Que impacto a revolução digital tem no trabalho e na desigualdade?

Por Michael A. Osborne, via Social Europe, traduzido por Daniel Fabre.

O que segue é uma transcrição de um ‘podcast’ da Social Europe no qual o Editor-chefe do portal, Henning Meyer discute os impactos da revolução digital na natureza do trabalho e na desigualdade com Michael A. Osborne, professor associado em aprendizagem automática[1] e Codiretor do programa Oxford Martin em tecnologia e emprego pela Universidade de Oxford.

Bem Michael, muito obrigado por juntar-se a nós hoje para termos uma discussão sobre inovação, mudanças tecnológicas e o que isso significa para o futuro do trabalho. Junto com seu colega Carl Benedikt Frey, você publicou diversos estudos que tiveram um grande impacto. Primeiramente, posso lhe perguntar, quando você escreve sobre a natureza mutante da inovação, o que em particular você quer dizer? O que é mutante?

Bem, os desenvolvimentos com os quais eu estou empolgado emergiram de minha própria área, que é a de aprendizagem automática, que muitos de seus ouvintes podem conhecer melhor pelo nome de inteligência artificial. Nossa ideia é que desenvolvimentos no campo da aprendizagem automática, acompanhados por aquelas em robótica móvel, irão realmente levar a um impacto transformacional sobre o emprego humano. Em particular, apontamos para a introdução de algoritmos que são capazes de produzir sofisticados e sutis processos decisórios de um modo que anteriormente era reservado aos humanos, que são capazes de navegar pelas ruas, que são capazes de fazer recomendações sobre produtos aos consumidores.

Todas essas coisas estão prestes a substituir trabalhadores humanos em um futuro próximo. Então, nosso estudo se iniciou para colocar alguns números sobre esse fenômeno. Em particular, nós usamos dados colhidos nos EUA, nos quais tivemos 702 diferentes classes ocupacionais e para cada uma delas tivemos uma lista de características dos empregos.

Então, essa organização nos EUA tinha sido sobre determinar os requisitos para diferentes tipos de habilidades para cada uma das diferentes ocupações. Isso incluiu coisas como persuasão, destreza manual, originalidade – todas características que nós pensamos poderem ser predicativo da suscetibilidade à automação dos empregos.

Então, com base naqueles dados, nós usamos, de fato, um algoritmo de aprendizagem automática e as características dos empregos que estávamos mais confiantes de que não iriam ser automatizados nos próximos 20 anos, ou que, de fato, já tínhamos visto alguma evidencia de estarem sendo automatizados, para tentar identificar as características de empregos suscetíveis de automação e assim de prever para todos empregos a probabilidade de automação. Em particular, nós chegamos a esta imagem de que 47% dos empregos atuais dos EUA podem estar em risco de automação nos próximos 20 anos.

Bem e se você quer categorizar, na literatura internacional, parece que há uma tendência de que os empregos que provavelmente forem menos substituídos serão aqueles baseados na criatividade, mesmo que haja uma discussão sobre isso, mas também aqueles, em particular, baseados em capital social e interação humana. Isso é algo que você concordaria?

Nós concordamos inteiramente com esta caracterização. Em nosso estudo nós frisamos três gargalos da computação, como os chamamos. Eles são exatamente criatividade, inteligência social e percepção ou manipulação. Então, o que une estes três gargalos são os profundos reservatórios deconhecimento tácito que os humanos possuem sobre a tarefa que estão realizando.

Para dar um exemplo, considere a produção de uma música famosa, uma tarefa criativa de quintessência. É muito fácil conseguir um algoritmo para despejar um fluxo interminável de músicas, mas é muito difícil ensinar ao algoritmo a diferença entre uma música famosa e uma nem tão boa.

Porque, fazendo isso, como um humano nos baseamos sobre esta imensa concepção sofisticada de nosso ambiente social e nosso contexto cultural, de uma forma que é muito difícil de declarar explicitamente em código. Então, é exatamente aquelas três características dos empregos que nós pensamos serem as mais difíceis para automação.

O Ministro do Trabalho alemão recentemente encomendou um estudo que trouxe um ponto de vista ligeiramente diferente sobre o potencial da automação. Eles possuem basicamente três principais pontos de crítica de sua metodologia. O primeiro seria que o que vocês parecem descrever é mais um impacto da tecnologia nas ‘atividades’, do que dela nos empregos mesmo.

