Como superminds ciber-humanas estão redefinindo o futuro do trabalho

O debate atual, por vezes ruidoso, sobre quantos e quais tipos de trabalhos as máquinas inteligentes deixarão para os humanos fazerem no futuro está perdendo de vista um ponto importante: assim como a automação do trabalho humano no passado permitiu que pessoas e máquinas fizessem muitas coisas que antes não podiam ser feitas, grupos de pessoas e computadores trabalhando juntos poderão fazer muitas coisas no futuro que nenhum dos dois pode fazer sozinho agora.

Para pensar em como isso acontecerá, convém contemplar um fato óbvio, mas não amplamente considerado. Praticamente todas as conquistas humanas (desde o desenvolvimento da linguagem escrita até a preparação de um sanduíche) exigem o trabalho de muitos, não só de uma pessoa isolada.

Mesmo as descobertas de gênios individuais como Albert Einstein não são conjuradas do nada; elas são erguidas sobre grandes quantidades de trabalhos anteriores feitos por outros.

Os grupos humanos que realizam todas essas coisas podem ser descritos como supermentes. Eu defino uma supermente como um grupo de indivíduos agindo juntos de maneiras que parecem inteligentes.

As supermentes assumem muitas formas. Dessa lista fazem parte a hierarquia na maioria das organizações; os mercados que ajudam a criar e trocar muitos tipos de bens e serviços; as comunidades que usam normas e referências que orientam o comportamento em muitos grupos profissionais, sociais e geográficos; e as democracias que são comuns em governos e algumas outras organizações.

Uma supermente é um grupo de indivíduos agindo juntos de maneiras que parecem inteligentes

Todas as supermentes têm um tipo de inteligência coletiva, uma capacidade de fazer coisas que cada indivíduo do grupo não poderia ter feito sozinho. A novidade é que as máquinas podem participar cada vez mais das atividades intelectuais e físicas desses grupos.

Isso significa que seremos capazes de combinar pessoas e máquinas para criar supermentes mais inteligentes do que qualquer grupo ou indivíduo que nosso planeta já conheceu.

Para fazer isso, precisamos entender como pessoas e computadores podem trabalhar juntos de forma mais eficaz em tarefas que exigem inteligência. E para isso, precisamos definir inteligência.

O que é inteligência?

O conceito de inteligência é notoriamente movediço, e pessoas diferentes propuseram diferentes definições. Para nossos propósitos, digamos que a inteligência envolva a capacidade de atingir objetivos. E como nem sempre sabemos quais objetivos um indivíduo ou grupo está tentando alcançar, digamos que se uma entidade “parece” inteligente isso depende dos objetivos atribuídos a ela.

Com base nessas premissas, podemos definir dois tipos de inteligência. A primeira é aquela especializada, que é a capacidade de atingir objetivos específicos de forma eficaz em um determinado ambiente. Isso significa que uma entidade inteligente fará o que for mais provável para atingir seus objetivos, com base em tudo o que sabe.

Dito de forma ainda mais simples, a inteligência especializada é a “eficácia” para atingir objetivos específicos. Nesse sentido, então, a inteligência coletiva especializada é a “eficácia do grupo” e uma supermente corresponderia a um grupo eficaz.

O segundo tipo de inteligência tem uma utilidade mais ampla e muitas vezes mais interessante. É a inteligência geral, que é a capacidade de atingir uma ampla gama de objetivos diferentes, de forma eficaz e em diversos ambientes. Isso significa que um agente inteligente precisa não apenas ser bom em um tipo específico de tarefa, mas também ser bom em uma ampla gama de tarefas.

Em suma, essa definição de inteligência significa aproximadamente a mesma coisa que “versatilidade” ou “adaptabilidade”. Nesse sentido, então, inteligência coletiva geral significa “versatilidade de grupo” ou “adaptabilidade de grupo”, e uma supermente é um grupo versátil ou adaptável.

Que tipo de inteligência os computadores têm?

