Impacto da automação no serviço público

A transformação digital irá mudar o futuro do setor público. Mais rígido do que o setor privado o público não se ajusta às mudanças do mercado de trabalho por mecanismos de preço. Se mesmo no setor privado existem custos para um trabalhador passar de uma ocupação para outro no público as dificuldades são ainda maiores. Exatamente por essa razão cabe tentar prever o impacto das mudanças tecnológicas no setor público nas próximas décadas.

A inovação tecnológica no setor privado gerou uma ampla discussão sobre os conjuntos de habilidades necessárias do trabalhador. O foco apenas na escolarização formal seria insuficiente para analisar a dinâmica do trabalho (ACEMOGLU e AUTOR 2011). Além disso a automação teria contribuído para a polarização do trabalho no setor privado dos países desenvolvidos, os trabalhadores altamente qualificados são muito beneficiados mas os que são substituídos pela máquina não (AUTOR 2019).

Este data story é o primeiro passo para entender as perspectivas da automação no setor público brasileiro. Considerando nossas características institucionais leva-se em conta duas dimensões essenciais, a) a composição etária das carreiras do setor público; b) estimativas do impacto da automação nas carreiras do setor público. A primeira busca considerar as chances de aposentadoria e a possível reposição desses servidores públicos. A segunda analisar quais ocupações do setor público serão mais impactadas pelas tecnologias de automação.

Estimativa do impacto da automação

Kubota e Maciente (2019) pesquisadores do Ipea aplicaram ferramentas de text analysis às descrições das tarefas de cada ocupação que constavam do O*NET para identificar aquelas que seriam mais propensas à automação.1 O trabalho dos autores contempla os vínculos empregatícios dos setores públicos e privados. Graças ao apoio daqueles pesquisadores no compartilhamento de dados e assessoria a equipe da Enap combinou essas informações com as de mais de 540 mil servidores do executivo federal disponível no Sistema Integrado de Administração de Pessoal (Siape) com os dados da Relação Anual de Informações Sociais (Rais) de 2017 para que se tivesse equiparação de suas carreiras com a Classificação Brasileira de Ocupações (CBO).

As estimativas de KUBOTA e MACIENTE (2019) apontam que a maioria das carreiras do setor público terão ao menos algum impacto da automação. O valor foi normalizado entre 0 e 1. Se 0 estima-se que a automação não terá qualquer impacto na carreira. Se 1 a carreira será totalmente transformada. Considerando-se todas as carreiras o impacto mediano é 014 e a média é 013.

A estrutura etária do serviço público

Este data stories utilizou uma medida simples para avaliar o impacto da aposentadoria do setor público, a proporção dos servidores que terá mais de 65 anos no ano 2032.2 Essa regra transparente parece ser mais plausível do que aplicar as regras recém-aprovadas do regime próprio de previdência. São três os motivos, 1) até 2032 é provável que novas reformas sejam necessárias; 2) Muitos servidores não se aposentam imediatamente ao completar os requisitos para tal. Como ainda há incentivos para permanecer no trabalho em algumas carreiras muitos seguem trabalhando até mesmo depois da data em que teriam direito; 3) como não se tem o tempo de trabalho averbado de vínculos anteriores no cadastro do Siape não haveria como calcular precisamente a data de aposentadoria. A despeito dessas limitações a precisão da aposentadoria é bastante aceitável para a previsão de longo prazo em questão.

Automação no serviço público por carreiras

Na base do Siape 2017 utilizada existiam mais de 540 mil servidores distribuídos em 1182 cargos com nomes distintos. Muitos são evidentemente anacrônicas (eg. açougueiro) e já se acham em processo de extinção. O número de servidores também varia enormemente. Há desde a carreira de Professor do Magistério Superior com mais de 80 mil servidores quanto outras geralmente em extinção com menos de uma dezena de servidores.

Para centrarmos o problema foca-se nas 80 carreiras com o maior número de servidores. Estas concentram 456 mil servidores ou seja 84% do total.

Há ampla disparidade entre carreiras também no perfil etário dos servidores. Olhando-se para as carreiras mais numerosas enquanto na de Agente da Polícia apenas 4% dos servidores terão mais de 65 anos em 2032 na de Agente de Saúde este valor chega a 995%.