Os mesmos empregos não podem realizar a mesma atividade, então há uma diferença entre o nível da atividade e o atual nível do emprego. O segundo é que vocês estimam o potencial em que se baseiam em virtude de opiniões de especialistas, o que tende a superestimar o potencial para substituição e racionalização.

O terceiro aspecto era que mesmo que possa existir esse tipo de potencial tecnológico, há também barreiras sociais, legais e também éticas para a implementação, o que significaria que o potencial completo nunca poderia ser atingido. Então, o gráfico é de que nos EUA 9% e na Alemanha 12% dos empregos podem estar em risco de automação. Qual sua resposta para esse tipo de visão?

Bem, minha reposta para o segundo destes criticismos primeiramente, porque é o único que eu realmente discordo. Eles realçam nosso uso de opinião especializada como base para nosso estudo, o que é verdade, mas eu penso em outros problemas a serem falados sobre isso.

O primeiro ponto é que nós não estamos seguindo como escravos o conselho de especialistas sobre os quais nos baseamos. O modo como o algoritmo funcionou, que é ele mesmo uma peça realmente sofisticada da aprendizagem automática, é que o conselho de especialistas, os rótulos que eles forneceram para 70 ocupações diferentes, sendo ao mesmo tempo automatizável ou não nos próximos 20 anos, foram tratados como espalhafatosos ou inconfiáveis, o que estima o que acontecerá na realidade.

Então, nosso algoritmo é na verdade bastante tolerante a estes exemplos inclassificáveis. Para dar um exemplo: nós incluímos garçons e garçonetes como um exemplo de ocupação que era não-automatizável e acho que o pensamento foi de que aqueles tipos de pequenas tarefas que um garçom ou garçonete fazem no processo de realização de seus empregos não é algo que é prontamente automatizado. É muito difícil de ensinar um algoritmo todas as nuances sociais que um garçom ou uma garçonete podem se basear.

No entanto, nosso algoritmo tinha dado retorno e nos disse que a probabilidade de ‘computadorização’ para garçons e garçonetes era de 94%, o que nos chocou bastante. Mas, interessantemente, no tempo desde que nós publicamos os estudos, desde 2013 portanto, nos verificamos restaurantes, particularmente nos EUA, automatizando algumas das tarefas que garçons e garçonetes foram tradicionalmente designados para realizar, colocando tablets nas mesas dos restaurantes.

Então, esses tablets são capazes de pegar os pedidos dos consumidores, são capazes de recomendar produtos a eles, de fato, eles são capazes de aumentar substantivamente as vendas de sobremesas em particular, algo como 30%, ao prover os consumidores com atraentes imagens no tablet.

Então, o ponto que eu estava tentando chegar é que o algoritmo que usamos não estava completamente sujeito ao viés que os especialistas que usamos nos forneceram. Ele foi capaz de corrigir, como eu disse, algumas categorizações errôneas. Em particular, nós realizamos uma análise sensível na qual subdividimos o conjunto de treinamento que usamos, assim, em particular, nós usamos um subconjunto de 35 das 70 ocupações que nós tínhamos categorizado para tentar prever as outras 35.

Nós fizemos isso após repetir muitas vezes a divisão do conjunto em dois. Até agora, independentemente da divisão que fizemos, descobrimos que fomos capazes de prever precisamente a metade, dada a metade que retemos pelo algoritmo. Então, o que isso nos diz é que, sim, é possível que nós estejamos inteiramente equivocados sobre o que é automatizável, mas pelo menos estaríamos consistentemente equivocados, pois não parece haver uma total inconsistência no conjunto que foi provido.

Bem e vocês diriam que isso se dá basicamente porque, na verdade, com alguns empregos vocês foram cautelosos?

Eu acho que é verdade, sim. Assim, para garçons e garçonetes como um exemplo característico, nós tínhamos superestimado a influência da inteligência social, mas o que o algoritmo coletou é que a baixa pontuação em criatividade, ou em originalidade para garçons e garçonetes faz de fato com que eles sejam suscetíveis a automação.

