O futuro do emprego

Neste artigo, abordamos a questão: quão suscetíveis são os empregos à informatização? Ao fazer isso, baseamo-nos na literatura existente de duas maneiras. Primeiro, aproveitando os avanços recentes em aprendizado de máquina (ml) e dispositivos móveis Robótica (mr), desenvolvemos uma nova metodologia para categorizar ocupações de acordo com a sua susceptibilidade à informatização.1

Em segundo lugar, implementamos esta metodologia para estimar a probabilidade de informatização para 702 ocupações detalhadas e examinar os impactos esperados da informatização futura nos resultados do mercado de trabalho dos EUA. Nosso artigo é motivado pela previsão frequentemente citada de John Maynard Keynes sobre o desemprego tecnológico generalizado “devido à nossa descoberta de meios de economizar o uso de mão de obra ultrapassando o ritmo em que pode encontrar novos usos para o trabalho” (Keynes, 1933, p. 3). Na verdade, ao longo do passado décadas, os computadores substituíram uma série de empregos, incluindo o funções de contadores, caixas e telefonistas (Bresnahan, 1999; MGI, 2013). Mais recentemente, o fraco desempenho dos mercados de trabalho nas economias avançadas intensificou o debate sobre a evolução tecnológica desemprego entre economistas. Embora haja desacordo contínuo sobre as forças motrizes por detrás das taxas de desemprego persistentemente elevadas, vários estudiosos apontaram o equipamento controlado por computador como um possível explicação para o recente crescimento do desemprego (ver, por exemplo, Brynjolfsson e McAfee, 2011).2 O impacto da informatização nos resultados do mercado de trabalho está bem estabelecido na literatura, documentando o declínio do emprego em ocupações intensivas de rotina – ou seja, ocupações que consistem principalmente em tarefas seguindo procedimentos bem definidos que podem ser facilmente executados por algoritmos sofisticados. Por exemplo, estudos de Charles, et al. (2013) e Jaimovich e Siu (2012) sublinham que o declínio contínuo do emprego na indústria e o desaparecimento de outros empregos rotineiros estão a causar Referimo-nos à informatização como automação do trabalho por meio de processos controlados por computador. equipamento.

Esta visão encontra apoio em uma pesquisa recente do McKinsey Global Institute (mgi), mostrando que 44 por cento das empresas que reduziram o seu número de funcionários desde a crise financeira de 2008 o fizeram por meio da automação (MGI, 2011). as actuais baixas taxas de emprego.3

Além da informatização das tarefas rotineiras de produção, Autor e Dorn (2013) documentam uma mudança estrutural no mercado de trabalho, com os trabalhadores realocando seu trabalho oferta da indústria de renda média para ocupações de serviços de baixa renda. Provavelmente, isso ocorre porque as tarefas manuais das ocupações de serviço são menos suscetíveis à informatização, pois requerem um maior grau de flexibilidade e adaptabilidade física (Autor, et al., 2003; Goos e Manning, 2007; Autor e Dorn, 2013).

Ao mesmo tempo, com a queda dos preços da computação, a resolução de problemas competências estão a tornar-se relativamente produtivas, explicando o crescimento substancial do emprego em profissões que envolvem tarefas cognitivas onde o trabalho tem uma vantagem comparativa, bem como o aumento persistente nos retornos da educação (Katz e Murphy, 1992; Acemoglu, 2002; Autor e Dorn, 2013). O título “Trabalhos péssimos e adoráveis”, do trabalho recente de Goos e Manning (2007), captam assim a essência da tendência atual rumo à polarização do mercado de trabalho, com o aumento do emprego em empregos cognitivos de alto rendimento e em ocupações manuais de baixo rendimento, acompanhado por um esvaziamento dos empregos rotineiros de renda média.

Segundo Brynjolfsson e McAfee (2011), o ritmo da evolução tecnológica a inovação ainda está aumentando, com tecnologias de software mais sofisticadas perturbar os mercados de trabalho ao tornar os trabalhadores despedidos. O que chama a atenção nos exemplos do livro é que a informatização não é mais confinado a tarefas rotineiras de fabricação. Os carros autônomos sem motorista, desenvolvidos pelo Google, fornecem um exemplo de como as tarefas manuais em transporte e logística poderão em breve ser automatizadas. Na seção “No Domínio Depois do domínio, os computadores avançam”, eles enfatizam a rapidez com que esses desenvolvimentos foram. Há menos de dez anos, no capítulo “Por que as pessoas ainda importam”, Levy e Murnane (2004) apontaram para as dificuldades de replicar a percepção humana, afirmando que dirigir no trânsito é insuscetível à automação: “Mas executar uma curva à esquerda contra o tráfego envolve tantos fatores que é difícil imaginar descobrir o conjunto de regras que podem replicar o comportamento de um motorista [. . . ]”. Seis anos depois, Como as tarefas centrais das ocupações industriais seguem procedimentos repetitivos bem definidos, elas podem ser facilmente codificadas em software de computador e, assim, executadas. por computadores (Acemoglu e Autor, 2011). em outubro de 2010, o Google anunciou que havia modificado vários Toyota Priuses serão totalmente autônomos (Brynjolfsson e McAfee, 2011).

Tanto quanto sabemos, nenhum estudo quantificou ainda o que o progresso tecnológico recente poderá significar para o futuro do emprego. O presente estudo pretende preencher essa lacuna na literatura. Embora existam de fato estruturas úteis para examinar o impacto dos computadores na composição do emprego profissional, parecem inadequadas explicando o impacto das tendências tecnológicas que vão além da informatização das tarefas rotineiras. Trabalho seminal de Autor, et al. (2003), por exemplo, distingue entre tarefas cognitivas e manuais, por um lado, e tarefas rotineiras e não rotineiras, por outro. Embora a substituição do computador pelas tarefas rotineiras cognitivas e manuais seja evidente, as tarefas não rotineiras as tarefas envolvem tudo, desde redação jurídica, condução de caminhões e diagnósticos médicos até persuasão e vendas. No presente estudo, argumentaremos que a redação jurídica e a condução de caminhões serão automatizadas em breve, ao mesmo tempo que persuadem, por exemplo, não. Baseando-se em desenvolvimentos recentes em Engenharia Ciências e, em particular, avanços nas áreas de ml, incluindo dados Mineração, Visão de Máquina, Estatística Computacional e outros subcampos de A Inteligência Artificial, assim como a senhorita, derivamos dimensões adicionais necessárias para compreender a suscetibilidade dos empregos à informatização. Escusado será dizer que vários fatores estão orientando as decisões de automatização e nós não é possível capturá-los por completo. Em vez disso, pretendemos, do ponto de vista das capacidades tecnológicas, determinar quais problemas os engenheiros precisam resolver para que ocupações específicas sejam automatizadas. Ao destacar esses problemas, sua dificuldade e a quais ocupações se relacionam, categorizamos os empregos de acordo com a sua susceptibilidade à informatização. As características desses problemas foram combinados com diferentes características ocupacionais, utilizando dados da Internet, permitindo-nos examinar a direção futura da mudança tecnológica em termos do seu impacto na composição ocupacional do mercado de trabalho, mas também o número de empregos em risco caso estes tecnologias se materializam.

O presente estudo refere-se a duas literaturas. Primeiro, nossa análise constrói na literatura da economia do trabalho sobre o conteúdo da tarefa do emprego (Autor, et al., 2003; Goos e Manning, 2007; Autor e Dorn, 2013). Baseado em premissas definidas sobre o que os computadores fazem, esta literatura examina o impacto histórico da informatização na composição ocupacional dos o mercado de trabalho. No entanto, o escopo do que os computadores fazem recentemente expandido, e inevitavelmente continuará a fazê-lo (Brynjolfsson e McAfee, 2011; MGI, 2013). Com base no progresso recente em ml, expandimos o premissas sobre as tarefas que os computadores são e serão adequados para realizar. Ao fazê-lo, construímos a literatura sobre o conteúdo da tarefa de uma forma prospectiva. maneira. Além disso, embora esta literatura tenha se concentrado amplamente em tarefas medidas do Dicionário de Títulos Ocupacionais (ponto), revisado pela última vez em 1991, contamos com a versão 2010 do ponto sucessor o∗net – um online serviço desenvolvido para o Departamento do Trabalho dos EUA.4

Assim, o∗net tem a vantagem de fornecer informações mais recentes sobre ocupações atividades de trabalho.

Em segundo lugar, o nosso estudo relaciona-se com a literatura que examina o offshoring de tarefas baseadas em informação para locais de trabalho estrangeiros (Jensen e Kletzer, 2005; Cego, 2009; Jensen e Kletzer, 2010; Oldenski, 2012; Blinder e Krueger, 2013). Esta literatura consiste em diferentes metodologias para classificar e categorizar as ocupações de acordo com a sua susceptibilidade à deslocalização. Para Por exemplo, usando dados da Internet sobre a natureza do trabalho realizado em diferentes ocupações, Blinder (2009) estima que 22 a 29 por cento dos empregos dos EUA são ou será offshorable na próxima década ou duas. Essas estimativas são baseadas em duas características definidoras de empregos que não podem ser terceirizados: (a) o o trabalho deve ser executado em um local de trabalho específico; e (b) o trabalho exige comunicação pessoal face a face. Naturalmente, as características das profissões que podem ser deslocalizadas são diferentes das características das ocupações que podem ser automatizadas. Por exemplo, o trabalho dos caixas, que foi amplamente substituída pela tecnologia de autoatendimento, deve ser realizado em local de trabalho específico e requer contato face a face. O A extensão da informatização provavelmente irá além da terceirização. Portanto, embora a implementação da nossa metodologia seja semelhante à da Blinder (2009), contamos com diferentes características ocupacionais. O restante deste artigo está estruturado da seguinte forma. Na Seção 2, nós revisar a literatura sobre a relação histórica entre tecnologias progresso e emprego. A Seção 3 descreve o futuro recente e esperado Uma exceção é Goos, et al. (2009). desenvolvimentos tecnológicos. Na Seção 4, descrevemos nossa metodologia, e na Seção 5, examinamos o impacto esperado dessas mudanças tecnológicas. evolução dos resultados do mercado de trabalho. Finalmente, na Seção 6, derivamos algumas conclusões.

A preocupação com o desemprego tecnológico não é um fenómeno recente. Ao longo da história, o processo de destruição criativa, na sequência das invenções tecnológicas, criou enormes riquezas, mas também interrupções indesejadas. Como sublinha Schumpeter (1962), não foi o falta de ideias inventivas que estabeleçam os limites do desenvolvimento económico, mas sim poderosos interesses sociais e económicos que promovem o status quo tecnológico. Isto é bem ilustrado pelo exemplo de William Lee, inventando a máquina de tricotar meias em 1589, esperando que dispensaria os trabalhadores do tricô manual. Buscando proteção de patente para seu invenção, ele viajou para Londres, onde alugou um prédio para sua máquina a ser vista pela Rainha Elizabeth I. Para sua decepção, o Queen estava mais preocupado com o impacto de sua invenção no emprego e recusou-se a conceder-lhe uma patente, alegando que: “Tu almejas alto, Mestre Lee. Considere o que a invenção poderia fazer aos meus pobres súditos. Certamente lhes traria a ruína ao privá-los de emprego, tornando-os assim mendigos” (citado em Acemoglu e Robinson, 2012, p. 182f). Muito provavelmente a preocupação da Rainha foi uma manifestação da preocupação dos meias. as guildas temem que a invenção torne as habilidades de seus membros artesãos obsoleto.5

A oposição das guildas foi de fato tão intensa que William Lee teve que deixar a Grã-Bretanha.

Que as guildas tentaram sistematicamente enfraquecer as forças do mercado como agregadores manter o status quo tecnológico é argumentado persuasivamente por Kellenbenz (1974, p. 243), afirmando que “as guildas defendiam os interesses de seus O termo artesão refere-se a um artesão que se envolve em todo o processo de produção de um bem, quase sem divisão de trabalho. Por guilda entendemos uma associação de artesãos que controlam a prática de seu ofício em uma determinada cidade. membros contra estranhos, e estes incluíam os inventores que, com seus novos equipamentos e técnicas, ameaçavam perturbar a situação económica dos seus membros.”6 Como aponta Mokyr (1998, p. 11): “A menos que todos os indivíduos aceitam o “veredicto” do resultado do mercado, a decisão se deve ou não adotar uma inovação provavelmente encontrará resistência dos perdedores através mecanismo não mercantil e ativismo político”. Pode-se assim esperar que os trabalhadores resistam às novas tecnologias, na medida em que tornam as suas competências obsoletas e reduzem irreversivelmente os seus rendimentos esperados. O equilíbrio entre a conservação do emprego e o progresso tecnológico, portanto, em grande medida, reflete o equilíbrio de poder na sociedade e como os ganhos da tecnologia progresso está sendo distribuído.