A distinção entre inteligência especializada e inteligência geral ajuda a esclarecer a diferença entre as habilidades dos computadores de hoje e as habilidades humanas. Alguns computadores artificialmente inteligentes são muito mais inteligentes do que as pessoas em termos de certas especialidades. Mas uma das coisas mais importantes que a maioria das pessoas não percebe sobre a IA de hoje é que tudo que ela é capaz de fazer é muito especializado.

O mecanismo de busca do Google é ótimo para recuperar artigos de notícias sobre jogos de beisebol, por exemplo, mas não é capaz de escrever um artigo sobre o jogo da Liga Infantil do seu filho. O Watson da IBM vence os humanos no Jeopardy!, mas o programa que jogou Jeopardy! não pode jogar jogo da velha, muito menos xadrez. Os Teslas podem (mais ou menos) dirigir sozinhos, mas não podem encontrar uma determinada caixa na prateleira de um armazém.

Claro, existem sistemas de computador que podem fazer essas outras coisas. Mas o ponto é que eles são todos programas diferentes e especializados, não uma única IA geral apta a descobrir o que fazer em cada situação específica. Os humanos, com sua inteligência geral, precisam escrever programas que contenham regras para resolver diferentes problemas específicos, e são os humanos que devem decidir quais programas executar em uma determinada situação.

Nenhum computador hoje pode conversar sensatamente sobre o grande número de assuntos que uma criança comum de 5 anos consegue

Na verdade, nenhum dos computadores de hoje está perto de ter a inteligência geral de qualquer criança humana normal de 5 anos. Nenhum computador hoje pode conversar sensatamente sobre o grande número de assuntos que uma criança comum de 5 anos consegue, sem falar que também pode andar, pegar objetos de formas desconhecidas dela e reconhecer quando as pessoas estão felizes, tristes ou com raiva.

Em quanto tempo isso mudará, se é que vai? O progresso no campo da inteligência artificial tem sido notoriamente difícil de prever desde seus primórdios na década de 1950. Quando os pesquisadores Stuart Armstrong e Kaj Sotala analisaram 95 previsões feitas entre 1950 e 2012 sobre quando a IA geral seria alcançada, eles encontraram uma forte tendência tanto de especialistas como não especialistas preverem que ela seria alcançada entre 15 e 25 anos à frente, independentemente de quando as previsões foram feitas. Em outras palavras, cada previsão de chegada da IA geral parecia estar a cerca de 20 anos de distância nos últimos 60 anos.

Pesquisas e entrevistas mais recentes tendem a ser consistentes com esse padrão de longo prazo: as pessoas ainda preveem que a IA geral estará aqui em cerca de 15 a 25 anos. Portanto, embora certamente não saibamos com certeza, há boas razões para ser cético em relação às previsões confiantes de que a IA geral aparecerá nas próximas décadas. Minha opinião é que, salvo alguns grandes desastres sociais, é muito provável que a IA geral apareça algum dia, mas provavelmente não até algumas décadas adiante.

Todos os usos de computadores precisarão envolver humanos de alguma forma até que isso aconteça. Em muitos casos, hoje, as pessoas estão fazendo partes de uma tarefa que as máquinas não podem fazer. Mas mesmo quando um computador pode fazer uma tarefa completa sozinho, as pessoas estão sempre envolvidas no desenvolvimento do software e geralmente modificando-o ao longo do tempo. Eles também decidem quando usar programas diferentes em situações diferentes e o que fazer quando as coisas dão errado.

Como as pessoas e os computadores podem trabalhar juntos?

Uma das possibilidades mais intrigantes de como as pessoas e os computadores podem trabalhar juntos vem de uma analogia com a forma como o cérebro humano é estruturado. Existem muitas partes diferentes do cérebro especializadas em diferentes tipos de processamento, e essas partes de alguma forma trabalham juntas para produzir o comportamento geral que chamamos de inteligência.

Por exemplo, uma parte do cérebro está fortemente envolvida na produção da linguagem, outra na compreensão da linguagem e ainda outra no processamento de informações visuais. Marvin Minsky, um dos pais da IA, chamou essa arquitetura de “sociedade da mente”.

