---
title: "Desaprendizagem na era da AI: como abandonar velhas premissas e reaprender"
locale: pt
category: how_to
category_name: "Como Fazer"
translation_status: reviewed
license: cc_by
author: "injoys"
source_url: https://injoys.com/en/articles/unlearning-in-the-ai-era
published_at: 2026-07-29T05:29:15+09:00
---

# Desaprendizagem na era da AI: como abandonar velhas premissas e reaprender

> A desaprendizagem não consiste em se forçar a esquecer conhecimentos, mas em identificar premissas e formas de trabalho que deixaram de ser válidas e reduzir sua influência. Este conteúdo explica como testar premissas obsoletas, realizar pequenos experimentos e substituí-las por novos critérios de decisão.

## Key Points

- A desaprendizagem não é apagar memórias, mas reavaliar as condições em que o conhecimento existente ainda se aplica.
- A meia-vida das competências profissionais não é uma estatística única e padronizada, portanto não se deve apresentar um número específico de anos como um fato universal.
- Uma transição eficaz ocorre por meio de um ciclo de desaprendizagem, reaprendizagem e nova aprendizagem.
- Em vez de descartar imediatamente os métodos existentes, é preciso comparar a eficácia e os riscos dos novos métodos por meio de pequenos experimentos.
- Mesmo que a AI gere informações, a definição de objetivos, a avaliação do contexto, a validação e a responsabilidade pelos resultados continuam sendo das pessoas e organizações.

Se, mesmo continuando a aprender novas tecnologias, a sensação de estar ficando para trás não desaparece, o problema pode estar menos na quantidade de aprendizado e mais em premissas ultrapassadas que permanecem na mente. Em um ambiente no qual a IA e a automação transformam rapidamente os processos de trabalho, é necessário não apenas ter a capacidade de incorporar novos conhecimentos, mas também praticar o **unlearning**, reavaliando o âmbito de aplicação dos conhecimentos existentes.

## O que é unlearning

Unlearning não significa apagar completamente o que já foi aprendido nem tornar inúteis as experiências do passado. É **o processo de verificar se conhecimentos, hábitos ou premissas que um dia foram eficazes continuam válidos na situação atual e de impedir que aspectos que já não se aplicam dominem a tomada de decisões**.

Por exemplo, no passado, talvez fosse razoável que uma pessoa redigisse todos os relatórios desde o início. Em um ambiente no qual a IA generativa pode ser utilizada, é possível alterar o processo de elaboração de rascunhos, mas isso não significa que a responsabilidade pela verificação dos fatos e pela aprovação desapareça automaticamente. Unlearning não consiste em eliminar todo o processo existente, mas em redefinir o que deve ser automatizado e pelo que as pessoas devem continuar responsáveis.

### Diferença entre unlearning e esquecimento

| Classificação | Significado | Resultado |
|---|---|---|
| Esquecimento | Fenômeno de perder lembranças ou informações independentemente da intenção | Pode impedir o uso do conhecimento existente quando necessário |
| Descarte | Decisão de deixar de usar determinada informação ou procedimento | Pode gerar uma lacuna no trabalho se não houver alternativa |
| Unlearning | Reavaliação das premissas e condições de aplicação do conhecimento existente | Permite preservar as partes válidas e substituir as ultrapassadas |
| Relearning | Reaprender conceitos ou habilidades essenciais em um ambiente transformado | Reorganiza a experiência existente de acordo com novos critérios |

## Por que o unlearning é importante na era da IA

### A combinação de habilidades exigidas pelo trabalho muda rapidamente

No 「Future of Jobs Report 2025」 do Fórum Econômico Mundial, os empregadores participantes da pesquisa estimaram que cerca de 39% da combinação de habilidades existentes dos trabalhadores mudaria ou ficaria ultrapassada entre 2025 e 2030. Isso não significa que todas as habilidades desaparecerão no mesmo ritmo, mas que existe uma grande possibilidade de mudança na composição e na importância das habilidades necessárias em muitas ocupações.

