Malcom Frank, Paul Roherig e Ben Pring s\u00e3o tr\u00eas futuristas s\u00f3cios de uma empresa de consultoria sobre o futuro do trabalho que dedicam suas carreiras a encontrar respostas para a pergunta do t\u00edtulo desse artigo. E elas est\u00e3o muito bem organizadas e fundamentadas no livro \u201cWhat to do when machines do everything: how o get ahead in a world of AI, algorithms, and big data<\/em>\u201d. <\/p>\n\n\n\n

J\u00e1 de in\u00edcio, os autores deixam claro que as perspectivas apresentadas n\u00e3o s\u00e3o para daqui a 25 anos, quando tudo poder\u00e1 se modificar radicalmente; o trabalho \u00e9 mais para orientar empresas e profissionais para as a\u00e7\u00f5es nos pr\u00f3ximos cinco anos, quando ainda \u00e9 poss\u00edvel fazer planos com algum realismo. <\/p>\n\n\n\n

Eles ressaltam que a gente sempre subestima as mudan\u00e7as que ir\u00e3o ocorrer nos pr\u00f3ximos dois anos e superestima as dos pr\u00f3ximos dez anos.<\/p>\n\n\n\n\n\n\n\n

NOVAS M\u00c1QUINAS<\/strong><\/h3>\n\n\n\n

Primeiro, \u00e9 preciso definir e deixar claro o que as m\u00e1quinas podem e n\u00e3o podem fazer nesse per\u00edodo de tempo. Eles chamam os sistemas inteligentes, que podem aprender e tomar decis\u00f5es, de Novas M\u00e1quinas<\/em>.<\/p>\n\n\n\n

Esses sistemas combinam softwares<\/strong> que aprendem (algoritmos, an\u00e1lises preditivas, c\u00f3digos de machine learning<\/em>, etc), hardware<\/strong> massivo (grande capacidade de processamento), uma quantidade absurda de dados<\/strong> (big data<\/em> contextualizado em tempo real) e entradas feitas por humanos<\/strong> (geralmente julgamentos ou perguntas).<\/p>\n\n\n\n

Eles tamb\u00e9m classificam os diferentes n\u00edveis de intelig\u00eancia artificial (IA):<\/p>\n\n\n\n

Narrow<\/strong> (estreita, focada): \u00e9 a aplicada no dia-a-dia, comercialmente focada em tarefas espec\u00edficas (ex: dirigir um carro, analisar um exame de raio-x, descobrir fraudes em sistemas financeiros, etc). Tamb\u00e9m conhecida como IA fraca<\/em>.<\/p>\n\n\n\n

General<\/strong> (geral): \u00e9 aquela temida nos filmes, com a mesma intelig\u00eancia que os seres humanos. Conhecida como IA forte<\/em>.<\/p>\n\n\n\n

Super<\/strong>: \u00e9 tecnicamente um g\u00eanio, muito mais inteligente que os seres humanos. Resultado da singularidade, n\u00e3o se tem previs\u00e3o para alcan\u00e7\u00e1-la nos pr\u00f3ximos 100 anos. O chefe dos cientistas da empresa Baidu, Andrew Ng, diz que se preocupar com a IA geral<\/em> ou super<\/em> \u00e9 como se preocupar com a superpopula\u00e7\u00e3o de Marte antes mesmo de come\u00e7ar a emigrar para l\u00e1. Ningu\u00e9m diz que \u00e9 imposs\u00edvel, mas ainda est\u00e1 muito longe.<\/p>\n\n\n\n

IMPACTOS<\/strong><\/h3>\n\n\n\n

Os autores criaram 5 diferentes abordagens com as quais se pode trabalhar, que eles resumem como AHEAD<\/strong> (americanos amam siglas\u2026rs):<\/p>\n\n\n\n