Minsky estava interessado principalmente em como o cérebro humano funcionava e como os programas de inteligência artificial poderiam ser desenvolvidos, mas sua analogia também sugere uma ideia surpreendentemente importante de como as supermentes compostas por pessoas e computadores podem funcionar: muito antes de termos IA geral, podemos criar cada vez mais sistemas coletivamente inteligentes construindo sociedades mentais que incluem humanos e máquinas, cada um fazendo parte da tarefa toda.

Em outras palavras, em vez de ter computadores tentando resolver um problema inteiro sozinhos, podemos criar sistemas ciber-humanos em que várias pessoas e máquinas trabalham juntas no mesmo problema. Em alguns casos, as pessoas podem nem saber – ou se importar – se estão interagindo com outro humano ou com uma máquina.

As pessoas podem fornecer a inteligência geral e outras habilidades que as máquinas não possuem. As máquinas podem fornecer o conhecimento e outras capacidades que as pessoas não têm. E, juntos, esses sistemas podem agir de forma mais inteligente do que qualquer pessoa, grupo ou computador fez antes.

Como isso é diferente do pensamento atual sobre IA? Muitas pessoas hoje assumem que os computadores acabarão fazendo a maioria das coisas sozinhos e que devemos colocar “humanos no circuito” em situações em que as pessoas ainda são necessárias.

Mas provavelmente é mais útil perceber que a maioria das coisas agora é feita por grupos de pessoas, e devemos colocar computadores nesses grupos em situações em que isso seja útil. Em outras palavras, devemos deixar de pensar em colocar os humanos no circuito para colocar os computadores no grupo.

Que papel os computadores desempenharão em relação aos humanos?

Se você quiser usar computadores como parte de grupos humanos em sua empresa ou outra organização, quais seriam as funções deles? Pensando nos papéis que as pessoas e as máquinas desempenham hoje, existem quatro possibilidades óbvias.

As pessoas têm mais controle quando as máquinas agem apenas como ferramentas; e as máquinas têm mais e mais controle à medida que suas funções se expandem para a de assistentes, colegas e, finalmente, administradores.

Ferramentas

Uma ferramenta física, como um martelo ou um cortador de grama, fornece alguma capacidade que um humano não tem sozinho, mas esse usuário está diretamente no controle o tempo todo, definindo ações e garantindo o resultado. As ferramentas de informação são semelhantes: quando você usa uma planilha, o programa faz o que você diz para fazer, o que geralmente aumenta sua inteligência especializada para uma tarefa como análise financeira.

Mas muitos dos usos mais importantes de ferramentas automatizadas no futuro não serão para aumentar a inteligência especializada dos usuários individuais, mas para aumentar a inteligência coletiva de um grupo, ajudando as pessoas a se comunicarem de forma mais eficaz umas com as outras.

Ainda hoje, os computadores são amplamente usados como ferramentas para aprimorar a comunicação humana. Com e-mail, aplicativos móveis, a web em geral e outros como Facebook, Google, Wikipedia, Netflix, YouTube e Twitter, criamos os grupos mais conectados que o mundo já conheceu.

Em todos esses casos, os computadores não estão fazendo muito processamento “inteligente”; eles estão principalmente transferindo informações criadas por humanos para outros humanos.

Embora muitas vezes superestimemos o potencial da IA, acho que muitas vezes subestimamos o poder potencial desse tipo de hiperconectividade entre os cerca de 7 bilhões de processadores de informação incrivelmente poderosos chamados cérebros humanos que já estão em nosso planeta.

Assistentes

Um assistente humano pode trabalhar sem supervisão direta e muitas vezes toma a iniciativa de buscar atingir os objetivos gerais que outra pessoa especificou. Os assistentes automatizados são semelhantes, mas a fronteira entre ferramentas e assistentes nem sempre é nítida.

