Não é novo o papo sobre como inteligência artificial “roubará” o emprego das pessoas. E parece que ele vem ficando mais e mais presente e alarmista a cada inovação a que somos apresentados.

E, pensando a grosso modo, faz sentido. Se a máquina está aprendendo a fazer coisas como dirigir um carro sozinha, porque ela não ocupará uma função mais operacional dentro de uma empresa, certo?

Sim e não.

A verdade é que, como quase tudo na vida, há ponderações, relativizações e nuances que não podem ser ignoradas. E é aí que o senso comum abre espaço para o pensamento científico trazer um pouco mais de fatos concretos e perspectivas para a questão.

O pessoal da Ilumeo fez recentemente um review do paper “What Can Machines Learn and What Does It Mean for Occupations and the Economy?”, elaborado por pesquisadores do MIT e da Carnegie Mellon. Reproduzimos aqui os trechos centrais, de método e resultados:

MÉTODO

Os pesquisadores examinaram quais canais da força de trabalho poderiam ser afetados por Machine Learning. Para isso, eles avaliaram o potencial de aplicação de Machine Learning em 18.156 tarefas e 964 ocupações de trabalho, levantadas por meio do banco de dados O*NET. Esse banco pertence ao Departamento de Trabalho do governo norte-americano e contém dados sobre habilidades, conhecimentos, atividades e interesses associados a ocupações de trabalho.

O potencial de aplicação de Machine Learning foi avaliado segundo uma escala publicada pelos mesmos autores na Science – uma das revistas científicas mais importantes do mundo. Nessa escala, as tarefas eram avaliadas segundo critérios como “funções de entrada e saída bem definidas”, “a tarefa fornece um feedback claro, com metas e métricas claramente definíveis” e “a função aprendida não muda rapidamente com o tempo”.

A partir dessa escala, os pesquisadores construíram medidas do que chamaram de “adequação para Machine Learning”, o que permite discutir o verdadeiro potencial de reorganização na força de trabalho. 

RESULTADOS

Um ponto-chave do estudo é que ele enxerga as ocupações de trabalho como um conjunto de tarefas. Algumas destas oferecem melhores aplicações para tecnologia do que outras. Logo, o impacto de Machine Learning no mercado de trabalho é uma função da adequação para Machine Learning de atividades de trabalho específicas.  

Assim, a eficácia que a tecnologia oferece especificamente para diferentes tarefas sugere que o impacto da difusão de Machine Learning será desigual entre as ocupações.

A tabela a seguir mostra as ocupações com menor e maior índice de adequação para Machine Learning 

Os pesquisadores descobriram que:

1) A maioria das ocupações, na maioria das indústrias, tem pelo menos algumas tarefas que são adequadas para Machine Learning;

2) Pouquíssimas ocupações (se é que existe alguma) possuem todas as tarefas adequadas ao Machine Learning;

3) O desencadeamento do potencial de Machine Learning exigirá que o conteúdo das tarefas seja significativamente redesenhado, visto que tarefas adequadas e não adequadas para Machine Learning são desagregadas dentro das ocupações.

Mais do que chegar ao ponto de que é exagerada a ideia que se propaga sobre o impacto da tecnologia no mercado de trabalho, é importante levantar o ponto de como estamos lidando como algumas “verdades” dos nossos tempos. Algumas convenções que são largamente repetidas e viram fatos inquestionáveis.

O “simples” fato dos pesquisadores terem questionado a ideia de uma substituição total de homem por máquina e tentar entender melhor o que significa isso na prática coloca toda a questão em perspectiva e consegue demonstrar de maneira muito mais pé no chão o potencial de impacto que de verdade IA pode ter a força de trabalho.

No fundo, o bom trabalho de data intelligence é exatamente esse: usar pensamento científico para questionar o senso comum e proporcionar novas visões nos mesmos temas, buscando uma ruptura ou no mínimo uma evolução concreta para um negócio.