Apesar dos avanços na tecnologia de automação, a promessa de uma automação produtiva e flexível, com envolvimento mínimo de trabalhadores humanos, ainda está longe de se tornar realidade, por dois motivos principais. Primeiro, a adoção da tecnologia de automação tem sido limitada. Segundo, quando as empresas automatizam, o ganho em produtividade tende a ser acompanhado por perda de flexibilidade nos processos, resultando no que os autores chamam de automação de soma zero. Este artigo apresenta o conceito de automação de soma positiva, que permite alcançar produtividade e flexibilidade. Para isso, as empresas precisam desenvolver tecnologias que facilitem o treinamento e a correção de erros por funcionários da linha de produção; usar uma abordagem de baixo para cima para identificar quais tarefas devem ser automatizadas; e escolher os indicadores corretos para medir o sucesso.
Em 1982, a General Motors anunciou que estava construindo a “fábrica do futuro”. A instalação em Saginaw, Michigan, automatizaria a produção e revitalizaria os negócios da GM em um momento de intensa concorrência com as montadoras japonesas Toyota e Nissan. Dois anos antes, a GM havia registrado um prejuízo de 763 milhões de dólares — apenas o segundo ano de prejuízo em seus 72 anos de história. Quando o CEO Roger Smith voltou de uma visita a uma fábrica da Toyota, decidiu que a GM precisava automatizar para competir.
O projeto de Saginaw previa um exército de 4.000 robôs na produção. O objetivo era aumentar a produtividade e a flexibilidade. Os robôs reduziriam em até dois anos o ciclo de produção de cinco anos da GM e seriam capazes de alternar entre diferentes modelos da montadora. A produtividade dos funcionários aumentaria 300%. Sistemas e interfaces manuais seriam eliminados. Os robôs seriam tão eficazes que a presença de pessoas seria mínima — nem mesmo seria necessário acender as luzes.
Mas o experimento “no escuro” da GM foi um fracasso. Os custos de produção na fábrica do futuro superaram os das plantas que empregavam milhares de trabalhadores sindicalizados. Em várias instalações, os robôs tinham dificuldade para distinguir entre os modelos de carros: tentavam colocar para-choques de Buick em Cadillacs, e vice-versa. Também não eram bons pintores — pintavam uns aos outros em vez dos carros na linha de produção. A GM fechou a planta de Saginaw em 1992.
Nas três décadas desde o fechamento da fábrica, cientistas e engenheiros fizeram avanços notáveis no hardware de robótica (as máquinas físicas) e no software de automação (a inteligência computacional que as comanda). Robôs e outras tecnologias de automação realizam tarefas repetitivas com segurança e precisão crescentes. Conseguem cortar e soldar metal de forma consistente e sem causar ferimentos. Conseguem pintar carros sem pintar outros robôs. E a automação agora tem aplicações em contextos novos e mais sofisticados além do chão de fábrica.
Apesar dos avanços na tecnologia de automação, a promessa da manufatura totalmente automatizada — produtiva e flexível com um número mínimo de trabalhadores humanos — ainda está distante, por dois motivos principais. Primeiro, a adoção dessa tecnologia tem sido lenta e limitada. Segundo dados do censo dos EUA de 2018, menos de 10% das empresas de manufatura nos Estados Unidos relataram usar robôs. Em 2020, quando se esperava que a pandemia de Covid e as ordens de confinamento aumentassem a demanda por automação industrial, as compras de robôs nos Estados Unidos, Alemanha e Japão ficaram abaixo dos níveis de 2019. Na China, mesmo com altos subsídios à adoção de robôs como parte de uma estratégia nacional para impulsionar a automação, estima-se que a proporção de fabricantes que usam robôs seja aproximadamente a mesma que nos Estados Unidos. E mesmo quando as empresas adotam a tecnologia de automação, estudos mostram que acabam contratando mais trabalhadores, não menos, à medida que se tornam mais produtivas.
Os custos para reconfigurar um sistema automatizado para executar uma nova tarefa são frequentemente muito mais altos do que mudar uma equipe de trabalhadores humanos para fazer o mesmo.
Segundo, nossa pesquisa mostra que o que uma empresa ganha em produtividade com a automação, ela tende a perder em flexibilidade dos processos. A manutenção rotineira de um robô (como a recalibração de sensores, por exemplo) pode paralisar a produção enquanto consultores externos são chamados. Robôs pré-programados operam de forma rígida na execução de tarefas, limitando a capacidade de inovação dos funcionários da linha de produção. E assim por diante. Chamamos isso de automação de soma zero.
