Como a Inteligência Artificial pode tirar seu emprego

Veja alguns fatores que indicam que sua profissão pode ser substituída em breve

Thoran Rodrigues

26/02/2019

 

Inteligência Artificial (IA) é hoje, sem sombra de dúvida, a tecnologia da moda. Praticamente todas as notícias, conferências e discussões relevantes do setor tocam, de alguma forma, no assunto, principalmente para discutir como o mercado de trabalho será afetado pelos seus avanços. Independente das perspectivas otimistas ou pessimistas de quem está participando da discussão, já existe um consenso formado de que praticamente todas as profissões serão profundamente transformadas por essa nova tecnologia.

 

Essa ameaça nem sempre foi verdade. Durante as décadas de 80 e 90, e até o começo dos anos 2000, a área de inteligência artificial passou por um longo período de descrédito, chamado de “inverno da IA”, quando poucos avanços práticos ocorriam, apesar do desenvolvimento teórico seguir em frente. Ao longo desse período, muitas aplicações fracassaram. Atividades como a transcrição de voz para texto, a tradução automática de conteúdo, ou ações mais simples, de tomada de decisão, foram, de uma forma ou de outra, consideradas praticamente impossíveis de serem automatizadas.

 

Duas tendências, no entanto, mudaram essa realidade. A primeira foi a explosão da quantidade de dados disponíveis para a construção de modelos. Seja a partir de conteúdo colocado livremente na web, como a Wikipedia, traduzida em dezenas de idiomas, ou de sites individuais, geralmente presentes em algum idioma local e no inglês, ou a partir de conteúdo carregado por usuários em plataformas específicas, como vídeos no YouTube com a legenda digitada de forma sincronizada com o áudio, ou fotos rotuladas pelos usuários, salvas na nuvem. Cada nova informação é um dado que passou a estar disponível para o treinamento de modelos capazes de executar tarefas complexas.

 

A segunda tendência foi o crescimento exponencial do poder computacional disponível às empresas, em função do surgimento da computação na nuvem. Uma das maiores dificuldades do processo de treinamento dos modelos de inteligência artificial, depois da disponibilidade de informações, é a complexidade computacional desse processo, que exige muitos recursos. Até o advento da computação na nuvem, poucas empresas tinham acesso aos recursos necessários para treinar modelos realmente sofisticados. Hoje, no entanto, já é possível, para praticamente qualquer empresa, não só ter os recursos necessários, mas, também, pagar por eles apenas pelo tempo em que são necessários, sem nenhum investimento inicial ou desperdício de recursos.

 

A convergência dessas duas grandes tendências nos trouxe ao presente, quando os avanços na área de IA dão-se de forma cada vez mais rápida e o impacto desses avanços no mercado de trabalho tem sido, cada vez mais, pronunciado nos mais diferentes setores da economia, da política e da sociedade como um todo.

 

Já estamos vivendo a transformação

 

A transformação do mercado de trabalho promovida pela inteligência artificial não é um sonho, nem uma tendência tecnológica que vai acontecer nos próximos dez a vinte anos. Já é uma realidade que estamos vivenciando. Profissões que são, muitas vezes, consideradas “subempregos intelectuais”, como atendentes de call center ou analistas de processo, que atuam de forma essencialmente manual, estão desaparecendo rapidamente, sendo substituídas por sistemas automatizados. Isso se dá ante uma combinação da redução de custos com o aumento de eficiência e de efetividade. Diferente das pessoas, os sistemas não se cansam, não saem de férias, não ficam doentes e têm parâmetros precisos de erro e acerto, características essenciais para esse tipo de trabalho.

 

Mas não são só essas profissões mais “simples” que estão ameaçadas. Os sistemas de inteligência artificial já são capazes de fazer a tradução automática de textos, áudios e filmes; de escrever matérias de jornal, verdadeiras ou falsas, baseadas em alguns poucos fatos fornecidos. São, ainda, capazes de diagnosticar problemas médicos e doenças a partir de resultados de exames de uma forma mais precisa do que médicos, mesmo aqueles com grande experiência e conhecimento.

 

Algumas características, em especial, são indicativas do risco de um trabalho, ou profissão, ser substituído por um sistema de inteligência artificial. E vale a pena observá-las a fim de entender como o mercado de trabalho será afetado daqui para frente. A primeira dessas características é a natureza do trabalho, no que tange à previsibilidade de como as tarefas são executadas. Se for prescritivo (o mesmo conjunto de informações na entrada, no geral, leva ao mesmo resultado na saída) e repetitivo (quando uma grande quantidade do mesmo tipo de tarefa deve ser realizada ao longo do dia, com pouca variação), o trabalho é facilmente substituído por um sistema, especialmente por um sistema de inteligência artificial.

