Na era das máquinas, o emprego é de quem? Estimação da probabilidade de automação de ocupações no Brasil por Pedro Henrique Melo Albuquerque, Cayan Atreio Portela Bárcena Saavedra, Rafael Lima de Morais, Patrick Franco Alves, Peng Yaohao publicado por Ipea (3/2019).
“O objetivo deste trabalho foi reproduzir a metodologia de Carl Benedikt Frey e Michael Osborne, de 2017, para estimação das probabilidades de automação das ocupações no Brasil. Essas estimativas são de potencial importância para os formadores de políticas públicas e profissionais por ser passível de nortear a carreira de trabalhadores, bem como definir cursos prioritários que as instituições de ensino deveriam oferecer visando maximizar as oportunidades de emprego no país. A opinião especializada de 69 acadêmicos e profissionais atuantes em aprendizado de máquinas foi levantada para embasar a estimação dessas probabilidades. Os achados apontam que boa parte das ocupações pode ser automatizada nos próximos anos. Ademais, percebe-se que essas profissões com maior risco de automação apresentam uma tendência de crescimento ao longo do tempo, o que poderá resultar em um elevado nível de desemprego nos próximos anos caso os profissionais e o Estado não se preparem para esse cenário.
O ambiente gerencial tem sofrido mudanças drásticas em sua estrutura funcional devido à inserção de novas tecnologias nas organizações. Algoritmos e automação por meio do aprendizado de máquina (AM) tornaram-se cada vez mais comuns, principalmente devido à competição entre as firmas para aumentar a produção e reduzir os custos (Crews, 2019). Nesse sentido, os gestores precisam estar cientes dessa tendência de automação e de como suas organizações podem se beneficiar da implementação desses sistemas. Por consequência, a mudança no modelo de negócios e na forma de contratação de funcionários, ou a substituição destes por máquinas, é o objeto de estudo deste trabalho. A automação tornou-se um grande receio das pessoas empregadas nos últimos anos, tanto nos países desenvolvidos quanto nos subdesenvolvidos. Há uma preocupação extensa hoje em dia de que as tecnologias oriundas do AM criem desemprego em massa durante os próximos anos (Hernandez-Perdomo, Guney e Rocco, 2018).
Por exemplo, em março de 2018, os funcionários da Empresa Brasileira de Correios e Telégrafos (Correios) declararam greve. Uma das demandas dos grevistas foi o retorno de um cargo eliminado pela gerência do órgão, cuja atribuição era selecionar e verificar manualmente cada pacote/carta e depois separá-los segundo o destino (Cavallini, 2018). Essa demanda foi motivada após os ocupantes desses cargos terem sido demitidos ou realocados em outras tarefas devido à automatização no processo de produção dos Correios. A era da automação do Brasil se alinha com os achados de David (2015) sobre a perfeita substituibilidade entre o desempenho humano em nível mediano e a tecnologia atualmente disponível.
Para monitorar essa recente mudança de paradigma no mercado de trabalho dos Estados Unidos, Dvorkin (2016) apresentou a evolução de quatro tipos de trabalhos: i) manual rotineiro; ii) manual não rotineiro; iii) cognitivo rotineiro; e iv) cognitivo não rotineiro. Em seu artigo, o autor mostra que o número de empregos rotineiros manuais e rotineiros cognitivos não está crescendo tão rápido quanto possível, e uma explicação para isso é o nível de automação que está aumentando nos últimos anos. Essa diferença entre os quatro tipos de empregos pode produzir, em um futuro próximo, mais desigualdade e desemprego no Brasil se nenhuma política pública for formulada.
Uma questão que é continuamente investigada é se as novas tecnologias são realmente responsáveis por uma década de baixo crescimento de empregos no Brasil e no mundo. Segundo Rotman (2013), muitos economistas alegam que os resultados produzidos nos últimos anos são inconclusivos, pois há várias outras explicações plausíveis, como crises financeiras, por exemplo.
Em contrapartida, o trabalho de Frey e Osborne (2017) postulou que todas as ocupações, em vez de tarefas únicas, são automatizadas por avanços tecnológicos. Os autores estimaram que 47% de todos os empregos nos Estados Unidos podem estar em risco de serem automatizados em um futuro próximo. O ponto de vista deste trabalho foi mais pessimista do que o de outros autores, entretanto é o artigo mais citado sobre o tema na atualidade.
Os autores focaram os avanços tecnológicos no que eles chamam de AM. Sua suposição é que essa era organizacional na qual vivemos é diferente de outras revoluções tecnológicas, isso porque agora as máquinas são capazes de realizar tarefas que até recentemente eram consideradas genuinamente humanas, como tarefas manuais rotineiras, bem como as não rotineiras.
Brynjolfsson e McAfee (2014) estão de acordo com Frey e Osborne (2017). Eles sugerem que, devido à automação de algumas tarefas cognitivas rotineiras, as novas tecnologias podem cada vez mais servir de substitutas e não apenas como complemento aos trabalhadores que realizam essas tarefas. Em uma visão mais otimista, Alexopoulos e Cohen (2016), por exemplo, afirmam que os choques tecnológicos historicamente positivos aumentaram as oportunidades de emprego. Dessa forma, a automação poderia, no longo prazo, ser boa para toda a economia.
Além disso, os métodos de AM são tão bons quanto sua amostra de treinamento e devem considerar grandes conjuntos de dados com milhares de exemplos disponíveis para que a qualidade da máquina desenvolvida seja suficientemente boa. A qualidade dos dados na maioria das empresas dos países subdesenvolvidos é muito baixa, ou, ainda, essas firmas sequer registram seus dados. Isto torna impossível automatizar as tarefas, visto que não há dados, e quando há, estes estão muito ruins.
Com base nesse cenário, o intuito deste estudo é contribuir para a literatura internacional sobre automação e emprego, estudando a evolução do número de postos de trabalho no Brasil ao longo do tempo e espaço relacionados com o grau de automação, utilizando para isso as classes formuladas pelo Departamento de Trabalho dos Estados Unidos (Estados Unidos, 1998). Ademais, para a estimação da probabilidade de automação de cada ocupação, foram consultadas as opiniões de especialistas acadêmicos e profissionais atuantes em inteligência artificial e AM.
Nosso objetivo é responder a algumas questões com relação à taxa de aumento (ou diminuição) de tipos de trabalhos classificados pelo grau de automação de cada posição. Especificamente, apresentamos qual zona de trabalho (job zone) exibe o maior aumento e o menor decréscimo no número de posições no Brasil. Também utilizando o Sistema de Informações Geográficas (SIG), estudamos essa evolução no espaço, localizando aglomerados espaciais de aumento e diminuição dessas posições nas microrregiões do país…”