Com base em nossa experiência em pesquisa, desenvolvimento e implantação de inteligência artificial e robótica, além de dezenas de entrevistas e visitas realizadas como parte da força-tarefa do MIT sobre o Futuro do Trabalho, descobrimos que as empresas podem evitar a automação de soma zero — se abandonarem o modelo da produção totalmente automatizada. Elas precisam parar de medir o sucesso de projetos comparando o custo e a produção de máquinas com o custo e a produção de trabalhadores humanos; essa abordagem ignora como a automação pode contribuir para melhorar um processo em várias dimensões. Em vez disso, as empresas devem se concentrar em perguntas como: A equipe que atualmente executa as tarefas a serem automatizadas será mais produtiva realizando outra atividade? Equipes que usam tecnologia de automação geram ideias mais inovadoras ou assumem tarefas mais variadas do que aquelas que não a utilizam?
Neste artigo, apresentamos o conceito de automação de soma positiva, que definimos como o projeto e a implantação de novas tecnologias que melhoram tanto a produtividade quanto a flexibilidade. A automação de soma positiva depende do desenvolvimento de tecnologias que tornem mais fácil para os funcionários da linha de produção treinar e corrigir falhas dos robôs; do uso de uma abordagem de baixo para cima para identificar quais tarefas devem ser automatizadas; e da escolha dos indicadores corretos para medir o sucesso.
As limitações da automação “no escuro”
Tecnologias de automação que são projetadas para maximizar a produtividade tendem a limitar a flexibilidade de três maneiras principais: 1) não se adaptam facilmente a mudanças no ambiente externo; 2) exigem habilidades técnicas específicas e avançadas para serem programadas e consertadas; e 3) tendem a funcionar como “caixas-pretas”, operando sem feedback ou intervenção humana. Essas limitações frequentemente forçam as empresas a abandonar o objetivo da produção totalmente automatizada e a depender, em vez disso, da flexibilidade, criatividade e capacidade de improvisação dos trabalhadores humanos.
Elon Musk tentou reviver a ideia de uma fábrica automatizada em 2017 para produzir em massa o Model 3 da Tesla. A empresa construiu robôs para aumentar a produção em sua fábrica na Califórnia e superar os desafios de contratação e treinamento de trabalhadores. Mas a Tesla enfrentou atrasos na produção e dificuldades com o que Musk descreveu como “uma rede insana e complexa de esteiras transportadoras”. Assim como a GM, a Tesla mudou de rumo, abandonando parte de seus investimentos em automação e ampliando sua força de trabalho qualificada. “Os humanos são subestimados”, concluiu Musk.
Na China, os fabricantes chegaram a uma conclusão semelhante. Eles haviam planejado usar robôs amplamente nas fábricas para manipular e montar componentes eletrônicos, mas descobriram que os robôs não conseguiam realizar as tarefas delicadas exigidas na montagem eletrônica tão bem quanto os humanos. A socióloga de Harvard Ya-Wen Lei cita um executivo do setor industrial que afirmou: “Os robôs frequentemente quebram componentes delicados e caros. Com esse processo, percebi que o corpo humano é mágico.”
Ou considere um exemplo fora do mundo da manufatura e da robótica. O MD Anderson Cancer Center contratou o Watson da IBM em 2013 para ajudar médicos a encontrar rapidamente opções de tratamento em vastos bancos de dados de pesquisas. Mas o software teve dificuldade em interpretar os registros médicos complexos dos pacientes e exigia uma grande quantidade de intervenção humana para fornecer orientações diagnósticas. Em alguns casos, o Watson apresentou evidências pouco confiáveis ou incompletas. E quando surgiam novas evidências médicas — por exemplo, um novo ensaio clínico sugerindo uma abordagem diferente de tratamento — os humanos precisavam atualizar manualmente as recomendações do Watson. Após uma onda inicial de entusiasmo, os usuários perceberam que as aplicações do Watson eram limitadas. O MD Anderson cancelou o programa em 2017.
