Estudo recente revela diferença significativa entre géneros na adopção de ferramentas de inteligência artificial. As causas dizem mais sobre o sistema do que sobre as utilizadoras.
Uma pesquisa publicada em Março, conduzida pela Harvard Business School em colaboração com a Universidade de Oxford, revelou padrão consistente em 26 países: mulheres adoptam ferramentas de IA generativa no trabalho em ritmo significativamente menor que homens. A diferença mantém-se mesmo controlando idade, sector, posição hierárquica e tipo de tarefas.
As causas, segundo as investigadoras, não estão nas mulheres. Estão na estrutura.
Mulheres e IA no trabalho: os Números
O estudo, com base em 18.000 trabalhadores qualificados em 26 países (incluindo África do Sul e Quénia, como representativos africanos), encontrou adopção masculina de ChatGPT, Claude, Gemini ou similares no trabalho em 71%, e adopção feminina em 49%. Diferença de 22 pontos percentuais, consistente nos diferentes países, sectores e idades.
A diferença é maior em sectores tradicionalmente masculinos (tecnologia, finanças, engenharia) mas existe também em sectores femininos (educação, saúde, comunicação).
As Três Hipóteses
As investigadoras testaram três hipóteses.
Hipótese 1: diferença de competência técnica. Rejeitada. Quando testadas em capacidades técnicas de uso de IA, mulheres tiveram desempenho equivalente ou superior aos homens. Não é falta de competência.
Hipótese 2: diferença de exposição. Parcialmente confirmada. Mulheres têm, em média, menos colegas que já usam IA, menos formação formal em IA, e menos incentivo explícito por parte das chefias. Mas mesmo controlando essas variáveis, a diferença persiste.
Hipótese 3: diferença na percepção de risco profissional. Confirmada. Esta é a explicação mais robusta. Mulheres em posições profissionais reportam maior receio de erros visíveis, porque o custo de carreira de um erro é, estatisticamente, maior para elas.
O Paradoxo do Erro
A ideia central: as ferramentas de IA generativa são propensas a erros. Geram informação errada com confiança. Erram em factos. Inventam citações. Quem usa, sabe, e tem de aprender a verificar.
Para um homem, o custo de carreira de produzir trabalho com erro de IA é, segundo o estudo, moderado. Pode ser repreendido, mas raramente afecta promoções ou reputação a longo prazo.
Para uma mulher, o custo é significativamente maior. Erros de mulheres são, sistematicamente, mais lembrados, mais criticados, e mais usados em decisões de carreira. A literatura sobre discriminação no trabalho documenta este padrão há décadas.
Conclusão lógica: mulheres reduzem uso de IA porque o risco de erro tem custo desproporcional para elas. A diferença na adopção não é técnica. É cultural, e estrutural.
A Consequência
Se nada mudar, a diferença de adopção vai amplificar-se em vez de diminuir. Homens, ao usarem IA mais cedo e mais intensamente, ganham vantagem produtiva e ascendem mais rápido. Mulheres, ao usarem menos, ficam para trás.
A IA generativa, longe de ser força niveladora, pode tornar-se amplificador de desigualdade de género no trabalho.
“A diferença na adopção não é técnica. É cultural. E vai amplificar-se em vez de diminuir, a menos que a estrutura mude.”
O que Fazer
O estudo recomenda quatro intervenções. Formação dedicada para mulheres em uso de IA, em ambientes onde se sintam confortáveis a experimentar e a errar. Tornar uso de IA explicitamente esperado, não apenas permitido. Quando esperado, o risco de “ser apanhada a usar IA” desaparece. Cultura de feedback construtivo: erros devem ser oportunidades de aprendizagem, não de avaliação negativa. Mentoria horizontal: mulheres seniores que usam IA partilham prática com mulheres juniores.
Em empresas moçambicanas, todas estas intervenções são implementáveis. A maioria não custa nada. Custa mudar cultura, o que é, sempre, o mais difícil.
O Paralelo com o Passado
A história tem precedentes. Quando os primeiros computadores pessoais chegaram aos escritórios nos anos 80, a adopção foi desigual por género. Quando a internet chegou nos anos 90, idem. Quando os smartphones se massificaram nos anos 2000, idem.
Cada vez, as causas eram apresentadas como “diferenças de interesse”. Cada vez, investigação posterior revelava que as causas eram estruturais, e que a equiparação só aconteceu quando a estrutura mudou.
A IA generativa é, hoje, o equivalente do PC de 1985 ou do smartphone de 2008. A história está a repetir-se. Se queremos resultado diferente, temos de actuar diferente, desta vez, agora.