1. Automate (automa\u00e7\u00e3o<\/strong>): basicamente como as empresas automatizam os processos que antes eram manuais (exemplo: a Netflix automatizou o aluguel de filmes das locadoras; o Uber automatizou a chamada de t\u00e1xis).<\/li>
2. Halo (no sentido de atmosfera, entorno): <\/strong>empresas como a Nike instrumentalizam seus produtos (como t\u00eanis, por exemplo) para registrar comportamentos de seus usu\u00e1rios (chamados de Halos de c\u00f3digo). Com isso elas ganham muita informa\u00e7\u00e3o valiosa para gerar novas experi\u00eancias e proposi\u00e7\u00f5es de valor.<\/li>
3. Enhance (melhoramento):<\/strong> usar a tecnologia para aprimorar o desempenho. Por exemplo: uma pessoa pode dirigir melhor com a ajuda do GPS (buscar rotas mais r\u00e1pidas, evitar congestionamentos, etc). Isso pode ser feito tamb\u00e9m na sa\u00fade, educa\u00e7\u00e3o, finan\u00e7as, etc).<\/li>
4. Abundance (abund\u00e2ncia): <\/strong>as novas m\u00e1quinas v\u00e3o ampliar ainda mais as ofertas de servi\u00e7os e produtos existentes.<\/li>
5. Discovery (descoberta): <\/strong>Aa intelig\u00eancia artificial pode ajudar a desenvolver produtos, servi\u00e7os e at\u00e9 ind\u00fastrias completamente novos. Como exemplo, eles citam a l\u00e2mpada de Edison, que levou ao surgimento do r\u00e1dio, televis\u00e3o, transistores e at\u00e9 as m\u00e1quinas inteligentes.<\/li><\/ol>\n\n\n\n

   Frank e seus companheiros lembram que no in\u00edcio da primeira revolu\u00e7\u00e3o industrial, em meados de 1800, cerca de 80% da popula\u00e7\u00e3o trabalhava na agricultura. Hoje em dia, nos EUA, apenas 2% da popula\u00e7\u00e3o permanece tirando seu sustento diretamente da terra; a revolu\u00e7\u00e3o foi muito radical. <\/p>\n\n\n\n

   As pessoas t\u00eam se preocupado muito com o impacto das m\u00e1quinas sobre o seu trabalho; de l\u00e1 para c\u00e1, as m\u00e1quinas mudaram, mas as inquietudes permanecem iguais; e n\u00e3o \u00e9 por acaso. Um estudo da Universidade de Oxford estima que aproximadamente 50% dos trabalhos atuais est\u00e3o em risco por causa das novas m\u00e1quinas.<\/p>\n\n\n\n

   O MOMENTO ATUAL<\/strong><\/h3>\n\n\n\n

   Os autores analisam o completamento da economia e da sociedade nos per\u00edodos anteriores (a famosa curva \u201cS”da inova\u00e7\u00e3o) e concluem que o in\u00edcio das m\u00e1quinas inteligentes (1980\u20142000) disparou o desenvolvimento. Depois passamos por um per\u00edodo de estagna\u00e7\u00e3o (2000\u20142015) e, desde ent\u00e3o estamos na curva ascendente, em que ocorre a democratiza\u00e7\u00e3o da inova\u00e7\u00e3o e a tecnologia invade e domina tudo.<\/p>\n\n\n\n

   Eles falam de experimentos da \u00e1rea da educa\u00e7\u00e3o<\/a> (falei um pouco sobre isso aqui<\/a>) e estimam como outros trabalhos ser\u00e3o afetados de tr\u00eas diferentes maneiras:<\/p>\n\n\n\n

   Automa\u00e7\u00e3o do trabalho: <\/strong>cerca de 12% dos trabalhos existentes correm o risco de desaparecer por causa da automa\u00e7\u00e3o.<\/p>\n\n\n\n

   Aprimoramento do trabalho: <\/strong>cerca de 75% ser\u00e3o afetados dessa maneira.<\/p>\n\n\n\n

   Cria\u00e7\u00e3o de novos trabalhos: <\/strong>cerca de 13% do total ainda n\u00e3o existem.<\/p>\n\n\n\n