A Revolução Industrial Britânica ilustra vividamente este ponto. Enquanto ainda amplamente presente no continente, a guilda de artesanato na Grã-Bretanha teve, por na época da Revolução Gloriosa de 1688, declinou e perdeu a maior parte de sua influência política (Nef, 1957, pp. 26 e 32). Com supremacia parlamentar estabelecida sobre a Coroa, a legislação foi aprovada em 1769 tornando a destruição de máquinas punível com a morte (Mokyr, 1990, p. 257). Para com certeza, ainda havia resistência à mecanização. Os motins “luditas” entre 1811 e 1816 foram em parte uma manifestação do medo da mudança tecnológica entre os trabalhadores, uma vez que o Parlamento revogou uma lei de 1551 que proibia o uso de gig mills no comércio de acabamento de lã. O governo britânico no entanto, assumiu uma visão cada vez mais severa sobre os grupos que tentavam travar o progresso tecnológico e mobilizou 12.000 homens contra os manifestantes (Mantoux, 2006, pág. 403-8). O sentimento do governo em relação à destruição de máquinas foi explicada por uma resolução aprovada após o Lancashire motins de 1779, afirmando que: “A única causa dos grandes motins foram as novas máquinas empregadas na fabricação de algodão; o país, apesar de tudo, tem grandemente beneficiados com sua construção [e] destruí-los neste país seria apenas o meio de transferi-los para outro [. . . ] para o em detrimento do comércio da Grã-Bretanha” (citado em Mantoux, 2006, p. 403). Existem pelo menos duas explicações possíveis para a mudança de atitudes Há um debate contínuo sobre o papel tecnológico das guildas. Epstein (1998), por exemplo, argumentaram que desempenhavam um papel importante na transmissão intergeracional de conhecimento. No entanto, não há contradição imediata entre tais um papel e a sua posição conservadora em relação ao progresso tecnológico: há exemplos claros de guildas que restringem a difusão de invenções (ver, por exemplo, Ogilvie, 2004). rumo ao progresso tecnológico. Primeiro, depois que a supremacia parlamentar foi estabelecidas sobre a Coroa, as classes proprietárias tornaram-se politicamente dominante na Grã-Bretanha (North e Weingast, 1989). Porque a difusão de várias tecnologias de fabricação não impôs um risco ao valor dos seus activos, e alguns proprietários beneficiavam da exportação de bens manufacturados, os artesãos simplesmente não tinham o poder político poder para reprimi-los. Em segundo lugar, inventores, consumidores e fábricas não qualificadas os trabalhadores beneficiaram largamente da mecanização (Mokyr, 1990, p. 256 e 258). Argumentou-se mesmo que, apesar das preocupações em matéria de emprego mecanização, os trabalhadores não qualificados têm sido os maiores beneficiários da a Revolução Industrial (Clark, 2008).7

Embora existam evidências contraditórias que sugerem que os proprietários de capital inicialmente acumularam uma parcela crescente da renda nacional (Allen, 2009a), há igualmente evidências de crescimento real salários (Lindert e Williamson, 1983; Feinstein, 1998). Isto implica que embora as tecnologias de fabricação tenham tornado obsoletas as habilidades dos artesãos, os ganhos do progresso tecnológico foram distribuídos de uma forma que beneficiou gradualmente uma parcela crescente da força de trabalho.8 Uma característica importante das tecnologias de produção do século XIX é que elas eram em grande parte “desqualificantes” – isto é, substituíam competências através da simplificação de tarefas (Braverman, 1974; Hounshell, 1985; James e Skinner, 1985; Goldin e Katz, 1998). O processo de desqualificação ocorreu quando o sistema fabril começou a substituir a oficina artesanal, e acelerou à medida que a produção se tornou cada vez mais mecanizada com a adoção Existem na literatura várias estimativas dos padrões de vida dos trabalhadores na Grã-Bretanha durante a industrialização. Por exemplo, Clark (2008) conclui que os salários reais acima o período de 1760 a 1860 aumentou mais rapidamente do que o PIB per capita. Outras evidências fornecidas por Lindert e Williamson (1983) sugerem mesmo que os salários reais quase duplicaram entre 1820 e 1850. Feinstein (1998), por outro lado, constata um aumento muito mais moderado, com os padrões de vida médios da classe trabalhadora a melhorarem menos de 15 por cento. entre 1770 e 1870. Finalmente, Allen (2009a) conclui que durante a primeira metade do século XIX, o salário real estagnou enquanto a produção por trabalhador se expandiu. Depois do Contudo, em meados do século XIX, os salários reais começaram a crescer em linha com a produtividade. Embora isto implique que os proprietários de capital foram os maiores beneficiários da Revolução Industrial Revolução, há ao mesmo tempo um consenso de que os padrões de vida médios melhorou.

O termo habilidade está associado a níveis mais elevados de educação, habilidade ou treinamento profissional. Seguindo Goldin e Katz (1998), referimo-nos à complementaridade tecnologia-habilidade ou capital-habilidade quando uma nova tecnologia ou capital físico complementa o trabalho qualificado em relação aos trabalhadores não qualificados. da energia a vapor (Goldin e Sokoloff, 1982; Atack, et al., 2008a). Trabalho que antes era executado por artesãos foi agora decomposto em sequências menores e altamente especializadas, exigindo menos habilidade, mas mais trabalhadores, para serem executadas.9 Algumas inovações foram até projetadas para desqualificar.

Por exemplo, Eli Whitney, pioneiro em peças intercambiáveis, descreveu o objetivo desta tecnologia é “substituir as operações corretas e eficazes das máquinas pela habilidade do artista que é adquirida apenas por longa prática e experiência; uma espécie de habilidade que não é possuída em este país em qualquer extensão considerável” (Habacuque, 1962, p. 22). Juntamente com os desenvolvimentos na produção de fluxo contínuo, permitindo trabalhadores permanecessem parados enquanto diferentes tarefas eram transferidas para eles, era peças intercambiáveis idênticas que permitiam a montagem de produtos complexos a partir de componentes individuais produzidos em massa, usando máquinas-ferramentas altamente especializadas para uma sequência de operações.10 No entanto, enquanto o primeiro linha de montagem foi documentada em 1804, somente no final do século XIX século que os processos de fluxo contínuo começaram a ser adotados em uma escala maior escala, o que permitiu que empresas como a Ford Motor Company fabricar o T-Ford a um preço suficientemente baixo para que ele se torne o veículo do povo (Mokyr, 1990, p. 137). Crucialmente, a nova linha de montagem introduzido pela Ford em 1913 foi projetado especificamente para que máquinas fossem operados por trabalhadores não qualificados (Hounshell, 1985, p. 239). Além disso, o que antes era um trabalho de um homem só foi transformado em um trabalhador de 29 homens operação, reduzindo o tempo total de trabalho em 34 por cento (Bright, 1958). O exemplo da Ford Motor Company sublinha assim o padrão geral A produção de arados ilustra bem as diferenças entre a oficina artesanal e a fábrica. Numa loja de artesanato, dois homens gastaram 118 horas-homem usando martelos, bigornas, cinzéis, machados, machados, marretas, raspas e brocas em 11 operações distintas para produzir um arado. Por outro lado, uma fábrica de arados mecanizados empregou 52 trabalhadores realizando 97 tarefas distintas, das quais 72 foram auxiliadas por energia a vapor, para produzir um arado em apenas 3,75 horas-homem. O grau de especialização foi ainda maior na produção de camisas masculinas de musselina branca. Na oficina artesanal, um trabalhador passou 1.439 horas realizando 25 tarefas diferentes para produzir 144 camisas. Na fábrica, foram necessárias 188 horas-homem para produzir a mesma quantidade, envolvendo 230 trabalhadores diferentes executando 39 tarefas diferentes, dos quais mais da metade exigia energia a vapor. Os trabalhadores envolvidos incluíam cortadores, torneiros e aparadores, bem como capatazes e contramestres, inspetores, mensageiros, um engenheiro, bombeiro e vigia (Departamento do Trabalho dos EUA, 1899). Essas máquinas foram implementadas sequencialmente até que o processo de produção fosse concluído. concluído. Com o tempo, essas máquinas tornaram-se muito mais baratas em relação à mão de obra qualificada. Como resultado, a produção tornou-se muito mais intensiva em capital (Hounshell, 1985). observado no século XIX, com o capital físico fornecendo uma complemento relativo ao trabalho não qualificado, ao mesmo tempo que substitui trabalho relativamente artesãos qualificados (James e Skinner, 1985; Louis e Paterson, 1986; Brown e Philips, 1986; Atack, et al., 2004).11

Daí, como aponta Acemoglu (2002, p. 7): “a ideia de que os avanços tecnológicos favorecem mais trabalhadores qualificados é um fenômeno do século XX.” O convencional a sabedoria entre os historiadores económicos, por outras palavras, sugere uma descontinuidade entre os séculos XIX e XX no impacto do capital aprofundamento na procura relativa de mão-de-obra qualificada.

O padrão moderno de complementaridade capital-competência emergiu gradualmente no final do século XIX, à medida que a produção industrial se deslocava para linhas de montagem cada vez mais mecanizadas. Essa mudança pode ser atribuída ao mudar para eletricidade a partir de vapor e energia hidráulica que, em combinação com processos contínuos e métodos de produção em lote, reduziu a procura de trabalhadores manuais não qualificados em muitas tarefas de transporte, transporte e montagem, mas aumentou a procura de competências (Goldin e Katz, 1998). Em em suma, enquanto as linhas de montagem das fábricas, com a sua extrema divisão do trabalho, exigia grandes quantidades de agentes humanos, a eletrificação permitiu muitas etapas do processo de produção a serem automatizadas, o que por sua vez aumentou a demanda por trabalhadores de produção relativamente qualificados para operar as máquinas. Além disso, a electrificação contribuiu para uma percentagem crescente de trabalhadores não produtivos de colarinho branco (Goldin e Katz, 1998). Ao longo do século XIX, os estabelecimentos tornaram-se maiores em tamanho à medida que as tecnologias de energia a vapor e água melhoraram, permitindo-lhes Williamson e Lindert (1980), por outro lado, encontram um aumento relativo nos salários prêmio de mão de obra qualificada durante o período de 1820 a 1860, que atribuem em parte a aprofundamento do capital. A sua alegação de uma crescente desigualdade salarial ao longo deste período, no entanto, foram desafiados (Margo, 2000). No entanto, vista a longo prazo, uma explicação mais refinada é que a parcela da força de trabalho manufatureira no século XIX se esvaziou. Isto é sugerido por descobertas recentes, que revelam um declínio dos empregos artesanais de qualificação média em favor tanto de trabalhadores de colarinho branco altamente qualificados quanto de agentes de baixa qualificação (Gray, 2013; Katz e Margô, 2013). Além disso, mesmo que a percentagem de trabalhadores estivesse a aumentar devido à mudança organizacional na produção e no crescimento geral da produção, isso não Não se segue que a percentagem de mão-de-obra não qualificada estivesse a aumentar na economia agregada, porque parte do crescimento na proporção de operadores pode ter ocorrido às custas de uma diminuição na proporção de trabalhadores empregados como trabalhadores agrícolas pouco qualificados na agricultura (Katz e Margô, 2013). No entanto, esta evidência é consistente com a literatura que mostra que artesãos relativamente qualificados foram substituídos por operários não qualificados, sugerindo que a mudança tecnológica na manufatura foi desqualificação. adotar máquinas motorizadas para obter ganhos de produtividade através da combinação de maior divisão do trabalho e maior intensidade de capital (Atack, e outros, 2008a). Além disso, a revolução dos transportes reduziu os custos de transporte de mercadorias a nível nacional e internacional, à medida que a infra-estrutura se espalhava e melhorou (Atack, et al., 2008b). O mercado de produtos artesanais desde o início teve em grande parte confinado à área circundante imediata porque os custos de transporte eram elevados em relação ao valor dos bens produzidos. Com o revolução dos transportes, no entanto, o tamanho do mercado expandiu-se, desgastando assim poder de monopólio, o que por sua vez aumentou a concorrência e obrigou as empresas aumentar a produtividade através da mecanização. À medida que os estabelecimentos se tornaram mercados maiores e atendidos geograficamente, as tarefas gerenciais aumentaram em número e complexidade, exigindo mais gestão e escriturário funcionários (Chandler, 1977). Este padrão foi, na viragem do século XX, reforçado pela electrificação, que não só contribuiu para uma parcela crescente de mão de obra relativamente qualificada, mas também aumentou a demanda por trabalhadores de colarinho branco (Goldin e Katz, 1998), que tendiam ter maior escolaridade (Allen, 2001).12

Desde a electrificação, a história do século XX tem sido a corrida entre educação e tecnologia (Goldin e Katz, 2009). Os nós movimento do ensino médio coincidiu com a primeira revolução industrial do escritório (Goldin e Katz, 1995). Embora a máquina de escrever tenha sido inventada no década de 1860, não foi introduzido no escritório até o início do século XX, quando entrou numa onda de mecanização, com ditafones, calculadoras, máquinas mimeo, máquinas de endereço e o antecessor do computador – o perfurador (Beniger, 1986; Cortada, 2000). É importante ressaltar que esses escritórios máquinas reduziram o custo das tarefas de processamento de informações e aumentaram a procura do factor complementar – ou seja, trabalhadores de escritório qualificados. No entanto, o aumento da oferta de trabalhadores de escritório qualificados, na sequência do elevado movimento escolar, foi associado a um declínio acentuado no prêmio salarial de ocupações de escriturário em relação aos trabalhadores da produção (Goldin e Katz, 1995). Isto não foi, no entanto, o resultado de uma mudança tecnológica desqualificante. Muito provavelmente, a percentagem crescente de trabalhadores de colarinho branco aumentou o elemento de interação humana no emprego. Notavelmente, Michaels, et al. (2013) descobrem que o aumento na percentagem de emprego das profissões interactivas, acompanhando um aumento na sua participação relativa na massa salarial, foi particularmente forte entre 1880 e 1930, o que é um período de rápidas mudanças nas tecnologias de comunicação e transporte. Os trabalhadores administrativos eram de fato relativamente instruídos. Pelo contrário, foi o resultado da oferta de trabalhadores qualificados superando a procura pelas suas competências, levando a que as diferenças salariais educacionais se comprimam.