As plataformas de mensagens de texto, por exemplo, são principalmente ferramentas, mas às vezes tomam a iniciativa e corrigem automaticamente sua ortografia (por vezes com resultados hilários).

Outro exemplo de assistente automatizado é o software usado pela varejista de roupas on-line Stitch Fix Inc., com sede em San Francisco, Califórnia, para ajudar seus estilistas humanos na recomendação de itens aos clientes. Os clientes da Stitch Fix preenchem questionários detalhados sobre suas preferências de estilo, tamanho e preço, que são digeridos por algoritmos de machine learning e selecionam itens de vestuário que combinam com as informações dadas.

O assistente algorítmico nesta parceria é capaz de levar em consideração muito mais informações do que os estilistas humanos. Por exemplo, é difícil escolher um jeans que caia bem, mas os algoritmos são capazes de selecionar para cada cliente uma variedade de jeans que serviram em outros clientes com medidas semelhantes.

E são os estilistas que fazem a seleção final de cinco itens para enviar ao cliente em cada remessa. Os estilistas humanos são capazes de levar em consideração informações com as quais o assistente do Stitch Fix ainda não aprendeu a lidar – como se o cliente quer uma roupa para um chá de bebê ou uma reunião de negócios.

E, claro, eles podem se relacionar com os clientes de uma maneira mais pessoal do que o assistente. Juntos, a combinação de pessoas e computadores fornece um serviço melhor do que qualquer um deles sozinho.

Pares

Alguns dos usos mais intrigantes dos computadores envolvem funções nas quais eles operam como pares humanos mais do que assistentes ou ferramentas, mesmo nos casos em que não há muita inteligência artificial real sendo usada. Por exemplo, se você é um corretor de ações, já pode estar negociando com um sistema de negociação automatizado sem saber.

E se o seu trabalho é lidar com sinistros para a Lemonade Insurance Agency LLC, com sede na cidade de Nova York, você já tem um colega automatizado chamado AI Jim. AI Jim é um chatbot, e os clientes da Lemonade registram reclamações trocando mensagens de texto com ele.

Se a reivindicação estiver dentro de determinados parâmetros, o AI Jim pagará automática e (quase) instantaneamente. Caso contrário, AI Jim encaminha a reivindicação a um de seus pares humanos, que conclui o trabalho.

Gestores

Os gestores humanos delegam tarefas, dão instruções, avaliam e coordenam o trabalho de outros. As máquinas também podem fazer todas essas coisas e, quando o fazem, funcionam como administradores automatizados.

Embora algumas pessoas achem ameaçadora a ideia de uma máquina na gestão, já convivemos com esse tipo de agentes mecânicos todos os dias: um semáforo organiza o tráfego; um roteador de chamadas automatizado faz a distribuição de trabalho para os funcionários do call center. A maioria das pessoas não acha nenhuma dessas situações ameaçadora ou problemática.

É provável que haja muitos outros exemplos de máquinas desempenhando o papel de gestores no futuro. Por exemplo, o sistema CrowdForge reúne conjuntos de pessoas para a realização de tarefas complexas, como escrever documentos. Em um experimento, o sistema usou trabalhadores online (recrutados por meio do aplicativo online Amazon Mechanical Turk) para escrever verbetes de enciclopédia.

Para cada verbete, o sistema primeiro pediu a um trabalhador on-line que criasse um esboço. Em seguida, pediu a outros trabalhadores que encontrassem fatos relevantes para cada seção do esboço. Em seguida, pediu a ainda outros trabalhadores que escrevessem parágrafos coerentes usando esses fatos.

Finalmente, reuniu os parágrafos em um verbete. Curiosamente, os leitores independentes julgaram os textos escritos dessa maneira melhores do que aqueles redigidos por uma única pessoa.

Como os computadores ajudam as supermentes a serem mais inteligentes?

Se você deseja projetar uma supermente (como uma empresa ou uma equipe) que possa agir de forma inteligente, ela precisa ter alguns ou todos os cinco processos cognitivos que as entidades inteligentes têm, sejam elas indivíduos ou grupos.

