Uma nova estrutura que orienta robôs perigosos, sujos e maçantes

Durante anos, o campo da robótica utilizou os termos “chato, sujo e perigoso” (DDD) para descrever os tipos de tarefas ou trabalhos em que os robôs podem ser úteis – realizando trabalhos indesejáveis ​​para as pessoas. Um exemplo clássico de trabalho DDD é o de “trabalho físico repetitivo em um chão de fábrica fumegante, envolvendo maquinário pesado que ameaça a vida e a integridade física”.

Mas determinar quais as actividades humanas que se enquadram nestas categorias não é tão simples como parece. O que exatamente é uma tarefa “enfadonha” e quem faz essa suposição? O trabalho “sujo” significa apenas a necessidade de lavar as mãos depois, ou existe também um aspecto de estigma social? Em que dados podemos confiar para classificar empregos como “perigosos”? Nosso trabalho recente (que não foi nada monótono) aborda essas questões e propõe uma estrutura para ajudar os roboticistas a compreender o contexto de trabalho da nossa tecnologia.

Primeiro, fizemos uma análise empírica de publicações sobre robótica entre 1980 e 2024 que mencionam DDD e descobrimos que apenas 2,7% definem DDD e apenas 8,7% fornecem exemplos de tarefas ou empregos. As definições variam e muitos dos exemplos não são particularmente específicos (por exemplo, “fabricação industrial”, “assistência domiciliar”). Em seguida, revisámos a literatura das ciências sociais em antropologia, economia, ciência política, psicologia e sociologia para desenvolver melhores definições para trabalho “enfadonho”, “sujo” e “perigoso”. Novamente, embora possa parecer intuitivamente quais tarefas colocar nesses grupos, verifica-se que existem alguns fatores sociais, econômicos e culturais subjacentes que são importantes.

Trabalho Perigoso: Ocupações ou tarefas que resultam em lesões ou risco de danos

É possível medir o perigo de uma tarefa ou trabalho usando informações relatadas: existem registros administrativos e pesquisas que fornecem números sobre taxas de lesões ocupacionais e fatores de risco perigosos. Embora isso pareça simples, é importante compreender como esses dados foram coletados, relatados e verificados.

Primeiro, os acidentes de trabalho tendem a ser subnotificados, com alguns estudos estimando até 70% dos casos faltantes nas bases de dados administrativas. Em segundo lugar, as lesões e os factores de risco raramente são desagregados por características como género, situação migratória, emprego formal/informal e actividades laborais. Por exemplo, como a maioria dos equipamentos de proteção individual, como máscaras, coletes e luvas, são dimensionados para homens, as mulheres em ambientes de trabalho perigosos enfrentam riscos de segurança acrescidos.

Estas advertências são uma oportunidade para a robótica ser útil: se a procurarmos, provavelmente encontraremos algum trabalho perigoso menos óbvio onde a robótica possa ser uma intervenção importante, para não mencionar alguns grupos que são desproporcionalmente afetados e que beneficiariam de mais segurança no local de trabalho.

Trabalho Sujo: Ocupações ou tarefas que estão física, social ou moralmente contaminadas

Coloquialmente, a maioria das pessoas pode pensar que o trabalho sujo envolve físico sujeira, como lixo, limpeza ou substâncias perigosas Mas a literatura das ciências sociais deixa claro que o trabalho sujo é também sobre estigma. Os empregos socialmente contaminados são muitas vezes servis ou envolvem a interação com grupos estigmatizados (por exemplo, agente penitenciário) e os empregos moralmente contaminados incluem tarefas que as pessoas geralmente percebem como pecaminosas, enganosas ou que de outra forma desafiam as normas de civilidade (por exemplo, stripper, agente de cobrança).

“Trabalho sujo” é uma construção social que pode variar ao longo do tempo (como o estigma da indústria de tatuagens nos EUA) e da cultura (como a enfermagem nos EUA vs. em Bangladesh). Uma forma de medir se o trabalho é “sujo” é utilizar o conceito estreitamente relacionado de prestígio ocupacional, capturado através de inquéritos quantitativos onde as pessoas classificam os empregos. Outra forma de medi-lo é através de dados qualitativos, como etnografias e entrevistas. Semelhante ao “perigoso”, vemos algumas oportunidades ocultas para a robótica no trabalho “sujo”. Mas uma das conclusões mais interessantes dos dados é que um emprego de classificação inferior pode ser algo de que os próprios trabalhadores gostam ou de que encontram imenso orgulho e significado. Se nos preocupamos com quais tarefas são verdadeiramente indesejáveis, é importante compreender esta perspectiva do trabalhador.