Embora as diferenças salariais educacionais nos EUA tenham diminuído de 1915 para 1980 (Goldin e Katz, 2009), tanto as diferenças salariais educacionais como a desigualdade salarial global aumentou acentuadamente desde a década de 1980 em vários de países (Krueger, 1993; Murphy, et al., 1998; Atkinson, 2008; Goldin e Katz, 2009). Embora existam claramente diversas variáveis em jogo, é amplo o consenso de que isto pode ser atribuído a uma aceleração na qualificação de capital. complementaridade, impulsionada pela adoção de computadores e informações tecnologia (Krueger, 1993; Autor, et al., 1998; Bresnahan, et al., 2002). O que é comumente chamado de Revolução da Computação começou com o primeiros usos comerciais de computadores por volta de 1960 e continuaram durante o desenvolvimento da Internet e do comércio eletrônico na década de 1990. Como o custo por a computação diminuiu a uma média anual de 37 por cento entre 1945 e 1980 (Nordhaus, 2007), as operadoras de telefonia foram despedidas, o primeiro robô industrial foi introduzido pela General Motors na década de 1960, e na década de 1970 os sistemas de reservas aéreas abriram caminho no autoatendimento tecnologia (Gordon, 2012). Durante as décadas de 1980 e 1990, os custos de computação diminuiu ainda mais rapidamente, em média 64 por cento ao ano, acompanhado por um aumento no poder computacional (Nordhaus, 2007).13 Ao mesmo Ao mesmo tempo, leitores de código de barras e caixas eletrônicos estavam se espalhando pelo varejo e indústrias financeiras, e os primeiros computadores pessoais foram introduzidos no início da década de 1980, com suas funções de processamento de texto e planilha eliminando ocupações de copiador e permitindo cálculos repetitivos ser automatizado (Gordon, 2012). Esta substituição do trabalho marca um mais uma reversão importante. As máquinas de escritório do início do século XX aumentou a demanda por trabalhadores administrativos (Chandler, 1977; Goldin e Katz, 1995). De maneira semelhante, a informatização aumenta a demanda por tais tarefas, mas também permite que sejam automatizadas (Autor, et al., 2003). A Revolução da Computação pode explicar de alguma forma a crescente desigualdade salarial das últimas décadas. Por exemplo, Krueger (1993) encontra que os trabalhadores que usam um computador ganham cerca de 10 a 15 por cento mais A potência do computador aumentou 18% mais rápido anualmente do que o previsto pela Lei de Moore, implicando uma duplicação a cada dois anos (Nordhaus, 2007). do que outros, mas também que o uso do computador representa uma parcela substancial do aumento da taxa de retorno à educação. Além disso, estudos mais recentes constatam que os computadores causaram uma mudança na vida ocupacional. estrutura do mercado de trabalho. Autor e Dorn (2013), por exemplo, mostram que à medida que a informatização corrói os salários do trabalho que executa tarefas rotineiras, os trabalhadores reafectarão a sua oferta de trabalho para serviços de qualificação relativamente baixa ocupações. Mais especificamente, entre 1980 e 2005, a percentagem de nós as horas de trabalho nas ocupações de serviços cresceram 30 por cento depois de terem sido estável ou em declínio nas três décadas anteriores. Além disso, as variações líquidas nos EUA, o emprego tinha a forma de U no nível de qualificação, o que significa que o nível de qualificação mais baixo e o quartil mais elevado de competências profissionais expandiu-se acentuadamente com o emprego relativo diminui no meio da distribuição.

A expansão do emprego altamente qualificado pode ser explicada pela queda preço da realização de tarefas rotineiras por meio de computadores, o que complementa serviços mais abstratos e criativos. Vista da perspectiva da função de produção, uma mudança para fora na oferta de informação de rotina insumos aumentam a produtividade marginal dos trabalhadores que são demandados por. Por exemplo, a prospeção de textos e dados melhorou a qualidade da investigação jurídica, uma vez que o acesso constante à informação de mercado melhorou a eficiência da tomada de decisões gerenciais - ou seja, tarefas executadas por profissionais qualificados trabalhadores no extremo superior da distribuição de rendimentos. O resultado foi um mercado de trabalho cada vez mais polarizado, com emprego crescente em empregos cognitivos de alto rendimento e em ocupações manuais de baixo rendimento, acompanhado por um esvaziamento dos empregos rotineiros de renda média. Este é um padrão que não é exclusivo dos EUA e se aplica igualmente a vários países desenvolvidos economias (Goos, et al., 2009).14

Como o progresso tecnológico no século XXI terá impacto sobre Embora exista um amplo consenso de que a substituição dos trabalhadores por computadores em tarefas rotineiras e intensivas tenha impulsionado a polarização do mercado de trabalho nas últimas décadas, existem, na verdade, explicações alternativas. Por exemplo, os avanços tecnológicos na computação reduziram drasticamente o custo de deixar tarefas baseadas em informações para locais de trabalho estrangeiros (Jensen e Kletzer, 2005; Blinder, 2009; Jensen e Kletzer, 2010; Oldenski, 2012; Blinder e Krueger, 2013). O declínio na intensidade rotineira do emprego é, portanto, provavelmente resultará de uma combinação de offshoring e automação. Além disso, há há evidências que sugerem que melhorias nas tecnologias de transporte e comunicação aumentaram as ocupações que envolvem interação humana, abrangendo tarefas cognitivas e manuais (Michaels, et al., 2013). Estas explicações são, no entanto, igualmente relacionado ao avanço da tecnologia de computação e comunicação. os resultados do mercado de trabalho ainda estão por ver. Ao longo da história, o progresso tecnológico alterou enormemente a composição do emprego, de agricultura e a oficina artesanal, à manufatura e ao escritório, aos serviços e ocupações de gestão. No entanto, a preocupação com o desemprego tecnológico revelou-se exagerada. A razão óbvia pela qual isso A preocupação que não se concretizou está relacionada com o famoso capítulo de Ricardo sobre maquinaria, que sugere que a tecnologia que poupa trabalho reduz a procura trabalho indiferenciado, levando assim ao desemprego tecnológico (Ricardo, 1819). Contudo, como os economistas já compreenderam há muito tempo, uma invenção que substitua trabalhadores por máquinas terá efeitos sobre todos os produtos e serviços. mercados de fatores. Um aumento na eficiência da produção que reduz o preço de um bem, aumentará a renda real e, portanto, aumentará a demanda para outros bens. Assim, em resumo, o progresso tecnológico tem dois efeitos concorrentes sobre o emprego (Aghion e Howitt, 1994). Primeiro, como a tecnologia substitutos do trabalho, há um efeito de destruição, exigindo que os trabalhadores reafectar a sua oferta de trabalho; e em segundo lugar, há o efeito de capitalização, à medida que mais empresas entram em indústrias onde a produtividade é relativamente elevado, levando à expansão do emprego nessas indústrias.

Embora o efeito de capitalização tenha sido predominante historicamente, nossa descoberta de meios de economizar o uso do trabalho pode ultrapassar o ritmo em que podemos encontrar novos usos para o trabalho, como Keynes (1933) apontou fora. A razão pela qual o trabalho humano prevaleceu está relacionada com a sua capacidade de adotar e adquirir novas competências por meio da educação (Goldin e Katz, 2009). No entanto, à medida que a informatização penetra em domínios mais cognitivos, isso irá tornar-se cada vez mais desafiador (Brynjolfsson e McAfee, 2011). As descobertas empíricas recentes são, portanto, particularmente preocupantes. Por exemplo, Beaudry, et ai. (2013) documentam um declínio na procura de competências ao longo do última década, embora a oferta de trabalhadores com ensino superior tenha continuado a crescer. Mostram que os trabalhadores altamente qualificados desceram na hierarquia carreira, assumindo empregos tradicionalmente desempenhados por pessoas pouco qualificadas trabalhadores, empurrando os trabalhadores pouco qualificados ainda mais para baixo na escala ocupacional. e, até certo ponto, até mesmo fora da força de trabalho. Isso aumenta questões sobre: (a) a capacidade do trabalho humano de vencer a corrida contra tecnologia por meio da educação; e (b) a extensão potencial do desemprego tecnológico, uma vez que um ritmo crescente de progresso tecnológico irá causar maior rotatividade de empregos, resultando em uma maior taxa natural de desemprego (Lucas e Prescott, 1974; Davis e Haltiwanger, 1992; Pissarides, 2000). Embora o presente estudo se limite a examinar a destruição efeito da tecnologia, no entanto, fornece uma indicação útil do trabalho crescimento necessário para contrabalançar os empregos em risco nas próximas décadas.

O declínio secular dos preços no custo real da computação criou vastos incentivos económicos para os empregadores substituirem o trabalho pelo capital informático.15 No entanto, as tarefas que os computadores são capazes de executar dependem, em última análise, do capacidade de um programador de escrever um conjunto de procedimentos ou regras que direcionem adequadamente a tecnologia em cada contingência possível. Os computadores irão portanto, ser relativamente produtivo para o trabalho humano quando um problema pode ser especificado – no sentido de que os critérios de sucesso são quantificáveis e podem ser prontamente avaliado (Acemoglu e Autor, 2011). A extensão da informatização do trabalho será, portanto, determinada pelos avanços tecnológicos que permitem problemas de engenharia sejam suficientemente especificados, o que define os limites para o âmbito da informatização. Nesta seção, examinamos a extensão tarefas que se espera que equipamentos controlados por computador executem durante o próximas décadas. Com isso, focamos em avanços em áreas relacionadas à Máquina Aprendizagem (ml), incluindo mineração de dados, visão de máquina, computacional Estatística e outros subcampos da Inteligência Artificial (IA), nos quais os esforços são explicitamente dedicados ao desenvolvimento de algoritmos que permitem tarefas cognitivas a serem automatizadas. Além disso, examinamos a aplicação de tecnologias de ml em Robótica Móvel (mr) e, portanto, a extensão da informatização em tarefas manuais.

Nossa análise baseia-se na categorização de tarefas de Autor, et al. (2003), que distingue entre tarefas no local de trabalho usando uma matriz dois por dois, com tarefas rotineiras versus não rotineiras em um eixo, e tarefas manuais versus cognitivas no outro. Em suma, as tarefas de rotina são definidas como tarefas que seguem Referimo-nos ao capital computacional como computadores acumulados e sistemas controlados por computador. equipamento por meio de aprofundamento de capital. regras pouco explícitas que podem ser realizadas por máquinas, enquanto regras não rotineiras as tarefas não são suficientemente compreendidas para serem especificadas em código de computador. Cada uma dessas categorias de tarefas pode, por sua vez, ser de natureza manual ou cognitiva. natureza – ou seja, eles se relacionam com trabalho físico ou trabalho de conhecimento. Historicamente, a informatização tem sido em grande parte confinada à rotina manual e cognitiva tarefas envolvendo atividades explícitas baseadas em regras (Autor e Dorn, 2013; Goos, e outros, 2009). No entanto, após os recentes avanços tecnológicos, a informatização está agora a alastrar-se para domínios normalmente definidos como não rotineiros. O ritmo acelerado em que tarefas que foram definidas como não rotineiras há apenas uma década atrás tornaram-se agora informatizáveis é ilustrado por Autor, et al. (2003), afirmando que: “Navegar com um carro no trânsito da cidade ou decifrar o caligrafia rabiscada em um cheque pessoal – empreendimentos menores para a maioria adultos – não são tarefas rotineiras pela nossa definição.” Hoje, os problemas de dirigir um carro e decifrar a caligrafia são suficientemente bem compreendidos para que muitas tarefas relacionadas possam ser especificadas em código de computador e automatizado (Veres, et al., 2011; Plötz e Fink, 2009).

Os recentes avanços tecnológicos devem-se, em grande parte, aos esforços para transformar tarefas não rotineiras em problemas bem definidos. Definindo tais problemas é ajudado pelo fornecimento de dados relevantes: isto é destacado no caso de reconhecimento de escrita manual por Plötz e Fink (2009). O sucesso de um algoritmo para reconhecimento de escrita é difícil de quantificar sem dados testar - em particular, determinar se um algoritmo funciona bem para diferentes estilos de escrita requer dados contendo uma variedade de tais estilos. Ou seja, os dados são necessários para especificar as muitas contingências que um a tecnologia deve administrar para formar um substituto adequado para o ser humano. trabalho. Com dados, medidas objetivas e quantificáveis do sucesso de um algoritmo pode ser produzido, o que auxilia na melhoria contínua de seu desempenho em relação aos humanos.

Como tal, o progresso tecnológico tem sido auxiliado pela produção recente de conjuntos de dados cada vez maiores e complexos, conhecidos como big data.16 Para por exemplo, com um corpus crescente de texto digitalizado traduzido por humanos, o As previsões da Cisco Systems sugerem que o tráfego da Internet em 2016 será de cerca de 1 zetabyte (1 × 1021 bytes) (Cisco, 2012). Em comparação, as informações contidas em todos os livros em todo o mundo têm cerca de 480 terabytes (5 × 1014 bytes) e uma transcrição de texto de todos as palavras já faladas por humanos representariam cerca de 5 exabytes (5 × 1018 bytes) (UC Berkeley School of Information, 2003).

O sucesso de um tradutor automático pode agora ser avaliado pela sua precisão na reprodução das traduções observadas. Dados de documentos das Nações Unidas, que são traduzidos por especialistas humanos em seis idiomas, permitem ao Google Traduzir para monitorar e melhorar o desempenho de diferentes máquinas algoritmos de tradução (Tanner, 2007).

Além disso, algoritmos ml podem descobrir semelhanças inesperadas entre dados antigos e novos, auxiliando na informatização de tarefas para as quais big data tornou-se disponível recentemente. Como resultado, a informatização não é mais confinado a tarefas rotineiras que podem ser escritas como consultas de software baseadas em regras, mas está se espalhando para todas as tarefas não rotineiras onde big data se torna disponível (Brynjolfsson e McAfee, 2011). Nesta seção, examinamos até que ponto da futura informatização para além das tarefas rotineiras.

3.1 Informatização em tarefas cognitivas não rotineiras Com a disponibilidade de big data, uma ampla gama de atividades cognitivas não rotineiras as tarefas estão se tornando informatizadas. Ou seja, na sequência da melhoria geral do progresso tecnológico devido ao big data, os algoritmos para big data, os dados estão entrando rapidamente em domínios que dependem do armazenamento ou do acesso a informações. A utilização de big data é proporcionada por uma das principais vantagens comparativas dos computadores em relação ao trabalho humano: a escalabilidade. Pouco são necessárias evidências para demonstrar que, ao realizar a tarefa de computação trabalhosa, as redes de máquinas são melhor dimensionadas do que o trabalho humano (Campbell-Kelly, 2009). Como tal, os computadores podem gerir melhor os grandes cálculos necessários ao usar grandes conjuntos de dados. algoritmos ml em execução os computadores são agora, em muitos casos, mais capazes de detectar padrões em grandes dados do que humanos.