Quando as condições externas de um robô mudam — o que inevitavelmente acontece, como quando uma empresa quer atualizar seu processo de produção ou começar a fabricar uma nova versão de um produto — o sistema automatizado precisa ser reprogramado, retestado e reensinado. Os custos para adaptar um sistema automatizado a uma nova tarefa costumam ser muito mais altos do que os custos de realocar uma equipe de trabalhadores humanos. Um dos motivos para esses altos custos é que o conhecimento necessário para ajustar, reparar e reprogramar o sistema automatizado normalmente vem de pessoas de fora da equipe que o utiliza. Uma equipe de produção pode depender de um integrador terceirizado ou de uma equipe de manutenção para reprogramar o sistema automatizado. A equipe de contabilidade de um hospital pode precisar chamar o setor de TI para consertar o software quando o sistema de faturamento falha. É nesse momento que as luzes se apagam na chamada “produção no escuro”.
Automação de Soma Positiva
Para alcançar a automação de soma positiva, as empresas devem projetar sistemas que priorizem tanto a produtividade quanto a flexibilidade. Identificamos três fatores essenciais para automatizar com flexibilidade.
Projetar ferramentas de fácil compreensão e investir em treinamento.
Muitos robôs e sistemas automatizados são projetados e configurados por consultores técnicos terceirizados de forma que os tornam rígidos e frágeis. Mesmo pequenas mudanças no ambiente ou no processo de produção podem prejudicar o funcionamento do sistema. Para evitar esse tipo de problema, as empresas devem garantir que seus sistemas de automação incorporem tecnologias de fácil compreensão, como interfaces de programação com pouco código, que permitam que funcionários da linha de produção com pouca habilidade técnica consigam ajustá-los ou repará-los em tempo real.
Considere o seguinte exemplo de trabalhadores que optaram por não usar a automação porque não conseguiam ajustá-la ao seu modo de trabalho. Em uma fábrica norte-americana de montagem de equipamentos científicos de medição, um robô trabalha em estreita colaboração com um técnico. Quando o técnico aciona um pedal, o robô posiciona o componente montado acima da cabeça, gira para a esquerda e o inclina para baixo e para frente, facilitando a execução de tarefas delicadas como fixação de peças e instalação de sensores sensíveis. Juntos, o técnico e o robô conseguem realizar a tarefa no mesmo tempo ou até mais rápido do que o técnico sozinho. O robô também evita que o técnico precise forçar o pescoço ou torcer o pulso em posições desconfortáveis. No entanto, o robô frequentemente é deixado de lado. Quando têm escolha, os técnicos preferem trabalhar na estação ao lado, onde podem fazer a tarefa sem a ajuda do robô. Quando uma funcionária foi questionada sobre o motivo, ela explicou que os movimentos do robô eram pré-programados, mas ela preferia executar os passos em uma sequência diferente. Como o sistema é construído de forma muito rígida, com um código complexo controlando os movimentos do robô, a técnica não consegue ajustar o robô nem adequar seu espaço de trabalho às suas preferências.
Automatizações que podem ser direcionadas e ajustadas com flexibilidade pelos funcionários da linha de produção favorecem e aceleram a inovação.
Startups e laboratórios de pesquisa estão agora focando em softwares de automação com pouca necessidade de codificação, que possam ajudar funcionários da linha de produção a configurar e solucionar problemas de robôs. Outras ferramentas de baixo código permitem que os robôs aprendam novas tarefas complexas com um especialista humano. O humano demonstra o processo para o robô, que observa e aprende. Quando está pronto para realizar a tarefa, o humano acompanha o processo para garantir que o robô esteja executando corretamente.
Além de escolher o hardware e o software adequados, as empresas devem investir em treinamento para que os funcionários da linha de produção ganhem autonomia não apenas para operar a tecnologia, mas também para reconfigurá-la para novas aplicações. O treinamento deve envolver várias pessoas em diferentes funções, garantindo que não haja um único ponto de falha e que diferentes perspectivas sobre o design, a integração e a medição de resultados sejam consideradas. Empresas que investem em automação precisam acompanhar a evolução da tecnologia e identificar novas oportunidades para aprimorar ou fortalecer as habilidades à medida que os sistemas se desenvolvem.
Solicite feedback dos funcionários da linha de produção
Quando as empresas adotam uma abordagem de cima para baixo na automação, o principal objetivo geralmente é maximizar a produtividade. Os executivos analisam os processos da organização e, com a ajuda de uma consultoria ou equipe de TI, constroem as ferramentas de automação. Mas esses líderes muitas vezes não têm um entendimento detalhado de como o processo realmente funciona, quanta flexibilidade deve ser incorporada na automação e que tipos de situações o sistema não conseguirá lidar. Uma abordagem de baixo para cima coloca os funcionários da linha de frente — que têm a visão mais próxima de como o processo é executado — no comando das recomendações e desenvolvimento da automação. Nossa pesquisa mostra que automatizações que podem ser atribuídas e direcionadas com flexibilidade por funcionários da linha de produção — como operadores, especialistas em faturamento ou agentes de atendimento ao cliente — aumentam e aceleram a capacidade de inovação tanto do trabalhador quanto da empresa. E implementar a automação de baixo para cima facilita a adesão dos funcionários ao projeto.
