Escola de Ciências Sociais e Humanas

Mestrado em Políticas de Desenvolvimento de Recursos Humanos

Unidade Curricular

Seminário de Investigação

Proposta de título: Artificial Intelligence: Augmentation or Job displacement in Consulting Experts?

Docente:

Professora Doutora Fátima Suleman

Discente:

Ludmila Vanessa Monteio, Nº 111797

Janeiro de 2024

1
Abstract

Este projeto, com o intuito de definir as guidelines a serem aplicadas à dissertação em

desenvolvimento, tem, como principal objetivo compreender se a implementação e utilização do
recurso à Inteligência Artificial, na área específica de consultoria, pode dar lugar ao aumento, à
substituição ou, no limite, ao desaparecimento de tarefas existentes e, até, à erradicação da própria
categoria profissional de consultant.
Assim sendo, a questão central do estudo em análise é se a categoria profissional identificada
vai ter impacto em augmentation or job displacement? Através dos dados disponíveis no O*Net para a
função de consultor/analista, mais especificamente em Business Analyst, com recurso ao descritivo
funcional da respetiva categoria prevemos detalhar quais as tarefas desempenhadas atualmente e sobre
estas qual o grau de perceção de risco que as pessoas identificam no uso da Inteligência Artificial,
doravante designada por AI, enquanto ferramenta primacial do desempenho das mesmas.
Para atingirmos os nossos resultados, pretendemos aplicar o método quantitativo de inquérito
por questionário, com uma amostra de, pelo menos, 300 pessoas com respostas válidas, às BIG4,
existentes em Portugal, nomeadamente (Deloitte, PwC, EY e KPMG) e, em específico à categoria de
Consultant, previamente dividida em 3 clusters, Assistant Consultant, Consultant e Senior Consultant,
assim como proceder previamente a uma análise detalhada da revisão bibliográfica sobre o tema em
questão.

Keywords: Inteligência Artificial (AI); Consultoria; Augmentation; Job displacement; Big4; riscos;
desafios.

2
 1. Introdução

O impacto da AI nas empresas continua, de forma cada vez mais premente, a correr muita tinta
nos últimos anos. As inovações tecnológicas têm transformado, de forma estrutural, processos e
organizações e, empresas como as Big4, não passam incólumes a este fenómeno, pautado por
transformações profundas, no que concerne ao recurso das novas tecnologias e, mais especificamente
à utilização de AI.
Neste seguimento, sempre que ocorre um avanço tecnológico são levantadas inúmeras
questões, principalmente no campo dos impactos no mundo do trabalho e a mudança que estes
acarretam nas relações e comportamentos humanos. A AI não é exceção e, por esse motivo, alvo de
aceso debate e discussão no que toca a potenciais benefícios e riscos e todas as questões morais, éticas
e sociais que são levantadas. A ideia de termos disponível uma AI comparável à inteligência humana
torna-se alvo de um levantamento de críticas e louvores que não se limita apenas ao campo científico
já que impactam e concernem a sociedade em geral.

1.1. Contexto do Projeto

Em consonância com o que foi acima referido, o processo desta transformação em curso
desemboca na relevância deste estudo já que a AI é adotada por todos nós nos dias que correm,
mesmo que não nos apercebamos, não é algo projetado num futuro, seja próximo ou longínquo, uma
vez que todos interagimos com a mesma no nosso quotidiano (Nevel, 2019). A relevância do tema é
de tal ordem que, em consonância, com os diversos debates existentes até à data, surgiu a premissa de
compreender qual a perceção que uma franja de uma categoria profissional específica – consultores –
tem perante a implementação e utilização atual e futura de AI no desempenho das suas tarefas.
Temida por uns, adorada por outros, a pretensão é aferir o grau de perceção de risco de perda de
funções, seja parcial ou total, possível abertura a novas tarefas ou a perda integral das mesmas,
identificando desafios e respetivas oportunidades de sistematização na área de Consulting.

1.2. Descrição do Problema

De acordo com Ricardo Fortes da Costa (2021), vivemos uma época de mudança turbulenta, com
uma evolução tecnológica sem precedentes, acompanhada por um choque social, político e
económico. A força de trabalho aumentada, seja através de robots, AI, realidade aumentada e
computação cognitiva aumenta a produtividade ou gerará a obsolescência laboral? Vamos estar
perante uma crise ou oportunidade? Qual a perceção do risco pelos consultores das BIG4? Haverá job
displacement ou augmentation de tarefas?

