Problemas do Prémio Salarial da IA: Porque Pagar Mais pelas Competências de IA Pode Ser Contraproducente

Os números contam uma história clara. Os trabalhadores com competências de IA ganham agora até mais 56% do que os seus pares em funções idênticas, de acordo com o Barómetro Global de Empregos na IA da PwC. Isto representa mais do dobro do prémio de 25% registado há um ano e está a obrigar os responsáveis pela remuneração a tomar decisões para as quais não estão preparados.

O instinto é acompanhar o mercado. Se os profissionais fluentes em IA exigem um prémio, pague-se. Mas isto cria uma estrutura remuneratória assente numa base que já está a mudar.

As competências que hoje geram prémios deixarão de ser raras amanhã, e as organizações que recompensam os primeiros a adotá-las com aumentos salariais permanentes estão a criar estruturas de custos que terão dificuldade em desmontar.

Isto não é um argumento contra o pagamento de competências valiosas. É um alerta de que a maioria das empresas está a resolver o problema errado. A questão que se coloca aos responsáveis pela remuneração não é quanto pagar às pessoas que já possuem competências de IA. É como estruturar incentivos que encorajem todas as outras pessoas a desenvolvê-las.

O mercado está a avançar mais depressa do que a sua filosofia remuneratória

Um prémio salarial de 56% indica uma disfunção do mercado, não um equilíbrio. Quando funções idênticas exigem salários muito diferentes baseados unicamente no facto de alguém utilizar ferramentas de IA, está a observar preços de escassez em tempo real. O problema é que a escassez não vai durar.

Veja-se a engenharia de instruções, uma competência que, durante pouco tempo, justificou salários de seis dígitos. As empresas que criaram níveis remuneratórios baseados na experiência em instruções descobrem agora que estão a pagar demasiado por capacidades que foram automatizadas ou integradas nos fluxos de trabalho habituais. O prémio desapareceu porque a competência se tornou omnipresente.

As organizações que tratam a fluência em IA como uma especialização rara estão a cometer o mesmo erro. Estão a criar níveis remuneratórios baseados na distribuição atual de talento e depois descobrem que se comprometeram a pagar prémios por competências que se tornam requisitos básicos no prazo de 18 meses.

Os sinais do mercado sugerem que este padrão já está a começar. A engenharia de instruções, uma competência que justificou ofertas salariais de até $375,000 por parte de empresas como a Anthropic em 2023, registou uma redução drástica da procura. De acordo com um inquérito da Microsoft a 31 000 trabalhadores, a função ocupa agora o penúltimo lugar entre as posições que as empresas planeiam acrescentar, enquanto a Indeed regista um número mínimo de ofertas de emprego para engenheiros de instruções dedicados.

O prémio não desapareceu porque a competência se tornou menos valiosa. Desapareceu porque agora toda a gente a possui.

Prémios por competências versus incentivos ao desenvolvimento de competências

A estratégia remuneratória precisa de separar dois desafios distintos: recompensar as pessoas que trazem capacidades escassas atualmente e motivar as pessoas a desenvolverem as capacidades de que precisará amanhã.

Os ajustamentos salariais permanentes funcionam para o primeiro problema. Se contratar alguém com competências de IA verdadeiramente especializadas, que levam anos a desenvolver, pague-lhe em conformidade. Mas a maioria das capacidades de IA que estão a ganhar força em funções empresariais não segue esse padrão. São competências adquiridas, e não conhecimentos especializados raros.

As estruturas de incentivos baseadas em competências resolvem o segundo problema melhor do que os aumentos do salário-base. Uma abordagem que está a ganhar força consiste em bónus baseados em projetos, associados à adoção de ferramentas de IA e a ganhos de produtividade mensuráveis.

As equipas que implementam fluxos de trabalho com IA e demonstram melhorias de eficiência recebem incentivos trimestrais. Os pagamentos não são permanentes, mas são suficientemente substanciais para motivar uma mudança de comportamento.

