É consenso entre especialistas que o trabalho no futuro será feito cada vez mais por máquinas. Há divergências, contudo, quanto ao processo de transição para esse novo mundo e o impacto que a mudança acarretará sobre os humanos.
Um dos principais temores é a substituição de trabalhadores por máquinas. No Brasil, por exemplo, robôs ameaçam 54% dos empregos, segundo levantamento feito pelo Laboratório de Aprendizado de Máquina em Finanças e Organizações da UnB (Universidade de Brasília).
Uma outra possibilidade é um futuro de cooperação entre humanos e robôs, em vez de competição, argumenta Thomas Davenport, doutor pela Universidade Harvard (EUA) e professor de tecnologia da informação e gerenciamento na faculdade Babson.
“Ainda teremos muitos trabalhadores humanos, mas cada um terá como colega uma máquina inteligente. Um sistema que diz como fazer o seu trabalho melhor. As únicas pessoas que vão perder os trabalhos são aquelas que se recusarem a trabalhar com esses conceitos”, diz.
Davenport é autor de 20 livros e de centenas de artigos na área de ciência de dados. Nesta terça (23), ele falará a um grupo de brasileiros no evento Analytics Competitor, promovido pela empresa de tecnologia Qintess.
Imagine que estamos em 2030 e o sr. é um executivo em uma empresa de um mercado altamente competitivo. Como a tecnologia mudou sua vida na última década? Penso que haverá bastante mudança em basicamente qualquer produto manufaturado. Serão muito mais inteligentes, autônomos e controlados por softwares. Os processos de produção serão bem diferentes também. Terá muita inteligência artificial para manutenção preventiva, analisando quando as coisas vão quebrar e permitindo arrumá-las antes disso. A previsão do volume de vendas será muito mais eficiente.
Claro que haverá mais robôs, e não só os robôs relativamente burros que temos hoje. Versões que conseguem aprender mais facilmente e se comunicar entre si. Conseguiremos fazer comunicação usando 5G entre os dispositivos e isso será muito importante para que eles aprendam uns com os outros. A forma como os trabalhadores interagem com os processos mudará bastante. Acabei de fazer um estudo em uma empresa que usa realidade aumentada [sistema que insere em um óculos ou tela, como do celular, objetos digitais como se existissem no mundo real] para treinar os funcionários em processos e produtos novos. Muito mais fácil do que manuais ou documentos que tínhamos no passado.Ainda teremos muitos trabalhadores humanos, mas cada um terá como colega uma máquina inteligente. Um sistema que diz como fazer o seu trabalho melhor.
As únicas pessoas que vão perder os trabalhos são aquelas que se recusarem a trabalhar com esses conceitos. Já existe bastante disso, estou escrevendo um livro sobre pessoas que trabalham com máquinas inteligentes todos os dias.
O sr. menciona os trabalhadores perderem o emprego caso se recusem a aceitar a realidade de trabalhar com máquinas. Isso não parece algo que se limite a aceitar ou não, mas que demandaria treinamento. É preocupação para governos e empresas, ou as próprias pessoas devem ir atrás disso? Francamente, muitas empresas não estão fazendo nada. No começo, eu desdenhei um pouco delas, mas depois conversei com algumas. No fim das contas, a falta de movimentação nessa área é bem razoável no sentido de a) nós não sabemos como os empregos serão no futuro, e b) a maioria do que vemos agora é um aumento das capacidades, não automação, e é mais fácil se adaptar a isso.
Seja falando sobre veículos autônomos ou linha de produção, a substituição de humanos está demorando muito mais do que imaginávamos. Então é razoável não fazer muita coisa, mas fazer a transição dos trabalhadores toma um tempo. Faz sentido começar agora.
A maioria das empresas que estão começando agora usa uma de três abordagens diferentes. Na Amazon, a maior parte do foco é ensinar habilidades digitais (como gerenciar uma rede de computadores, como programar, etc.) para pessoas que trabalham em centros de distribuição. No JPMorgan Chase tentam olhar para empregos individualmente e avaliar quais habilidades serão necessárias para o futuro. É mais difícil de prever, mas admirável. A terceira possibilidade, e a Unilever faz bem isso, é dizer para os trabalhadores 'nós não sabemos como será seu emprego no futuro, mas será diferente. Você tem que decidir que tipo de habilidades você precisará. Nós vamos tornar o aprendizado mais fácil'.
Estamos nos tornando uma sociedade focada em dados, assim como nossos espaços de trabalho. Como se preparar para esse futuro? Temos dois tipos de empresas hoje. As que nascem digitais têm um jeito muito diferente de enxergar o mundo do que aquelas que nasceram em outro ambiente, empresas antigas. É difícil fazer a transição se você é uma empresa mais antiga. Você precisa se livrar dos sistemas mais velhos, o que é bem caro, você precisa contratar pessoas que entendam de dados e inteligência artificial. Para quem já está na empresa e quer aprender, precisa estabelecer programas de ensino.