A rede hospitalar Mass General Brigham adotou uma abordagem de baixo para cima para automatizar processos administrativos em todo o seu sistema. Começou contratando uma empresa de consultoria, que ajudou a identificar uma tecnologia apropriada, e em seguida consultou as equipes distribuídas nos departamentos administrativos para saber quais tarefas deveriam ser automatizadas. Os funcionários mais próximos dos processos rotineiros identificaram diversas atividades repetitivas, como o rastreamento de encaminhamentos de pacientes para clínicas especializadas, a verificação da validade de licenças profissionais e o gerenciamento de pagamentos recebidos. O hospital então recrutou pessoas para aprender a programar os robôs, priorizando a busca por talentos internamente, especialmente nas equipes que implementariam a automação. Os membros das equipes trabalharam em conjunto com os responsáveis pela programação dos robôs para identificar como adequar o software aos detalhes específicos de cada processo. As pessoas cujas tarefas estavam sendo automatizadas apoiaram o projeto, pois os robôs, que entraram em operação em 2018, os livraram de atividades especialmente entediantes.
A G\&T Manufacturing, sediada em Ohio, iniciou uma transformação semelhante em 2016. A fábrica de 20 funcionários produz uma variedade de peças para indústrias que vão da aeroespacial à agrícola. Anteriormente, os funcionários precisavam movimentar fisicamente peças de 18 quilos para dentro e fora de um torno que cortava e moldava peças metálicas, repetindo esse processo diversas vezes por hora. A G\&T queria automatizar essa tarefa manual. Empresas em situações semelhantes frequentemente recorrem a especialistas externos para gerenciar o processo de automação.
Um integrador ajudou a G\&T a começar com os robôs, mas o vice-presidente da empresa, Colin Cutts, aprendeu sozinho como treinar e reprogramá-los. Depois, ele ensinou os operadores da G\&T a programar os robôs e resolver problemas. Eles criaram bibliotecas de instruções de programação para os robôs da fábrica, que podem ser adaptadas quando a empresa troca a produção de uma peça para outra, melhora um processo ou testa algo novo. O objetivo de Cutts é tornar as habilidades em software — o conhecimento especializado para adaptar robôs a um ambiente de produção em constante mudança — parte do trabalho cotidiano dos operadores.
Antes de adotar esse novo sistema, havia um operador por máquina, responsável por carregar, descarregar e inspecionar as peças. Agora, há um operador para cada três máquinas, atuando de forma mais supervisora. Em vez de levantar e carregar peças, os operadores se concentram na inspeção e na resolução de problemas conforme surgem. Desde que a tarefa foi automatizada, a taxa de desperdício da G\&T caiu de 12% para menos de 1%, e a produção por trabalhador mais do que triplicou.
Escolha os indicadores certos
Não é possível definir uma fórmula única para determinar o sucesso da automação. As empresas devem desenvolver indicadores de desempenho (KPIs) que considerem cada processo a ser automatizado, cada equipe envolvida e cada funcionário cujas tarefas possam mudar. Também devem incluir benefícios intangíveis, como inovação em produtos, maior satisfação e segurança dos funcionários e processos reinventados.
Produtividade é a principal motivação das empresas ao adotar tecnologias de automação, mas, ao investigarmos mais a fundo e pedirmos aos gestores que explicassem suas decisões em detalhes, descobrimos que suas motivações variam bastante. Algumas empresas adotaram a automação para lidar com tarefas perigosas. Outras escolheram automatizar atividades que seus funcionários prefeririam não executar. Algumas focaram na redução de desperdícios ou na melhoria da confiabilidade dos processos. Algumas poucas adotaram robôs por curiosidade ou porque seus concorrentes estavam fazendo o mesmo; meses após o início da implementação, ainda estavam buscando uma justificativa de negócio.