3
 Verificamos que no último estudo sobre a temática levado a cabo pela McKinsey (2023) as
disrupções desencadeadas pela AI generativa sejam substanciais, respaldadas por mudanças
significativas seja na redução de equipas em determinadas áreas, seja na requalificação e
recapacitação de competências. Estarão os consultores das BIg4 envolvidos nesta mudança? E os
níveis existentes para estes business analysts (junior, middle ou senior level) permanecerão ou
assistir-se-á ao desaparecimento de um algum nível agora existente, (expetavelmente o intermédio)
em consonância com a teoria da polarização de emprego? (Goos e Manning, 2007).
Pretendemos, através de uma revisão sistemática da Literatura e da aplicação de um inquérito por
questionário a uma amostra significativa ver respondidas estas questões.

1.3. Interesse e Pertinência do estudo

Relativamente à pertinência do tema, apercebemo-nos que já existem alguns estudos sobre a área
em análise, mesmo que de uma forma parca e insuficiente, e que o gap na literatura apresentava-se
como oportunidade de ir mais além, nomeadamente no que concerne não só à função mas aos níveis
hierárquicos dentro dela, validando as hipóteses de acumulação, substituição ou anulação de tarefas e,
mais importante ainda, a perceção das pessoas que trabalham na área têm sobre o impacto da AI no
seu futuro. Adicionalmente, a possibilidade de testar nas BIG4 presentes em Portugal que contratam
anualmente, em massa, para esta função configura-se um desafio a sua aplicabilidade de forma
exploratória e o facto do estudo poder vir a ser generalizado e representativo de acordo com os
resultados obtidos.

2. Estado de arte (breve revisão literária)

A introdução das tecnologias digitais, a partir da segunda metade do século XX, tem causado
enormes mudanças com impacto profundo na sociedade. Até esta altura, todos os sistemas resultantes
da terceira revolução industrial eram desprovidos de AI mas, com o aparecimento de cada vez mais
mecanismos nesta matéria, emergiu a questão se algum dia um robot podia exibir um comportamento
humanizado e inteligente. A tentativa de obtenção de respostas contribuiu para o desenvolvimento da
área e as primeiras pesquisas começaram a serem produzidas na década de 40. (Oliveira, 2019).
Alan Turing, uma década depois, considerado um dos impulsionadores da computação e AI,
identificou nas áreas da ciência e tecnologias que as mesmas seriam capazes de produzir programas
avançados de computação inteligente e, desde essa altura, os avanços têm sido gigantescos. Nos dias
que correm, face ao avanço veloz destas tecnologias, surge a problemática suscitada pela irrupção
digital (Ceitil, 2021). É uma espécie de algo com sabor agridoce, tanto tem de promissor quanto de

4
assustador. A AI, inevitavelmente, mudará a conceção atual como vemos o mundo, terá impacto na
forma de trabalharmos, na tomada de decisões e até como comunicamos (Silva, 2021). Para os autores
(Brynjolfsson e McAfee, 2017) a AI é a tecnologia mais importante da era atual em especial ao nível
da aprendizagem computacional que se respalda pela capacidade de uma máquina melhorar a sua
performance sem a intervenção sistemática dos humanos, automatizando tarefas e, inclusive, podendo
executá-las, aprendendo com a experiência, de forma mais eficiente que os seres humanos. Um bom
exemplo disto é a entrevista a Geoffrey Hinton (The Godfather of AI) acerca de uns robots
programados para “marcar golos”. Qual não foi o espanto quando as máquinas, entre si, começaram a
jogar à bola, envolvendo dribles e passes estratégicos, até à marcação do golo, semelhante a um jogo
de futebol entre seres humanos.
Não obstante, e mesmo a AI dotada de superioridade cognitiva, não compreende relações de senso
comum, intuitivas e empáticas com a mesma facilidade dos seres humanos, nem mesmo experiências
de caráter pessoal e dotação de personalidade (Jarrahi, 2018). Poucos são os sistemas de AI que detêm
autonomia, é necessária uma relação de interação entre máquinas e utilizadores de forma a
desenvolver-se a aprendizagem de interação. Todo este processo é moroso e com elevado incremento
financeiro para o seu desenvolvimento e implementação. Em adição, será necessário o
acompanhamento e controlo de supervisão humana sobre estas novas tecnologias, salvaguardando,
desta forma, a aposta e investimento no capital humano em formação para manuseamento destes
mecanismos de AI (Agarwal et al., 2018). O que a doutrina prevê é a colaboração das duas forças
(máquinas e pessoas) para a substituição de algumas tarefas individuais e não a assunção das
máquinas em todo o processo, passando pela redefinição de novas tarefas e skills dos colaboradores
em detrimento da substituição inequívoca dos mesmos (Mahidhar & Davenport, 2018).
De acordo com o exposto, o que se prevê como desafio fulcral é a identificação de quais as
tecnologias a serem adotadas e combinar estas com as competências humanas (Agarwal et al., 2018).
As empresas deverão focar-se na simbiose das duas forças e no seu trabalho conjunto de forma a
aprimorar os pontos fortes de cada um. Por um lado, os seres humanos, deverão estar munidos de
competências essenciais que visarão o treino das máquinas para a tarefa, a explicação das tarefas
executadas e o controlo da utilização diligente por parte das máquinas, por outro lado, as máquinas,
deverão contribuir para a libertação dos seres humanos em tarefas mais rotineiras e repetitivas, dando
abertura para os seres humanos se dedicarem a tarefas mais especializadas e de alto rendimento
cognitivo (Wilson & Daugherty, 2018). Mesmo que a utilização da AI possa alavancar perda de
postos de trabalho, a mesma apenas se refletirá em cargos específicos e será compensada com o
surgimento e criação de novos empregos (Bessen, 2016). As empresas que tenham presente a