O sr. mencionou o quão difícil é para empresas antigas migrarem para um ambiente focado em dados. Quais são os erros mais comuns na transição? Muitas empresas fazem programas de digitalização. Eles tendem a ser muito genéricos, não são claros sobre quais capacidades digitais são necessárias. Não pensam com cuidado sobre para onde a indústria deles vai, o que os concorrentes podem fazer, não pensam o que vai acontecer se uma dessas novas empresas nativas-digitais entrarem no seu segmento.
Não vemos grandes mudanças no uso de tecnologia até mesmo em indústrias em que a informação é central, como bancos e seguradoras. Você vê essas chinesas como AliPay que estão revolucionando o sistema financeiro no país. Os bancos tradicionais, como o Banco Da China, não estão fazendo nada muito diferente do que faziam. Serão necessárias mudanças radicais e ainda não vemos isso.
Que tipo de mudanças radicais são necessárias para as empresas sobreviverem às mudanças tecnológicas? Novos modelos de negócios. Os modelos de negócios mais valiosos do mundo são plataformas, e incluem vários lados de uma relação de negócios. Uber é um bom exemplo, que tem motoristas e passageiros num sistema que tem dois lados. Airbnb... Esses negócios são muito mais valiosos do que os tradicionais "fazer coisas" ou "emprestar dinheiro". Mudar a forma de se conectar com os clientes, eliminar intermediários e usar tecnologia para essa função, tomar decisões com base em dados e não em experiência... Muitas mudanças que são assustadoras e difíceis.
O sr. acredita que uma quantidade considerável de dados úteis é desperdiçada? Como fazer melhor uso deles? Sem dúvida nossas cadeias envolvendo dados internos [das empresas] não funcionam muito bem. Não vamos resolver esses tipos de problemas de fluxo de dados por meio de tecnologia somente, ou mesmo arquiteturas de dados. Precisamos engajar a chefia no processo de entender quais dados são necessários para o negócio e como isso se relaciona a todas as outras pessoas na empresa.
Outra coisa que tem que mudar é que há um mundo de dados externos [às empresas], que a maioria não usa direito. Não sabem o que existe. Se compram um pouco dessa informação, acabam fazendo a mesma aquisição várias vezes em setores diferentes, porque não há uma forma centralizada de registrar que a empresa já comprou acesso a esses dados. Saber mais sobre o mundo exterior é chave para o que eu disse antes: prever a demanda. É saber o que clientes que não compraram de nós podem estar pensando sobre a empresa por meio de dados de redes sociais, por exemplo.
Em um artigo, o sr. menciona que está mais fácil lidar com inteligência artificial (IA). Quais os impactos disso? Significa que mais e mais empresas podem usar IA sem contratar cientistas de dados, sem passar por um processo de desenvolvimento doloroso. É muito mais fácil para as pessoas usarem IA no seu dia a dia.Digamos que eu sou um vendedor e quero ver uma lista dos meus prospectos ordenada por quão provável é que eles façam uma compra. É possível criar um sistema para isso, ou já usar um sistema já existente. A boa notícia é que fica muito mais fácil usar IA. A má notícia é que não devemos ver muita vantagem competitiva surgindo disso, porque qualquer um pode comprá-la.
E o que dará uma vantagem competitiva no uso de IA? Uma posição híbrida, melhorando e adaptando sistemas já prontos, ou desenvolver tudo do zero vai ser sempre uma opção melhor? Penso que dados proprietários, que ninguém mais da sua indústria tem, e desenvolver sistemas de IA que são exclusivos para a sua empresa são coisas que vão trazer uma vantagem.
Ao falar sobre uso de dados, normalmente nos referimos a empresas de médio porte para cima. Pequenos negócios também poderiam se beneficiar desse mundo? Sim. Muitas coisas estão ficando mais fáceis e baratas com a tecnologia. Temos softwares livres, que são grátis, temos computação de nuvem disponível em doses pequenas. Você não precisa construir um centro de dados. O que não chega muito a negócios menores é a consciência do que a tecnologia pode fazer, é pensar em como dá para usar dados e tecnologia neste negócio para mudá-lo.
Se o sr. fosse dar um conselho a um pequeno empresário para ele para usar tecnologia melhor, o que diria? Eu certamente não diria para não se importar. A primeira coisa que eu diria para essa pessoa é começar a juntar seus dados. Arranje um sistema de ponto de venda que registra o que os clientes compram. Comece a pensar em sistemas de fidelidade, para bonificar seus melhores clientes e não gastar com promoções para pessoas que vêm uma vez a cada seis meses. Juntar esses dados de vendas, produtos e consumidores será a chave para tomar decisões melhores que podem permitir crescimento e competição melhor contra grandes empresas.
Raio-x
Thomas Davenport, 66, é doutor pela Universidade Harvard (EUA) e professor de tecnologia da informação e gerenciamento na faculdade Babson (EUA). É responsável por 20 livros sobre o tema, entre eles "Competing on Analytics: The New Science of Winning" ("Competindo em análise de dados: a ciência da vitória", em tradução livre). É cofundador do Instituto Internacional de Analytics, especializado em pesquisa e consultoria na área de análise de dados.
Comentários
Os comentários não representam a opinião do jornal; a responsabilidade é do autor da mensagem.