Passei seis semanas na escola de negócios de Stanford. Entre as muitas coisas que aprendi, poucas ficaram tanto na minha cabeça quanto uma aula do professor Rob Reich sobre inteligência artificial e o futuro do trabalho.
Reich ocupa uma interseção rara até para os padrões de Stanford: é o titular da cátedra de ética social da ciência e tecnologia, professor de ciência política com posições também em direito e filosofia, e uma das principais vozes do Stanford Institute for Human-Centered Artificial Intelligence, que ajudou a fundar ao lado de Fei-Fei Li.
É também coautor de System Error, o livro que Reed Hastings, da Netflix, mandou todo mundo ler sobre onde a Big Tech errou a mão. Reich é, essencialmente, um filósofo respeitado no Vale, tentando entender não só o que a tecnologia pode fazer, mas o que nós deveríamos querer que ela faça.
Foi dele que veio uma ideia simples que mudou minha maneira de pensar sobre AI: talvez estejamos fazendo a pergunta errada.
O debate hoje é dominado pela automação. Quantos empregos vão desaparecer? Quantos programadores, advogados, analistas, médicos ou consultores serão substituídos?
Mustafa Suleyman, o cofundador da DeepMind, já descreveu a AI como uma tecnologia fundamentalmente substituidora de trabalho. E basta andar alguns quilômetros ao norte do campus de Stanford para encontrar startups cujo pitch, com diferentes graus de elegância, é basicamente: “pare de contratar humanos!”
Mas Reich resgata uma disputa muito mais antiga sobre o propósito dos computadores.
De um lado está a tradição de John McCarthy, um dos pais da AI e fundador do laboratório de inteligência artificial de Stanford: construir máquinas capazes de fazer aquilo que humanos fazem. Automation.
Do outro, Douglas Engelbart, que em 1962 escreveu Augmenting Human Intellect. Sua ambição não era tirar o humano da equação, mas aumentar sua capacidade de compreender problemas complexos e encontrar soluções. Augmentation.
Décadas depois, Steve Jobs resumiria essa filosofia numa imagem maravilhosa: o computador como uma “bicicleta para a mente”.
Talvez a AI seja exatamente isso, só que uma bicicleta com motor de foguete.
A distinção parece acadêmica – até observarmos os dados.
Na sala de aula, Reich mostrou dois benchmarks aparentemente contraditórios. Num deles, modelos de AI já empatam ou superam especialistas humanos em 74% de tarefas relativamente curtas: elaborar uma análise financeira, produzir uma apresentação, escrever um documento.
Em outro, que mede projetos completos de quase 30 horas, o melhor sistema consegue automatizar apenas cerca de 4%.
Em outras palavras: a AI já é extraordinária em pedaços do trabalho, mas ainda é muito ruim em ter um emprego.
A diferença importa, porque empregos não são unidades indivisíveis. São conjuntos de tarefas.
David Autor, do MIT, passou décadas mostrando que tecnologias eliminam tarefas, criam outras e, no processo, redesenham profissões inteiras.
A mecanização agrícola destruiu milhões de empregos no campo sem destruir o trabalho. A linha de montagem de Ford substituiu artesãos, mas criou uma economia industrial gigantesca. O computador matou a datilografia e criou software, o design digital, o e-commerce e praticamente tudo que hoje chamamos de economia da informação.
Não foi indolor. Nunca é. Mas o erro histórico foi confundir a automação de uma tarefa com a extinção permanente da necessidade do trabalho humano.
Isso me faz achar mais provável um mundo de transformação massiva do trabalho do que simplesmente um mundo sem trabalho.
Outro professor de Stanford já começou a medir essa transformação no mundo real. Erik Brynjolfsson, diretor do Digital Economy Lab, vem procurando os tais “canários na mina de carvão” – os primeiros sinais do impacto da AI no mercado de trabalho.
Num estudo com Bharat Chandar e Ruyu Chen, baseado em dados de folha de pagamento da ADP de milhões de americanos, os canários apareceram. E são jovens.