O desafio para empresas com motivações mais sutis é que a forma de medir o sucesso também precisa ser mais sofisticada. Em alguns casos, uma comparação direta entre um sistema manual e um automatizado não faz sentido: sistemas automatizados exigem a reengenharia de processos — eliminando etapas ineficientes e, por vezes, adicionando outras. Para lidar com isso, as empresas devem desenvolver um conjunto de métricas em três níveis: máquina, sistema e equipe. No nível da máquina, os indicadores podem focar na flexibilidade prática: quanto tempo um sistema automatizado leva para aprender uma nova tarefa em comparação com um trabalhador humano? No nível do sistema, o foco pode ser nos custos de adaptação: quanto tempo leva para um robô ou software automatizado colocar um novo processo em funcionamento?
Consideramos que as métricas mais importantes são as que avaliam o desempenho das equipes humanas: o sistema automatizado os torna melhores no que fazem? Os membros da equipe estão atuando em um nível mais alto do que antes? Eles conseguem aplicar suas habilidades de forma mais criativa? A disponibilidade da tecnologia de automação permite que as equipes realizem tarefas que antes não eram possíveis?
A visão da General Motors para a fábrica do futuro era produtividade e flexibilidade sem a necessidade de manter as luzes acesas para os trabalhadores. Mas o que aprendemos com as empresas na vanguarda da automação é que, mesmo que pudessem alcançar algo como a produção no escuro, provavelmente não optariam por isso. Elas aprenderam que unir produtividade e flexibilidade exige a presença humana, observando onde as tecnologias funcionam bem e onde podem ser melhoradas. As empresas são mais bem atendidas por uma automação de soma positiva, que aproveita as forças combinadas de máquinas inteligentes, gestores, engenheiros e trabalhadores da linha de produção. A visão não é de um ambiente sem humanos, mas sim de um em que os sistemas automatizados tornam os humanos mais capazes e mais essenciais no trabalho.
Fonte:
Uma versão deste artigo foi publicada na edição de março–abril de 2023 da Harvard Business Review. Traduzido pelo ChatGPT 4.
Sobre os autores:
Ben Armstrong é diretor executivo e pesquisador no Industrial Performance Center do MIT, onde codirige a iniciativa Trabalho do Futuro.
Julie Shah é professora de Aeronáutica e Astronáutica no MIT. Ela lidera o grupo de Robótica Interativa e também codirige a iniciativa Trabalho do Futuro.
Sobre a Iniciativa Trabalho do Futuro.
A iniciativa Trabalho do Futuro (Work of the Future Initiative) é um programa de pesquisa interdisciplinar do MIT (Massachusetts Institute of Technology) criado para entender como as tecnologias emergentes — especialmente a automação e a inteligência artificial — estão transformando o trabalho, o emprego e as oportunidades econômicas.
O programa foi lançado oficialmente em 2018 e busca responder a uma questão central: como garantir que o progresso tecnológico leve a melhores empregos e maior prosperidade para todos?
Para isso, a iniciativa estuda como as tecnologias estão mudando os locais de trabalho e os tipos de habilidades exigidas. Também analisa os efeitos da automação e da inteligência artificial sobre a qualidade do emprego, desigualdade, produtividade e distribuição de renda. Além disso, propõe estratégias de políticas públicas, educacionais e industriais para mitigar riscos sociais e econômicos.
A iniciativa reúne especialistas de várias áreas, como engenharia, economia, ciências sociais, ciência da computação, administração e políticas públicas. Além da pesquisa acadêmica, o programa realiza entrevistas com líderes empresariais, trabalhadores, sindicatos e formuladores de políticas, buscando conectar o conhecimento teórico à realidade prática.
Entre os destaques das conclusões até agora, observa-se que a automação não significa o fim do trabalho, mas sim a transformação profunda dos empregos existentes. Trabalhadores com menor qualificação são mais vulneráveis à substituição tecnológica. O progresso tecnológico pode ampliar desigualdades se não for acompanhado de investimentos em capacitação e requalificação profissional. Empresas que integram tecnologia com capacitação humana tendem a ter melhores resultados de inovação.
Um dos documentos mais influentes da iniciativa é o relatório “The Work of the Future: Building Better Jobs in an Age of Intelligent Machines”, publicado em 2020, que oferece uma visão realista e prática sobre como lidar com os desafios da transformação digital do trabalho.
A iniciativa é codirigida por Julie Shah, especialista em robótica colaborativa e interação humano-máquina, e Ben Armstrong, pesquisador em inovação industrial e políticas públicas de emprego.