Sua supermente precisará criar possibilidades de ação, decidir quais ações tomar, perceber o mundo externo, lembrar o passado e aprender com a experiência.

Processos cognitivos básicos necessários para qualquer entidade inteligente

Entidades que agem de forma inteligente (como pessoas, computadores e grupos) precisam fazer o seguinte:

– Criar

Como vimos acima, um dos papéis mais importantes dos computadores é atuar como uma ferramenta de comunicação que permite que grupos muito maiores de pessoas pensem juntos de forma produtiva. Uma abordagem promissora para fazer isso dentro do processo de planejamento estratégico é usar um conjunto de concursos de sugestões online relacionados, chamado de rede de concursos.

Pode haver diferentes concursos online separadamente para estratégias em diferentes níveis da organização. Por exemplo, se a P&G usasse essa abordagem, a empresa poderia ter concursos individualizados para cada marca, como o xampu Pantene, o xampu Head & Shoulders e o sabão em pó Tide.

Também poderia haver certames de ideias em separado sobre como combinar as estratégias das marcas em cada unidade de negócios, como cuidados com os cabelos e tecidos. E a empresa poderia ter outro concurso com o objetivo de combinar as estratégias da unidade de negócios em uma estratégia corporativa geral.

Cada concurso pode ser aberto a muitos funcionários da empresa, talvez todos eles. Qualquer participante poderia propor uma opção estratégica e outros poderiam comentar ou ajudar a desenvolver a ideia. Ao final, haveria uma estratégia vencedora escolhida em cada desafio, mas, durante o processo de planejamento, seria importante considerar várias opções diferentes.

Abrir esse processo para muitas pessoas pode permitir que novas opções surpreendentes surjam. Por exemplo, um grupo de funcionários jovens e experientes em tecnologia que nunca teriam sido incluídos em um processo tradicional de planejamento estratégico corporativo pode propor um novo conceito de cosméticos envolvendo maquiagem de pele e olhos especialmente formulada para clientes pessoa física que enviam selfies para o site.

– Decidir

Um benefício de envolver mais pessoas na geração de possibilidades estratégicas é que você obtém muito mais sugestões. Mas decidir quais delas são mais promissoras requer a avaliação de todas, e as novas tecnologias também facilitam o envolvimento de muito mais pessoas e mais tipos de experiência na avaliação.

Por exemplo, a P&G pode querer que seus engenheiros de manufatura avaliem se é tecnicamente viável fabricar um produto, seus gerentes de operações estimem o custo de fabricação e talvez pesquisadores de mercado externos prevejam a demanda pelo produto em diferentes faixas de preço.

Em alguns casos, pode valer a pena combinar as opiniões de muitas pessoas sobre algumas dessas questões. Por exemplo, a P&G pode usar mercados de previsão on-line para estimar a demanda por produtos. Esses mercados já foram usados para prever com sucesso as receitas de bilheteria de filmes, vencedores das eleições presidenciais dos Estados Unidos e muitas outras coisas.

Um pouco como os mercados futuros, os mercados de previsão permitem que as pessoas comprem e vendam “ações” de previsões sobre eventos futuros. Por exemplo, se você acredita que as vendas globais do xampu Pantene ficarão entre US$ 1,8 bilhão e US$ 1,9 bilhão por ano, você pode comprar uma parte dessa previsão.

Se a previsão estiver correta, você receberá, digamos, US$ 1 para cada fatia que possuir dessa previsão. Mas se suas previsões estiverem erradas, você não receberá nada. Isso significa que o preço resultante no mercado de previsão é essencialmente uma estimativa da probabilidade de que as vendas estejam nessa faixa.

– Perceber

Uma necessidade fundamental para o desenvolvimento de bons planos estratégicos é a capacidade de perceber efetivamente o que está acontecendo no mundo externo: o que os clientes querem agora? O que nossos concorrentes estão fazendo? Que novas tecnologias podem mudar nossa indústria? De longe, os meios mais visíveis para melhorar a detecção hoje são big data e análise de dados.