Entre trabalhadores de 22 a 25 anos nas ocupações mais expostas à AI, o emprego já está 19% abaixo do dos colegas da mesma idade em áreas menos expostas. Profissionais experientes nas mesmas ocupações? Nenhum efeito comparável. E o ajuste não vem de demissões: o mercado não está cortando os seniores, está deixando de contratar os juniores.
O achado que mais conversa com a aula de Reich, porém, é outro. A deterioração se concentra onde a AI é usada para automatizar o trabalho. Onde ela complementa e amplia a capacidade humana, o emprego está estável ou subindo.
Eis aí a velha briga de McCarthy vs. Engelbart (ou automation versus augmentation), mas agora com dados do mundo real.
Talvez, portanto, a disputa não seja humanos versus máquinas. Pode ser “humanos com máquinas” versus “humanos que ainda não aprenderam a usá-las.”
Mas há uma consequência menos óbvia e mais preocupante. Toda profissão tem uma escada invisível. O jovem advogado revisa contratos por anos antes de sentar à mesa de uma aquisição. O analista vira noites no Excel antes de decidir onde investir bilhões. O programador júnior corrige bugs antes de arquitetar sistemas. Ninguém nasce no último degrau.
O problema é que os primeiros degraus são exatamente as tarefas mais fáceis de entregar à AI.
Ou seja: podemos automatizar os juniores sem automatizar os seniores – e descobrir, daqui a dez anos, que desmontamos a fábrica de seniores.
É aí que esta revolução pode ser mais traumática que as anteriores. O trator atingiu a agricultura. A linha de montagem, a manufatura. O computador entrou aos poucos nos escritórios, e a internet levou décadas para atravessar a economia. Cada onda deu a uma geração o tempo de se reinventar.
A AI, por outro lado, não está pedindo licença. Ela chega ao advogado, ao médico, ao banqueiro, ao designer, ao programador e ao publicitário ao mesmo tempo.
Mesmo que o equilíbrio final seja positivo, e acredito que provavelmente será, a transição pode ser brutal.
E é aqui que o argumento de Reich fica mais interessante. Nosso futuro com AI, ele insiste, não é fundamentalmente um problema de previsão. É um problema de design.
Nada obriga a tecnologia a evoluir para maximizar a automação. Instituições, incentivos, investidores, empresas e governos escolhem quais tecnologias recebem capital e como elas são implementadas.
Automatizar pode fazer enorme sentido: eliminar trabalhos perigosos e repetitivos, economizar tempo, aumentar qualidade. Mas augmentation preserva algo igualmente valioso: a accountability humana, o desenvolvimento de habilidades e até, por que não, a satisfação de fazer bem um trabalho.
O problema é que os incentivos não estão equilibrados.
De um lado, temos milhares dos melhores engenheiros do planeta, centenas de bilhões de dólares de investimento e empresas cujo valor já se mede em trilhões competindo para chegar primeiro à próxima fronteira.
Do outro, um grupo relativamente pequeno de gente como Reich tentando responder perguntas sobre segurança, concentração de poder, desigualdade, autonomia, guerra, desinformação, cognitive offloading e regulação – de preferência antes, e não depois, de descobrirmos as respostas na prática.
Não sou pessimista. Tenho mais de duas décadas trabalhando com tecnologia, os últimos anos dedicados à mais contrariada delas: cripto. Ao longo do tempo formei uma convicção quase herética: acredito mais na tecnologia como força de melhoria da condição humana do que na maioria dos sistemas políticos e ideologias que já tentaram fazer esse trabalho.
Stanford não mudou essa convicção. Voltei ainda mais otimista com a AI, mas bem menos determinista.
O futuro em que máquinas simplesmente substituem humanos não é uma consequência inevitável da tecnologia. É uma das escolhas que podemos fazer conscientemente sobre ela.
Marcelo Sampaio é fundador da Hashdex.
Arte: Roberto Magalhães, Extra Terrestre (1940)
The post OPINIÃO. AI é para ‘automation’ ou ‘augmentation’? O que aprendi em Stanford appeared first on Brazil Journal.