   Eles tamb\u00e9m fazem distin\u00e7\u00f5es importantes:<\/p>\n\n\n\n

   Trabalho manual x automa\u00e7\u00e3o:<\/em> n\u00e3o s\u00e3o totalmente intercambi\u00e1veis e as caracter\u00edsticas e desempenhos s\u00e3o diferentes.<\/p>\n\n\n\n

   Trabalhos x tarefas:<\/em> um trabalho \u00e9 composto de v\u00e1rias tarefas. Algumas podem (e devem) ser automatizadas. Outras, n\u00e3o.<\/p>\n\n\n\n

   Tecnologia como destruidora x criadora de trabalho:<\/em> n\u00e3o se pode esquecer que novas tecnologias destroem algumas fun\u00e7\u00f5es, mas tamb\u00e9m criam muitas outras.<\/p>\n\n\n\n

   Bem, o restante do livro detalha cada uma das formas de impacto dos sistemas inteligentes  mercado de trabalho com muitos exemplos. <\/p>\n\n\n\n

   DISTOPIA, UTOPIA OU PRAGMATISMO?<\/strong><\/h3>\n\n\n\n

   No cap\u00edtulo final, os autores concluem dizendo que as pessoas se dividem em tr\u00eas classes, quando se trata de m\u00e1quinas inteligentes e o futuro do trabalho:<\/p>\n\n\n\n

   1. Dist\u00f3picas<\/strong>: t\u00eam medo do futuro e v\u00eaem a IA como uma amea\u00e7a. Ex: Elon Musk, Stephen Hawking.<\/li>
   2. Ut\u00f3picas<\/strong>: acreditam que a tecnologia resolver\u00e1 todos os problemas da humanidade e o mundo ser\u00e1 um lugar melhor por causa dela. Ex: Ray Kurzweil, Peter Diamandis, etc<\/li>
   3. Pragm\u00e1ticas<\/strong>: pensam que o futuro ser\u00e1 melhor ou pior dependendo das decis\u00f5es que tomarmos agora. Ex: Steve Wozniak, Satya Nadella, Sundar Pichai, etc<\/li><\/ol>\n\n\n\n

      Os autores se colocam como pragm\u00e1ticos (eu tamb\u00e9m!). E voc\u00ea?<\/p>\n","protected":false},"excerpt":{"rendered":"

      Como ser\u00e1 o futuro do trabalho? Um grupo de futuristas explica.<\/p>\n","protected":false},"author":1,"featured_media":26168,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_jetpack_newsletter_access":"","_jetpack_dont_email_post_to_subs":false,"_jetpack_newsletter_tier_id":0,"_jetpack_memberships_contains_paywalled_content":false,"footnotes":"","two_page_speed":[],"_jetpack_memberships_contains_paid_content":false},"categories":[45,46,23,35,60,57,49,99,110],"tags":[],"jetpack_sharing_enabled":true,"jetpack_featured_media_url":"https:\/\/www.ligiafascioni.com.br\/wp-content\/uploads\/2020\/09\/robo.jpeg","_links":{"self":[{"href":"https:\/\/www.ligiafascioni.com.br\/wp-json\/wp\/v2\/posts\/26167"}],"collection":[{"href":"https:\/\/www.ligiafascioni.com.br\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.ligiafascioni.com.br\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.ligiafascioni.com.br\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.ligiafascioni.com.br\/wp-json\/wp\/v2\/comments?post=26167"}],"version-history":[{"count":3,"href":"https:\/\/www.ligiafascioni.com.br\/wp-json\/wp\/v2\/posts\/26167\/revisions"}],"predecessor-version":[{"id":26173,"href":"https:\/\/www.ligiafascioni.com.br\/wp-json\/wp\/v2\/posts\/26167\/revisions\/26173"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.ligiafascioni.com.br\/wp-json\/wp\/v2\/media\/26168"}],"wp:attachment":[{"href":"https:\/\/www.ligiafascioni.com.br\/wp-json\/wp\/v2\/media?parent=26167"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.ligiafascioni.com.br\/wp-json\/wp\/v2\/categories?post=26167"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.ligiafascioni.com.br\/wp-json\/wp\/v2\/tags?post=26167"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}