Fica claro que a idade da mão de obra não pode ficar fora da análise do impacto da automação. Em primeiro lugar apesar de cadente ainda há um hiato entre idades nas capacidades de lidar com as novas tecnologias.3 Em segundo lugar na ótica da eficiência do gasto em treinamento faz mais sentido investir nos servidores das carreiras mais impactadas pela modernização e mais distantes da aposentadoria. E por fim naquelas carreiras com muitos servidores próximos da aposentadoria pode ser mais razoável repô-los com mais jovens possuidores de outras habilidades.

O gráfico abaixo sintetiza os resultados deste data story. No eixo horizontal tem-se a idade média dos servidores das principais carreiras; no vertical o impacto da automação por carreiras. O tamanho das bolhas é proporcional ao número de servidores em exercício.

Destaca-se a importância dos professores. Cerca de 233 % do total de servidores se enquadram nesta carreira e são em geral relativamente jovens, apenas 36% terão mais de 65 anos em 2032.

As tabelas I e II abaixo mostram respectivamente as carreiras com maior parcela de servidores seniores e também aquelas cujo impacto da automação será mais intenso. Como se pode ver abaixo os servidores seniores se encontram nas chamadas atividades meio e em carreiras em extinção.

Tabela I - Carreiras com maior parcela de servidores seniores

Nota, foram consideradas apenas as 80 carreiras com mais servidores.

Tabela II, Carreiras com maior impacto da automação por número de servidores

Nota, foram consideradas apenas as 80 carreiras com mais servidores.

Uma tipologia

A partir dos dados da seção acima busca-se construir uma tipologia que classifique as carreiras com base nas dimensões das perspectivas de sua automação e seu envelhecimento. Não existe uma única forma fazer isso. Uma sugestão é pensar na necessidade de modernização e na possibilidade de adaptação dos servidores que a gestão pública enfrentará em um futuro próximo. A tabela a seguir ilustra o argumento.

Nas linhas tem-se a modernização (isto é as perspectivas de automação) classificada em alta e baixa. Nas colunas temos os servidores classificados em jovens e seniores. Por exemplo na célula I temos servidores jovens que se deparam com elevada modernização em sua ocupação. Como são jovens supõe-se que a adaptação será mais fácil (por meio de treinamentos e requalificações).

Já no caso dos seniores também no caso de modernização alta a necessidade de retreinamento é incerta. Por que? Porque depende da ocupação do servidor. Sabemos que ainda existem servidores em ocupações em extinção e/ou já extintas e provavelmente muitos servidores seniores enquadram-se nesta situação. Para estes não há muito sentido alocar recursos para uma eventual adaptação à modernização. Já para os outros seniores a necessidade de adaptação é maior mas a administração pública terá que ponderar o custo-benefício da adaptação conforme a proximidade do tempo de aposentadoria.

Tendo em vista a classificação acima vejamos alguns exemplos para os quatro quadrantes acima. Mais uma vez foram consideradas apenas 80 carreiras com mais servidores e neste caso entraram nas categorias aquelas com valores mais extremos das duas dimensões consideradas ou seja com um valor acima de 33% da mediana observada.

Análise de carreiras

Quadrante I, modernização alta e servidores seniores

No Quadrante I tem-se conforme nossa base de dados 24.400 agentes administrativos dos quais em 2032 aproximadamente 67% terão mais de 65 anos. O impacto estimado da automação para esta ocupação é de 063. Leitura similar pode ser feita para as outras ocupações listadas.

Neste quadrante concentram-se carreiras em que o progresso tecnológico pode até levar à extinção da ocupação. Datilógrafos estão sendo substituídos por sistemas de reconhecimento de voz ou escrita e mesmo os serviços de limpeza poderão ser parcialmente automatizados em futuro próximo. Como nesses casos a idade média dos servidores é alta não sendo necessária tanta preocupação com retreinamento. Ainda neste quadrante há ainda outras carreiras em que a tecnologia poderá substituir o trabalho humano. Como será visto adiante em outras carreiras especialmente as localizadas no Quadrante III a automação terá um papel mais complementar ao trabalho humano.

Quadrante II, modernização alta e servidores jovens

A diferença entre os Quadrantes I e II é apenas na dimensão da aposentadoria sendo que neste último temos servidores mais jovens. Ocupações de técnico (contabilidade e administrativo) serão fortemente impactadas pela automação. Este resultado não surpreende dado que boa parte das habilidades requeridas nessas ocupações são de rotina e podem ser substituídas. No Quadrante II também estão as carreiras de saúde que lidam mais diretamente com o paciente como técnicos e auxiliares de enfermagem. Causa alguma surpresa que estas atividades sejam atingidas pela automação porém pode-se imaginar que nesse caso a tecnologia funcione como complemento das suas tarefas.