A informatização das tarefas cognitivas também é auxiliada por outra vantagem comparativa central dos algoritmos: a ausência de alguns preconceitos humanos. Um algoritmo pode ser projetado para satisfazer implacavelmente a pequena gama de tarefas que é dado. Os seres humanos, em contraste, devem cumprir uma série de tarefas não relacionadas com a sua ocupação, como dormir, necessitando de sacrifícios ocasionais em sua desempenho ocupacional (Kahneman, et al., 1982). As restrições adicionais sob as quais os seres humanos devem operar manifestam-se como preconceitos. Considere um exemplo de preconceito humano: Danziger, et al. (2011) demonstram que juízes israelenses experientes são substancialmente mais generosos em suas decisões após uma pausa para o almoço. Pode-se, portanto, argumentar que muitas funções que envolvem a tomada de decisões se beneficiarão de soluções algorítmicas imparciais. A detecção de fraude é uma tarefa que requer tanto uma tomada de decisão imparcial e a capacidade de detectar tendências em big data. Como tal, esta tarefa é agora quase completamente automatizado (Phua, et al., 2010). De maneira semelhante, as vantagens comparativas dos computadores provavelmente mudarão a natureza de trabalho em uma ampla gama de indústrias e ocupações.

Nos cuidados de saúde, as tarefas de diagnóstico já estão a ser informatizadas. Oncologistas do Memorial Sloan-Kettering Cancer Center são, por exemplo, usando o computador Watson da IBM para fornecer diagnósticos de cuidados crônicos e tratamento de câncer. Conhecimento de 600.000 relatórios de evidências médicas, 1,5 milhões de registros de pacientes e ensaios clínicos e dois milhões de páginas de texto de revistas médicas, são usados para benchmarking e reconhecimento de padrões propósitos. Isto permite que o computador compare as características individuais de cada paciente. sintomas, genética, histórico familiar e de medicação, etc., para diagnosticar e desenvolver um plano de tratamento com a maior probabilidade de sucesso (Cohn, 2013).

Além disso, a informatização está a entrar nos domínios dos serviços jurídicos e financeiros. Algoritmos sofisticados estão gradualmente assumindo uma série de de tarefas desempenhadas por paralegais, advogados de contratos e patentes (Markoff, 2011). Mais especificamente, os escritórios de advocacia agora contam com computadores que podem digitalizar milhares de resumos jurídicos e precedentes para auxiliar na pesquisa pré-julgamento. Um Um exemplo frequentemente citado é o sistema Clearwell da Symantec, que utiliza análise de linguagem para identificar conceitos gerais em documentos, pode apresentar o resultados graficamente e provou ser capaz de analisar e classificar mais do que 570 mil documentos em dois dias (Markoff, 2011).

Além disso, a melhoria da tecnologia de detecção tornou os dados dos sensores uma das fontes mais proeminentes de big data (Ackerman e Guizzo, 2011). Os dados do sensor são frequentemente acoplados a novas falhas de ml e algoritmos de detecção de anomalias para tornar muitas tarefas informatizadas. Um ampla classe de exemplos pode ser encontrada em monitoramento de condições e novidades detecção, com tecnologia substituindo operadores de circuito fechado de TV (CCTV), trabalhadores que examinam defeitos de equipamentos e pessoal clínico responsável para monitorar o estado dos pacientes em terapia intensiva. Aqui, o fato de os computadores não possuem preconceitos humanos é de grande valor: os algoritmos estão livres de preconceitos irracionais e sua vigilância não precisa ser interrompida por pausas para descanso ou lapsos de concentração. Seguindo o declínio dos custos do sensoriamento digital e atuação, as abordagens de ml abordaram com sucesso aplicações de monitoramento de condições que vão desde baterias (Saha, et al., 2007) até aeronaves motores (King, et al., 2009), qualidade da água (Osborne, et al., 2012) e unidades de terapia intensiva (icus) (Clifford e Clifton, 2012; Clifton, et al., 2012). Os sensores também podem ser colocados em caminhões e paletes para melhorar a produtividade das empresas. gerenciamento da cadeia de suprimentos e usado para medir a umidade em um campo de colheitas para rastrear o fluxo de água através de tubulações de serviços públicos. Isto permite a leitura automática do medidor, eliminando a necessidade de pessoal para coletar tais informação. Por exemplo, as cidades de Doha, São Paulo e Pequim utilizam sensores em tubulações, bombas e outras infraestruturas hídricas para monitorar as condições e gerenciar a perda de água, reduzindo os vazamentos em 40 a 50 por cento. No num futuro próximo, será possível colocar sensores baratos em postes de luz, calçadas e outros bens públicos para capturar som e imagens, provavelmente reduzindo o número de trabalhadores na aplicação da lei (MGI, 2013). Os avanços nas interfaces de usuário também permitem que os computadores respondam diretamente a uma gama mais ampla de solicitações humanas, aumentando assim o trabalho de pessoas altamente mão-de-obra qualificada, permitindo ao mesmo tempo que alguns tipos de empregos se tornem totalmente automatizados. Por exemplo, o Siri da Apple e o Google Now dependem de usuários naturais interfaces para reconhecer palavras faladas, interpretar seus significados e agir sobre eles em conformidade. Além disso, uma empresa chamada SmartAction agora fornece soluções de informatização de chamadas que utilizam tecnologia ml e recursos avançados reconhecimento de fala para melhorar a resposta de voz interativa convencional sistemas, obtendo economia de custos de 60 a 80 por cento em uma chamada terceirizada centro constituído por mão de obra humana (CAA, 2012). Até mesmo a educação, um dos sectores com maior intensidade de mão-de-obra, serão muito provavelmente afectados significativamente por meio de interfaces de usuário e algoritmos aprimorados baseados em big data. O O crescimento recente dos moocs (cursos on-line abertos e massivos) começou a gerar grandes conjuntos de dados detalhando como os alunos interagem nos fóruns, sua diligência na conclusão de tarefas e na visualização de palestras e seu desempenho final. notas (Simonite, 2013; Breslow, et al., 2013). Essas informações, juntas com interfaces de usuário aprimoradas, permitirá algoritmos ml que servem como tutores interativos, com estratégias de ensino e avaliação estatisticamente calculadas ibrado para atender às necessidades individuais dos alunos (Woolf, 2010). Análise de big data também permitirá previsões mais eficazes do desempenho dos alunos, e pela sua aptidão para ocupações de pós-graduação. Essas tecnologias pode igualmente ser implementado no recrutamento, resultando muito provavelmente na racionalização dos departamentos de recursos humanos (RH).

As profissões que exigem um julgamento subtil também estão cada vez mais suscetíveis à informatização. Para muitas dessas tarefas, a decisão imparcial a criação de um algoritmo representa uma vantagem comparativa sobre o ser humano operadores. Nas aplicações mais desafiadoras ou críticas, como no icus, as recomendações algorítmicas podem servir como informações para operadores humanos; em outro circunstâncias, os próprios algoritmos serão responsáveis por tomada de decisão. No setor financeiro, essa tomada de decisão automatizada já desempenha um papel há algum tempo. algoritmos de IA são capazes de processar um maior número de anúncios financeiros, comunicados de imprensa e outras informações do que qualquer comerciante humano, e então agir mais rapidamente sobre eles (Mims, 2010). Serviços como o Future Advisor também usam IA para oferecer consultoria financeira em maior escala e menor custo. Até mesmo o trabalho do software os engenheiros poderão em breve ser amplamente informatizados. Por exemplo, os avanços na ml permite que um programador deixe opções complexas de parâmetros e design ser adequadamente otimizado por um algoritmo (Hoos, 2012). Algoritmos pode ainda detectar automaticamente bugs no software (Hangal e Lam, 2002; Livshits e Zimmermann, 2005; Kim, et al., 2008), com uma confiabilidade que é improvável que os humanos correspondam. Grandes bancos de dados de código também oferecem a eventual perspectiva de algoritmos que aprendam como escrever programas para satisfazer especificações fornecidas por um ser humano. É provável que tal abordagem acabe por melhorar os programadores humanos, da mesma forma que os programas escritos por humanos os compiladores eventualmente se mostraram inferiores aos compiladores otimizados automaticamente. Um algoritmo pode manter melhor todo o programa na memória de trabalho, e não está restrito a códigos inteligíveis por humanos, permitindo soluções holísticas que talvez nunca ocorressem a um ser humano. Essas melhorias algorítmicas sobre o julgamento humano provavelmente se tornarão cada vez mais comuns. Embora ainda não se saiba a extensão destes desenvolvimentos, as estimativas da MGI (2013) sugerem que algoritmos sofisticados poderiam substituir aproximadamente 140 milhões de trabalhadores do conhecimento a tempo inteiro em todo o mundo. Assim, embora o progresso tecnológico ao longo da história económica tem sido em grande parte confinado à mecanização de tarefas manuais, que exigem trabalho físico, o progresso tecnológico no século XXI pode espera-se que contribua para uma ampla gama de tarefas cognitivas, que, até agora, permaneceram em grande parte um domínio humano. É claro que muitas profissões afectados por esta evolução ainda estão longe de ser totalmente informatizados, o que significa que a informatização de algumas tarefas irá simplesmente libertar tempo para o trabalho humano realizar outras tarefas. Mesmo assim, a tendência é claro: os computadores desafiam cada vez mais o trabalho humano numa ampla gama de tarefas cognitivas (Brynjolfsson e McAfee, 2011).

3.2 Informatização em tarefas manuais não rotineiras A robótica móvel fornece um meio de aproveitar diretamente as tecnologias de ml para auxiliar a informatização de uma gama crescente de tarefas manuais. O contínuo desenvolvimento tecnológico do hardware robótico está tendo resultados notáveis. impacto no emprego: nas últimas décadas, os robôs industriais assumido nas tarefas rotineiras da maioria dos operários na fabricação. Agora, no entanto, robôs mais avançados estão ganhando sensores e manipuladores aprimorados, permitindo-lhes realizar tarefas manuais não rotineiras. Por exemplo, A General Electric desenvolveu recentemente robôs para escalar e manter o vento turbinas e robôs cirúrgicos mais flexíveis com maior amplitude de movimento em breve realizará mais tipos de operações (Robotics-VO, 2013). Em um de forma semelhante, a informatização da logística está a ser auxiliada pela crescente relação custo-eficácia de automóveis altamente instrumentados e informatizados. Os veículos de produção em massa, como o Nissan leaf, contêm computadores de bordo e equipamentos avançados de telecomunicações que tornam o carro um veículo robô potencialmente fly-by-wire.17

Os avanços na tecnologia de sensores significam que os veículos provavelmente serão em breve aumentados com conjuntos ainda mais avançados de sensores. Isso permitirá que um controlador algorítmico do veículo monitore seu ambiente em um grau que excede as capacidades de qualquer motorista humano: eles têm a capacidade de olhar simultaneamente para frente e para trás, pode integrar nativamente dados de câmera, GPS e lidar e não está sujeito para distração. Os algoritmos são, portanto, potencialmente mais seguros e eficazes motoristas do que humanos.

Um robô fly-by-wire é um robô controlável por um computador remoto.

O big data fornecido por esses sensores aprimorados está oferecendo soluções a muitos dos problemas de engenharia que impediram o desenvolvimento robótico no passado. Em particular, a criação de imagens tridimensionais detalhadas mapas de redes rodoviárias permitiram a navegação autônoma de veículos; mais notavelmente ilustrado pelo uso pelo Google de grandes conjuntos de dados especializados coletados pelos seus carros sem condutor (Guizzo, 2011). Agora é completamente viável armazenar representações de toda a rede rodoviária a bordo de um carro, dramaticamente simplificando o problema de navegação. Algoritmos que poderiam realizar a navegação durante as mudanças das estações, especialmente após a queda de neve, foi visto como um desafio substancial. No entanto, a abordagem de big data podemos responder a isso armazenando registros da última vez que nevou, contra qual o ambiente atual do veículo pode ser comparado (Churchill e Newmann, 2012). abordagens ml também foram desenvolvidas para identificar mudanças sem precedentes em uma parte específica da rede rodoviária, como obras rodoviárias (Mathibela, et al., 2012). Esta tecnologia emergente afetará uma variedade de trabalhos de logística. Veículos agrícolas, empilhadeiras e movimentação de carga os veículos são iminentemente automatizáveis e os hospitais já estão empregando robôs autônomos para transportar alimentos, receitas e amostras (Bloss, 2011). A informatização dos veículos de mineração continua sendo prosseguida por empresas como a Rio Tinto, buscando substituir mão de obra na Austrália minas.18

Com sensores melhorados, os robôs são capazes de produzir bens com maior qualidade e confiabilidade do que o trabalho humano. Por exemplo, El Dulze, um Processador de alimentos espanhol agora usa robótica para pegar cabeças de alface de um correia transportadora, rejeitando cabeçotes que não atendam aos padrões da empresa. Isto é conseguido medindo sua densidade e substituindo-os no cinto (IFR, 2012a). Sensores avançados permitem ainda que os robôs reconheçam padrões. Baxter, um robô de uso geral de 22.000 dólares, fornece um exemplo bem conhecido. O robô possui uma tela LCD exibindo um par de olhos que assumem expressões diferentes dependendo da situação. Quando o robô é instalado pela primeira vez ou precisa aprender um novo padrão, sem programação é necessário. Um trabalhador humano simplesmente guia os braços do robô através do movimentos que serão necessários para a tarefa. Baxter então memoriza estes Os esforços de informatização da Rio Tinto são anunciados em http://www.mineofthefuture. com.au. patterns and can communicate that it has understood its new instructions. Embora a flexibilidade física da Baxter esteja limitada à execução de tarefas simples operações como pegar objetos e movê-los, padrões diferentes acessórios podem ser instalados em seus braços, permitindo que a Baxter execute um escopo relativamente amplo de tarefas manuais a baixo custo (MGI, 2013). Os avanços tecnológicos estão contribuindo para a diminuição dos custos da robótica. Nas últimas décadas, os preços dos robôs caíram cerca de 10% ao ano e deverão diminuir a um ritmo ainda mais rápido no futuro próximo (MGI, 2013). Robôs industriais, com recursos habilitados por visão mecânica e destreza de alta precisão, que custam normalmente de 100.000 a 150.000 dólares, serão disponível por 50.000 a 75.000 dólares na próxima década, com níveis mais elevados de inteligência e capacidades adicionais (IFR, 2012b). Robô em declínio os preços inevitavelmente os colocarão ao alcance de mais usuários. Por exemplo, na China, os empregadores são cada vez mais incentivados a substituir robôs por trabalho, à medida que os salários e os padrões de vida aumentam – Foxconn, uma empresa chinesa fabricante contratado que emprega 1,2 milhão de trabalhadores, está agora investindo em robôs para montar produtos como o Apple iPhone (Markoff, 2012).

