Pular para o conteúdo
Instituto Automação

O que o setor de automação publica lá fora, lido daqui.

Notícia · ProcessosChega aqui

Um engenheiro nuclear explica por que deixou passos manuais numa usina que podia se operar sozinha

Richard Mitchell projetou o controle digital de uma usina para rodar sem gente e deixou etapas manuais de propósito. O argumento dele sobre automação e perda de competência vale para qualquer empresa que está colocando IA no lugar do trabalho de iniciante.

3 set 20264 min de leituraa partir de IEEE SpectrumEN

Há pouco mais de dez anos, Richard Mitchell liderou o projeto de controle de uma usina nuclear nos Estados Unidos que seria a primeira inteiramente digital. No papel, era uma máquina desenhada para se operar sozinha, como um avião comercial moderno. E a equipe tomou uma decisão que, para quem olha eficiência, parece retrocesso: deixou passos manuais dentro de sequências que o sistema executaria sem ajuda.

O motivo, ele escreve na IEEE Spectrum, é simples de enunciar e difícil de defender numa planilha: um operador que só supervisiona deixa de ser operador. As mãos esfriam, o modelo mental do que a planta está fazendo embaça — e um dia a automação devolve o controle. É sempre o pior dia, porque automação só desiste quando está confusa ou em apuros. Os passos manuais estavam ali para manter a pessoa atual. Ineficiente por desenho, de propósito.

A usina nunca foi construída, por razões que não tinham a ver com engenharia. O instinto sobreviveu ao projeto, e Mitchell o oferece agora à pergunta que ocupa as diretorias: o que acontece com a competência humana quando a IA faz o trabalho que a formava?

Os números que ficaram difíceis de ignorar

Ele cita um estudo de Harvard com cerca de 65 milhões de trabalhadores em mais de 280 mil empresas americanas: depois de adotar IA generativa, o emprego júnior caiu perto de 9% em seis trimestres, enquanto o sênior continuou crescendo. Uma análise de Stanford sobre folhas de pagamento aponta na mesma direção — e acrescenta o detalhe que importa: a perda se concentra onde a IA automatiza o trabalho; onde ela apenas aumenta a capacidade de quem trabalha, o emprego júnior segura ou cresce.

Mitchell registra a controvérsia: pesquisadores do Fed de Nova York atribuem boa parte do desemprego de recém-formados ao trabalho remoto, não à IA. Mas nota o que as duas explicações têm em comum — o mesmo mecanismo quebrado, o canal de aprendizado que leva a competência do sênior ao júnior. Como ele resume, "nível de entrada" passou discretamente a significar "três anos de experiência".

O que a aviação aprendeu caro

A referência é o voo Air France 447, em 2009. Sensores de velocidade congelados alimentaram o piloto automático com dado ruim, e ele fez o que foi projetado para fazer: desligou e devolveu o avião à tripulação. O que veio depois não foi falha de equipamento — foi falha de competência. Pilotos condicionados por milhares de horas de supervisão não conseguiram ler um estol em altitude e voar manualmente para fora dele.

A resposta do setor, ele observa, foi a mesma da sala de controle nuclear: não arrancou o piloto automático, e sim construiu prática manual deliberada de volta. Em 2017, a autoridade americana de aviação publicou um alerta declarando o voo manual como a base sobre a qual as outras habilidades se constroem, e reconhecendo formalmente a decadência de habilidade como um risco em si. Companhias passaram a incentivar pilotar à mão a subida e a descida iniciais em condições boas, trocando uma fatia de combustível por competência viva.

O padrão: o portão manual

Do nuclear e da aviação sai um padrão de projeto que Mitchell chama de portão manual: um ponto do fluxo em que o humano assume o controle não por ser mais rápido, e não só como travamento de segurança, mas especificamente para exercitar uma competência que de outro modo decairia. A marca do portão é que ele é escolhido: a organização decide quais habilidades precisa manter em pessoas — porque são as que vai precisar no dia ruim — e projeta o atrito necessário para mantê-las quentes.

O exemplo dele é de software. Num time que usa IA para a maior parte do código, o portão fica em volta da habilidade que menos se pode perder: depurar. Quando um defeito aparece num módulo crítico, o engenheiro designado — de propósito, muitas vezes um júnior — precisa reproduzir a falha, chegar à causa e escrever o teste que a captura com o assistente desligado. Só depois de se comprometer com um diagnóstico o modelo volta, para propor a correção e varrer o resto da base. Quando os dois discordam, é o desenho funcionando: a divergência aparece antes do dia ruim, não durante.

Ele não finge que é grátis. O portão manual é, por construção, menos eficiente no curto prazo. E funciona melhor para quem está isolado da pressão trimestral — um fundador com controle, uma empresa fechada, uma instituição de horizonte longo, ou um regulador disposto a exigir demonstração periódica de competência, como faz com pilotos.

O que isso muda aqui

Aplica-se direto, e não precisa de representante nem de homologação. Quem está colocando agente de IA para responder cliente, montar orçamento ou abrir ordem de serviço está decidindo agora, e em geral sem perceber, quais competências deixam de existir em gente na empresa. O texto de Mitchell dá nome e método a essa decisão: escolher o que fica manual, e por quê.

Para uma empresa pequena a conta é mais dura, não mais fácil — não há folga trimestral para bancar ineficiência por princípio. O que dá para fazer é o mínimo dele: um portão. Uma tarefa que o dono ou o funcionário continua fazendo à mão de vez em quando, não porque a máquina erra, mas para ainda saber fazer quando ela errar.

Como este texto foi feito. Lida na fonte, escolhida e escrita por Pedro Oliveira, com crédito e link. Nada aqui foi traduzido ou redigido por máquina.

Mais em Notícias

ver todas