5
estratégia de complementar e aprimorar as capacidades humanas e não a sua substituição, terão
vantagem competitiva superior em relação aquelas que pretendem substituir cabalmente os seres
humanos. Esta adoção apenas visará resultados imediatos, mas não duradouros na produtividade. Já a
adoção de uma estratégia em colocar homem e máquina a trabalhar, e colaborar, em conjunto,
integrando eficazmente as capacidades de AI com as competências humanas, terão um return of
investment significativo, duradouro, assim como elevados níveis de performance e produtividade.
(Brynjolfsson e McAfee, 2017).
Após uma contextualização dos principais conceitos e identificação das várias teorias e
respetivas controvérsias na temática em análise passamos a aprofundar o recurso de AI no modelo de
negócio da consultoria de gestão, foco primordial da tese em desenvolvimento. Dadas as exigências,
motivadas pelas mudanças inerentes a esta era disruptiva, o modelo de negócios conforme o
conhecemos, baseado em consultores que definem os problemas com clareza, recolhem e analisam
dados com perspicuidade, transformam dados em informação e informação em conhecimento,
definiam potenciais soluções e propõem planos de ação para mitigar problemas, entre outras (Santos,
Ricardo Alves, 2023), não serão características suficientes já que também precisarão de oferecer e
executar soluções recorrendo à AI. Na verdade, têm passado impunes às grandes mudanças na oferta
de soluções aos problemas encontrados nas organizações durante o último século (Curuksu et al.,
2018). No entanto, com o crescimento das novas tecnologias e de constante ataque disruptivo, o
modelo de negócios é ameaçado de forma séria quanto à sua sobrevivência e continuidade,
principalmente no que toca às funções/tarefas executada por consultores (Curuksu et al., 2018).
Verifica-se que, com a ascensão da AI no mundo do business, se as empresas aproveitarem a
mesma para agilizar processos, tomar decisões em tempo real, reduzir – substancialmente – custos e
aumentar a eficiência e produtividade, capacitando os seus recursos internos de ferramentas que
permitam fazê-lo com capital humano interno, baseando a tomada de decisões rápida e precisa
utilizando apenas base de dados disponíveis, as tarefas de um consultor poderão passar a ser inócuas e
vazias de sentido e, da mesma forma, as organizações poderão alcançar um alto nível de excelência
fazendo recurso à aprendizagem continua utilizando a AI e derrubar limitações previamente
existentes, aceder a modelos de negócio inovadores que, até então, só o conseguiam com o recurso ao
modelo de consultoria de gestão até então praticado (Davenport el al., 2020).
Estaremos perante um risco aumentado de aniquilação da categoria? Ou como a literatura
indica e já referido acima, a simbiose entre as 2 forças de trabalho seria a melhor estratégia?
Efetivamente para tal não acontecer, pelo menos de forma tão premente e devastadora, seriam
necessárias ações a implementar, passando por i) identificação de dinâmicas que visam o apoio no

6
crescimento contínuo através da exploração de vantagens competitivas ágeis; ii) desenvolver e alinhar
pessoas e tecnologias digitais incorporadas no mindset organizacional; iii) Criar uma força de trabalho
flexível e resiliente entre seres humanos e máquinas (Neely e Leonardi, 2020). De reter que, ainda
estes autores, indicam que a utilização de RPA, chatbots e AI permitirão aceder à compilação de
dados precisos e altamente confiáveis pondo em risco a contratação de consultores externos e que os
CEO devem repensar no seu modelo de negócio e considerar os custos-benefícios das suas escolhas.
Conforme vimos, podemos estar perante um job displacement acentuado nesta área em
particular e que contraria as teorias existentes atrás descritas. Face ao exposto, continuamos seguros
que este continua a ser um tema emergente e que carece de análise empírica para validar todas as
questões levantadas.