Por exemplo, a P&G pode analisar os comentários positivos e negativos sobre seus produtos em redes sociais on-line para avaliar como a percepção do cliente sobre eles está variando. Pode realizar experimentos online com preços diferentes para os produtos.

E pode ser capaz de obter alertas antecipados sobre mudanças nas vendas instalando pisos sensíveis ao toque ou gravar vídeos em lojas de varejo para analisar quanto tempo os clientes gastam olhando para os produtos da P&G em comparação com os produtos dos concorrentes.

A P&G pode até ser capaz de fazer algo que a Amazon.com Inc. já fez: usar grandes quantidades de dados para desenvolver modelos detalhados de muitas partes de seus negócios, como respostas dos clientes a preços, anúncios e recomendações, e classificar como os custos da cadeia de fornecimento variam com políticas de estoque, métodos de entrega e locais de depósito.

Com ferramentas como essas, os computadores podem assumir grande parte do trabalho quantitativo de planejamento estratégico executando os números, e as pessoas podem usar sua inteligência geral para fazer análises mais qualitativas.

– Lembrar

Outra maneira pela qual a tecnologia pode ajudar as supermentes a criar melhores planos estratégicos é ajudá-las a lembrar de boas ideias que outras pessoas tiveram em situações semelhantes. Por exemplo, assistentes de software incorporados em um aplicativo para gerar propostas de estratégia podem sugerir automaticamente estratégias genéricas, como as seguintes:

• Integrando para a frente na cadeia de distribuição, assumindo algumas das tarefas realizadas por seus clientes, ou integrando para trás na cadeia de distribuição, assumindo algumas das tarefas realizadas por seus fornecedores.
• Terceirizar mais do que é feito internamente para freelancers ou fornecedores especializados;
• Mudança para segmentos de mercado relacionados, regiões geográficas próximas ou outros mercados frequentados por seus clientes.

Quando você escolhe uma dessas opções, o sistema pode fornecer automaticamente um modelo incluindo os tipos de detalhes necessários para esse tipo de estratégia.

Ao lembrar boas estratégias de outras configurações, os assistentes de software podem ajudar a gerar novas estratégias para sua configuração. Por exemplo, se a estratégia de usar selfies para personalizar cosméticos fosse bem-sucedida, um assistente de software poderia sugerir estratégias semelhantes que permitissem aos clientes usar smartphones para personalizar outros produtos da P&G: xampus, cremes dentais, detergentes para roupa, batatas fritas e outros.

Claro, muitas dessas combinações seriam bobas ou impraticáveis e poderiam ser eliminadas muito rapidamente, mas algumas podem ser surpreendentemente úteis. E mesmo opções bobas às vezes dão origem a boas ideias.

Por exemplo, no início dos anos 2000, a P&G desenvolveu um processo para imprimir imagens e palavras divertidas em batatas fritas Pringles. Uma abordagem como essa pode ter levado a outra ideia promissora: usar essa tecnologia para permitir que os clientes comprem Pringles pré-impressos com imagens especificadas pelos próprios clientes.

– Aprender

Se um sistema for usado ao longo do tempo, ele pode ajudar uma supermente a aprender com sua própria experiência para se tornar cada vez mais eficaz. Por exemplo, pode ajudar a reconhecer ideias estratégicas que a maioria das pessoas não reconheceria em seus estágios iniciais.

Na década de 1970, quando Steve Jobs e Bill Gates estavam brincando pela primeira vez com o que hoje chamamos de computadores pessoais, a maioria das pessoas não tinha ideia de que esses dispositivos estranhos e desajeitados acabariam por estar entre os produtos mais inovadores e influentes das décadas a seguir.

Certamente não é fácil filtrar ideias rapidamente sem perder uma ou outra chance de avaliar esses diamantes brutos. Mas talvez seja possível identificar as raras pessoas que têm essa habilidade rastreando sistematicamente ao longo do tempo com que precisão e com que antecedência elas preveem avanços tecnológicos e de outros tipos. Então poderíamos pedir a essas pessoas que dessem uma segunda olhada em algumas das ideias “malucas” que, de outra forma, poderíamos rejeitar.