De acordo com a Federação Internacional de Robótica, as vendas de robôs na China cresceu mais de 50 por cento em 2011 e espera-se que aumente ainda mais. Globalmente, as vendas de robôs industriais atingiram um recorde de 166.000 unidades em 2011, um Aumento anual de 40 por cento (IFR, 2012b). Muito provavelmente, haverá crescimento ainda mais rápido à medida que modelos de uso geral de baixo preço, como Baxter, são adotados em trabalhos simples de fabricação e serviços.

A expansão das capacidades tecnológicas e a redução dos custos tornarão possíveis utilizações inteiramente novas para os robôs. Os robôs provavelmente continuarão a assumir um conjunto crescente de tarefas manuais na fabricação, embalagem, construção, manutenção e agricultura. Além disso, os robôs já estão realizando muitas tarefas de serviço simples, como aspirar, esfregar, cortar grama e limpeza de calhas – o mercado de robôs de serviços pessoais e domésticos está crescendo cerca de 20 por cento anualmente (MGI, 2013). Enquanto isso, os robôs de serviços comerciais agora são capazes de realizar tarefas mais complexas em alimentos preparação, cuidados de saúde, limpeza comercial e cuidados a idosos (Robótica- VO, 2013). À medida que os custos dos robôs diminuem e as capacidades tecnológicas se expandem, pode-se, portanto, esperar que os robôs substituam gradualmente o trabalho em uma ampla gama de ocupações de serviços de baixos salários, onde a maior parte do crescimento do emprego nos EUA ocorreu ocorrido nas últimas décadas (Autor e Dorn, 2013). Isso significa que muitos empregos manuais de baixos salários que foram anteriormente protegidos de a informatização poderá diminuir com o tempo.

3.3 O modelo de tarefas revisitado O modelo de tarefa de Autor, et al. (2003) forneceu previsões intuitivas e precisas de que: (a) os computadores são mais substituíveis pelos humanos trabalho rotineiro em relação a tarefas não rotineiras; e (b) uma maior intensidade de insumos rotineiros aumenta a produtividade marginal de insumos não rotineiros. entradas. Assim, os computadores serviram como substitutos do trabalho para muitas tarefas rotineiras, ao mesmo tempo que exibem fortes complementaridades com trabalho realizando tarefas cognitivas não rotineiras.19

No entanto, as premissas sobre o que os computadores fazem foi expandido recentemente. O capital informático pode agora substitui igualmente uma ampla gama de tarefas comumente definidas como não rotineiras (Brynjolfsson e McAfee, 2011), o que significa que o modelo de tarefas não será suficiente para prever o impacto da informatização no conteúdo das tarefas do emprego no século XXI. Ao focar no efeitos de substituição do progresso tecnológico recente, baseamo-nos na tarefa modelo derivando vários fatores que esperamos que determinem a extensão da informatização em tarefas não rotineiras.

O modelo de tarefa assume para tratabilidade uma função de produção Cobb-Douglas agregada e de retorno constante à escala da forma (1) Q = (LS + C)1−β Lβ X, β ∈ [0, 1], onde LS e LNS são insumos de trabalho suscetíveis e não suscetíveis e C é capital computacional. O capital computacional é fornecido perfeitamente elasticamente em preço de mercado por unidade de eficiência, onde o preço de mercado cai exogenamente com o tempo devido ao progresso tecnológico. Assume ainda que há trabalhadores que maximizam o rendimento, com dotações de produtividade heterogéneas em ambos os países. tarefas suscetíveis e não suscetíveis. A sua oferta de tarefas responderá elasticamente aos níveis salariais relativos, o que significa que os trabalhadores reafectarão as suas tarefas. O modelo não prevê qualquer substituição ou complementaridade substancial com tarefas manuais não rotineiras. oferta de trabalho de acordo com a sua vantagem comparativa como em Roy (1951). Com a expansão das capacidades computacionais, resultantes da evolução tecnológica avanços e uma queda no preço de mercado da computação, os trabalhadores em áreas suscetíveis as tarefas serão, portanto, realocadas para tarefas não suscetíveis. O modelo simples descrito acima difere do modelo de tarefa de Autor, e outros. (2003), na medida em que o LNS não se limita aos factores de trabalho rotineiros. Isto é porque os desenvolvimentos recentes em ml e mr, com base em big data, permitir o reconhecimento de padrões e, assim, permitir que o capital do computador rapidamente substituir o trabalho em uma ampla gama de tarefas não rotineiras. No entanto, persistem alguns gargalos de engenharia inibidores da informatização. Além destes gargalos, no entanto, argumentamos que já é em grande parte tecnologicamente possível automatizar quase qualquer tarefa, desde que quantidades suficientes de os dados são coletados para reconhecimento de padrões. Nosso modelo prevê, portanto, que o ritmo em que esses gargalos podem ser superados determinará o extensão da informatização no século XXI.

Portanto, em resumo, embora o modelo de tarefa preveja que os computadores para trabalho substituição ficará confinada a tarefas rotineiras, nosso modelo prevê que a informatização pode ser estendida a qualquer tarefa não rotineira que não esteja sujeita a quaisquer gargalos de engenharia na informatização. Esses gargalos, portanto, estabelecer os limites para a informatização de tarefas não rotineiras. Desenho com base na literatura ml e mr, e em um workshop realizado no Departamento de Ciências de Engenharia da Universidade de Oxford, identificamos vários gargalos, correspondendo a três categorias de tarefas. De acordo com estes resultados, os insumos de trabalho não suscetíveis podem ser descritos como, (2) LNS = n X eu=1 LPM,i + LC,i + LSI,i
onde LPM, LC e LSI são insumos trabalhistas para percepção e manipulação tarefas, tarefas de inteligência criativa e tarefas de inteligência social. Observamos que alguns gargalos de engenharia relacionados podem ser parcialmente atenuados pela simplificação de tarefas. Uma maneira genérica de conseguir isso é reduzir a variação entre as iterações da tarefa. Como exemplo prototípico, consideremos a linha de montagem da fábrica, transformando as tarefas não rotineiras da oficina artesanal em tarefas rotineiras repetitivas executadas por pessoas não qualificadas trabalhadores da fábrica. Um exemplo mais recente é a informatização de tarefas manuais não rotineiras na construção. Tarefas de construção no local normalmente exigem um alto grau de adaptabilidade, de modo a acomodar ambientes de trabalho que são tipicamente irregulares e variam de acordo com o clima. Pré-fabricação, na qual o objeto de construção é parcialmente montado em uma fábrica antes de ser transportado para o canteiro de obras, fornece um forma de eliminar em grande parte a necessidade de adaptabilidade. Ele permite muitos tarefas de construção a serem executadas por robôs sob condições controladas que eliminam a variabilidade das tarefas – um método que está se tornando cada vez mais difundido, particularmente no Japão (Barlow e Ozaki, 2005; Linner e Bock, 2012). A extensão da informatização no século XXI dependerá, portanto, em parte, de abordagens inovadoras à reestruturação de tarefas. No restante desta seção, examinaremos os gargalos de engenharia relacionadas às categorias de tarefas acima mencionadas, cada uma por sua vez. Tarefas de percepção e manipulação. Os robôs ainda não conseguem igualar a profundidade e amplitude da percepção humana. Embora a identificação geométrica básica esteja razoavelmente madura, possibilitada pelo rápido desenvolvimento de sensores e lasers sofisticados, permanecem desafios significativos para soluções mais complexas. tarefas de percepção, como identificar objetos e suas propriedades em um campo de visão desordenado. Como tal, tarefas relacionadas com um trabalho não estruturado ambiente pode tornar os empregos menos susceptíveis à informatização. Por exemplo, a maioria das casas não são estruturadas, exigindo a identificação de uma pluralidade de objetos irregulares e contendo muitos espaços desordenados que inibem a mobilidade de objetos com rodas. Por outro lado, supermercados, fábricas, armazéns, aeroportos e hospitais foram projetados para grandes objetos com rodas, tornando mais fácil para os robôs navegarem na execução manual não rotineira tarefas. Os problemas de percepção podem, no entanto, às vezes ser contornados por design de tarefa inteligente. Por exemplo, Kiva Systems, adquirida pela Amazon.com em 2012, resolveu o problema da navegação no armazém simplesmente colocando adesivos com código de barras no chão, informando aos robôs sua localização precisa (Guizzo, 2008).

A dificuldade de percepção tem ramificações para tarefas de manipulação, e, em particular, o manuseio de objetos irregulares, para os quais os robôs são ainda não atingiu níveis humanos de aptidão. Isto foi evidenciado no desenvolvimento de robôs que interagem com objetos e ambientes humanos. Embora tenham sido feitos avanços, as soluções tendem a não ser confiáveis ao longo do tempo. inúmeras pequenas variações em uma única tarefa, repetidas milhares de vezes por dia, que muitas aplicações exigem. Um desafio relacionado é a recuperação de falhas – ou seja, identificar e retificar os erros do robô quando ele tiver, por exemplo, deixou cair um objeto. A manipulação também é limitada pelas dificuldades de planejar a sequência de ações necessárias para mover um objeto. de um lugar para outro. Existem ainda outros problemas na concepção manipuladores que, como os membros humanos, são macios, têm dinâmica compatível e fornecer feedback tátil útil. A maior parte da manipulação industrial faz uso de soluções alternativas para esses desafios (Brown, et al., 2010), mas essas as abordagens são, no entanto, limitadas a uma gama restrita de tarefas. O principal desafios à informatização, percepção e manipulação robótica, em grande parte permanecem e é improvável que sejam totalmente resolvidos na próxima década ou dois (Robótica-VO, 2013).

Tarefas de inteligência criativa. Os processos psicológicos subjacentes criatividade humana são difíceis de especificar. De acordo com Boden (2003), criatividade é a capacidade de apresentar ideias ou artefatos que sejam novos e valioso. As ideias, num sentido mais amplo, incluem conceitos, poemas, composições musicais, teorias científicas, receitas culinárias e piadas, enquanto os artefatos são objetos como pinturas, esculturas, máquinas e cerâmicas. Um O processo de criação de ideias (e da mesma forma para artefatos) envolve fazer combinações desconhecidas de ideias familiares, exigindo um rico estoque de conhecimento. O desafio aqui é encontrar meios confiáveis ​​de chegar a combinações que “façam sentido”. Para um computador fazer uma piada sutil, por exemplo, exigiria uma base de dados com uma riqueza de conhecimento comparável àquela de humanos e métodos de avaliação comparativa da sutileza do algoritmo. Em princípio, tal criatividade é possível e já existem algumas abordagens à criatividade na literatura. Duvenaud, et al. (2013) fornecem um exemplo de automatização da principal tarefa criativa necessária para realizar estatísticas, a de projetar modelos para dados. Quanto à criatividade artística, Aaron, um programa de desenho, gerou milhares de desenhos estilisticamente semelhantes, que foram exibidos em galerias de todo o mundo. Além disso, o software emi de David Cope compõe músicas em muitos estilos diferentes, reminiscentes de compositores humanos específicos. Nestas e em muitas outras aplicações, gerar novidades não é particularmente difícil. Em vez disso, o principal obstáculo à informatização da criatividade está afirmando nossos valores criativos com clareza suficiente para que possam ser codificados em um programa (Boden, 2003). Além disso, os valores humanos mudam ao longo do tempo e variam entre culturas. Porque a criatividade, por definição, envolve não apenas novidade, mas valor, e como os valores são altamente variáveis, segue-se que muitos argumentos sobre criatividade estão enraizados em divergências sobre valor. Assim, mesmo que pudéssemos identificar e codificar os nossos valores criativos, para permitir que o computador informe e monitore suas próprias atividades de acordo, ainda haveria desacordo sobre se o computador parecia funcionar seja criativo. Na ausência de soluções de engenharia para superar este problema, parece improvável que profissões que exijam um elevado grau de criatividade a inteligência será automatizada nas próximas décadas.

Tarefas de inteligência social. A inteligência social humana é importante em um ampla gama de tarefas de trabalho, como aquelas que envolvem negociação, persuasão e cuidado. Para auxiliar a informatização de tais tarefas, estão sendo realizadas pesquisas ativas nas áreas de Computação Afetiva (Scherer, et al., 2010; Picard, 2010) e Robótica Social (Ge, 2007; Broekens, et al., 2009). Embora algoritmos e robôs possam agora reproduzir alguns aspectos da vida humana interação social, o reconhecimento em tempo real das emoções humanas naturais continua a ser um problema desafiador, e a capacidade de responder de forma inteligente às tais insumos é ainda mais difícil. Mesmo versões simplificadas de tarefas sociais típicas revelam-se difíceis para computadores, como é o caso em que a interacção social é reduzida a texto puro. A inteligência social dos algoritmos é parcialmente capturado pelo teste de Turing, examinando a capacidade de uma máquina comunicar indistinguivelmente de um ser humano real. Desde 1990, o O Prêmio Loebner, uma competição anual de testes de Turing, concede prêmios a textos programas de bate-papo considerados os mais humanos. Em cada competição, um juiz humano detém simultaneamente textos textuais baseados em computador interações com um algoritmo e um ser humano. Com base nas respostas, o juiz deve distinguir entre os dois. Algoritmos sofisticados têm até agora não conseguiram convencer os juízes sobre a sua semelhança humana. Isso é substitutos Probabilidade de Informatização Inteligência Social Máquina de lavar louça Evento Planejador Público Relações 0 100 Probabilidade de Informatização Criatividade Escrivão do Tribunal Biólogo Moda Designer 0 100 Probabilidade de Informatização Percepção e manipulação Operador de telemarketing Caldeireiro Cirurgião 0 100

Figura 1. Um esboço de como a probabilidade de informatização pode variar conforme

função de variáveis de gargalo em grande parte porque há muita informação de “senso comum” possuída por humanos, que é difícil de articular, que precisaria ser fornecido para algoritmos para que funcionem em ambientes sociais humanos.