Esta estrutura evita a armadilha dos prémios. Não está a criar um nível remuneratório permanente para competências que podem tornar-se requisitos padrão. Está a pagar às pessoas para avançarem mais depressa do que avançariam de outra forma, removendo depois o incentivo quando o comportamento se torna normalizado.

O modelo exige clareza quanto ao que está realmente a recompensar. Está a pagar a alguém por saber utilizar o Claude ou o ChatGPT? Essa é uma questão de literacia digital básica, não uma competência que justifique um prémio. Está a pagar a alguém que consegue redesenhar fluxos de trabalho em torno das capacidades de IA, medir o impacto e formar outras pessoas? Isso merece uma remuneração diferente.

Identificar os verdadeiros prémios no seu mercado

As competências genéricas de IA não justificam prémios sustentáveis. Combinações específicas de conhecimentos especializados do setor e fluência em IA, sim. O desafio consiste em identificar quais as combinações importantes para a sua organização antes de o mercado lho indicar através de problemas de retenção.

O processo de avaliação comparativa remuneratória para competências de IA exige dados diferentes dos das comparações tradicionais entre funções. Em vez de analisar os títulos dos cargos, precisa de compreender quais as combinações de competências que são realmente escassas.

Um analista financeiro que utiliza IA para tarefas rotineiras de tratamento de dados não está a exigir um prémio. Um analista financeiro que utiliza IA para criar modelos de previsão personalizados e consegue explicar a metodologia aos auditores está.

As plataformas de análise de talento estão a começar a fornecer este nível de granularidade. Empresas como a Lightcast e a Revelio Labs acompanham dados de remuneração baseados em competências que vão além dos títulos dos cargos e abrangem clusters de capacidades efetivas. Estes dados revelam onde existe uma verdadeira escassez, em oposição às situações em que os prémios são impulsionados por desequilíbrios temporários entre a oferta e a procura.

Utilize essa informação para tomar decisões estratégicas sobre onde pagar acima do mercado e onde investir no desenvolvimento. Se o prémio estiver associado a conhecimentos especializados genuinamente raros, pague por eles. Se estiver associado a capacidades que pode desenvolver internamente em seis meses, desenvolva-as em vez de as comprar.

O custo do ressentimento

As diferenças salariais baseadas em competências acarretam custos culturais que não aparecem nos modelos de remuneração. Quando duas pessoas que fazem um trabalho semelhante auferem salários drasticamente diferentes porque uma utiliza ferramentas de IA e a outra não, cria condições para exatamente o tipo de fricção que as organizações não podem suportar durante uma transformação.

O ressentimento não é irracional. Do ponto de vista de alguém que aufere as taxas normais, essa pessoa está a ser penalizada pelo facto de o empregador não ter disponibilizado formação nem criado incentivos para a adoção de novas ferramentas.

A pessoa que recebe o prémio não está necessariamente a trabalhar mais ou a proporcionar mais valor. Simplesmente aprendeu algo que a organização deveria ter ensinado a todos.

Esta dinâmica manifesta-se claramente nas organizações comerciais que implementaram prémios pela utilização de ferramentas de IA sem programas de formação abrangentes. Os melhores desempenhos, que já utilizavam IA, receberam aumentos salariais significativos, enquanto os profissionais de desempenho intermédio, que não tiveram acesso às mesmas ferramentas ou formação, não os receberam.

O resultado foi uma diferença de remuneração que pareceu arbitrária e injusta, levando à rotatividade precisamente entre as pessoas que mais poderiam ter beneficiado da adoção da IA.

A alternativa consiste em tratar as capacidades de IA como um investimento organizacional, e não como um ativo individual. Disponibilize formação, crie tempo para a experimentação e recompense a adoção através de incentivos temporários, em vez de níveis salariais permanentes.

