Porque é que a IA tem de se adaptar a uma sociedade de longa duração. Envelhecimento e tecnologia no ambiente laboral
O termo idadismo (do inglês ageism) surgiu nos anos 60 para se referir a enviesamentos e preconceitos relacionados com a idade. Foi então que a discriminação etária começou a ser vista como uma realidade profundamente enraizada em elementos culturais e sociais que ainda hoje são relevantes. Com base no facto de a esperança de vida estar a aumentar e na transformação demográfica para uma sociedade longeva, o conceito de que alguém é "velho" de acordo com "para que âmbitos" já é, por razões óbvias na nossa sociedade, anacrónico e não funcional.
A sociedade está a envelhecer e é necessário adaptar cada um dos seus instrumentos, incluindo os tecnológicos, de modo a não perpetuar crenças que prejudicam um número cada vez maior de pessoas.
De acordo com o recente relatório da Organização Mundial de Saúde (OMS) "Relatório sobre o Envelhecimento Saudável", "o envelhecimento tem demonstrado ser prejudicial para a saúde e o bem-estar e constitui um obstáculo importante à formulação de políticas eficazes e à ação sobre o Envelhecimento Saudável.
Um aspeto muito positivo dos avanços tecnológicos é que eles favorecem largamente a automatização de processos em qualquer setor, algo a que estamos cada vez mais habituados, e que na maioria dos casos é inofensivo.
Para este artigo vamos ter em conta o público sénior (com mais de 65 anos de idade), porque nem todos os seniores decidem optar pela reforma ou reforma do mercado de trabalho - quer por razões pessoais ou económicas - mas também todas as pessoas com mais de 50 anos e vamos falar sobre como os algoritmos de inteligência artificial e a machine learning os afetam no local de trabalho onde cada vez mais é utilizado software automático baseado em IA para a seleção de CVs.
Vários estudos, tais como o realizado pelo National Bureau of Economic Research, mostram que nos processos de seleção de pessoal, os algoritmos têm uma percentagem muito elevada de ser tendenciosos, discriminando e descartando todos os perfis que tenham mais de uma certa idade, independentemente das competências do candidato.
Aspetos sociais do envelhecimento
Como algo integrado na sociedade que temos de superar, assumimos que as pessoas de uma certa idade perdem capacidades e que não são capazes de se adaptar às mudanças. Assumimos que pessoas com mais de 20 anos de experiência de trabalho nos seus CV não podem ser adequadas para funções que exijam um elevado grau de conhecimento tecnológico. De acordo com este artigo publicado na BBC, o idadismo está presente nos processos de recrutamento "e isto significa que os maiores de 50 anos têm mais do dobro da probabilidade dos outros trabalhadores ficarem desempregados durante dois anos ou mais se perderem o seu emprego atual". Além disso, esta taxa de enviesamento foi considerada ainda mais desfavorável para as mulheres com 50 anos ou mais.
Mas o que causa a ocorrência destes preconceitos e padrões na tecnologia?
Machine learning, dados e idadismo
A própria tecnologia é criada por pessoas, e estas pessoas escolhem e formam dados baseados em realidades culturais e sociais. E é aqui que o desafio começa. Os algoritmos de machine learning são criados a partir de conjuntos de dados, que armazenam grandes quantidades de informação, e "aprendem o que funciona e o que não funciona". Para ser justo, isto é o mesmo que dizer que os conjuntos de dados e a forma como os dados utilizados na formação dos modelos são processados se baseiam em critérios e crenças sociais desatualizados e, portanto, perpetuam estereótipos. E são estes algoritmos que são utilizados em programas de seleção automática causando um elevado nível de enviesamento.
Outro fator comprovado é a falta de profissionais superiores e de mulheres na concepção da própria tecnologia, o que acaba por afectar a cadeia de tomada de decisão. Além disso, este fator determina e condiciona não só o desenvolvimento tecnológico em si, mas também questiona a sua aplicabilidade em diferentes campos.
Estão atualmente a ser tomadas medidas para combater este tipo de preconceitos desde o início, contudo, parte da mudança tem de vir da própria mudança social para que possa ser eticamente escalonada na esfera tecnológica. O gráfico abaixo demonstra a tendência ascendente descrita acima, apesar da antiguidade relativa dos dados.
Gráfico: Fonte PayScale / Statista
O que podemos fazer para melhorar estes fatores?
Tomando como referência tanto fatores sociais, económicos e tecnológicos, enfrentamos um desafio que já foi ecoado por organizações como a Organização Mundial de Saúde (OMS).
O relatório publicado "Ageism in Artificial Intelligence for health" refere-se à forma como a IA pode gerar novas formas de idadismo. Introduz também um quadro para começar a minimizar o risco de exclusão por idade.
A OMS também expõe uma série de considerações entre as quais destacamos:
- "Desenho participativo de tecnologias de IA por e com pessoas mais velhas".
- "Recolha de dados com inclusão da idade".
- "Quadros de governação e de regulamentação para capacitar e trabalhar com pessoas idosas".
- "Processos éticos robustos"
Para além destas considerações e medidas, outro desafio e objetivo é melhorar a perceção de pessoal sénior qualificado (que poderíamos resumir como experiência) no campo e setor tecnológico. Um estudo realizado pela Hacker Rank, ao qual se faz alusão neste artigo de PayScale, confirma que os funcionários mais velhos são ainda mais flexíveis quando se trata de aprender, por exemplo, linguagens de programação, em comparação com os funcionários mais jovens.
Outro instrumento à nossa disposição é melhorar as políticas de emprego relativas ao envelhecimento e iniciar uma mudança progressiva no sentido de uma plena integração da IA numa sociedade longeva.
É evidente que reunir as componentes social, económica e política do desafio é muito complexo, mas é no entanto muito positivo que continuemos a contribuir para uma evolução ética e responsável da tecnologia.