3. Opções metodológicas e Amostra

3.1. Método e instrumentos

Tendo em consideração o objetivo deste estudo, optamos por uma metodologia mista, através do
recurso a dois métodos. Numa fase inicial, foi adotado um método qualitativo, de carácter
exploratório, através da aplicação de um focus group. O principal objetivo é dividir, na mesma
categoria, 3 clusters de consultores (júnior, middle e senior) e avaliar a validação e possíveis ajustes
dos impactos da AI enumerados na revisão da literatura quanto à perceção dos intervenientes na
augmentation ou job displacement na sua área de atuação (consultoria) e aceder de forma mais
aprofundada às suas perspetivas e perceções sobre a temática em causa.
Esta metodologia apelidada por Focus group, “também designado como grupo de discussão, é
uma técnica que visa a recolha de dados, podendo ser utilizada em diferentes momentos do processo
de investigação.
Morgan (1996,1997), define focus group “como uma técnica de investigação de recolha de dados
através da interação do grupo sobre um tópico apresentado pelo investigador. Tal definição, segundo o
autor, comporta três componentes essenciais: os focus group são um método de investigação dirigido
à recolha de dados; localiza a interação na discussão do grupo como a fonte dos dados; e, reconhece o
papel ativo do investigador na dinamização da discussão do grupo para efeitos de recolha dos dados.”.
Adicionalmente, Krueger e Casey (2009), “para além das características anteriores, salientam também
a focalização da discussão num dado assunto, o seu contributo para a compreensão do tópico de
interesse e o facto dos participantes que os compõem terem alguma característica em comum e

7
relevante face ao tema em discussão”. A amostra deste método terá 6 ou 9 elementos, no máximo,
divididos pelos 3 níveis hierárquicos.
Numa fase posterior, a aplicação de um estudo quantitativo de caráter confirmatório através de um
inquérito por questionário sociodemográfico com escala descritivo funcional com apreciação de
replacement e identificação de substituibilidade, aplicado ao universo da população de consultores das
Big4 existentes em Portugal que possa apresentar, de forma representativa o universo a ser estudado.
O principal objetivo será validar os resultados obtidos no método anterior. A amostragem será de
caráter não probabilístico e por conveniência, e a amostra, expetavelmente, contará com 300
respondentes válidos.

3.2. Operacionalização do estudo, análise e tratamento de dados

Quanto ao focus group pretendemos dividir pela categoria em 3 clusters de acordo com o nível
onde se encontram os consultores. Será através de uma entrevista semiestruturada, ou seja, com um
grau intermédio de estruturação, alinhado e orientado as respostas dos intervenientes à pretensão e
objetivos do inquiridor. Este método respalda-se de extrema importância dado que uma das variáveis
em análise é de caráter emocional, no âmbito das perceções, das expetativas e aspirações. Este
formato é particularmente útil já que esta estratégia de recolha de dados de caráter interpretativo,
procurando obter significados e sentidos que os visados atribuem à AI no desempenho da sua função.
Para a sua operacionalização, utilizaremos um guião de entrevista, construído previamente através
de critérios definidos de variáveis a serem estudadas. Como já referi, a proposta são, no máximo 9
indivíduos, mas está sujeita a alterações, dependendo se conseguimos atingir o grau de saturação
pretendido.
Após a recolha, os dados serão analisados em MAX.QDA, com a devida codificação de
passagens/excertos transformados em variáveis quantitativas e a esse conjunto será implementada a
técnica de correspondências múltiplas – ACM – que visa descrever e analisar relações entre variáveis
e categorias
Relativamente à aplicação de inquérito por questionário, e de forma a validar se obtemos os
mesmos resultados que no focus group, o mesmo será lançado através de email, para o email geral de
HR de cada Big4, de forma a ser difundido ao grupo de contactos de consultores existentes em cada
organização. O questionário será anonimizado com a garantia de confidencialidade e pressupostos
éticos adjacentes. O questionário terá ainda informação a que se refere o estudo e o pedido de
anuência para o tratamento dos respetivos dados.