O período em que o valor de mercado de uma habilidade profissional cai pela metade costuma ser chamado de “meia-vida das habilidades”. No entanto, esse número varia muito conforme a ocupação, a habilidade, o setor e o método de medição, e tampouco existe um indicador internacional padronizado em comum. Portanto, em vez de aceitar frases como “a meia-vida de todas as habilidades é de 5 anos” ou “a das habilidades de IA é de 2 anos” como fatos universais, é mais correto tratá-las como metáforas que explicam a direção da mudança ou como estimativas limitadas.

### Novas ferramentas alteram as premissas dos processos existentes

Os processos de trabalho geralmente são criados com base nos custos e nas limitações tecnológicas de determinada época. Exemplos típicos são procedimentos de pesquisa desenvolvidos quando as buscas demoravam muito, sistemas de aprovação projetados com o trabalho presencial como padrão e processos de produção baseados na premissa de que pessoas redigiriam todos os rascunhos.

Quando a IA passa a auxiliar em buscas, resumos, traduções e na elaboração de rascunhos de códigos e documentos, algumas dessas premissas mudam. Isso não significa, porém, que todos os processos existentes percam a validade. Há condições que devem ser mantidas mesmo quando as ferramentas mudam, como proteção de dados pessoais, direitos autorais, segurança, verificação de fatos e responsabilidade final.

### Saber mais é diferente de julgar melhor

A IA apresenta rapidamente muitas opções, mas não define qual delas está alinhada aos objetivos da organização nem determina o nível de risco que pode ser assumido. A responsabilidade por avaliar se os resultados são verdadeiros, úteis aos usuários e compatíveis com a legislação e as políticas da organização também não é transferida automaticamente.

Portanto, é difícil explicar as competências da era da IA apenas pela quantidade de informações acumuladas. As seguintes capacidades também são necessárias:

- Capacidade de definir com precisão o problema e o objetivo
- Capacidade de verificar fontes e evidências
- Capacidade de distinguir informações importantes das desnecessárias
- Capacidade de refletir o contexto da organização e dos usuários
- Capacidade de explicar os resultados e assumir responsabilidade por eles

## O ciclo de unlearning, relearning e new learning

Unlearning não é uma atividade que termina por si só. Depois de abandonar premissas existentes, é preciso compreender novamente o que é essencial e conectar novos métodos ao trabalho real.

| Etapa | Pergunta central | Principais atividades | Resultado |
|---|---|---|---|
| Unlearning | O que já não é verdadeiro ou indispensável? | Identificação de premissas, análise das condições de aplicação e das exceções | Lista de itens a interromper, manter ou verificar |
| Relearning | Quais objetivos e princípios não mudaram? | Redefinição de objetivos, verificação das evidências mais recentes, revisão de critérios | Novos critérios de julgamento e princípios de trabalho |
| New learning | O que pode ser criado com novas ferramentas e condições? | Experimentação, medição, feedback, elaboração de processos | Nova forma de trabalho validada |

Essas três etapas não formam uma linha reta, mas um ciclo que se repete. Quando o ambiente muda, até mesmo o novo método volta a ser objeto de análise.

## 6 etapas para colocar o unlearning em prática

### 1. Identifique sinais de mudança

Quando fenômenos como os seguintes se repetem, é necessário verificar as premissas do método existente.

- O tempo investido aumentou, mas a qualidade dos resultados não melhorou.
- Uma nova ferramenta foi adotada, mas as etapas do trabalho continuam exatamente iguais.
- As normas, a tecnologia ou as necessidades dos usuários mudaram.
- Os integrantes seguem apenas os costumes, sem conseguir explicar o objetivo do processo.
- Os mesmos erros ou retrabalhos se repetem.

### 2. Expresse por escrito as premissas ocultas

Transforme as crenças ocultas por trás dos processos em frases concretas. Evite expressões como “sempre foi feito assim”, pois elas não podem ser verificadas.

