A questão da empregabilidade diante da inteligência artificial
Cassio Pantaleoni, Country Manager, SAS Brasil
Se pensarmos na acelerada transformação imposta ao sistema socioeconômico em razão da crescente adoção da inteligência artificial (IA), mesmo assumindo a dramática otimização de processos lentos, frágeis e fragmentados, são pertinentes as preocupações que gravitam em torno da empregabilidade.
Estudo da McKinsey divulgado em 2017 adverte que a IA ameaça 50% dos empregos no Estados Unidos e Europa; e nos mercados emergentes poderão colocar em risco 70% das posições de trabalho. Cumpre, entretanto, avaliar com mais critério quais serão os reais impactos dessa tecnologia. Se de um lado temos os profetas do desemprego pela substituição da atual mão de obra por agentes de software com inteligência artificial, de outro descobre-se o grupo otimista daqueles que creem nos benefícios da agregação de valor em tarefas onde o fator humano é essencial.
A questão da automatização
É preciso inicialmente admitir que grande parte das tarefas monótonas, que dependem de pessoas, seriam automatizadas facilmente. Considere-se, por exemplo, a operação de centrais de atendimento, classificação de documentos, moderação de conteúdo, operação e suporte de processos produtivos, agentes de logística, abertura de contas bancárias, subscrição de seguros, análises de evasão fiscal etc. Tais processos, ou tarefas, compartilham de um padrão previsível de atividades repetitivas possível de ser replicado por algoritmos de aprendizado de máquina. Mesmo certas atividades de grande complexidade, como aquelas que demandam o processamento de grandes conjuntos de dados em tempo real (por exemplo, veículos autônomos) bem aproveitariam os recursos da IA, seja observando, decidindo ou agindo em tempo real por meio de funções de otimização bem definidas.
A intenção primeira do uso de IA é libertar pessoas de tarefas mundanas e que não desafiam a criatividade, proporcionando maior espaço para o desenvolvimento intelectual e o desenvolvimento dos negócios. O desafio, contudo, recai neste grande grupo de trabalhadores de baixa renda que estão ocupados com estas tarefas repetitivas. Como redistribuir este grupo para possíveis novas ocupações profissionais que serão necessárias ao mundo diante da expressiva adoção de IA? O próprio fundamento da empregabilidade, que neste caso se ajusta a acordos de vínculos de longo prazo e de jornadas de trabalho fixas, necessitaria de um novo paradigma. Seria um mundo de flexibilidade de vínculos, de ofertas de serviço diferenciadas, que vingaria apenas em uma cultura de empreendedorismo, criatividade e inovação. Tais requisitos não necessariamente são encontrados nos atuais trabalhadores de baixa renda que executam tarefas repetitivas. Como certa feita escreveu a poetisa goiana Cora Coralina: “Na prática, a teoria é outra”.
Em verdade, até recentemente, a discussão sobre a estratégia de desenvolvimento do capital humano apontava o papel crítico para o sucesso econômico mundial, desde a perspectiva das habilidades necessárias que supririam as novas demandas do mercado. Entretanto, a IA coloca uma inflexão nesse debate, pois ainda não está claro quais serão efetivamente as habilidades que poderão ser amplamente requeridas no futuro. Amplamente aqui significa a dimensão desse grande grupo de trabalhadores de baixa renda, que inevitavelmente será preterido em função da IA. Uma estratégia holística para o desenvolvimento do capital humano requer a compreensão clara dos talentos, habilidades e capacidades das pessoas para a nova circunstância instaurada diante desta nova tecnologia.
IA não é o futuro: é o presente! Você está pronto para ela?
Três executivos de peso comentam o papel da IA nas empresas hoje, e como sua implementação de sucesso pode tranformar negócios inteiros.
O outro lado
Porém, há grupos otimistas que anteveem um cenário positivo. Com suas oportunidades e riscos, a automação inteligente exigirá sociedades mais adaptativas e flexíveis, com indivíduos dispostos ao aprendizado contínuo, à colaboração e à inovação. A necessidade de repensar os mecanismos sociais também deverá estar em pauta. De certo modo, o futuro dos empregos pode ser mais promissor do que se supõe. De acordo com uma pesquisa da consultoria Gartner, a IA está criando mais empregos do que acabando com eles, com previsão de alcançar até 2 milhões de novas posições de trabalho até 2025. E aí estão incluídos não somente empregos para engenheiros de software, mas também para trabalhos sem especialização, como por exemplo o treinamento dos agentes de IA para reconhecer objetos ou atividades humanas.