Outra possibilidade intrigante é usar “ciclos de aprendizado” que começam com especialistas humanos avaliando estratégias manualmente para que, com o tempo, automatizem gradualmente mais e mais o trabalho à medida que as máquinas melhorem em prever o que os especialistas humanos fariam.

Em uma empresa como a P&G, que geralmente tenta competir em qualidade e não em preço, os especialistas que avaliam as estratégias de produtos geralmente rejeitam aqueles que enfatizam a concorrência pelo que se cobra na gôndola.

Mas, em vez de programadores escreverem programas que filtram explicitamente estratégias de baixo preço, um programa de machine learning pode aprender que os especialistas costumam rejeitar esse tipo de estratégia e começar a sugerir essa ação. Se os especialistas concordarem com a sugestão várias vezes, o programa pode parar de perguntar e apenas fazer a filtragem automaticamente.

Os computadores podem ajudar a fazer todas essas coisas de novas maneiras que muitas vezes (mas, claro, nem sempre) tornam as supermentes mais inteligentes. Para ver como isso aconteceria, vamos usar uma grande corporação como a Procter & Gamble para exemplificar, com o processo de desenvolvimento de um novo plano estratégico.

As possibilidades que discutiremos são apenas isso: possibilidades. Não tenho qualquer motivo para achar que a P&G esteja fazendo essas coisas no momento. Mas acho que a P&G e muitas outras empresas provavelmente farão algo assim no futuro.

Hoje, o planejamento estratégico corporativo em grandes empresas geralmente envolve um grupo relativamente pequeno de pessoas, principalmente executivos seniores, seus reportes diretos e talvez alguns consultores externos. Mas e se pudéssemos usar a tecnologia para envolver muito mais pessoas e deixar as máquinas pensarem um pouco?

Uma máquina de estratégia ciber-humana

Você pode chamar esse processo de planejamento estratégico que descrevi acima de uma máquina de estratégia ciber-humana. Dada a complexidade desse sistema e o quão genérico seria grande parte do trabalho, parece improvável que as empresas desenvolvessem sistemas proprietários para esse fim.

Em vez disso, as empresas de consultoria de hoje, ou seus futuros concorrentes, podem fornecer grande parte dessa funcionalidade como um serviço. Essa empresa de máquinas estratégicas, por exemplo, poderia ter um grupo estável de pessoas em vários níveis de especialização de plantão que poderiam gerar e avaliar rapidamente várias possibilidades estratégicas, juntamente com software para automatizar algumas partes do processo e ajudar a administrar o resto.

No longo prazo, essa máquina de estratégia pode usar uma supermente de pessoas e computadores para gerar e avaliar milhões de estratégias possíveis para uma única empresa. Os computadores fariam cada vez mais o trabalho ao longo do tempo, mas as pessoas ainda estariam envolvidas em partes do processo. O resultado seria um punhado das opções estratégicas mais promissoras entre as quais os gestores humanos da empresa fariam a escolha.

Os exemplos que acabamos de discutir estão focados na tomada de decisões estratégicas, mas o que realmente vimos é uma arquitetura para supermentes de propósito geral e solucionadoras de problemas: os computadores usam sua inteligência especializada para resolver partes do problema, as pessoas usam sua inteligência geral para fazer o resto e os computadores ajudam a envolver e coordenar grupos muito maiores de pessoas do que jamais foi possível.

À medida que as novas tecnologias tornam isso mais fácil, é provável que vejamos muitos outros exemplos de supermentes humano-computador sendo usadas para resolver todos os tipos de problemas comerciais e sociais – não apenas planos estratégicos corporativos, mas também projetos para novas casas, smartphones, fábricas, cidades, sistemas educacionais, abordagens antiterrorismo e planos de tratamento médico. As possibilidades são praticamente ilimitadas.