Emulação de todo o cérebro, digitalização, mapeamento e digitalização de um cérebro humano, é uma abordagem possível para conseguir isso, mas atualmente está apenas uma tecnologia teórica. Para que a emulação cerebral se torne operacional, compreensão funcional adicional é necessária para reconhecer quais dados é relevante, bem como um roteiro de tecnologias necessárias para implementar isso. Embora esses roteiros existam, as estimativas de implementação atuais, sob certas suposições, sugerem que é improvável que a emulação do cérebro inteiro tornar-se operacional dentro da próxima década ou duas (Sandberg e Bostrom, 2008). No entanto, quando ou se o fizerem, o impacto no emprego será provavelmente ser vasto (Hanson, 2001).

Portanto, em suma, embora algoritmos sofisticados e desenvolvimentos em senhor, com base em big data, agora permite que muitas tarefas não rotineiras sejam realizadas ser automatizadas, ocupações que envolvem tarefas complexas de percepção e manipulação, tarefas de inteligência criativa e tarefas de inteligência social são dificilmente será substituído por capital informático durante a próxima década ou dois. A probabilidade de uma ocupação ser automatizada pode, portanto, ser descrita como uma função destas características da tarefa. Como sugerido pela Figura 1, o baixo grau de inteligência social exigido por uma máquina de lavar louça faz com que esta ocupação mais suscetível à informatização do que um especialista em relações públicas, por exemplo. Passamos a examinar a suscetibilidade dos empregos à informatização em função da tarefa não suscetível descrita acima características.

Figuras e tabelas preservadas do original

4.1 Fontes de dados e estratégia de implementação Para implementar a metodologia descrita acima, contamos com a o∗net, uma serviço online desenvolvido para o Departamento do Trabalho dos EUA. A versão 2010 da o∗net contém informações detalhadas sobre 903 ocupações, a maioria delas que correspondem estreitamente à Classificação Ocupacional Padrão (soc) do Departamento do Trabalho. Os dados da O∗net foram inicialmente coletados de analistas do mercado de trabalho, e desde então tem sido regularmente atualizado por pesquisas da população de trabalhadores de cada ocupação e especialistas relacionados, para fornecer informações atualizadas sobre profissões à medida que evoluem ao longo do tempo. Para o nosso propósitos, uma característica importante da o∗net é que ela define os principais recursos de uma ocupação como um conjunto padronizado e mensurável de variáveis, mas também fornece descrições abertas de tarefas específicas para cada ocupação. Isso nos permite: (a) classificar objetivamente as ocupações de acordo com a combinação de conhecimento, habilidades e habilidades que eles exigem; e (b) categorizar subjetivamente com base na variedade de tarefas que envolvem.

A estreita correspondência social da o∗net nos permite vincular características do emprego e do emprego do Bureau of Labor Statistics (bls) de 2010 dados salariais. Embora a classificação ocupacional o∗net seja um pouco mais detalhado, distinguindo entre Auditores e Contadores, por exemplo, agregamos essas ocupações para corresponder à sociedade de seis dígitos de 2010 sistema, para o qual são reportados valores de emprego e salários. Para obter variáveis ​​o∗net exclusivas correspondentes à classificação soc de seis dígitos, usamos a média do agregado o∗net. Além disso, excluímos qualquer ocupações sociais de seis dígitos para as quais faltavam dados on-line.20 Fazendo isso, terminamos com um conjunto de dados final composto por 702 ocupações. Para avaliar o impacto no emprego do desenvolvimento tecnológico descrito As ocupações faltantes consistem em títulos “Todas as Outras”, representando ocupações com uma ampla gama de características que não se enquadram em um dos detalhados o∗net-soc ocupações. os dados da Internet não estão disponíveis para este tipo de título. Notamos que nós o emprego para as 702 ocupações que consideramos é de 138,44 milhões. Daí a nossa análise excluíram 4,628 milhões de empregos, o equivalente a 3% do emprego total. opções em ml, o experimento ideal forneceria dois autárquicos idênticos economias que enfrentam a expansão das capacidades tecnológicas que observamos, e um declínio secular no preço da informatização, e o outro não.

Em comparação, seria simples examinar como a informatização remodela a composição ocupacional do mercado de trabalho. No ausência desta experiência, a segunda opção preferida seria construir na estratégia de implementação de Autor, et al. (2003), e testar um simples modelo econômico para prever como a demanda por tarefas no local de trabalho responde a desenvolvimentos em tecnologia ml e mr. No entanto, como nosso artigo é voltado para o futuro, no sentido de que a maioria dos desenvolvimentos tecnológicos descritos ainda não foram implementados em todos os setores em uma escala mais ampla, esta opção não estava disponível para nossos propósitos.

Em vez disso, a nossa estratégia de implementação baseia-se na literatura que examina a deslocalização de tarefas baseadas em informação para locais de trabalho estrangeiros, consistindo de diferentes metodologias para classificar e categorizar ocupações de acordo com sua suscetibilidade ao offshoring (Blinder, 2009; Jensen e Kletzer, 2005, 2010). O denominador comum desses estudos é que eles se baseiam em o∗net dados de diferentes maneiras. Enquanto Blinder (2009) olhou para a Internet dados sobre cada profissão, prestando especial atenção à descrição do trabalho, tarefas e atividades de trabalho, para atribuir um número índice reconhecidamente subjetivo de dois dígitos de offshorability para cada ocupação, Jensen e Kletzer (2005) criou uma classificação puramente objetiva baseada em padrões padronizados e mensuráveis variáveis ​​o∗líquidas. Ambas as abordagens têm desvantagens óbvias. Subjetivo os julgamentos muitas vezes não são replicáveis e podem resultar no pesquisador subconscientemente manipulando os dados para se conformarem a um determinado conjunto de crenças. Objetivo as classificações, por outro lado, não estão sujeitas a tais desvantagens, mas são limitado pela confiabilidade das variáveis que estão sendo utilizadas. Neste fase, deve-se notar que os dados da o∗net não foram coletados especificamente medir a deslocalização ou a automatização dos empregos. Assim, Blinder (2009) constata que tentativas anteriores de criar classificações objetivas de offshorability usando dados da Internet produziram alguns resultados questionáveis, classificando advogados e juízes entre as ocupações mais negociáveis, ao mesmo tempo em que classificam ocupações como digitadores de dados, operadoras de telefonia e funcionários de cobrança como virtualmente impossível mover-se para o exterior.

Para contornar algumas dessas desvantagens, combinamos e desenvolvemos as duas abordagens descritas. Primeiro, junto com um grupo de pesquisadores de ml, rotulamos subjetivamente 70 ocupações, atribuindo 1 se fosse automatizável e 0 se não fosse. Para nossas avaliações subjetivas, baseamo-nos um workshop realizado no Departamento de Ciências de Engenharia da Universidade de Oxford, examinando a automatização de uma ampla gama de tarefas. Nosso selo as atribuições foram baseadas na observação das tarefas da rede e na descrição do trabalho de cada ocupação. Esta informação é particular para cada profissão, pois em oposição à padronização em diferentes empregos. A rotulagem manual do ocupações foi feita respondendo à pergunta “As tarefas deste trabalho podem ser suficientemente especificado, condicionado à disponibilidade de big data, para ser realizadas por equipamentos controlados por computador de última geração”. Assim, nós atribuímos 1 apenas às ocupações totalmente automatizáveis, onde consideramos todas as tarefas sejam automatizáveis. Até onde sabemos, consideramos a possibilidade de simplificação de tarefas, possivelmente permitindo que alguns atualmente tarefas não automatizáveis a serem automatizadas. Os rótulos foram atribuídos apenas aos ocupações sobre as quais estávamos mais confiantes.

Em segundo lugar, usamos variáveis objetivas o∗net correspondentes ao definido gargalos à informatização. Mais especificamente, estamos interessados em variáveis que descrevem o nível de percepção e manipulação, criatividade, e inteligência social necessária para realizá-lo. Conforme relatado na Tabela 1, identificamos nove variáveis que descrevem esses atributos. Essas variáveis foram derivados da pesquisa o∗net, onde os respondentes recebem múltiplas escalas, com “importância” e “nível” como o par predominante. Nós confiar na classificação de “nível” que corresponde a exemplos específicos sobre as capacidades exigidas de equipamentos controlados por computador para executar o tarefas de uma ocupação. Por exemplo, em relação ao atributo “Destreza Manual”, baixo (nível) corresponde a “Parafusar uma lâmpada em uma luminária”. tomada”; médio (nível) é exemplificado por “Embale laranjas em caixas o mais rápido possível”; alto (nível) é descrito como “Realizar cirurgia de coração aberto com instrumentos cirúrgicos”. Isto nos dá uma indicação do nível de “destreza manual” que o equipamento controlado por computador exigiria para realizar um ocupação específica. Uma exceção é a variável “Espaço de trabalho apertado”, que mede a frequência do trabalho não estruturado.

Assim, em resumo, ao rotularmos manualmente as profissões, trabalhamos em torno do questão de que os dados da rede não foram coletados para medir especificamente a autoridade

Tabela 1. Variáveis o∗net que servem como indicadores de gargalos à informatização

Informatização gargalo o∗net Variável o∗net Descrição Percepção e Manipulação Dedo Destreza A capacidade de fazer movimentos precisamente coordenados com os dedos de uma ou ambas as mãos para agarrar, manipular ou montar objetos muito pequenos.

Manuais Destreza A capacidade de mover rapidamente sua mão, sua mão junto com seu braço, ou suas duas mãos para agarrar, manipular ou montar objetos.

Espaço de trabalho apertado, Posições estranhas Com que frequência este trabalho exige trabalhar em espaços de trabalho apertados que exigem entrar posições estranhas?

Criativo Inteligência Originalidade A capacidade de ter ideias incomuns ou inteligentes sobre um determinado tópico ou situação, ou para desenvolver formas criativas de resolver um problema. Artes Plásticas Conhecimento da teoria e das técnicas necessárias para compor, produzir e executar obras musicais, dança, artes visuais, teatro e escultura.

Sociais Inteligência Sociais Perspicácia Estar ciente das reações dos outros e compreender por que eles reagem daquela maneira. Negociação Reunir outras pessoas e tentar reconciliar diferenças.

Persuasão Persuadir outros a mudar de ideia ou comportamento.

Ajudar e Cuidar para outros Fornecer assistência pessoal, atendimento médico, apoio emocional ou outros cuidados pessoais para outras pessoas como colegas de trabalho, clientes ou pacientes. tomabilidade dos empregos de maneira semelhante a Blinder (2009). Além disso, mitigamos alguns dos preconceitos subjetivos mantidos pelos pesquisadores usando variáveis objetivas da rede para corrigir possíveis erros de rotulagem manual. O fato de rotularmos apenas 70 das 702 ocupações completas, selecionando aquelas ocupações cujo rótulo de informatização temos grande confiança, ainda mais reduz o risco de viés subjetivo que afeta nossa análise. Para desenvolver um algoritmo apropriado para esta tarefa, recorremos à classificação probabilística. 4.2 Método de classificação Começamos examinando a precisão de nossas avaliações subjetivas do automatização de 702 ocupações. Para classificação, desenvolvemos um algoritmo para fornecer o rótulo de probabilidade dado um vetor de variáveis. Na terminologia de classificação, as variáveis ​​o∗net formam uma vetor de características, denotado x ∈ R9 . o∗net, portanto, fornece um conjunto de dados completo de 702 desses vetores de recursos. Um rótulo informatizável é denominado classe, denotado y ∈ {0, 1}. Para o nosso problema, y = 1 (verdadeiro) implica que rotulamos como informatizável a ocupação descrita pelos nove associados variáveis o∗net contidas em x ∈ R9 . Nossos dados de treinamento são D = (X, y), onde X ∈ R70×9 é uma matriz de variáveis ​​e y ∈ {0, 1}70 fornece os rótulos associados. Este conjunto de dados contém informações sobre como y varia conforme uma função de x: como exemplo hipotético, pode ser o caso que, para todas as ocupações para as quais x1 > 50, y = 1. Uma classificação probabilística algoritmo explora padrões existentes em dados de treinamento para retornar a probabilidade P(y∗ = 1 | x∗, X, y) de um novo dado de teste não rotulado com recursos x∗ tendo rótulo de classe y∗ = 1.

Alcançamos a classificação probabilística introduzindo uma função latente f : x 7→ R, conhecida como função discriminante. Dado o valor do discriminante f∗ em um ponto de teste x∗, assumimos que a probabilidade para o rótulo de classe é dado pela logística (3) P(y∗ = 1 |f∗) = 1 + exp(−f∗) , e P(y∗ = 0 | f∗) = 1 − P(y∗ = 1 | f∗). Para f∗ > 0, y∗ = 1 é mais provável que y∗ = 0. Para nossa aplicação, f pode ser pensado em como uma variável de ‘automatização’ de valor contínuo: quanto maior o seu valor, maior maior a probabilidade de informatização.

Testamos três modelos diferentes para a função discriminante, f, usando o melhor desempenho para nossa análise posterior. Em primeiro lugar, logística (ou logit) regressão, que adota um modelo linear para f, f(x) = w⊺ x, onde o pesos desconhecidos w são frequentemente inferidos maximizando sua probabilidade à luz dos dados de treinamento. Este modelo simples implica necessariamente uma relação monotônica simples entre características e a probabilidade do classe assumindo um valor específico. Modelos mais ricos são fornecidos por Gaussian classificadores de processos (Rasmussen e Williams, 2006). Esse modelo de classificadores a função latente f com um processo gaussiano (gp): um processo não paramétrico distribuição de probabilidade sobre funções.