Quadrante III, modernização baixa e servidores jovens

Vejamos agora o caso em que o impacto da modernização é menor. Muitas das carreiras nesses quadrantes III e IV são atividades fim do Governo, lidam diretamente com o cidadão e os ganhos de produtividade trazidos pela tecnologia seriam intrinsecamente limitados. São o que podemos chamar de as ocupações de Baumol.⁴ Os Quadrantes III e IV refletem esta situação e, novamente, a diferença é apenas se os servidores são jovens ou seniores. Do Quadrante III percebe-se há um contingente considerável de servidores que são professores do magistério superior.

Atividades de ensino por sua vez envolvem habilidades relacionadas ao trato social. Há obviamente uma parte da atividade educacional que pode ser automatizada como vemos nos cursos de ensino à distância (EAD). Da mesma forma a EAD não é uma atividade que prescinde totalmente da intervenção humana, vários destes cursos envolvem interações com tutores por exemplo. Trata-se de uma atividade em que a relação automação/pessoas é mais complementar do que substituta.

Médicos e enfermeiros também são ocupações menos automatizáveis. Como destacado por KUBOTA e MACIENTE (2019) isso se deve às características das ocupações. Essas carreiras executam tarefas pouco repetitivas que envolvem interação com outras pessoas.

Ainda no Quadrante III tome-se o caso dos analistas tributários da receita. Trata-se de uma carreira com muitas atividades não rotineiras e portanto com baixa possibilidade de automação. Talvez indicando uma limitação do indicador de automação pode-se imaginar que a utilização dos avanços de ciência de dados por exemplo poderia potencializar o trabalho dos analistas tributários.

Quadrante IV, modernização baixa e servidores seniores

Finalmente no Quadrante IV tem-se carreiras com baixo impacto previsto da automação e servidores mais seniores. Destacam-se os agentes de combate a endemias. Considerando a baixa modernização estimada o perfil etário e as demandas da população parece razoável supor que será necessário repor os servidores dessas carreiras ou se encontrar outra solução a nível local para que esses serviços continuem.

Se os impactos na inovação tecnológica forem os esperados será essencial para o setor público se preparar para a modernização. Caso contrário o setor se distanciará do privado e da própria sociedade. Além de reformas institucionais que aumentem a flexibilidade fica clara a necessidade de focar esforços na qualificação e treinamento dos servidores das carreiras necessárias e que serão mais impactadas pela automação.

AUTOR e SOLOMON (2019), ao analisarem as novas profissões do setor privado norte-americano, registram o surgimento das ocupações de fronteira tecnológica (frontier jobs), que exigem habilidades analíticas sofisticadas. No outro extremo, haveriam aquelas ocupações residuais (last mile jobs), em que boa parte das tarefas já foi automatizada, restando ao ser humano executar as tarefas que a máquina (ainda?) é incapaz de fazer. Em estudos futuros, uma adaptação dessa tipologia ao setor público pode ser útil para entender os efeitos e potencialidades das novas tecnologias.

Bibliografia

• ACEMOGLU, Daron; AUTOR, David. Skills, tasks and technologies: Implications for employment and earnings. In: Handbook of labor economics. Elsevier, 2011. p. 1043-1171.
• ALBUQUERQUE, Pedro Henrique Melo et al. The Robot from Ipanema goes Working: Estimating the Probability of Jobs Automation in Brazil. Latin American Business Review, v. 20, n. 3, p. 227-248, 2019.
• AUTOR, David, SALOMONS, Anna. “New Frontiers: The Evolving Content and Geography of New Work in the 20th Century.” http://web.mit.edu/dautor/www/Autor-SalomonsNewFrontiers.pdf , 2019.
• FREY, Carl Benedikt; OSBORNE, Michael A. The future of employment: How susceptible are jobs to computerisation?. Technological forecasting and social change, v. 114, p. 254-280, 2017.
• KUBOTA, Luis e MACIENTE, Aguinaldo. Propensão à automação das tarefas ocupacionais no Brasil. Radar n.61, Brasília: Ipea. 2019.
• MCMURTREY, Mark E. et al. Seniors and technology: Results from a field study. Journal of Computer Information Systems, v. 51, n. 4, p. 22-30, 2011.