Alguns exemplos:

- Para ter qualidade, um bom relatório deve ser redigido diretamente por uma pessoa, do início ao fim.
- É preciso participar de reuniões longas para compreender o contexto do trabalho.
- O gestor deve conhecer todas as tarefas práticas melhor do que os integrantes da equipe.
- Quanto mais longo o documento, mais completa foi a análise.

### 3. Diferencie fatos, suposições e preferências

Classifique cada frase nas três categorias a seguir.

- **Fato:** conteúdo que pode ser confirmado pelas evidências atuais
- **Suposição:** conteúdo que só é válido em determinadas condições ou ainda não foi verificado
- **Preferência:** método desejado por uma pessoa ou organização

Tratar uma preferência como fato dificulta o unlearning. Por outro lado, eliminar obrigações legais ou padrões de segurança por confundi-los com simples costumes pode ser perigoso.

### 4. Verifique as condições de aplicação e o prazo de validade

Verifique quando o método existente foi criado, qual problema pretendia resolver e quais ferramentas estavam disponíveis na época. Em seguida, pergunte se as mesmas condições continuam presentes.

- Para impedir qual problema esta regra foi criada?
- Esse problema ainda existe?
- A tecnologia ou a estrutura de custos mudou?
- Os critérios regulatórios, de segurança ou de qualidade permanecem os mesmos?
- Qual é o maior risco de interromper este método?

### 5. Faça pequenos experimentos em vez de uma substituição total

Unlearning não é descarte incondicional. Compare o método existente com o novo dentro de um âmbito reversível.

Por exemplo, antes de eliminar por completo o relatório semanal, é possível reduzir pela metade os itens reportados em uma equipe e comparar o tempo de tomada de decisão, os erros, o retrabalho e a satisfação dos usuários. Ao adotar IA generativa, também é mais seguro começar testando a elaboração de rascunhos de documentos que podem ser divulgados, mantendo os dados sensíveis e a aprovação final sob processos de controle separados.

### 6. Registre os novos critérios e os motivos do descarte

Com base nos resultados do experimento, mantenha, modifique, suspenda ou descarte o método existente. Não registre apenas o que foi alterado; preserve também as seguintes informações.

- Objetivo do método anterior
- Premissas que deixaram de ser válidas
- Princípios e mecanismos de controle que devem ser mantidos
- Condições nas quais o novo método é válido
- Data da reavaliação e responsável

Esse registro impede que o novo método se consolide como mais um costume não verificado.

## Exemplos de aplicação no trabalho

### Elaboração de relatórios

- **Premissa existente:** a qualidade só é alta quando o autor lê diretamente todo o material e escreve o texto desde o início.
- **Unlearning:** analisar se existe sempre uma relação inevitável entre redação direta e precisão.
- **Relearning:** redefinir a essência do relatório como um documento fundamentado em evidências claras e útil para a tomada de decisões.
- **New learning:** usar IA para criar a estrutura ou o rascunho, mas deixar a comparação com os textos originais, a verificação dos números e a aprovação final a cargo de pessoas.

### Condução de reuniões

- **Premissa existente:** todos os envolvidos devem participar de reuniões em tempo real.
- **Unlearning:** distinguir se o compartilhamento de informações e a tomada conjunta de decisões exigem o mesmo formato de reunião.
- **Relearning:** esclarecer se o objetivo da reunião é transmitir informações, coletar opiniões ou tomar decisões.
- **New learning:** substituir a transmissão de informações por documentos assíncronos e tratar nas reuniões apenas os temas que exigem debate e decisão.

### Papel do gestor

- **Premissa existente:** o gestor deve conhecer todas as respostas e dar instruções diretamente.
- **Unlearning:** verificar se esse método atrasa a tomada de decisões em uma organização na qual o conhecimento especializado está distribuído.
- **Relearning:** redefinir o papel do gestor como estabelecimento de objetivos, alocação de recursos, mediação de conflitos e gestão de responsabilidades.
- **New learning:** delegar as decisões práticas aos responsáveis e criar uma estrutura para analisar premissas e riscos importantes.