8
 Para a realização dos questionários optamos pela utilização da ferramenta do Google Forms
pelo seu caráter simplista, ausência de custos associados e tratamento dos dados de forma simples
e inequívoca. A recolha de dados, bem como respetivo tratamento e análise será realizado, em fase
posterior, através do software SPSS.

9
Referências Bibliográficas

Agarwal, D., Bersin, J., Lahiri, G., Schwartz, J., & Volini, E. (2018). The rise of the social enterprise.
2018 Deloitte Global Human Capital Trends. Disponível em:
https://www2.deloitte.com/content/dam/insights/us/articles/HCTrends2018/2018- HCtrends_Rise-of-
the-social-enterprise.pdf . Acesso: 01/01/2024.

Balakrishnan, T., Chui, M., Hall, B., & Henke, N. (2020). Global survey: The state of IA in 2020.
McKinsey & Company. Diponível em:
https://www.mckinsey.com/~/media/McKinsey/Business%20Functions/McKinsey%20Analytics/Our
%20Insights/Global%20survey%20The%20state%20of%20AI%20in%202020/Global-survey-The-
state-of-AI-in-2020.pdf. Acesso: 01/01/2024.

Bardin, L. (2019). Análise de Conteúdo. 5ª Ed. Lisboa: Edições 70.

Bessen, J. (2016). How computer automation affects occupations: technology, jobs, and skills. Boston
University School of Law. Law & Economics Working Paper No. 15- 49. Disponível em:
https://papers.ssrn.com/sol3/papers.cfm?abstract_id=2690435. Acesso: 01/01/2024.

Brynjolfsson, E., & McAfee, A. (2017). The Business of Artificial Intelligence. Harvard Business
Review. Disponível em: https://hbr.org/2017/07/the-business-ofartificial-intelligence. Acesso:
01/01/2024

Curuksu, J.D. (2018). Analysis of the Management Consulting Industry. In: Data Driven.
Management for Professionals. Springer, Cham. https://link.springer.com/article/10.1007/s11747-019-
00696-0

Curuksu, J.D. (2018). The Client-Consultant Interaction. In: Data Driven. Management for
Professionals. Springer, Cham. https://doi.org/10.1007/978-3-319-70229-2_4

Davenport, T., Guha, A., Grewal, D. et al. (2020) How artificial intelligence will change the future of
marketing. Journal of the Academy of Marketing Science, Vol. 48, pp. 1–43.
https://doi.org/10.1007/s11747-019-00696-0

10
Gonçalves, S., Palma, P. & Lopes, M. Pereira. (2021). Encruzilhadas e Desafios da GRH. Edições
Sílabo. 57-66.

Jarrahi, M. (2018). Artificial Intelligence and the Future of Work: Human-AI Symbiosis in
Organizational Decision Making. Business Horizons. 61 (4), 1-15.

Mahidhar, V., & Davenport, T. (2018). Why Companies That Wait to Adopt AI May Never Catch Up.
Harvard Business Review. Disponível em: https://hbr.org/2018/12/why-companies-that-wait-to-adopt-
ai-may-never-catch-up. Acesso: 01/01/2024.

Oliveira, A. (2019). Inteligência Artificial. Lisboa: Fundação Francisco Manuel dos Santos.

PWC (2020). AI Predictions 2021. How to navigate the top 5 AI trends facing your business. PWC´s
annual AI Predictions survey. Disponível em:
https://www.pwc.com/us/en/services/consulting/library/artificial-intelligencepredictions-2021.html .
Acesso: 02/01/2024

Quivy, R., & Van Campenhoudt, L. (1992). Manual de Investigação em Ciências Sociais. Lisboa:
Gradiva. 187-196.

Ramos, P., & Ribeiro, V. (2023). Gestão de Empresas com Pessoas a bordo. Edidora d’Ideias. 115-
123.

Silva, H. (2021). O que é Artificial Intelligence? Conheça a visão da Deloitte. Disponível em:
https://www2.deloitte.com/pt/pt/hot-topics/artificial-intelligence-.html. Acesso: 02/01/2024.

Wilson, H., & Daugherty, P. (2018). Collaborative Intelligence: Humans and AI Are Joining Forces.
Harvard Business Review. Disponível em: https://hbr.org/2018/07/collaborative-intelligence-humans-
and-ai-are-joining-forces. Acesso: 02/01/2024.

https://intapi.sciendo.com/pdf/10.2478/mcj-2023-0009
https://www.forbes.com/sites/forbestechcouncil/2021/08/11/the-end-of-consulting-as-we-know-
it/?sh=fbccd796cd2a

11