Um gp é definido como uma distribuição sobre as funções f : X → R tal que a distribuição sobre os valores possíveis da função em qualquer subconjunto finito de X (como X) é gaussiano multivariado. Para uma função f(x), o anterior distribuição sobre seus valores f em um subconjunto x ⊂ X são completamente especificados por uma matriz de covariância K p(f | K) = N (f; 0, K) = √ det 2πK exp - f⊺ K-1 f
. (4)

A matriz de covariância é gerada por uma função de covariância κ : X × X 7→ R; isto é, K = κ(X, X). O modelo gp é expresso pela escolha de κ; consideramos o exponenciado quadrático (exponencial ao quadrado) e racional quadrático. Observe que escolhemos uma função de média zero, codificando o suposição de que P(y∗ = 1) = 1 suficientemente longe dos dados de treinamento.

Dados os dados de treinamento D, usamos o gp para fazer previsões sobre o valores da função f∗ na entrada x∗. Com essas informações, temos as equações preditivas p(f∗ | x∗, D) = N f∗; m(f∗ | x∗, D), V (f∗ | x∗, D)
, (5) onde m(f∗ | x∗, D) = K(x∗, X)K(X, X)−1 sim (6)

V (f∗ | x∗, D) = K(x∗, x∗) − K(x∗, X)K(X, X)−1 K(X, x∗) . (7)

Inferir o rótulo posterior p(y∗ | x∗, D) é complicado pela não- Forma gaussiana da logística (3). Para efetuar a inferência, usamos o algoritmo aproximado de Propagação de Expectativa (Minka, 2001).

Testamos três classificadores de processos gaussianos usando a caixa de ferramentas gpml (Rasmussen e Nickisch, 2010) em nossos dados, construídos em torno de covariâncias quadráticas, quadráticas racionais e lineares. Observe que o último é equivalente à regressão logística com um prior gaussiano tomado no pesos w. Para validar esses classificadores, selecionamos aleatoriamente um número reduzido conjunto de treinamento com metade dos dados disponíveis D; os dados restantes formaram um teste definido. Neste conjunto de testes, avaliamos o quão próximas as classificações do algoritmo correspondiam aos rótulos das mãos de acordo com duas métricas (ver, por exemplo, Murphy (2012)): a área sob a curva característica de operação do receptor (auc), que é igual a um para um classificador perfeito e metade para um

Tabela 2. Desempenho de diversos classificadores; melhores performances em negrito

modelo classificador auc log-probabilidade quadrático exponenciado 0,894 −163,3 racional quadrático 0,893 −163,7 linear (regressão logit) 0,827 −205,0 classificador completamente aleatório e a probabilidade logarítmica, que idealmente deveria estar alto. Este experimento foi repetido para cem seleções aleatórias de conjunto de treinamento, e os resultados médios tabulados na Tabela 2. modelo quadrático exponenciado retorna (estreitamente) o melhor desempenho dos três (superando claramente o modelo linear correspondente à regressão logística) e, portanto, foi selecionado para o restante de nossos testes. Observe que sua pontuação auc de quase 0,9 representa uma classificação precisa: nosso algoritmo conseguiu reproduzir com sucesso nossos rótulos manuais especificando se uma ocupação era informatizável. Isto significa que o nosso algoritmo verificou que nossos julgamentos subjetivos foram sistematicamente e consistentemente relacionado com as variáveis o∗net.

Tendo validado a nossa abordagem, passamos a utilizar a classificação para prever a probabilidade de informatização para todas as 702 ocupações. Para isso Para o efeito, introduzimos uma nova variável de rótulo, z, que indica se uma profissão é verdadeiramente informatizável ou não: note que isto só pode ser julgado uma vez que uma profissão é informatizada, em algum ponto indeterminado do futuro. Tomamos, novamente, uma probabilidade logística, (8) P(z∗ = 1 |f∗) = 1 + exp(−f∗) .

Assumimos implicitamente que nosso rótulo manual, y, é uma versão corrompida por ruído do rótulo verdadeiro desconhecido, z. Nossa motivação é que nossas etiquetas manuais de a informatização deve necessariamente ser tratada como medições ruidosas. Reconhecemos, portanto, que não é de forma alguma certo que um trabalho seja informatizável, dada a nossa rotulagem. Definimos X∗ ∈ R702×9 como a matriz de o∗net variáveis para todas as 702 ocupações; esta matriz representa nossos recursos de teste. Realizamos um experimento final no qual, dados os dados de treinamento D, consistindo em nossas 70 ocupações rotuladas manualmente, pretendemos prever z∗ para nosso Probabilidade de Informatização Apertado trabalho espaço Probabilidade de Informatização Dedo destreza Probabilidade de Informatização Manuais destreza Probabilidade de Informatização Originalidade Probabilidade de Informatização Tudo bem artes Probabilidade de Informatização Sociais percepção Probabilidade de Informatização Negociação Probabilidade de Informatização Persuasão Probabilidade de Informatização Ajudando e cuidar para outros 0 0,5 1 0 0,5 1 0 0,5 1 0 0,5 1 0 0,5 1 0 0,5 1 0 0,5 1 0 0,5 1 0 0,5 1

Figura 2. Distribuição das variáveis ocupacionais em função da probabilidade de

informatização; cada ocupação é um ponto único recursos de teste X∗. Esta abordagem nos permite, em primeiro lugar, usar os recursos de as 70 ocupações sobre as quais temos mais certeza de prever para o restantes 632. Além disso, nosso algoritmo usa as tendências e padrões que aprendeu com dados em massa a corrigir o que provavelmente está errado rótulos. Mais precisamente, o algoritmo fornece uma avaliação probabilística de automatização que varia suavemente em função das variáveis. Para nosso classificador de processo gaussiano, esta função é não linear, o que significa que adapta-se com flexibilidade aos padrões inerentes aos dados de treinamento. Nossa abordagem permite assim interações mais complexas e não lineares entre variáveis: por exemplo, talvez uma variável não seja importante, a menos que o valor de outra variável é suficientemente grande. Relatamos P(z∗ | X∗, D) como a probabilidade de informatização daqui em diante (para uma classificação de probabilidade detalhada, veja o Apêndice). A Figura 2 ilustra que esta probabilidade é não linear relacionadas às nove variáveis o∗net selecionadas.

Figuras e tabelas preservadas do original

Nesta secção, examinamos a possível extensão futura da informatização dos empregos de risco e os resultados relacionados no mercado de trabalho. O modelo de tarefa prevê que a evolução recente do ml reduzirá a procura agregada de mão-de-obra entrada em tarefas que podem ser rotinizadas por meio de reconhecimento de padrões, enquanto aumentando a procura de mão-de-obra que execute tarefas não susceptíveis de informatização. No entanto, não fazemos nenhuma tentativa de prever o futuro mudanças na composição ocupacional do mercado de trabalho. Enquanto o As projeções de emprego ocupacional do bls para 2010-2020 prevêem o crescimento líquido do emprego nas principais ocupações, com base no histórico de pessoal padrões, especulamos sobre a tecnologia que está apenas nos estágios iniciais de desenvolvimento. Isto significa que os dados históricos sobre o impacto dos desenvolvimentos tecnológicos que observamos não estão disponíveis.21 Portanto nos concentramos em o impacto da informatização no mix de empregos que existia em 2010. Nosso a análise limita-se, portanto, ao efeito de substituição da informatização futura. Passando primeiro ao impacto esperado no emprego, relatado na Figura Deve-se notar que as projeções bls são baseadas no que pode ser chamado de mudanças no progresso tecnológico normal, e não em quaisquer tecnologias inovadoras isso pode ser visto como conjectural.

Transporte e movimentação de materiais Produção Instalação, manutenção e reparo Construção e Extração Agricultura, Pesca e Silvicultura Escritório e Apoio Administrativo Vendas e Relacionados Serviço Profissionais e Técnicos de Saúde Educação, Jurídico, Serviço Comunitário, Artes e Mídia Computação, Engenharia e Ciência Gestão, Negócios e Finanças Emprego Probabilidade de informatização 47% Emprego ← - - − Alto − - - → 19% Emprego ← - - − Médio − - - → 33% Emprego ← - - − Baixo − - - → 0 0,2 0,4 0,6 0,8 1 0M 100 milhões 200 milhões 300 milhões 400 milhões

Figura 3. A distribuição do emprego ocupacional bls 2010 ao longo do

probabilidade de informatização, juntamente com a participação em baixa, média e alta categorias de probabilidade. Observe que a área total sob todas as curvas é igual ao total de nós emprego.

3, distinguimos entre ocupações de alto, médio e baixo risco, dependendo da sua probabilidade de informatização (limiar nas probabilidades de 0,7 e 0,3). De acordo com a nossa estimativa, 47 por cento do emprego total nos EUA está na categoria de alto risco, o que significa que as profissões associadas são potencialmente automatizável ao longo de um número indeterminado de anos, talvez uma década ou duas. Deve-se notar que o eixo de probabilidade pode ser visto como um cronograma aproximado, onde ocupações de alta probabilidade provavelmente serão substituído pelo capital informático relativamente em breve. Nas próximas décadas, a extensão da informatização será determinada pelo ritmo em que o Os gargalos de engenharia descritos acima para a automação podem ser superados. Vistas desta perspectiva, nossas descobertas poderiam ser interpretadas como duas ondas da informatização, separados por um “platô tecnológico”. No primeiro onda, descobrimos que a maioria dos trabalhadores em ocupações de transporte e logística, juntamente com a maior parte dos trabalhadores de escritório e de apoio administrativo, e o trabalho nas ocupações de produção, serão provavelmente substituídos por capital informático. Como os carros informatizados já estão sendo desenvolvidos e o O declínio do custo dos sensores faz com que os veículos sejam aumentados com sensores avançados cada vez mais rentável, a automatização do transporte e da logística ocupações está em linha com os desenvolvimentos tecnológicos documentados em a literatura. Além disso, os algoritmos para big data já estão sendo rapidamente entrar em domínios que dependem de armazenamento ou acesso a informações, tornando-as igualmente intuitivo que as ocupações de escritório e de apoio administrativo estar sujeito à informatização. A informatização das ocupações produtivas sugere simplesmente a continuação de uma tendência que tem sido observada nas últimas décadas, com robôs industriais assumindo tarefas rotineiras da maioria dos operários da indústria. À medida que os robôs industriais se tornam mais avançados, com sentidos e destreza aprimorados, eles serão capazes de executar um escopo mais amplo de tarefas manuais não rotineiras. De um ponto de vista tecnológico do ponto de vista das capacidades, o vasto restante do emprego na produção portanto, é provável que o número de ocupações diminua nas próximas décadas. Mais surpreendente, à primeira vista, é que uma parte substancial do emprego em serviços, vendas e ocupações de construção apresentam altas probabilidades da informatização. No entanto, estas descobertas estão amplamente alinhadas com os recentes desenvolvimentos tecnológicos documentados. Primeiro, o mercado de bens pessoais e robôs de serviços domésticos já estão crescendo cerca de 20% ao ano (MGI, 2013). Como a vantagem comparativa do trabalho humano em tarefas que envolvem mobilidade e destreza diminuirá ao longo do tempo, o ritmo do trabalho a substituição nas profissões de serviços deverá aumentar ainda mais. Em segundo lugar, embora pareça contraintuitivo que as profissões de vendas, que provavelmente exigir um alto grau de inteligência social, estará sujeito a uma onda de informatização num futuro próximo, as ocupações de vendas de alto risco incluem, por por exemplo, caixas, balcões, balconistas e operadores de telemarketing. Embora essas ocupações envolvem tarefas interativas, elas não exigem necessariamente um alto grau de inteligência social. O nosso modelo parece, portanto, funcionar bem na distinção entre ocupações individuais dentro de categorias profissionais. Terceiro, a pré-fabricação permitirá que uma parcela crescente dos trabalhos de construção seja realizada ser realizadas sob condições controladas nas fábricas, o que elimina parcialmente a variabilidade das tarefas. Esta tendência provavelmente impulsionará a informatização do trabalho de construção.

Em suma, as nossas descobertas sugerem que os desenvolvimentos recentes no ml colocarão uma parte substancial do emprego, numa vasta gama de profissões, em risco num futuro próximo. De acordo com as nossas estimativas, no entanto, esta onda de automação será seguida por uma desaceleração subsequente nos computadores para substituição de mão de obra, devido à persistência de gargalos inibidores de engenharia para informatização. O ritmo relativamente lento da informatização em todo o categoria de emprego de risco médio pode, portanto, ser parcialmente interpretada como uma platô tecnológico, com melhorias tecnológicas incrementais permitindo sucessivamente maior substituição de mão de obra. Mais especificamente, a informatização das profissões da categoria de médio risco dependerá principalmente sobre desafios de percepção e manipulação. Isso é evidente na Tabela III, mostrando que a “destreza manual”, a “destreza dos dedos” e a “destreza variáveis do espaço de trabalho” apresentam valores relativamente elevados no médio risco categoria. Na verdade, mesmo com os recentes desenvolvimentos tecnológicos, permitindo para um reconhecimento de padrões mais sofisticado, o trabalho humano ainda terá uma vantagem comparativa em tarefas que exigem percepção e manipulação. No entanto, com melhorias tecnológicas incrementais, a vantagem comparativa do trabalho humano em tarefas de percepção e manipulação poderá eventualmente diminuir. Isto exigirá uma reestruturação inovadora de tarefas, melhorias nas abordagens de ml para desafios de percepção e progresso em destreza robótica para superar problemas de manipulação relacionados à variação

Tabela 3. Distribuição (média e desvio padrão) dos valores de cada variável

Probabilidade Variável de Informatização Baixo Médio Alto Ajudar e cuidar dos outros 48±20 41±17 34±10 Persuasão 48±7,1 35±9,8 32±7,8 Negociação 44±7,6 33±9,3 30±8,9 Perspicácia social 51±7,9 41±7,4 37±5,5 Artes Plásticas 12±20 3,5±12 1,3±5,5 Originalidade 51±6,5 35±12 32±5,6 Destreza manual 22±18 34±15 36±14 Destreza dos dedos 36±10 39±10 40±10 Espaço de trabalho apertado 19±15 37±26 31±20 entre iterações de tarefas e o tratamento de objetos irregulares. A informatização gradual das ocupações de instalação, manutenção e reparo, que estão em grande parte confinados à categoria de risco médio e exigem um alto grau de capacidade de percepção e manipulação, é uma manifestação de esta observação.