Evidentemente, a perspectiva otimista e a perspectiva alarmista duelam em território pantanoso, pois assumem a premissa do apelo inquestionável da IA. Se algo não pode ser evitado, o que terá que ser será, e teremos de conviver com isso.
Entretanto, a inevitabilidade da evolução tecnológica para a economia não deveria ser considerada isoladamente. Diante do inelutável é preciso planejamento. Para aqueles que integram a força de trabalho potencial do mundo – indivíduos que necessitam de renda proveniente de seus empregos para colaborar com o equilíbrio da economia (evitando assim os custos de embates sociais) –, faz-se necessário um planejamento de longo prazo para a estratégia do desenvolvimento do capital humano. Os riscos aqui recaem sobre a importância secundária do tema para os círculos políticos ou mesmo para empreendedores ou investidores. Empresas e governos tratam do tema de maneira reativa e com isso devolvem à sociedade a responsabilidade para que ela encontre seu próprio caminho. É exatamente este descaso que contribui, nos dias atuais, para a dificuldade de encontrar os talentos que as organizações necessitam diante da transformação digital.
A questão da empregabilidade diante de mudanças do mercado advindas de novos paradigmas tecnológicos não é exatamente um tema novo. Toda a vez que o paradigma estabelecido enfrenta a dissonância produzida pelas vozes de qualquer inovação o tema revitaliza-se. Foi assim com a revolução agrícola do século 18, as três revoluções industriais de 1760, a de 1850 e a da segunda metade do século 20, e por fim a revolução digital. A diferença é que agora estamos diante de algo muito mais impactante, porque a IA simula a cognição humana, algo que nunca tínhamos alcançado. É exatamente por isso que o futuro da empregabilidade não está claro, pois nunca o desenvolvimento do capital humano esteve tão dependente de uma estratégia lúcida e de longo prazo. Tal estratégia deverá estar fundamentada pela ideia de aprendizagem contínua e exigirá políticas sociais e econômicas que a suportem. Deverá ser pautada pelo reconhecimento de que, em uma economia global que se transforma em grande velocidade, o conhecimento valioso de um trabalhador jovem poderá ser inútil nas décadas seguintes.
No setor de varejo, essa tecnologia é ideal para os processos de negócios, pois, uma vez que o estudo dos gestos ou padrões de fala avancem, será possível não só entender as reações que levam à compra de um produto, mas também prever tendências de consumo. Luiz Riscado Diretor Comercial SAS
* Este artigo foi originalmente publicado na edição de 21 de Setembro de 2018 da Harvard Business Review.
Sobre o autor
Cássio Pantaleoni ocupa o cargo de Presidente do SAS Brasil desde agosto de 2017. Com mais de 30 anos de experiência no setor de tecnologia, atuou em empresas como SAP, Oracle, BEA Systems e TIBCO Software, até chegar ao SAS em 2008 como diretor comercial. O executivo teve uma breve passagem pela unidade do SAS Colômbia, onde atuou como diretor de Operações. É graduado e mestre em Filosofia pela PUC-RS, com complementação curricular em Psicologia.
Paralelamente à carreira executiva, Cassio Pantaleoni é escritor e já teve 9 de suas obras publicadas. Em 2013 ganhou o Prêmio Guavira de Literatura, oferecido pela Fundação de Cultura do Mato Grosso do Sul e em 2015 foi selecionado como finalista do Prêmio Jabuti.
Leia também
- Modern manufacturing's triple play: Digital twins, analytics & IoT IoT-powered digital twins revolutionize manufacturing with real-time data analysis, predictive maintenance and optimized production. Discover their transformational impact.
- Detect and prevent banking application fraudCredit fraud often starts with a falsified application. That’s why it’s important to use analytics starting at the entrance point. Learn how analytics and machine learning can detect fraud at the point of application by recognizing the biggest challenge – synthetic identities.
- Risk data aggregation: Transparency, controls and governance are needed for data quality and reportingFinancial institutions’ data aggregation and reporting techniques and systems are receiving increased attention both internally and externally. Find out how to take a comprehensive approach to BCBS principles and risk data aggregation and management.