir taxas de conclusão, correção humana, gravidade de erros, tempo de ciclo e retenção de usuários.

As medidas exatas dependem do sistema. O que importa é se o empregador definiu um resultado aceitável e um método para testá-lo.

A procedência do conhecimento merece atenção especial. A procedência identifica de onde a informação veio e como ela entrou em uma resposta ou decisão.

Sistemas de IA podem produzir resultados fluentes enquanto se baseiam em informações desatualizadas, incompletas ou não autorizadas. Um título que envolva operações de IA deve especificar quem mantém esses fluxos de informação.

É também nesse ponto que a gestão de conhecimento pessoal se torna relevante para profissionais individuais. As pessoas precisam de um registro confiável de fontes, decisões e responsabilidades em mudança.

Um profissional que migra para uma função intensiva em IA deve documentar quais tarefas mudaram, quais controles foram adicionados e quais resultados melhoraram.

Esse registro é mais duradouro do que o título em um cartão de visita. Ele também apoia futuras entrevistas quando os empregadores usam nomes diferentes para trabalhos semelhantes.

Gestores devem fazer o mesmo exercício antes de abrir uma requisição. Primeiro, devem definir o problema recorrente e depois selecionar o título.

Uma descrição de vaga deve indicar quais decisões pertencem à função e quais permanecem com jurídico, segurança, engenharia ou liderança de negócios.

Ela deve distinguir a experiência exigida das preferências específicas de ferramentas. Caso contrário, as equipes de contratação podem rejeitar candidatos capazes porque não têm experiência com um produto que se tornou popular recentemente.

As empresas também devem evitar combinar várias profissões seniores em uma única posição júnior. Um anúncio que exige arquitetura, aprendizado de máquina, segurança, governança, estratégia de produto e vendas não é multidisciplinar por padrão.

Ele pode simplesmente revelar que a organização não dividiu o trabalho. O título não pode reparar essa falha de planejamento.

Um escopo claro melhora a mobilidade no mercado de trabalho. Ele permite que candidatos comparem posições com nomes diferentes, mas que exigem capacidades semelhantes.

Também expõe situações em que títulos idênticos escondem trabalhos muito diferentes. “Engenheiro de IA” em um laboratório de modelos pode diferir bastante do mesmo título em uma seguradora.

Ler descrições como mapas de controles, portanto, beneficia ambos os lados. Os empregadores obtêm um alvo de contratação mais realista, enquanto os candidatos evitam confundir visibilidade com autoridade.

Três Sinais Mostrarão Quais Novos Títulos de IA Sobrevivem

A próxima etapa será decidida por contratações repetidas, propriedade formal e resultados de trabalho mensuráveis, e não pela frequência nas manchetes.

O primeiro sinal é a consolidação de títulos entre empregadores não relacionados. Uma função duradoura deve aparecer em vários setores com um núcleo reconhecível de responsabilidades compartilhadas.

A redação não precisa ser idêntica. No entanto, a função deve assumir de forma consistente um problema definido, como avaliação, confiabilidade de agentes ou risco de modelo.

Se cada anúncio usar o mesmo título para atribuições não relacionadas, o rótulo não se estabilizou. Se vários títulos convergirem para o mesmo conjunto de tarefas, a consolidação começou.

Esse sinal reforçaria o argumento por trás da manchete de Levin. Ele mostraria que os empregadores estão nomeando trabalho genuinamente recorrente, em vez de conduzir experimentos isolados.

O segundo sinal é a autoridade formal de decisão. Observe se novas funções recebem direitos de aprovação, orçamentos, acesso a relatórios e deveres de escalonamento.

Um título de governança sem acesso a decisões de implementação continua sendo consultivo. Um título de avaliação sem permissão para adiar um lançamento tem peso operacional limitado.

Um chief AI officer sem influência sobre o investimento em produto pode atuar principalmente como porta-voz. Organogramas importam menos do que a autoridade documentada.

Evidências de propriedade formal reforçariam o argumento em favor de uma profissão distinta. A ambiguidade contínua sugeriria que as empresas estão rebatizando o trabalho de coordenação sem resolver a responsabilidade.

O terceiro sinal é a medição de desempenho baseada em resultados. Os empregadores devem conectar as funções de IA à confiabilidade, custo, qualidade da adoção, segurança ou resultados de negócio.

Este é o teste mais difícil, porque muitas organizações ainda não dispõem de referências confiáveis. Elas podem saber com que frequência os funcionários usam IA sem saber se o trabalho melhorou.

Uma profissão duradoura precisa de métodos repetíveis para demonstrar valor. Caso contrário, permanece vulnerável quando os orçamentos encolhem ou a atenção dos executivos se volta para outro lugar.

O mesmo teste se aplica a quem busca emprego. Um título promissor deve vir acompanhado de exemplos das decisões, sistemas e resultados pelos quais o profissional será responsável.

A visibilidade no Google News pode revelar quais expressões estão ganhando atenção, mas atenção é apenas um indicador inicial. A frequência de busca não comprova a legitimidade de uma ocupação.

As evidências mais importantes aparecerão nas descrições de vagas, nas estruturas de reporte, na formação profissional e nas posições mantidas após o fim dos programas experimentais.

Os leitores também devem acompanhar as ocupações já estabelecidas. Muitos dos maiores efeitos da IA podem surgir por meio de expectativas alteradas dentro de funções conhecidas.

Engenheiros de software, analistas, advogados, profissionais de marketing, pesquisadores e gestores podem assumir responsabilidades relacionadas à IA sem mudar de cargo. Esse caminho pode ser mais relevante do que um pequeno conjunto de posições especializadas muito visíveis.

O resultado provável é um mercado de trabalho misto. Alguns rótulos ligados à IA amadurecerão, enquanto outros desaparecerão dentro de funções mais amplas.

Os profissionais devem se preparar para as responsabilidades subjacentes, em vez de apostar em uma única expressão. Avaliação, governança da informação, desenho de fluxos de trabalho, segurança e discernimento de domínio podem ser transferidos entre cargos.

Os empregadores devem resistir à tentação de anunciar uma nova função antes de conseguirem descrever sua autoridade. Um título sem controle gera confusão para candidatos e equipes internas.

A manchete de Doug Levin é valiosa porque aponta para uma questão organizacional ainda em aberto. Ela não deve ser tratada como um catálogo verificado das ocupações de amanhã.

A pergunta mais precisa é se sua organização tem um trabalho pelo qual ninguém é claramente responsável.

Se tiver, documente as decisões, os riscos, as evidências e os resultados associados a esse trabalho. Depois, decida se um novo título esclarece a responsabilidade ou apenas anuncia entusiasmo.

Continue acompanhando os dados do mercado de trabalho por trás da próxima manchete do Google News. Os títulos que sobreviverem serão aqueles ligados a problemas repetíveis, controles reais e resultados que os empregadores possam defender.