O que muda no trabalho em sustentabilidade perante a expansão da decisão algorítmica?

Nos últimos anos, a relação entre a inteligência artificial e a sustentabilidade tem sido interpretada a partir dos impactos ambientais, sociais e económicos antecipados, bem como pelo potencial de desenvolvimento de soluções mais sustentáveis e eficientes. No entanto, à medida que os sistemas algorítmicos passam a integrar processos de análise, definição de prioridades e escolha entre alternativas, torna-se central perceber de que forma esta participação pode influenciar a própria tomada de decisão em sustentabilidade.

Dados, otimização e critérios de decisão em sustentabilidade

A integração da sustentabilidade na tomada de decisão empresarial tem sido impulsionada por uma maior disponibilidade de dados ambientais e sociais, novas exigências regulatórias e pela necessidade de antecipação de riscos associados às alterações climáticas. Neste contexto, a IA passa a ampliar a capacidade das organizações para processar informação, identificar padrões e comparar alternativas, apoiando tarefas como reporting, avaliações de impacto ou análises de risco. Todavia, esta crescente capacidade de análise torna incontornável compreender os critérios que estruturam a informação utilizada, uma vez que os modelos podem refletir e reproduzir limitações dos dados, privilegiar determinados indicadores ou excluir dimensões relevantes, fazendo com que aquilo que é apresentado como resultado dependa também do que foi previamente definido como mensurável e valorizado.

Esta distinção torna-se particularmente relevante quando a decisão procura otimizar eficiência. Uma solução pode reduzir emissões, diminuir custos ou melhorar determinado indicador e, ainda assim, produzir resultados menos sustentáveis quando consideradas as interações entre diferentes dimensões ambientais, sociais e económicas. Os rebound effects demonstram esta complexidade, ao evidenciar como ganhos de eficiência podem aumentar a utilização de um recurso e reduzir os benefícios inicialmente previstos. A premissa segundo a qual a IA, dispondo de mais dados, produzirá decisões mais fundamentadas pode facilitar a integração de metas de sustentabilidade nas estratégias empresariais, mas também pode produzir o efeito inverso, pelo que não elimina a necessidade de considerar os critérios utilizados, as relações entre diferentes impactos, os horizontes temporais e as consequências que não são captadas pelos indicadores.

Responsabilidade e (novas) competências perante a decisão algorítmica

Esta evolução poderá também alterar o perfil de trabalho exigido em sustentabilidade, reforçando a necessidade de competências que permitam interpretar criticamente os resultados produzidos por sistemas de IA. A necessidade de desenvolver esta capacidade surge num contexto em que a utilização de IA no trabalho cresce mais rapidamente do que a formação específica: em Portugal, 68% dos jovens inquiridos pela Deloitte afirmam utilizar inteligência artificial no trabalho diário, no entanto, apenas 20% da Geração Z e 19% dos Millennials concluíram formação nesta área (Gen Z and Millennial Survey 2026, Deloitte).

Para os jovens que entram no mercado de trabalho, mas também para todos os profissionais, esta lacuna reforça a necessidade de desenvolver uma literacia em IA que vá além da utilização das ferramentas e explore os campos de governance, ética e responsabilidade. A confiança excessiva nos resultados produzidos por estes sistemas pode conferir às recomendações uma aparência de neutralidade técnica suscetível de diluir a responsabilidade de quem as interpreta e utiliza. Neste sentido, a literacia em IA para profissionais de sustentabilidade deverá incluir a capacidade de questionar dados, critérios e recomendações e de reconhecer quando uma solução tecnicamente fundamentada não é suficiente para justificar uma decisão.

A sustentabilidade como âncora do pensamento crítico nas organizações

Se a sustentabilidade procurou tornar visíveis impactos que as decisões económicas tendiam a deixar de fora, a expansão da decisão algorítmica poderá reforçar essa função. À medida que aumenta a capacidade de processar informação e otimizar resultados, o contributo da sustentabilidade nas empresas poderá passar por introduzir na decisão aquilo que não é imediatamente quantificável, antecipar efeitos fora do horizonte considerado e questionar soluções que, embora eficientes segundo determinados critérios, não refletem toda a complexidade dos impactos envolvidos.

O pensamento crítico ganha, assim, relevância na capacidade de reconhecer aquilo que os modelos não conseguem, ou não foram concebidos para, considerar. Para os profissionais de sustentabilidade, poderá estar aqui uma oportunidade de reforçar o seu papel nas organizações, contribuindo para decisões que conciliem eficiência, impacto e responsabilidade.