Economistas Desenvolvem Método para Estimar Automação de Trabalhos por Robôs

Uma equipe de roboticistas da Ecole Polytechnique Fédérale de Lausanne e economistas da Universidade de Lausanne desenvolveram um novo método para calcular quais trabalhos existentes estão mais em risco de serem automatizados por máquinas no futuro próximo.

O estudo foi publicado em Science Robotics.

A equipe também desenvolveu um método para sugerir transições de carreira para trabalhos com menor risco de automação e com os menores esforços de retreinamento.

O Prof. Dario Floreano é Diretor do Laboratório de Sistemas Inteligentes da EPFL e autor principal do estudo.

“Existem vários estudos que preveem quantos trabalhos serão automatizados por robôs, mas todos se concentram em robôs de software, como reconhecimento de voz e imagem, consultores financeiros robóticos, chatbots, etc.”, diz o Prof. Floreano. “Além disso, essas previsões variam muito dependendo de como os requisitos do trabalho e as habilidades do software são avaliados. Aqui, consideramos não apenas o software de inteligência artificial, mas também robôs muito inteligentes que realizam trabalhos físicos e desenvolvemos um método para uma comparação sistemática das habilidades humanas e robóticas utilizadas em centenas de trabalhos.”

Desenvolvendo o Método

A equipe conseguiu mapear as capacidades dos robôs nos requisitos do trabalho, o que foi o grande avanço do estudo. Eles analisaram o Plano de Ação Robótica Multi-Anual H2020 (MAR) da Comissão Europeia, que é um documento de estratégia periodicamente revisado por especialistas em robótica. O MAR detalha quais habilidades são necessárias para robôs atuais ou podem ser necessárias para robôs futuros. Essas habilidades são organizadas em categorias como manipulação, percepção e interação com humanos.

A equipe analisou muitos artigos de pesquisa, patentes e descrições de produtos robóticos para avaliar o nível de maturidade das habilidades robóticas. Eles confiaram no “nível de prontidão tecnológica” (TRL), que é uma escala para medir o nível de desenvolvimento da tecnologia.

Quando se tratou de habilidades humanas, os pesquisadores usaram o banco de dados O*net, que é um recurso amplamente utilizado sobre o mercado de trabalho dos EUA. Ele classifica cerca de 1.000 ocupações, detalhando as habilidades e conhecimentos necessários para cada uma.

A equipe primeiro combinou seletivamente as habilidades humanas da lista O*net com as habilidades robóticas do documento MAR, o que lhes permitiu calcular a probabilidade de cada trabalho existente ser realizado por um robô no futuro. Se um robô é bom em um trabalho, o TRL é mais alto.

Classificando os Trabalhos

Após realizar essa análise, o resultado foi uma classificação de 1.000 trabalhos. Um dos trabalhos com menor risco na lista foi “Físicos”, enquanto “Empacotadores de Carne” foi um dos trabalhos com maior risco. Trabalhos em processamento de alimentos, construção e manutenção e construção tinham o risco mais alto.

O Prof. Rafael Lalive co-liderou o estudo na Universidade de Lausanne.

“O desafio chave para a sociedade hoje é como se tornar resiliente contra a automação”, diz o Prof. Lalive. “Nosso trabalho fornece conselhos de carreira detalhados para trabalhadores que enfrentam altos riscos de automação, o que permite que eles assumam trabalhos mais seguros enquanto reutilizam muitas das habilidades adquiridas no antigo trabalho. Através desses conselhos, os governos podem apoiar a sociedade a se tornar mais resiliente contra a automação.”

Os autores criaram um método para encontrar um trabalho alternativo com um risco de automação significativamente menor para qualquer trabalho dado. Esses trabalhos também estavam próximos do original quando se tratava de habilidades e conhecimentos necessários, o que ajuda a manter os esforços de retreinamento ao mínimo.

Esse novo método pode ser usado de muitas maneiras diferentes. Por exemplo, os governos podem usá-lo para medir quantos trabalhadores podem enfrentar a automação no futuro. Isso ajudaria a adaptar as iniciativas de retreinamento e políticas de acordo. As empresas também podem usá-lo para analisar os custos associados à automação.

Todo esse trabalho foi traduzido em um algoritmo que pode prever o risco de automação para centenas de trabalhos, enquanto também sugere transições de carreira.

Você pode encontrar o algoritmo acessível publicamente aqui.