## O que não deve ser descartado

Mudanças rápidas não justificam a eliminação de todos os princípios. Mesmo com a adoção de novas ferramentas, os itens a seguir devem ser cuidadosamente preservados ou reforçados.

- Cumprimento de leis e regulamentos
- Proteção de dados pessoais e informações confidenciais
- Verificações essenciais para segurança e qualidade
- Verificação de fontes e gestão de registros
- Princípios de acessibilidade e prevenção à discriminação
- Autoridade de decisão final e atribuição de responsabilidade

Em especial, os resultados da IA podem incluir informações plausíveis, porém incorretas, vieses ou riscos de exposição de informações sensíveis. Eliminar até mesmo os processos de verificação e responsabilização em nome da eficiência não é unlearning, mas algo mais próximo de uma falha de controle.

## Motivos comuns pelos quais o unlearning fracassa

### Negar toda a experiência passada

O método existente tem uma razão por ter resolvido os problemas de sua época. Apagar a história pode fazer com que riscos já solucionados voltem a surgir. Em vez de negar pessoas ou experiências, é preciso separar e analisar as condições de aplicação.

### Considerar uma ferramenta popular como a resposta certa

Algo não é melhor apenas por ser novo. Quando a adoção da ferramenta se torna um objetivo em si, apenas os custos e a complexidade podem aumentar. Primeiro, é necessário definir objetivos mensuráveis, como qualidade, velocidade, risco e valor para os usuários.

### Abandonar o método existente sem preparar uma alternativa

Se houver apenas interrupção, sem relearning, surgirá uma lacuna no trabalho. É necessário identificar a função desempenhada pelo processo a ser descartado e estabelecer novos critérios que substituam essa função.

### Ignorar o custo psicológico

A especialização desenvolvida ao longo de muito tempo está intimamente ligada à identidade. Um pedido para mudar o método existente pode soar como uma negação da capacidade individual. É mais eficaz explicar quais condições mudaram, em vez de se concentrar no que estava errado.

## Lista de verificação de unlearning para começar hoje

É possível começar simplesmente escolhendo e respondendo a uma das perguntas abaixo.

1. Que trabalho foi mantido da mesma forma, embora o ambiente tenha mudado durante o último 1 ano?
2. Existe algum processo explicado com palavras como “originalmente”, “obviamente” ou “sempre”?
3. Qual era o problema original que esse processo pretendia resolver?
4. O mesmo problema e as mesmas limitações ainda existem?
5. Quais são, respectivamente, os princípios essenciais que devem ser mantidos e os formatos que podem ser alterados?
6. Qual é a menor mudança que pode ser testada com riscos limitados?
7. Por quais indicadores o sucesso e o fracasso serão avaliados?

## Conclusão

Unlearning não é uma proposta para deixar de aprender. É **um método para reavaliar as condições de validade do conhecimento existente a fim de abrir espaço para que o novo aprendizado funcione**. O importante não é descartar muito, mas ter a capacidade de julgar o que manter e por quê, bem como o que substituir e com base em quais evidências.

Não é necessário mudar imediatamente todos os métodos. É possível começar anotando uma premissa que parecia dizer “este trabalho sempre foi feito assim” e verificando, por meio de um pequeno experimento, se ela continua válida.

## FAQ

### A desaprendizagem significa esquecer o que foi aprendido?
Não. A desaprendizagem não consiste em apagar memórias, mas em reexaminar as premissas e as condições de aplicação nas quais os conhecimentos ou hábitos existentes se baseavam. Os princípios que continuam válidos são mantidos, enquanto apenas as partes obsoletas têm sua influência reduzida ou são substituídas por novas abordagens.