 

Outra característica indicativa da possibilidade de substituição de um determinado trabalho é a disponibilidade de grandes conjuntos de dados para se realizar o treinamento de modelos que sejam capazes de substituir as pessoas. O trabalho de tradução de textos é um exemplo claro disso. Há alguns anos, os algoritmos de tradução automática eram muito ruins, porque não existia um conjunto grande de informações que permitisse a sua rápida evolução. Com o crescimento exponencial dos dados disponíveis, os modelos evoluíram. Atualmente, muito conteúdo pode ser traduzido de forma totalmente automática, sem precisar de um tradutor humano para absolutamente nada no processo. Outros exemplos que caem nessa regra são os trabalhos de transcrição (voz para texto e texto para voz), e análise de radiografias na medicina.

 

A terceira característica é a existência de um arcabouço estruturado para a execução do trabalho. Quanto menos liberdade um trabalho oferece na sua execução, quanto maior for a sua estrutura e quanto maior for o número de regras relacionadas à sua execução, maior a possibilidade de se estruturar um sistema capaz de aprender a realizar o trabalho dentro das regras existentes. Esse é exatamente o conceito por trás dos algoritmos de inteligência artificial que vencem os humanos em jogos de tabuleiro ou de videogame. Sabendo apenas as regras do que se pode, ou não, ser feito naquele contexto, ao longo de milhões de interações, sistemas aprendem a executar as tarefas necessárias para se chegar ao resultado desejado.

 

Essas três características são as principais para se avaliar a substituição de tarefas pela automação, mas estão longe de serem as únicas. Ou de serem válidas para sempre. Conforme as próprias técnicas de IA forem evoluindo, novas abordagens e aproximações irão tornando outros trabalhos substituíveis por sistemas. No limite, a maior barreira para a substituição de uma determinada profissão será sempre o custo: se for mais barato realizar o trabalho com pessoas, o trabalho será feito por pessoas; se for mais barato automatizar, o trabalho será automatizado.

 

A transformação do setor de tecnologia

 

Na área de tecnologia, o movimento não é diferente. Apesar de ser uma área considerada “nobre” e abranger um trabalho tido como “intelectual”, a verdade é que grande parte do trabalho com tecnologia é prescritivo, repetitivo e extremamente estruturado, seja ele de desenvolvimento de software, gestão de infraestrutura, controle de processos, segurança da informação, gestão de bancos de dados, ou qualquer outro.

 

De fato, sistemas de inteligência artificial já têm sido empregados em grande escala para automatizar tarefas que, até poucos anos atrás, necessitavam de supervisão humana. O trabalho dos DBAs (Database Administrators) é um bom exemplo disso. A grande maioria dos bancos de dados modernos, seja na nuvem ou instalada localmente, possui funcionalidades de “administração autônoma”, não necessitando mais da supervisão e intervenção de um DBA para funcionar de forma ótima. Essa administração autônoma não é nada mais que um sistema de inteligência artificial que analisa a forma como o banco está sendo utilizado e aloca recursos, ou ajusta a sua estrutura de dados, para maximizar o seu desempenho.

 

Outro tipo de trabalho que vem sendo rapidamente automatizado é o de teste e de controle de qualidade de software. Uma grande quantidade de sistemas de teste automatizado emprega sistemas de inteligência artificial para realizar a exploração ativa do software, de uma forma muito mais completa do que uma pessoa conseguiria fazer e com uma velocidade sem precedentes. Frente a esses sistemas automatizados, analistas de teste e qualidade perdem o seu espaço.

 

Mesmo a área de desenvolvimento de software deverá ser impactada. Algumas pesquisas dizem que até 40% das vagas dessa área desaparecerão na próxima década devido à automação, o que não deveria ser nenhuma surpresa para qualquer desenvolvedor um pouco mais experiente. Quanto mais padrões de desenvolvimento são definidos, ou estruturas de dados e algoritmos ficam prontos, ou objetos e serviços de alto nível tornam-se disponíveis, mais prescritivo e menos artesanal se torna o processo de desenvolvimento.

 

Essa evolução abre as portas, naturalmente, para a automação, que já começou com a geração automática de código-fonte por inteligências artificiais, mas que rapidamente vai evoluir para um modelo de programação “intencional”, na qual sistemas serão capazes de partir de requisitos macro e montar sistemas plenamente funcionais. Nesse contexto, em um primeiro momento os programadores passam a ser revisores de código gerado automaticamente, no máximo realizando um ajuste ou outro dentro do software. Ao longo do tempo, os sistemas se tornam efetivos o suficiente para eliminar a necessidade de qualquer revisão manual dos resultados.

 

“Automatizando os automatizadores”

 

E a área de data science, responsável por esses avanços todos? Como fica o trabalho das pessoas que dedicam o seu dia a dia ao desenvolvimento de modelos que eliminam o trabalho dos outros? Fica exatamente igual às áreas que descrevemos acima. Muito do trabalho de um cientista de dados hoje pode ser considerado “braçal”: seleção e preparação de dados, treinamento de diferentes tipos de modelos, com diferentes parâmetros iniciais e atributos buscando o melhor resultado e, por fim, a preparação de algum material para apresentação dos resultados obtidos. Todas essas tarefas não só podem ser automatizadas, como já o estão sendo de fato.