Esta abordagem distribui os benefícios de forma mais equitativa e evita criar uma força de trabalho dividida em dois níveis com base em quem aprendeu primeiro as competências de IA.

Construir uma estratégia de remuneração centrada na adoção, não na aquisição

A questão estratégica não é saber se deve pagar prémios pelas competências de IA. É saber se a sua filosofia de remuneração apoia a transição que precisa de fazer. Se o objetivo for conseguir que 80% da sua força de trabalho utilize eficazmente ferramentas de IA no prazo de 24 meses, as diferenças salariais permanentes para os pioneiros na adoção trabalham contra esse objetivo.

Considere a forma como a Netflix aborda esta questão. Paga acima do mercado a todos e espera que cada pessoa desenvolva as capacidades de que a empresa necessita. Não existe qualquer prémio pela utilização de ferramentas ou tecnologias específicas, porque essas capacidades fazem parte das expectativas básicas. O modelo de remuneração apoia a cultura: seja excelente naquilo de que precisamos ou trabalhe noutro lugar.

A maioria das organizações não consegue replicar integralmente essa abordagem, mas o princípio aplica-se. Faça da literacia em IA um requisito do cargo, disponibilize o apoio de que as pessoas precisam para a desenvolver e estruture incentivos que recompensem a rapidez da adoção, em vez de criar níveis permanentes com base em quem chegou primeiro.

Isto exige uma avaliação honesta do que é realmente difícil de aprender. Se a sua organização funciona com uma infraestrutura técnica especializada e alguém desenvolver conhecimentos genuínos sobre a aplicação da IA nesse ambiente, vale a pena remunerar isso como uma competência especializada.

Se está a pagar prémios a pessoas que fizeram um curso da Coursera sobre engenharia de instruções, está a confundir novidade com valor.

O que funciona

As organizações que lidam bem com esta questão partilham várias características. Estas organizações:

• Separaram a literacia básica em IA dos conhecimentos especializados.
• Esperam que todos desenvolvam competências básicas na utilização de ferramentas de IA relevantes para a sua função.
• Não existe qualquer prémio nem reconhecimento especial, apenas um requisito normal do cargo, com formação e apoio disponibilizados.

As aplicações especializadas que exigem conhecimentos genuínos são remuneradas de forma diferente, mas o nível exigido é elevado. É necessário demonstrar um impacto empresarial mensurável, a capacidade de formar outras pessoas ou capacidades que genuinamente não possam ser desenvolvidas rapidamente através de programas de aprendizagem convencionais.

As estruturas de incentivos recompensam a velocidade de adoção, não a chegada antecipada. As equipas que implementam fluxos de trabalho com IA antes do previsto recebem bónus. As pessoas que se tornam utilizadores avançados e ajudam os colegas a adotar ferramentas recebem bónus de reconhecimento. No entanto, estes são pagamentos temporários associados a objetivos de transição específicos, não ajustes permanentes à remuneração base.

A abordagem exige transparência sobre a razão da existência dos prémios e o momento em que terminam. Se está a pagar mais a alguém porque essa pessoa possui competências de que a organização necessita neste momento, explique-lhe que o prémio reflete a atual escassez no mercado e será ajustado à medida que as capacidades se tornarem mais generalizadas. Se estiver a disponibilizar incentivos à adoção, deixe claro que esses pagamentos terminam quando as metas forem atingidas.

Mais importante ainda, as organizações que fazem isto de forma eficaz medem aquilo que estão realmente a obter em troca do prémio. Se alguém que aufere mais 56% do que os seus pares não estiver a produzir resultados comprovadamente melhores, o prémio não é justificado pelo desempenho. É uma resposta do mercado que está a optar por igualar sem compreender se cria valor.

Os dados sobre o prémio salarial refletem um mercado em transição. A estratégia de remuneração deve apoiar a transição da sua organização, e não apenas refletir aquilo que os mercados de trabalho estão a fazer neste momento.