### Qual é a diferença entre desaprendizagem e reaprendizagem?
A desaprendizagem é a etapa de se desvincular de premissas que já não são válidas, enquanto a reaprendizagem é a etapa de voltar a compreender conceitos e habilidades de acordo com as mudanças no ambiente. Em geral, cria-se espaço por meio da desaprendizagem, estabelecem-se novos critérios por meio da reaprendizagem e, em seguida, isso é conectado a experimentos no trabalho real.

### Qual é, de fato, a meia-vida das habilidades profissionais em anos?
Não existe uma meia-vida padrão aplicável a todas as habilidades profissionais. A velocidade com que o valor de uma habilidade muda varia de acordo com o setor, a função, a região e os critérios de medição. Um número específico de anos pode ser uma estimativa proveniente de um estudo isolado ou de uma analogia, por isso é necessário verificar também a fonte e a definição.

### A desaprendizagem significa ignorar a experiência anterior?
Não. A experiência anterior é uma fonte importante para entender por que determinada abordagem foi criada. Em vez de descartar a experiência, a desaprendizagem distingue as condições em que ela ainda se aplica daquelas em que já não se aplica.

### Qual é a maneira mais segura de iniciar a desaprendizagem em uma organização?
É mais seguro começar com experimentos de pequeno escopo e que possam ser revertidos. É preciso comparar a qualidade, o tempo, o custo, os erros e os riscos da abordagem existente com os da nova abordagem, mantendo, mesmo durante os experimentos, os controles obrigatórios relacionados a questões jurídicas, segurança da informação e segurança física.

### Com o avanço da AI, o julgamento humano também deixará de ser necessário?
Embora a AI possa gerar mais alternativas e rascunhos, ela não define por conta própria os objetivos da organização, os riscos aceitáveis, o valor para os usuários nem a responsabilidade final. A responsabilidade pela verificação dos fatos, pelo julgamento contextual, pela aprovação e pelos resultados deve ser atribuída claramente a uma pessoa ou organização.

### Como é possível medir os resultados da desaprendizagem?
Em vez de medir quanto conhecimento novo foi adquirido, é mais útil medir a redução do retrabalho, o tempo de tomada de decisão, a taxa de erros, a qualidade, a satisfação dos usuários e a ocorrência de riscos. É necessário obter valores de referência antes da mudança e comparar os mesmos indicadores após determinado período.

### Por onde devo começar para praticar a desaprendizagem ainda hoje?
Escolha um procedimento de trabalho explicado com a frase “sempre foi feito assim”. Anote o problema que esse procedimento buscava resolver, as restrições existentes na época em que foi criado e os riscos que ainda permanecem; depois, basta projetar o menor experimento de mudança possível.

## Sources

- [World Economic Forum, Relatório sobre o Futuro dos Empregos 2025](https://www.weforum.org/publications/the-future-of-jobs-report-2025/)
- [Harvard Business Review, Por que o problema da aprendizagem é desaprender](https://hbr.org/2016/11/why-the-problem-with-learning-is-unlearning)
- [Alvin Toffler, Choque do Futuro](https://books.google.com/books?q=%22By+instructing+students+how+to+learn%2C+unlearn+and+relearn%22)
- [Estrutura de Gestão de Riscos de IA do NIST](https://www.nist.gov/itl/ai-risk-management-framework)

## Images

![Ilustração de engrenagens quebradas, bússola, símbolos éticos e cubo de IA ligados por setas](https://injoys.com/rails/active_storage/blobs/proxy/eyJfcmFpbHMiOnsiZGF0YSI6MzkxMywicHVyIjoiYmxvYl9pZCJ9fQ==--895d9fef4ea5fbfb5ab9a739efd6c892766fd90c/ai-4fd2b3f4.webp)
![Pessoas comparam conhecimentos antigos e uma nova jornada de aprendizagem com IA](https://injoys.com/rails/active_storage/blobs/proxy/eyJfcmFpbHMiOnsiZGF0YSI6MzkxOSwicHVyIjoiYmxvYl9pZCJ9fQ==--c2124f79e9b74bcb94be864024ff33010e5e4e50/ai-a5e4790e.webp)