Bem. O que vocês pensam sobre o argumento de que o provável impacto não é necessariamente apenas a substituição, mas é basicamente uma mudança na face do trabalho, assim que a própria descrição dos empregos mudará e a atividade humana será basicamente mais um aumento da capacidade tecnológica, do que competição direta. Isso é algo a que vocês se filiam?

Sou muito simpático a este ponto de vista; eu penso que é de fato como a automação firma raízes na economia. Então, historicamente, é claro, vemos as pessoas como uma seção de datilografia dos anos 50 substituída por um software de processamento de texto, apesar do fato de que o software não é capaz de realizar tudo que a seção de datilografia era.

O emprego foi simplificado ao ponto em que foi possível de ser automatizado. Assim, o que o emprego de datilografia continha foi essencialmente eliminado apesar de suas características não serem automatizáveis totalmente. Mas, de forma mais abrangente, havia um estudo recente na Austrália, que tentou colocar alguns números sobre esse fenômeno pelo qual as características de um emprego podem na verdade mudar ao longo do tempo e, em particular, como eles podem mudar em relação com a automação.

Esse estudo será publicado pelo gabinete do economista-chefe na Austrália, ele tinha descoberto que havia de fato muitas mudanças substanciais nas ocupações, derivadas de sua suscetibilidade a automação, mesmo nos últimos dez anos. Assim, penso que isso é um tipo substancial de efeito.

Não tenho certeza de quando as consequências do mundo real irão nos demonstrar que as ocupações se tornaram mais ou menos automatizáveis, acho que meu primeiro ponto é que, de fato, é possível simplificar tarefas, simplificar empregos, ao ponto de serem automatizáveis, assim como empregos são capazes de render mais complexamente ao ponto que eles não são automáticos e na verdade quais deles irão ter um papel no mundo real ainda está em debate.

Então estamos falando basicamente sobre, quando chegamos ao impacto da tecnologia nos empregos, três níveis. O primeiro nível seria que os tipos de emprego poderiam ser substituídos por tecnologia, o segundo seria que os tipos de emprego se modificarão, talvez mesmo fundamentalmente, por causa do impacto da tecnologia e o terceiro seria a criação de empregos, os tipos de emprego que serão criados como resultado da tecnologia. O que vocês diriam sobre o terceiro ponto?

Então, novamente, um ponto muito importante que nós explicitamente reconhecemos em nosso estudo original é que não foi considerado o prospecto de crescimento de novos empregos. De qualquer modo, em um trabalho subsequente, meu coautor Carl Benedikt Frey olhou para quais novos empregos emergiram na última década nos EUA e descobriu algo muito alarmante, que as novas industrias que tinham sido criadas agora apenas contém em torno de 0,5% dos atuais empregos dos EUA.

Assim, essas novas industrias que emergiram não geraram necessariamente toda uma gama de novos empregos e talvez o mais emblemático exemplo foi descoberto no setor de tecnologia, onde uma companhia como o WhatsApp, por exemplo, foi comprada por US$ 19 bilhões, em um ponto que possuía apenas 55 empregados, que se compara de forma muito desfavorável contra um negócio de valor similar, como a revendedora de moda GAP, a qual tem em torno de 137.000 empregados.

Então, sim, há novos empregos sendo criados, mas não está claro se há tantos destes novos empregos como nós gostaríamos e também não está claro que os empregos que estão sendo criados podem ser adequados ao povo que perde o emprego devido as tendências da tecnologia.

Assim, se nos olharmos para a lista das ocupações que cresceram mais rápido desde os anos 2000, ela inclui empregos como cientistas de dados, desenvolvedores de IOS, desenvolvedores de Android. Eu não acredito realmente que toda aquela gente perderá o emprego para, por exemplo, veículos autônomos, pessoas como motoristas de caminhão, que são capazes de mover-se naturalmente para essas ocupações de alta habilidade.

Então nós também podemos ver, basicamente, uma polarização do mercado de trabalho? Quero dizer, quando discuto meu próprio trabalho sobre o impacto da tecnologia no trabalho no BBC Newsnight no fim do ano passado, Evan Davis, o apresentador disse, “Bem, nós não tínhamos tido tantos bar-manicure por perto anteriormente”, então você diria que há uma polarização entre altos fins, empregos qualificados, mas também de empregos do setor de serviços com baixíssima formação?