Nosso modelo prevê que a segunda onda de informatização afetará principalmente dependem da superação dos gargalos de engenharia relacionados à criatividade e inteligência social. Conforme relatado na Tabela 3, as “artes plásticas”, “originalidade”, As variáveis “negociação”, “persuasão”, “percepção social” e “ajudar e cuidar dos outros” exibem todas valores relativamente altos nas variáveis de baixo risco. categoria. Em contrapartida, notamos que as variáveis ​​“destreza manual”, “destreza dos dedos” e “espaço de trabalho apertado” assumem valores relativamente baixos. Portanto, em suma, ocupações generalistas que exigem conhecimento de heurística humana, e ocupações especializadas que envolvem o desenvolvimento de novas ideias e artefatos, são os menos suscetíveis à informatização. Como um protótipo exemplo de trabalho generalista que exige um alto grau de inteligência social, considere as tarefas externas relatadas aos executivos-chefes, envolvendo “conferências com membros do conselho, funcionários da organização ou membros da equipe para discutir questões, coordenar atividades ou resolver problemas” e “negociar ou aprovar contratos ou acordos.” Nossas previsões são, portanto, intuitivas na maioria das ocupações de gestão, negócios e finanças, que são intensivos em tarefas generalistas que exigem inteligência social, são em grande parte multado na categoria de baixo risco. O mesmo se aplica à maioria das profissões em educação, saúde, bem como empregos em artes e mídia. As tarefas off-net dos atores, por exemplo, envolvem “realizar interpretações humorísticas e sérias de emoções, ações e situações, usando movimentos corporais, faciais expressões e gestos” e “aprender sobre personagens em roteiros e seus relacionamentos entre si, a fim de desenvolver interpretações de papéis”. Embora estas tarefas sejam muito diferentes das de um executivo-chefe, elas exigem igualmente um conhecimento profundo da heurística humana, o que implica que um uma ampla gama de tarefas, envolvendo inteligência social, provavelmente não se tornarão sujeito à informatização num futuro próximo.

A baixa susceptibilidade das profissões de engenharia e ciências à informatização, por outro lado, deve-se em grande parte ao elevado grau de criatividade inteligência que eles exigem. As tarefas externas dos matemáticos, por exemplo, envolvem “desenvolver novos princípios e novas relações entre princípios matemáticos existentes para o avanço da ciência matemática” e “realizando pesquisas para ampliar o conhecimento matemático em áreas tradicionais, como álgebra, geometria, probabilidade e lógica.” Portanto, embora seja evidente que os computadores estão a entrar nos domínios da ciência e da engenharia, as nossas previsões sugerem implicitamente fortes complementaridades entre computadores e trabalho em ciências criativas e ocupações de engenharia; embora seja possível que os computadores substituam totalmente os trabalhadores em essas ocupações no longo prazo. Notamos que as previsões de nossos modelo estão surpreendentemente alinhados com as tendências tecnológicas que observamos no automação do trabalho do conhecimento, mesmo dentro de categorias ocupacionais. Para Por exemplo, descobrimos que paralegais e assistentes jurídicos – para os quais os computadores já substituto – na categoria de alto risco. Ao mesmo tempo, advogados, que dependem da mão-de-obra de assistentes jurídicos, estão na categoria de baixo risco. Assim, para que o trabalho dos advogados seja totalmente automatizado, a engenharia os gargalos à inteligência criativa e social precisarão ser superados, implicando que a informatização da pesquisa jurídica complementará o trabalho dos advogados a médio prazo.

Para completar o quadro do que é provável o progresso tecnológico recente significar para o futuro do emprego, traçamos o salário médio médio de ocupações pela sua probabilidade de informatização. Fazemos o mesmo para nível de qualificação, medido pela fração de trabalhadores que obtiveram o diploma de bacharel Média mediana salário (usd)

Probabilidade de informatização 0 0,5 1 20 mil 40 mil 60 mil 80 mil não ponderado média ponderado por emprego Bacharelado grau ou melhor Probabilidade de informatização 0 0,5 1 0% 20% 40% 60%

Figura 4. Salário e escolaridade em função da probabilidade de

informatização; observe que ambos os gráficos compartilham uma lenda. grau, ou nível de escolaridade superior, dentro de cada ocupação. Figura A Figura 4 revela que tanto os salários como o nível de escolaridade apresentam uma forte relação negativa com a probabilidade de informatização. Notamos que esta previsão implica um truncamento na tendência actual para o trabalho polarização do mercado, com emprego crescente em profissões com salários elevados e baixos, acompanhado por um esvaziamento de empregos de rendimento médio. Em vez disso do que reduzir a demanda por ocupações de renda média, que tem sido seguindo o padrão das últimas décadas, nosso modelo prevê que a informatização substituirá principalmente empregos pouco qualificados e de baixos salários num futuro próximo. Em contrapartida, as profissões altamente qualificadas e com salários elevados são as menos suscetíveis ao capital computacional.

Nossas descobertas foram robustas à escolha das 70 ocupações que formaram nossos dados de treinamento. Isto foi confirmado pelos resultados experimentais tabulados na Tabela 2: um classificador gp treinado em metade dos dados de treinamento foi comprovadamente capaz de prever com precisão os rótulos da outra metade, ao longo cem partições diferentes. Que essas previsões são precisas para muitas partições possíveis do conjunto de treinamento sugere que é improvável que pequenas modificações neste conjunto levem a resultados substancialmente diferentes em todo o conjunto de dados.

5.1 Limitações Deve-se notar que nossas previsões são baseadas na expansão das instalações sobre as tarefas que se pode esperar que o equipamento controlado por computador executar. Portanto, nos concentramos em estimar a parcela de emprego que pode potencialmente ser substituído pelo capital informático, de um ponto de vista tecnológico ponto de vista das capacidades, durante um número indeterminado de anos. Nós fazemos nenhuma tentativa de estimar quantos trabalhos serão realmente automatizados. O a extensão e o ritmo reais da informatização dependerão de vários fatores que ficaram sem explicação.

Em primeiro lugar, as invenções que poupam mão-de-obra só podem ser adoptadas se o acesso a a mão-de-obra barata é escassa ou os preços do capital são relativamente altos (Habacuque, 1962).22

Não levamos em conta os futuros níveis salariais, preços de capital ou trabalho escassez. Embora estes fatores tenham impacto no cronograma das nossas previsões, o trabalho é o fator escasso, o que implica que, no longo prazo, os níveis salariais aumentará em relação aos preços de capital, tornando a informatização cada vez mais rentável (ver, por exemplo, Acemoglu, 2003).

Em segundo lugar, as preocupações regulamentares e o activismo político podem abrandar o processo de informatização. Os estados da Califórnia e Nevada são, por por exemplo, atualmente em processo de introdução de alterações legislativas para permitir para carros sem motorista. Serão necessárias medidas semelhantes em outros estados, e em relação a diversas tecnologias. A extensão e o ritmo da implementação legislativa podem, além disso, estar relacionados com a aceitação pública do progresso tecnológico.23 Embora a resistência ao progresso tecnológico tenha aparentemente menos comum desde a Revolução Industrial, há exemplos recentes de resistência à mudança tecnológica.24

Evitamos fazer previsões sobre o processo legislativo e a aceitação pública de Por exemplo, as evidências de estudos de caso sugerem que a mecanização no século XVIII a produção de algodão inicialmente só ocorreu na Grã-Bretanha porque os níveis salariais eram muito relativamente aos preços do capital do que noutros países (Allen, 2009b). Além disso, pesquisas empíricas recentes revelam uma relação causal entre o acesso a produtos baratos trabalho e mecanização na produção agrícola, em termos de economia sustentada transição para uma maior mecanização em áreas caracterizadas por trabalhadores com baixos salários emigração (Hornbeck e Naidu, 2013).

Por exemplo, William Huskisson, antigo ministro e membro do Parlamento por Liverpool, foi morto por uma locomotiva a vapor durante a abertura do Liverpool e Ferrovia de Manchester. No entanto, este incidente bem divulgado fez tudo menos dissuadir o público da tecnologia de transporte ferroviário. Por outro lado, a tecnologia dos dirigíveis é amplamente reconhecida como tendo sido abandonada popularmente como consequência da a reportagem do desastre de Hindenburg.

A Uber, uma empresa iniciante que conecta passageiros a motoristas de veículos de luxo, enfrentou recentemente pressão de reguladores locais, decorrentes de tensões com táxis serviços. Além disso, em 2011, o governo do Reino Unido descartou um projecto de 12,7 mil milhões de libras esterlinas introduzir registros eletrônicos de pacientes após resistência dos médicos. progresso tecnológico e, portanto, o ritmo da informatização.

Terceiro, fazer previsões sobre o progresso tecnológico é notoriamente difícil (Armstrong e Sotala, 2012).25

Por esta razão, nos concentramos em avanços tecnológicos de curto prazo em ml e mr, e evitamos fazer qualquer previsões sobre o número de anos que pode levar para superar vários gargalos de engenharia à informatização. Por fim, enfatizamos que uma vez que nossas estimativas de probabilidade descrevem a probabilidade de uma ocupação sendo totalmente automatizado, não capturamos nenhuma variação dentro da ocupação resultante da informatização de tarefas que simplesmente libera tempo para trabalho humano para realizar outras tarefas. Embora seja claro que o impacto dos ganhos de produtividade no emprego variará entre profissões e indústrias, não fazemos nenhuma tentativa de examinar tais efeitos.

Figuras e tabelas preservadas do original

Embora a informatização tenha sido historicamente confinada a tarefas rotineiras que envolvem atividades explícitas baseadas em regras (Autor, et al., 2003; Goos, et al., 2009; Autor e Dorn, 2013), algoritmos para big data estão entrando rapidamente domínios que dependem do reconhecimento de padrões e podem facilmente substituir trabalhar em uma ampla gama de tarefas cognitivas não rotineiras (Brynjolfsson e McAfee, 2011; MGI, 2013). Além disso, os robôs avançados estão ganhando sentidos e destreza aprimorados, o que lhes permite realizar uma gama mais ampla de tarefas. tarefas manuais (IFR, 2012b; Robotics-VO, 2013; MGI, 2013). Isto é provável para mudar a natureza do trabalho em todos os setores e profissões.

Neste artigo, perguntamos: quão suscetíveis são os empregos atuais à esses desenvolvimentos tecnológicos? Para avaliar isso, implementamos um novo metodologia para estimar a probabilidade de informatização para 702 ocupações detalhadas. Com base nestas estimativas, examinamos os impactos esperados da informatização futura nos resultados do mercado de trabalho, com o objetivo principal de analisar o número de empregos em risco e a relação entre a probabilidade de informatização de uma profissão, os salários e o nível de escolaridade. Marvin Minsky afirmou em 1970 que “dentro de três a oito anos, terá uma máquina com a inteligência geral de um ser humano médio”. Isto a previsão ainda não se concretizou.

Distinguimos entre profissões de alto, médio e baixo risco, dependendo da sua probabilidade de informatização. Não fazemos nenhuma tentativa de estimar o número de trabalhos que serão realmente automatizados e focar na potencial automatização do trabalho ao longo de um número indeterminado de anos. De acordo com as nossas estimativas, cerca de 47 por cento do emprego total nos EUA é na categoria de alto risco. Referimo-nos a estes como empregos em risco – ou seja, empregos que esperamos que possa ser automatizado relativamente em breve, talvez durante a próxima década ou dois.

Nosso modelo prevê que a maioria dos trabalhadores em transporte e logística ocupações, juntamente com a maior parte do escritório e apoio administrativo os trabalhadores e o trabalho nas ocupações de produção estão em risco. Estas descobertas são consistentes com os recentes desenvolvimentos tecnológicos documentados em a literatura. Mais surpreendentemente, descobrimos que uma parcela substancial do emprego em profissões de serviços, onde ocorreu a maior parte do crescimento do emprego nos EUA nas últimas décadas (Autor e Dorn, 2013), são altamente suscetíveis a informatização. Apoio adicional para esta conclusão é fornecido pelo crescimento recente no mercado de robôs de serviço (MGI, 2013) e a diminuição gradual da vantagem comparativa do trabalho humano em tarefas envolvendo mobilidade e destreza (Robotics-VO, 2013).

Finalmente, fornecemos evidências de que os salários e o nível de escolaridade apresentam uma forte relação negativa com a probabilidade de informatização. Notamos que esta constatação implica uma descontinuidade entre o XIX, XX e XXI, no impacto do aprofundamento do capital na procura relativa de mão-de-obra qualificada. Enquanto décimo nono tecnologias de fabricação do século substituíram em grande parte mão de obra qualificada através da simplificação de tarefas (Braverman, 1974; Hounshell, 1985; James e Skinner, 1985; Goldin e Katz, 1998), a Revolução Informática do século XX causou um esvaziamento da renda média empregos (Goos, et al., 2009; Autor e Dorn, 2013). Nosso modelo prevê uma truncamento da actual tendência para a polarização do mercado de trabalho, com a informatização está principalmente confinada a profissões pouco qualificadas e com baixos salários. Nossas descobertas implicam, portanto, que à medida que a tecnologia avança, as pessoas com baixa qualificação os trabalhadores serão realocados para tarefas não suscetíveis à informatização – ou seja, tarefas que exigem inteligência criativa e social. Para que os trabalhadores ganhem durante a corrida, contudo, terão de adquirir competências criativas e sociais.