Computadores e máquinas são cada vez mais sofisticados e eficientes. Mas os humanos têm seus diferenciais. 

Há tempos os robôs deixaram de ser frutos da inventividade de autores, roteiristas e diretores, para se tornarem peças reais do cotidiano. Sejam eles equipamentos com a capacidade de se locomover, desempenhar tarefas mecânicas, identificar coisas e até mesmo falar, ou supercomputadores dotados de algoritmos complexos, os robôs estão por aí. E são melhores que nós em muitas habilidades. 

O receio de um dia sermos superados e dominados pelas máquinas é reforçado a cada avanço da tecnologia. Em uma visão menos apocalíptica, mas bastante pé no chão, parece dado que muitas atividades ainda desempenhadas por humanos serão assumidas, cedo ou mais cedo ainda, pela automação. 

O principal conselho de especialistas aos que mais se preocupam é desenvolver habilidades que dificilmente computadores ou robôs poderão superar. “Quanto mais habilidades, conhecimento e experiência você tiver, menos chances terá de ser substituído ou automatizado, então adquira o que puder, o mais rápido que puder”, enuncia Larry Alton, em artigo na Forbes, entre as formas de nos prepararmos para a iminente “revolução robótica”. 

Outros itens a nos distinguir e que são predicados valiosos são, por exemplo, a adaptabilidade e a sociabilidade. Vale investir no desenvolvimento desses traços, como discorre Adam Waytz em seu livro “The power of human”.  

A adaptabilidade consiste na capacidade de reagirmos aos imprevistos, de sermos flexíveis. Os computadores e robôs são muito bons em repetir atividades milhões de vezes (e sem se cansar), mas ainda é vantagem nossa conseguirmos nos adaptar diante dos mais específicos cenários.

A sociabilidade, por sua vez, se relaciona à inteligência socioemocional. Mais do que quaisquer animais, e que dirá do que as máquinas, os humanos têm habilidades de compreensão de emoções, empatia, entrosamento e colaboração, enfim. 

Waytz apresenta ainda um contraponto, tratando de como os esforços tanto para se adaptar a um mundo mutável e exigente, quanto para lidar com a sociabilidade como imperativo do mundo profissional, podem ser exaustivos e desgastantes. Aí entra outro diferencial humano, um luxo ao qual as máquinas não se dão: o lazer. Ao perguntar, em uma de suas pesquisas, o que um humano pode fazer e um robô não pode, o pesquisador obteve entre várias respostas a sua preferida: “a mente de um robô não pode vagar”. 

Aí reside um alívio para as pressões – que resultam, o mais das vezes, na piora do desempenho – e um trampolim para a produtividade. Muitas organizações incentivam o lazer para evitar casos cada vez mais comuns da síndrome de burnout e outros males advindos da cultura do trabalho incessante. Além do mais, diversas pesquisas apontam que a distração mental está diretamente associada a benefícios cognitivos, como o incremento da criatividade. 

O próprio Waytz, em estudo recente em parceria com a psicóloga Meghan Meyer, mostrou que pessoas bem-sucedidas em atividades criativas têm maior capacidade de pensar além do aqui e agora. Portanto, indivíduos versáteis, com maior diferencial competitivo. 

A capacidade de comunicação sofisticada também é um campo no qual levamos vantagem. Embora haja tentativas de criação de “robôs autores” e o uso de algoritmos para a disseminação de notícias e conteúdos seja algo comum – assunto que já tratamos aqui – ainda somos muito melhores em nos comunicar de forma convincente. 

E, fazendo o uso dessa habilidade, esperamos tê-lo deixado, caro leitor, mais tranquilo em relação à supremacia dos robôs. Ainda somos imbatíveis em muitas coisas, sobretudo naquilo que nos distingue de todas as outras criaturas e inventos. 

Algoritmo com a missão de resolver o famoso puzzle mostra avanço na tecnologia deep learning.

Quase todas as pessoas já devem ter visto um Cubo de Rubik, sobretudo após os anos 1980, quando o brinquedo virou febre mundial. Por aqui, o brinquedo batizado com o nome de seu criador ficou mais conhecido “cubo mágico” e, desde então, tem quebrado cabeças, geração após geração. Afinal, é preciso muito raciocínio para encontrar a combinação das cores de cada uma de suas faces, e não apenas a mera habilidade com as mãos para girar as partes do cubo de forma aleatória. 

Há muitos anos há competições oficiais de cubo mágico e existe até mesmo uma “World Cube Association”. O recorde mundial do cubo de 3×3, o mais tradicional deles, é de incríveis 3,47 segundos, estabelecido em 2018 pelo chinês Yusheng Du. 