Eu penso que é absolutamente correto e, de fato, um pouco da análise que fizemos em nosso estudo original foi tentar tramar a probabilidade de computadorização contra duas diferentes medidas de habilidade. Assim, em particular, nos consideramos como a probabilidade de computadorização pode se relacionar com a fração de trabalhadores em qualquer ocupação que possuam no mínimo o grau de bacharel e também a média da média salarial em cada uma dessas ocupações.

O que nos vimos, muito claramente, é que a probabilidade da computadorização era negativamente correlacionada a estas medidas de habilidade, ou seja, quanto mais habilidoso, menos suscetível a computadorização você é, o que de fato sugere apenas uma continuação dessa polarização do mercado de trabalho.

E uma tendência que vimos antes mesmo disso, você sabe sobre os tipos de emprego no setor de serviços de baixa qualificação; eles também são muito difíceis de se substituir por tecnologia, não são?

É verdade, mas eles não serão necessariamente bem pagos, porque é o resultado deles não terem muitos requisitos de habilidades, haverá toda uma gama de pessoas que buscarão por esses empregos e isso, como sugeri, pode apenas nos guiar a uma exasperação da desigualdade que nós não vimos se desenvolver nas últimas duas décadas.

Sim, exatamente, o que isso basicamente significa é que os empregos de qualificação mediana serão esvaziados, eles estão se dirigindo a ambos os fins, o topo e o fundo.

Penso que isso é correto.

Você acabou de mencionar, na verdade, o próximo aspecto que eu gostaria de falar contigo, que é basicamente a desigualdade. O ponto principal do artigo que escrevi sobre o assunto, no fim do ano passado, é que já estamos de volta a níveis de desigualdade que mostram certas disfuncionalidades macroeconômicas. Quero dizer, você deve ir ao trabalho de Thomas Piketty para olhar para os fundamentos disso.

Mas, há uma probabilidade com os desdobramentos do impacto da tecnologia de que essas desigualdades possam se tornar piores, pelo menos em curto-médio prazo e que iremos ver uma exacerbação da desigualdade. Você veria isso da mesma forma?

Eu certamente veria e, de fato, há um excelente livro recém lançado de um economista de Oxford, Tony Atkinson, que põe mais peso nessa hipótese. Eu penso que precisamos, de qualquer modo, não perder a compreensão do fato de que haverá uma enorme riqueza gerada pela mudança tecnológica.

Então, é claro que no desenvolvimento de bens digitais, que têm algo próximo de zero em custo marginal, a inovação tem um enorme potencial de bem social para todos, pelo menos quando consideramos pessoas como consumidores. Mas o risco, claro, é que devido a esses riscos para as pessoas enquanto trabalhadores, haverá desenvolvimento da desigualdade. Penso que não é necessariamente um problema de geração de riqueza, é um problema de distribuição.

Fundamentalmente, sim, isso faz com que a questão da distribuição tenha ainda mais pressão, em minha visão. Chegando às respostas políticas, eu concordo com tudo que você disse e, em termos de reposta política, como deveriam os políticos reagir a isso ou tentar se preparar?

Eu pessoalmente vejo três áreas que precisam ser abordadas. A primeira é a distribuição do trabalho remanescente, assim há um argumento no sentido de que estamos de volta onde John Maynard Keynes estava algumas décadas atrás, sobre a necessidade de trabalhar mais ou menos horas.

Então, pode haver uma questão sobre distribuição do trabalho remanescente mais uniformemente entre a população e permitindo mais tempo livre, que é basicamente algo que, por exemplo, os estudos sobre o mercado de trabalho alemão lhe contam que é o que muitas pessoas querem.

A segunda seria, especialmente, se você quer se preparar para cumprir o tipo de papel argumentativo dos humanos através da tecnologia, que os perfis educacionais necessitam mudar. Dessa forma, a política educacional precisa preparar as pessoas muito mais em termos de adaptabilidade. Que, para mim, significa que eles precisam ser melhores em criatividade e em habilidades analíticas do que em memorizar fatos, no que muitos sistemas educacionais ainda parecem se basear.

