Crédito da Imagem: Andy Kelly on Unsplash
Qual será o futuro dos empregos? De muitas maneiras, o COVID-19 simplesmente acelerou as tendências que já estavam em andamento. O futuro dos empregos é tão humano quanto uma história de IA e máquinas. Temos que encontrar maneiras de capturar o conhecimento dentro das mentes das melhores pessoas em nossas organizações, bem como aumentar a força de trabalho com automação e computação.
| Audio | |
|---|---|
Normal | Slow |
| English Transcript | Tradução |
| What's starting to happen is that people are realising in this age of automation, we need to double down on human capital. | O que está começando a acontecer é que as pessoas estão percebendo, nesta era de automação, que precisamos dobrar a aposta no capital humano. |
| We need to actually get people together, empower them to work on disruptive original ideas in kind of old school ways. | Precisamos realmente reunir as pessoas, capacitá-las para trabalhar em ideias originais inovadoras, como fazíamos antigamente. |
| And I kind of think of this as talent patterns. | E eu meio que penso nisso como padrões de talento. |
| What are the patterns of your best people? | Quais são os padrões de suas melhores pessoas? |
| How well do you understand where the best ideas come from in your organisation, in your teams? | Você entende bem de onde vêm as melhores ideias em sua organização, em suas equipes? |
| Do you risk losing those when people leave? | Você corre o risco de perdê-los quando as pessoas vão embora? |
| Do you know something like, in America, 10,000 baby boomers retire every single day. | Você sabe, na América, 10.000 baby boomers se aposentam todos os dias. |
| That's 10,000 people with 30 or 40 years of accumulated experience, knowledge, talent that isn't saved in a PDF or a PowerPoint, you know, it's not codified in any meaningful way. | São 10.000 pessoas com 30 ou 40 anos de experiência acumulada, conhecimento, talento que não é salvo em um PDF ou PowerPoint, você sabe, não está codificado de nenhuma forma significativa. |
| These are exactly the kinds of people, when they leave your partnership, they leave your organisation, you've got to find a way of taking those knowledge and relationships and, I don't know, training machine learning algorithms with it. | Esse é exatamente o tipo de pessoa, quando sai da sua parceria, sai da sua organização, você tem que encontrar uma maneira de pegar esses conhecimentos e relacionamentos e, não sei, treinar algoritmos de aprendizado de máquina com eles. |
| Because if you let that leave, you're literally letting value and intellectual property leave your organisation. | Porque se você deixá-los ir embora, estará literalmente deixando o valor e a propriedade intelectual deixarem sua organização. |
| That's really where the next wave of productivity is gonna come from, from humans, not machines. | É realmente daí que virá a próxima onda de produtividade, dos humanos, não das máquinas. |
| In the next 10 years, there's going to be professions, and jobs, and roles in your organisation, which have never existed before in history. | Nos próximos 10 anos, haverá profissões, empregos e funções em sua organização, que nunca existiram antes na história. |
| We don't even know what we're hiring for, but you know that there's a mindset of a person who's gonna be able to adapt to that new position or situation. | Nem sabemos para que estamos contratando, mas você sabe que existe uma mentalidade de quem vai conseguir se adaptar a essa nova posição ou situação. |
| I'll give you a simple example, astronomy, right? | Vou te dar um exemplo simples, astronomia, certo? |
| This is being totally changed with data at the moment and artificial intelligence. | Isso está sendo totalmente alterado com os dados do momento e inteligência artificial. |
| I mean the Kepler mission was sort of a new telescope, which was designed to see the universe with data. | Quero dizer, a missão Kepler era uma espécie de novo telescópio, que foi projetado para ver o universo com dados. |