Algoritmos não têm mãos, mas são bons em raciocínio lógico e matemático, disso tudo já sabemos. Pesquisadores da Universidade da California, em Irvine, resolveram desenvolver, então, um sistema de deep learning que resolvesse o Cubo de Rubik no mínimo de movimentos possíveis e no menor tempo possível. Longe de estarem apenas criando um jogador virtual, os envolvidos no projeto desejam, com essa iniciativa, auxiliar o avanço desse ramo da ciência que busca criar máquinas capazes de raciocinar, planejar e tomar decisões. 

O algoritmo criado, chamado de DeepCubeA, é do gênero “deep reinforcement learning”, que funciona sem qualquer conhecimento de domínio específico inserido previamente por humanos. A tarefa é complexa, tendo em vista os bilhões de caminhos possíveis para resolver o jogo. O sistema conseguiu, após “treinar” sozinho e aprender por dois dias, desenvolver a habilidade de concluir todos os desafios em fração de segundos, e em 60% das vezes com o mínimo necessário de movimentos – em torno de 20, conforme já foi comprovado.

O principal responsável pelo projeto, o prof. Pierre Baldi, afirma que o objetivo de projetos como este é construir a próxima geração de sistemas de IA. “Esses sistemas não são realmente inteligentes; são frágeis e você pode facilmente quebrá-los ou enganá-los. Como criamos IA avançada, que é mais inteligente, mais robusta e capaz de raciocinar, entender e planejar? Este trabalho é um passo em direção a essa meta pesada”, comenta.

Universidade desenvolve ferramenta para reduzir risco de resultados discriminatórios em sistemas de Inteligência Artificial.

Um dos maiores temores em relação à disseminação da Inteligência Artificial é a limitação de acesso ao processo de aprendizagem – cada vez mais complexo, como nos cérebros humanos – e consequente incerteza em relação aos resultados. Com algoritmos exponencialmente sofisticados, como os usados nas máquinas de deep learning e suas redes neurais, é muitas vezes impossível acompanhar o “raciocínio” seguido até determinada solução. Um desafio ainda maior devido à acelerada adoção de sistemas de machine learning nas áreas de segurança, educação, finanças e negócios, entre outras. Enquanto a maioria dos softwares são codificados com lógica programável, ou seja, respondem conforme os parâmetros determinados por seus programadores, não é possível saber exatamente qual é o processo pelo qual alguns algoritmos de IA passam até que cheguem às suas conclusões. São os sistemas black box, que já falamos aqui.

As máquinas com capacidade de aprender o fazem a partir de informações recolhidas previamente, das quais sairão os parâmetros para predições, ações e reações. Mas, por mais “independentes”, esses dispositivos são programados e alimentados por humanos e seus dados. Eles carregam vieses pessoais, visões de mundo e distorções. Como resultado, o risco de sistemas preconceituosos ou discriminatórios.

Um famoso estudo de pesquisadores das universidades de Virginia e Washington mostrou como sistemas de identificação de imagens rotularam como sendo de mulheres imagens de homens na cozinha. Afetadas pela tendência registrada em seus bancos de dados, as máquinas reproduziram um estereótipo comum entre os humanos. Situações semelhantes já foram encontradas em programas para identificar suspeitos, por meio de reconhecimento facial, e outros.

Pesquisadores da Penn State e Columbia University acabam de apresentar uma ferramenta com o objetivo de identificar discriminação indesejável nos sistemas de inteligência artificial.

“Sistemas como este são treinados por uma imensa quantidade de dados, mas se os dados são enviesados, eles afetarão o resultado”

Vasant Honavar, professor da Penn State, cita como exemplo um algoritmo destinado a identificar os melhores candidatos para uma vaga de emprego, baseado em determinadas habilidades. Mas como os dados trazem uma série histórica em que mais homens foram empregados, no passado, o sistema tem a tendência de também privilegiar os homens em detrimento das mulheres. “Não há nada de errado com os algoritmos, eles fazem o que devem fazer, mas os dados usados aumentam o potencial para recomendações injustas. Se nenhuma mulher foi contratada no passado para determinada posição, é provável que o sistema não recomende mulheres para uma nova vaga no futuro”, completa o professor.

A menos que modificações sejam introduzidas nos algoritmos, como as desenvolvidas pela universidade. Os cientistas testaram o novo método usando diversos tipos de dados disponíveis, como a renda e demografia do censo norte-americano. A ferramenta de inteligência artificial foi capaz de detectar o risco de discriminação atribuído a determinados atributos, como gênero e raça.

Inteligência artificial desponta como recurso estratégico das áreas de Recursos Humanos e Gestão de Pessoas.