A terceira lida realmente com as consequências sociais e econômicas dessa questão sobre a desigualdade. Isso é algo que você veria abertamente como as categorias com as quais nós teremos que pensar e o que você acrescentaria?

Bem, eu penso que você está certo, mas penso que esse problema é um enorme desafio e não estou seguro de que haja uma solução instantânea. Pegando algumas sugestões em particular, penso que você está certo que a educação precisa mudar em reposta às mudanças tecnológicas de acelerado ritmo, mas como, em particular, isso poderia mudar, penso que é a questão espinhosa.

Então, você sublinhou isso, talvez, nosso sistema escolar deveria enfatizar mais a criatividade e pôr menos ênfase em memorizar fatos, mas há uma questão, primeiro, sobre como você pode fazer isso e exatamente que tipo de criatividade deveria ser incutida.

Se nós pegarmos o exemplo de uma das ocupações que tinham emergido quando as mencionei previamente, cientistas de dados, eu na verdade acho, que para ser bastante criativo enquanto um cientista de dados, você precisa ter, em suas digitais, ou impresso em seu cérebro, uma grande massa de fatos estatísticos e matemáticos.

Não estou realmente seguro que você pode ser criativo em alguma ocupação sem, em algum ponto, ter aprendido uma grande quantidade de conhecimento e o seu melhor uso, não estou completamente convencido se aquele é realmente o tipo certo de criatividade para os próximos 20 anos, não estou completamente convencido. Penso que é muito difícil prever exatamente que habilidades, em particular, a força de trabalho de daqui a 20 anos vai precisar.

Nós ainda não estamos em um nível detalhado aqui. No início, esses são apenas para começar, realmente, os amplos compartimentos, em termos de política. É claro, é muita coisa, mas você tem de categorizar primeiro antes que possa realmente explicar em detalhes.

Quero dizer, na questão distribucional, que nós debatemos, originada na verdade no Vale do Silício, sobre renda básica e seus impactos em como isso pode propriamente aumentar a demanda doméstica em uma situação onde nós temos uma desigualdade que só tende a aumentar. É apenas basicamente sobre categorizar as áreas políticas que precisamos chegar e depois olhar para soluções individuais.

Justo, obviamente eu endosso este esforço particular de categorizar possíveis repostas. Apenas estou preocupado que mesmo com essas categorias, não é claro para mim que há algo que possa ativamente resolver esse problema, ou que possa resolver o problema de forma, tipo, politicamente aceitável.

Quero dizer, talvez meu pessimismo aqui já tenha passado dos limites, quero dizer, sou engenheiro, ao fim do dia. Não sou economista, então a dimensão que o povo está me apontando como sendo uma fonte para estas repostas politicas é, para mim, já um sinal de alguma espécie de desespero.

Bem. Mas, se você for por esse caminho por um momento, sua carreira como um engenheiro, se você fosse um político e não houvesse restrições ao que você pudesse fazer, qual – contra o senso sobre o conhecimento atual do sujeito – seria sua resposta?

Então, a questão distribucional que você sublinhou, eu penso, que é a mais importante. Mesmo com o melhor sistema educacional do mundo, eu não creio que estaremos necessariamente aptos a ensinar habilidades a todo mundo ao ponto de que eles sejam capazes de ocupar esses novos empregos que estão sendo criados. Assim, de novo isso se torna uma questão de afirmar que a riqueza que é gerada seja dividida equanimemente entre todos os membros da sociedade.

Como isso deve ser feito, não estou inteiramente seguro. Penso que a renda básica universal é um tipo de possibilidade excitante. Mas minha experiência não me deixa mais qualificado para avaliar os méritos relativos dessas diferentes propostas.

Ok, bem Michael, muito obrigado por se juntar a nós hoje no debate deste tópico altamente relevante e tenho certeza ele não será esquecido tão cedo.

Bem, espero que não, é um assunto importante e espero que continue havendo muitas discussões sobre isso. Muito obrigado pela participação.


[1] A aprendizagem automática ou aprendizado de máquina é um subcampo da inteligência artificial dedicado ao desenvolvimento de algoritmos e técnicas que permitam ao computador aprender, isto é, que permitam ao computador aperfeiçoar seu desempenho em alguma tarefa.

Compartilhe:

Posts recentes

Mais lidos

Deixe um comentário