Malcom Frank, Paul Roherig e Ben Pring são três futuristas sócios de uma empresa de consultoria sobre o futuro do trabalho que dedicam suas carreiras a encontrar respostas para a pergunta do título desse artigo. E elas estão muito bem organizadas e fundamentadas no livro “What to do when machines do everything: how o get ahead in a world of AI, algorithms, and big data”. 

Já de início, os autores deixam claro que as perspectivas apresentadas não são para daqui a 25 anos, quando tudo poderá se modificar radicalmente; o trabalho é mais para orientar empresas e profissionais para as ações nos próximos cinco anos, quando ainda é possível fazer planos com algum realismo.

Eles ressaltam que a gente sempre subestima as mudanças que irão ocorrer nos próximos dois anos e superestima as dos próximos dez anos.

NOVAS MÁQUINAS

Primeiro, é preciso definir e deixar claro o que as máquinas podem e não podem fazer nesse período de tempo. Eles chamam os sistemas inteligentes, que podem aprender e tomar decisões, de Novas Máquinas.

Esses sistemas combinam softwares que aprendem (algoritmos, análises preditivas, códigos de machine learning, etc), hardware massivo (grande capacidade de processamento), uma quantidade absurda de dados (big data contextualizado em tempo real) e entradas feitas por humanos (geralmente julgamentos ou perguntas).

Eles também classificam os diferentes níveis de inteligência artificial (IA):

Narrow (estreita, focada): é a aplicada no dia-a-dia, comercialmente focada em tarefas específicas (ex: dirigir um carro, analisar um exame de raio-x, descobrir fraudes em sistemas financeiros, etc). Também conhecida como IA fraca.

General (geral): é aquela temida nos filmes, com a mesma inteligência que os seres humanos. Conhecida como IA forte.

Super: é tecnicamente um gênio, muito mais inteligente que os seres humanos. Resultado da singularidade, não se tem previsão para alcançá-la nos próximos 100 anos. O chefe dos cientistas da empresa Baidu, Andrew Ng, diz que se preocupar com a IA geral ou super é como se preocupar com a superpopulação de Marte antes mesmo de começar a emigrar para lá. Ninguém diz que é impossível, mas ainda está muito longe.

IMPACTOS

Os autores criaram 5 diferentes abordagens com as quais se pode trabalhar, que eles resumem como AHEAD (americanos amam siglas…rs):

1. Automate (automação): 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 táxis).
2. Halo (no sentido de atmosfera, entorno): empresas como a Nike instrumentalizam seus produtos (como tênis, por exemplo) para registrar comportamentos de seus usuários (chamados de Halos de código). Com isso elas ganham muita informação valiosa para gerar novas experiências e proposições de valor.
3. Enhance (melhoramento): usar a tecnologia para aprimorar o desempenho. Por exemplo: uma pessoa pode dirigir melhor com a ajuda do GPS (buscar rotas mais rápidas, evitar congestionamentos, etc). Isso pode ser feito também na saúde, educação, finanças, etc).
4. Abundance (abundância): as novas máquinas vão ampliar ainda mais as ofertas de serviços e produtos existentes.
5. Discovery (descoberta): Aa inteligência artificial pode ajudar a desenvolver produtos, serviços e até indústrias completamente novos. Como exemplo, eles citam a lâmpada de Edison, que levou ao surgimento do rádio, televisão, transistores e até as máquinas inteligentes.

Frank e seus companheiros lembram que no início da primeira revolução industrial, em meados de 1800, cerca de 80% da população trabalhava na agricultura. Hoje em dia, nos EUA, apenas 2% da população permanece tirando seu sustento diretamente da terra; a revolução foi muito radical. 

As pessoas têm se preocupado muito com o impacto das máquinas sobre o seu trabalho; de lá para cá, as máquinas mudaram, mas as inquietudes permanecem iguais; e não é por acaso. Um estudo da Universidade de Oxford estima que aproximadamente 50% dos trabalhos atuais estão em risco por causa das novas máquinas.

O MOMENTO ATUAL

Os autores analisam o completamento da economia e da sociedade nos períodos anteriores (a famosa curva “S”da inovação) e concluem que o início das máquinas inteligentes (1980—2000) disparou o desenvolvimento. Depois passamos por um período de estagnação (2000—2015) e, desde então estamos na curva ascendente, em que ocorre a democratização da inovação e a tecnologia invade e domina tudo.

Eles falam de experimentos da área da educação (falei um pouco sobre isso aqui) e estimam como outros trabalhos serão afetados de três diferentes maneiras:

Automação do trabalho: cerca de 12% dos trabalhos existentes correm o risco de desaparecer por causa da automação.

Aprimoramento do trabalho: cerca de 75% serão afetados dessa maneira.

Criação de novos trabalhos: cerca de 13% do total ainda não existem.

Eles também fazem distinções importantes:

Trabalho manual x automação: não são totalmente intercambiáveis e as características e desempenhos são diferentes.

Trabalhos x tarefas: um trabalho é composto de várias tarefas. Algumas podem (e devem) ser automatizadas. Outras, não.

Tecnologia como destruidora x criadora de trabalho: não se pode esquecer que novas tecnologias destroem algumas funções, mas também criam muitas outras.

Bem, o restante do livro detalha cada uma das formas de impacto dos sistemas inteligentes  mercado de trabalho com muitos exemplos. 

DISTOPIA, UTOPIA OU PRAGMATISMO?

No capítulo final, os autores concluem dizendo que as pessoas se dividem em três classes, quando se trata de máquinas inteligentes e o futuro do trabalho:

1. Distópicas: têm medo do futuro e vêem a IA como uma ameaça. Ex: Elon Musk, Stephen Hawking.
2. Utópicas: acreditam que a tecnologia resolverá todos os problemas da humanidade e o mundo será um lugar melhor por causa dela. Ex: Ray Kurzweil, Peter Diamandis, etc
3. Pragmáticas: pensam que o futuro será melhor ou pior dependendo das decisões que tomarmos agora. Ex: Steve Wozniak, Satya Nadella, Sundar Pichai, etc

Os autores se colocam como pragmáticos (eu também!). E você?