As ferramentas de Inteligência Artificial (IA) têm demonstrado capacidades de identificar padrões de comportamento e preferências, traçar perfis e estabelecer projeções das mais variadas. Essas possibilidades vêm sendo, dia após dia, mais frequentemente incorporadas aos ambientes organizacionais, como forma de otimizar processos e alavancar resultados.

Uma das inserções que vem ganhando destaque acontece no setor de recursos humanos ou gestão de pessoas. Segundo pesquisa da consultoria Gartner, 23% das empresas analisadas que têm projetos piloto ou já implementaram funcionalidades de IA, fazem uso da tecnologia no setor de RH e recrutamento. 

Quando se fala na aquisição de novos talentos para as organizações, comumente menciona-se a possibilidade de que processos baseados em IA possam contaminar a seleção com preconceitos e discriminação, como já mencionamos em outro artigo. Mas já há um esforço em minimizar essas interferências e não parece haver a intenção de que a seleção venha a ser um dia totalmente automatizada, sem a intervenção humana. 

Os recursos de IA são utilizados para análise de mercado, identificação de competências, detecção de habilidades correspondentes, entre outros aspectos, que fundamentam as etapas seguintes de seleção. O uso desse expediente é essencial, por exemplo, em empresas de grande porte, que recebem grande volumes de candidatos e contratam muitos colaboradores, bem como na busca de profissionais especialistas ou de perfis raros e específicos. 

A IA também ajuda a vasculhar a comunicação organizacional, por meio de processamento de linguagem e análise textual, para obter insights sobre o clima organizacional, eventuais insatisfações ou fatores desmotivantes. “Como exemplo, ao analisar os comentários compartilhados em uma pesquisa de engajamento de funcionários, uma organização conseguiu descobrir que uma queda no engajamento de um grupo de funcionários se devia a problemas com o uniforme de trabalho – algo que podia ser corrigido direta e facilmente. Isso ajudou a organização a evitar atritos desnecessários, caros e indesejados ”, comenta Helen Poitevin, vice presidente de pesquisa da Gartner. 

Outra possibilidade, essa ainda mais incipiente que as demais, é a utilização de assistentes virtuais de RH. Fazendo uso de chatbots e ferramentas semelhantes, as organizações podem fornecer respostas a consultas de colaboradores, gerar insights sobre métricas da área ou conduzir algumas etapas do fluxo de trabalho do setor. 

São sinais dos tempos: Se, com o avanço da tecnologia, seu chefe pode ser um algoritmo, saiba que o RH da sua empresa – ou melhor, parte dele – também pode. 

Dados bancários pertencem aos clientes e não às instituições financeiras.

É cada vez mais claro para o mercado a importância dos dados para os negócios. Todos os dados, embora nem sempre seja fácil para o usuário perceber o valor de um like descompromissado ou de um “Aceito os termos” clicado automaticamente. Dinheiro, entretanto, muda o jogo e pensar nos dados bancários e financeiros nos ajuda a entender: são informações de valor real e visível.

Há uma disputa de conceitos sobre como lidar com esta mudança. Uma corrente defende o mais amplo e diversificado uso de dados para a maior comodidade dos usuários, e outra alerta para o fato de que eles pertencem a estes usuários e, por isso, devem servir a eles e serem protegidos.

Um dos setores com maior resistência a liberar o acesso é o financeiro, com seus vastos e preciosos bancos de dados sobre os clientes. Uma nova tendência, consolidada no Reino Unido e em crescimento nos Estados Unidos, Austrália, Japão e União Europeia, promete mudar esse panorama. Com o chamado “open banking”, os dados armazenados por um banco poderão ser compartilhados com outras instituições financeiras, como startups e fintechs, bem como ser migrados para outros bancos com facilidade. 

O Banco Central do Brasil publicou em abril um comunicado apontando as diretrizes para a regulamentação do open banking no Brasil. A normativa determina quais dados devem ser compartilhadas, em um primeiro momento entre instituições financeiras, tais como dados cadastrais, informações sobre transações, aplicações financeiras, produtos e serviços oferecidos, entre outros. A implementação concreta dessa modalidade, de acordo com o plano do BC, deve começar apenas no segundo semestre de 2020. 

Embora não plenamente regulamentado, o open banking já tem seus exemplos no Brasil. O Banco do Brasil permitiu a partir de 2017 a integração com o Conta Azul, sistema de gestão online de finanças para pequenas empresas, e o Bxblue, que compara opções de crédito consignado. Apps de screen scraping, também se estruturam nessa lógica, para permitir a seus usuários visualizar informações sobre contas e cartões.