| But the problem is, this generated a hell of a lot of data, more than any human could handle. | Mas o problema é que isso gerou uma grande quantidade de dados, mais do que qualquer ser humano poderia lidar. |
| And interestingly, you know, just recently there was this engineer at Google called Chris Shallue and he was in the machine learning team, and he was hunting around for an application of where Google servers could transform a job. | E, curiosamente, você sabe, recentemente havia um engenheiro no Google chamado Chris Shallue e ele estava na equipe de aprendizado de máquina e estava procurando por um aplicativo em que os servidores do Google pudessem fazer a diferença. |
| And he came across this guy called Andrew Vanderburg, who I interviewed, who's at the University of Texas in Austin. | E ele encontrou um cara chamado Andrew Vanderburg, que entrevistei, que está na Universidade do Texas em Austin. |
| And he was focused on finding exoplanets, which are, essentially other planets that surround a star like our own, but not in our solar system. | E ele estava focado em encontrar exoplanetas, que são, essencialmente, outros planetas que circundam uma estrela como a nossa, mas não em nosso sistema solar. |
| And he thought, "Well, maybe there is all this data "that could be better analysed by a machine learning algorithm. | E ele pensou: "Bem, talvez haja todos esses dados" que poderiam ser melhor analisados por um algoritmo de aprendizado de máquina. |
| So they worked together. | Então, eles trabalharam juntos. |
| They trained a machine learning algorithm to essentially go through all of the data, that's, kind of, a job that a human astronomer used to do, and as a result of this, they managed to discover planets, which had been completely missed. | Eles treinaram um algoritmo de aprendizado de máquina para essencialmente percorrer todos os dados, que é, uma espécie de trabalho que um astrônomo humano costumava fazer, e como resultado disso, eles conseguiram descobrir planetas, que haviam sido completamente ignorados. |
| You see, the future of astronomy is actually computational astronomy. | Veja, o futuro da astronomia é, na verdade, astronomia computacional. |
| The future of your profession will also be algorithmic, and computational, and driven by data. | O futuro de sua profissão também será algorítmico e computacional e orientado por dados. |
| That doesn't mean humans are not important, but it means their responsibilities, their capabilities, their mindset will also have to change. | Isso não significa que os humanos não sejam importantes, mas significa que suas responsabilidades, suas capacidades, sua mentalidade também terão que mudar. |
| There's no doubt in the next few years, that productivity is really gonna be a story of automation. | Não há dúvida de que nos próximos anos a produtividade realmente será uma história de automação. |
| Both you and your clients, I'm sure, are exploring robotic process automation, the use of machines and algorithms to transform what you do. | Tenho certeza de que você e seus clientes estão explorando a automação de processos robóticos, o uso de máquinas e algoritmos para transformar o que você faz. |
| But this is just the start of the story, because we're gonna get to the point where, if something can be automated, it will be automated, but then what? | Mas este é apenas o começo da história, porque vamos chegar ao ponto em que, se algo pode ser automatizado, será automatizado, mas e daí? |
| What's gonna separate, your organisation from anyone else? | O que vai separar sua organização de qualquer outra pessoa? |
| And that's really where human beings come in. | E é aí que realmente entram os seres humanos. |
Contagem de Palavras
A tabela abaixo exibe as palavras encontradas neste vídeo bem como o número de vezes em que aparecem.