 

Sistemas como o Sagemaker, lançado há pouco mais de um ano pela Amazon Web Services, realizam o treinamento de modelos de inteligência artificial para resolver problemas de forma totalmente automática. O usuário define alguns parâmetros iniciais simples (apontamento dos dados, tipo de problema sendo abordado), e o sistema automaticamente treina centenas ou até milhares de modelos diferentes, variando parâmetros, conjuntos de atributos e outros fatores internos que possam impactar o resultado final de forma totalmente autônoma, chegando aos melhores resultados possíveis, sem precisar da interferência de um operador humano.

 

Estamos, então, chegando em um extremo, onde a maioria dos trabalhos considerados de “conhecimento” não só podem ser automatizados, mas os próprios sistemas responsáveis por essa automação podem ser automatizados. É uma curva de evolução rápida, da qual não existe escapatória. O lado econômico é cruel: para a grande maioria das tarefas, sistemas automáticos são mais eficientes e mais baratos do que pessoas; enquanto as empresas (e a sociedade como um todo) estiverem buscando menores custos e maiores lucros, as pessoas serão substituídas.

 

Como se proteger da automação

 

Como podemos, então, proteger-nos desse processo interminável de automação? O primeiro ponto é entender que não é possível se proteger indefinidamente. Qualquer trabalho sempre estará sujeito à automação, assim que a tecnologia necessária para realizar essa automação estiver disponível. Alguns trabalhos podem levar mais tempo por causa de sua complexidade inerente, ou devido a algum componente de custo particular. Entender onde a curva de automação e o seu trabalho se encontram é fundamental.

 

Tendo isso em mente, podemos olhar para as características, já descritas anteriormente, que tornam um trabalho mais passível de automação para intuir áreas e profissões mais “imunes”, por apresentarem as características opostas. Estamos procurando, portanto, por profissões que requeiram comunicação intensa, troca de contexto, adaptação e improviso. A gestão de projetos, determinados tipos de pesquisa, ou mesmo atividades mais orientadas ao design (que lidam com a forma, ao invés de com a função) são candidatas naturais.

 

Uma outra forma de proteção importante, muitas vezes ignorada, é a de abraçar a automação como uma oportunidade para se tornar mais eficiente e efetivo. Quanto mais um profissional, de qualquer área, for capaz de tirar proveito das automações para aumentar a sua produtividade pessoal, mais valor ele terá para o mercado. Um desenvolvedor, por exemplo, que começa a usar ferramentas de geração automática de código-fonte para acelerar suas tarefas do dia a dia poderá executar mais tarefas e desenvolver sistemas mais complexos mais rápido do que os outros.

 

O mesmo vale para um cientista de dados que, ao invés de focar-se em ferramentas e tecnologias necessárias para executar o trabalho, deixa essas preocupações para softwares automáticos e se importa com a busca de bons problemas para serem resolvidos com dados, ou com a interpretação dos resultados obtidos pelos modelos. Esse profissional não só tem muito mais valor no mercado do que outro que conheça profundamente um determinado stack de tecnologia de análise dados, como o seu valor perdurará por muito mais tempo.

 

Tudo isso aponta para a importância de outro ponto essencial: a capacidade de aprendizado. Essa habilidade, que praticamente todas as empresas dizem valorizar, não é simplesmente sobre conseguir aprender a utilizar novas ferramentas ou pacotes de software, mas sobre saber aprender a realizar novas funções, trabalhar de novas maneiras e em condições diferentes e mutáveis.

 

Estamos em um ponto de inflexão interessante no mercado de trabalho. Historicamente, quanto mais um profissional se especializava em alguma área de conhecimento ou tecnologia específica, maior era o seu valor para o mercado. No entanto, hoje, quanto maior a especialização, maior a possibilidade de automação do trabalho, ainda mais se o foco da especialização for de ferramentas ou técnicas. Assim, no futuro, são as soft skills­ intangíveis como comunicação, capacidade de análise e síntese, facilidade de aprendizado, adaptabilidade, e criatividade que valerão mais para um profissional, do que certificações e cursos.

 

Para se proteger da automação, portanto, procure fazer três coisas: mapeie os riscos de o seu trabalho atual desaparecer ou de ser substituído, usando as regras listadas como um guia; aprenda o máximo possível e comece a tirar proveito dos sistemas de inteligência artificial que já estão disponíveis na sua área, para maximizar o seu valor; e desenvolva as soft skills que agreguem valor para qualquer carreira profissional, independente da área ou setor. Não é possível escapar totalmente do avanço da inteligência artificial sobre o mercado de trabalho, mas seguindo esses passos você minimizará o impacto dessa nova tendência sobre a sua empregabilidade.