Educação

Você está desenvolvendo as habilidades que não serão automatizadas?

Stephen M. Kosslyn
11 de outubro de 2019

O futuro do trabalho parece sombrio para muitas pessoas. Um estudo recente da Forrester estimou que 10% das funções nos Estados Unidos serão automatizadas neste ano e um outro estudo realizado pela McKinsey estima que quase metade das funções nos Estados Unidos será também automatizada na próxima década.

Leia também:

Aprenda com pessoas, não com aulas

O futuro é hoje: os 16 hábitos da mente na educação

As funções com maior probabilidade de serem automatizadas são repetitivas e corriqueiras. Elas vão desde a leitura de um raio-X (os radiologistas humanos terão funções bem mais limitadas num futuro próximo), à condução de caminhões e à estocagem de um armazém. Enquanto muito já foi evidenciado a respeito dos tipos de funções que tendem a desaparecer, uma outra perspectiva ainda não estudada em detalhes é indagar não sobre quais funções serão extintas, mas quais serão os aspectos das funções sobreviventes que serão substituídas por máquinas.

Vejamos, por exemplo, o trabalho de um médico: é evidente que diagnosticar doenças logo será (se já não é) algo realizado com mais exatidão por máquinas do que por pessoas. O machine learning é surpreendentemente eficaz quando um conjunto de dados está disponível para treinamento e testes, que é o caso de uma ampla variedade de doenças e enfermidades. Entretanto, o que fazer ao se sentar com a família para discutir as opções de tratamento? Isso é pouco provável que seja automatizado num futuro próximo.

Agora, pense numa profissão no outro lado do espectro de status: a de barista. Em São Francisco, o Café X substituiu todos os baristas por braços de robôs industriais, que entretêm os clientes com suas palhaçadas enquanto preparam as bebidas quentes. No entanto, até o Café X emprega uma pessoa humana, que mostra aos clientes como pedir as bebidas e resolve problemas que possam aparecer com o uso do robô barista.

Vamos comparar um barista com um bartender. As pessoas normalmente iniciam conversas com o bartender. Essa função nitidamente vai muito além da de somente preparar as bebidas. Como o médico, é fácil analisar essa função em duas esferas: a esfera repetitiva e corriqueira (de misturar e servir as bebidas) e a esfera mais interativa e imprevisível, que implica em escutar e conversar com os clientes.

Após refletir sobre as características de várias funções e profissões, dois tipos de trabalho não corriqueiros me parecem ser especialmente comuns e difíceis de serem automatizados:

Primeiro, as emoções. As emoções têm um papel fundamental na comunicação humana (pense naquele médico sentado com a família, ou o bartender interagindo com os clientes). Elas estão inseridas, praticamente, em todas as formas de comunicação não-verbal e de empatia. Mais do que isso, as emoções têm a função de nos ajudar a priorizar o que fazemos; por exemplo, elas nos ajudam a decidir o que precisa ser feito neste exato momento, e não, à noite. Elas são não somente complexas e variadas, como também interagem com muitos dos nossos processos decisórios. A funcionalidade das emoções tem se mostrado desafiadora para se compreender cientificamente (embora tenha progredido), e é difícil estabelecê-la dentro de um sistema automatizado.

Em segundo lugar, o contexto. As pessoas sabem facilmente levar o contexto em consideração ao tomar decisões ou interagir com outras. O contexto é especialmente interessante, por ser um processo aberto – por exemplo, toda vez que uma história nova surge, ela altera o contexto (seja ele grande ou pequeno) no qual estamos inseridos. Além disso, as mudanças de contexto (como por exemplo, a eleição de um presidente dissidente) podem mudar não só a maneira como os fatores interagem entre si, mas também podem apresentar novos fatores e, assim, reestruturar toda a sua organização de maneira significativa. Esse é um problema para o machine learning, que opera em um conjunto de dados que, por definição, foi pré-estabelecido sob um contexto diferente. Sendo assim, levar o contexto em consideração (o que o bartender consegue facilmente fazer) é um desafio para a automação.

A nossa habilidade em gerenciar e fazer uso das emoções e de levar em conta os efeitos do contexto são ingredientes importantes para o pensamento crítico, a solução criativa para os problemas, a comunicação eficaz, o aprendizado adaptativo e o discernimento. Já foi comprovado que é difícil programar as máquinas para copiar a sabedoria e a competência humanas, e ainda não está claro quando (ou se) os esforços iniciais envidados gerarão frutos.

Na verdade, estas são algumas das habilidades que empregadores em vários setores dizem estar em constante procura nos candidatos. Por exemplo, num levantamento, 93% deles afirmaram que a capacidade que os candidatos têm de ter um pensamento crítico, uma comunicação clara e de resolver problemas complexos é mais importante do que o diploma de graduação.” Além disso, eles procuram candidatos que tenham outros tipos de soft skills, como aprender por meio da adaptação, tomar decisões certas e trabalhar bem com outras pessoas. É claro que essas habilidades muito procuradas se encaixam perfeitamente nas coisas que as pessoas podem fazer bem, mas que são e continuarão sendo difíceis de automatizar.

Tudo isso sugere que nossos sistemas de educação deveriam se concentrar não somente na maneira como as pessoas interagem com a tecnologia (por exemplo, ao ensinar a codificar), mas também em como fazer as coisas que a tecnologia não saberá fazer tão cedo. Essa é uma nova abordagem para caracterizar a natureza básica das soft skills que provavelmente, receberam uma definição errada: essas são as habilidades mais difíceis de entender e sistematizar e que dão – e continuarão a dar – às pessoas uma vantagem sobre os robôs.


Stephen M. Kosslyn é presidente e CEO da Foundry College, ex-Chief Academic Officer da Minerva Schools da KGI e ex-professor da John Lindsley, chefe de departamento e reitor em Ciências Sociais na Harvard University. Kosslyn é autor do livro Building the intentional university: Minerva and the future of higher education.

Compartilhe nas redes sociais!

replica rolex