| Freq. | Palavra | Freq. | Palavra | Freq. | Palavra |
|---|---|---|---|---|---|
| 23 | of | 19 | the | 19 | and |
| 17 | a | 15 | to | 15 | in |
| 11 | you | 10 | your | 10 | that |
| 9 | this | 8 | is | 7 | be |
| 6 | was | 6 | people | 6 | know |
| 6 | data | 6 | but | 6 | are |
| 5 | where | 5 | they | 5 | organisation |
| 5 | leave | 5 | he | 5 | gonna |
| 5 | do | 4 | with | 4 | which |
| 4 | what | 4 | that's | 4 | not |
| 4 | machine | 4 | learning | 4 | I |
| 4 | human | 4 | from | 3 | years |
| 3 | will | 3 | we | 3 | there's |
| 3 | their | 3 | really | 3 | or |
| 3 | on | 3 | next | 3 | kind |
| 3 | it | 3 | could | 3 | come |
| 3 | automation | 3 | at | 3 | astronomy |
| 2 | who's | 2 | when | 2 | what's |
| 2 | we're | 2 | well | 2 | way |
| 2 | transform | 2 | together | 2 | those |
| 2 | there | 2 | talent | 2 | story |
| 2 | something | 2 | see | 2 | productivity |
| 2 | planets | 2 | patterns | 2 | our |
| 2 | new | 2 | need | 2 | mindset |
| 2 | mean | 2 | machines | 2 | like |
| 2 | knowledge | 2 | just | 2 | job |
| 2 | if | 2 | ideas | 2 | humans |
| 2 | have | 2 | 2 | get | |
| 2 | future | 2 | for | 2 | essentially |
| 2 | don't | 2 | computational | 2 | called |
| 2 | by | 2 | best | 2 | because |
| 2 | automated | 2 | as | 2 | any |
| 2 | also | 2 | all | 2 | algorithms |
| 2 | algorithm | 2 | actually | 1 | you've |
| 1 | you're | 1 | worked | 1 | work |
| 1 | who | 1 | ways | 1 | wave |
| 1 | vanderburg | 1 | value | 1 | used |
| 1 | use | 1 | university | 1 | universe |
| 1 | understand | 1 | training | 1 | trained |
| 1 | totally | 1 | through | 1 | thought |
| 1 | think | 1 | these | 1 | then |
| 1 | them | 1 | than | 1 | texas |
| 1 | telescope | 1 | teams | 1 | team |
| 1 | taking | 1 | system | 1 | surround |
| 1 | sure | 1 | starting | 1 | start |
| 1 | star | 1 | sort | 1 | solar |
| 1 | so | 1 | situation | 1 | single |
| 1 | simple | 1 | shallue | 1 | servers |
| 1 | separate | 1 | school | 1 | saved |
| 1 | roles | 1 | robotic | 1 | risk |
| 1 | right | 1 | retire | 1 | result |
| 1 | responsibilities | 1 | relationships | 1 | recently |
| 1 | realising | 1 | property | 1 | professions |
| 1 | profession | 1 | process | 1 | problem |
| 1 | powerpoint | 1 | position | 1 | point |
| 1 | person | 1 | 1 | partnership | |
| 1 | own | 1 | other | 1 | original |
| 1 | old | 1 | no | 1 | never |
| 1 | more | 1 | moment | 1 | mission |
| 1 | missed | 1 | means | 1 | meaningful |
| 1 | maybe | 1 | managed | 1 | lot |
| 1 | losing | 1 | literally | 1 | letting |
| 1 | let | 1 | kinds | 1 | kepler |
| 1 | jobs | 1 | it's | 1 | isn't |
| 1 | interviewed | 1 | interestingly | 1 | intelligence |
| 1 | intellectual | 1 | important | 1 | I'm |
| 1 | I'll | 1 | hunting | 1 | how |
| 1 | history | 1 | hiring | 1 | hell |
| 1 | happen | 1 | handle | 1 | had |
| 1 | guy | 1 | got | 1 | going |
| 1 | go | 1 | give | 1 | generated |
| 1 | focused | 1 | finding | 1 | find |
| 1 | few | 1 | exploring | 1 | experience |
| 1 | exoplanets | 1 | existed | 1 | example |
| 1 | exactly | 1 | every | 1 | even |
| 1 | engineer | 1 | empower | 1 | else |
| 1 | driven | 1 | down | 1 | doubt |
| 1 | double | 1 | doesn't | 1 | disruptive |
| 1 | discover | 1 | designed | 1 | day |
| 1 | completely | 1 | codified | 1 | clients |
| 1 | chris | 1 | changed | 1 | change |
| 1 | capital | 1 | capabilities | 1 | can |
| 1 | came | 1 | both | 1 | boomers |
| 1 | better | 1 | beings | 1 | being |
| 1 | before | 1 | been | 1 | baby |
| 1 | austin | 1 | astronomer | 1 | artificial |
| 1 | around | 1 | application | 1 | anyone |
| 1 | andrew | 1 | analysed | 1 | an |
| 1 | america | 1 | algorithmic | 1 | age |
| 1 | adapt | 1 | across | 1 | accumulated |
| 1 | able |