Trabalho maçante: ocupações ou tarefas repetitivas e sem autonomia

Quando se trata de definir trabalho enfadonho, o que mais importa são as experiências dos próprios trabalhadores. Pessoas de fora podem fazer muitas suposições falsas sobre quais tarefas têm valor e significado. Às vezes, coisas que parecem chatas ou rotineiras criam as condições certas para o desenvolvimento de habilidades e competências, como a concentração necessária para trabalhar madeira, ou para socialização e apoio, quando as tarefas são realizadas em conjunto com outras pessoas. Em vez de assumir que o trabalho repetitivo é negativo, é importante examinar os dados qualitativos sobre como as pessoas vivenciam o trabalho e a que propósito ele serve. eles.

DDD: uma estrutura acionável

Em nosso artigo, propomos uma estrutura para ajudar a comunidade robótica a explorar como a automação impacta os trabalhos individuais. Para cada termo – enfadonho, sujo e perigoso – a estrutura reúne informações importantes para refletir sobre quais aspectos físicos ou sociais da tarefa são, de fato, DDD. A perspectiva do trabalhador é uma parte importante de todas as três considerações. A estrutura também enfatiza a consciência do contexto, ou seja, o ambiente físico e social de uma profissão e indústria que pode influenciar a natureza DDD de uma tarefa. A nossa ficha de trabalho correspondente sugere fontes de dados existentes nas quais podemos recorrer, bem como encoraja-nos a procurar múltiplas perspetivas e a considerar potenciais fontes de parcialidade na informação.

O que torna as tarefas enfadonhas, sujas ou perigosas depende da perspectiva dos humanos que as executam.RAI

Tomemos, por exemplo, a indústria de resíduos e reciclagem. O mundo gera mais de 2 bilhões de toneladas de resíduos anualmente, e esse número é deverá aumentar para quase 4 bilhões de toneladas até 2050. Intuitivamente, a coleta de lixo parece um trabalho que atinge todos os Ds. Analisando nossa planilha, confirmamos que globalmente, os trabalhadores desta indústria face significativo riscos para a saúde (perigoso) e a recolha de resíduos é classificado como um trabalho de baixo status (sujo), embora, curiosamente, muitos trabalhadores tenha orgulho em prestando este serviço essencial.

O trabalho também é repetitivo, mas há aspectos que o tornam não é chato. Especificamente, os trabalhadores citam a interação diária com os seus colegas de trabalho (que inclui extenso vocabulário interno, hacks de trabalho e grupos de ajuda mútua) e a variedade de tarefas como dois dos aspectos mais agradáveis ​​do trabalho. A variedade de tarefas inclui inspecionar seus veículos e equipamentos, dirigir seu caminhão, coordenar com os membros da tripulação, levantar caixas e sacos, detectar classificação incorreta de resíduos e descarregar no destino final.

Esta descoberta é importante porque alguns tipos de soluções robóticas eliminarão as partes do trabalho que os trabalhadores mais apreciam. Por exemplo, o Instituto Nacional de Segurança e Saúde Ocupacional (NIOSH) recomenda a adoção de caminhões com carregador lateral automatizado e sistemas anti-colisão. Esta inovação aumenta a segurança, o que é excelente, mas também resulta num único trabalhador a operar um joystick numa cabina, rodeado por sensores e câmaras de vigilância.

Em vez disso, deveríamos desafiar-nos a pensar em soluções que tornem os empregos mais seguros, sem os tornar terríveis de uma forma diferente. Para fazer isso, precisamos compreender todos os aspectos do que torna um trabalho enfadonho, sujo ou perigoso (ou não). Nossa estrutura visa facilitar essa compreensão.

Finalmente, é importante notar que o DDD é apenas uma das muitas abordagens possíveis para classificar quais trabalhos poderiam ser melhor atendidos por robôs – há muitas maneiras de pensarmos sobre quais tipos de tarefas ou trabalhos automatizar (por exemplo, impacto econômico ou sustentabilidade ambiental). Dada a popularidade do DDD na robótica, escolhemos esta frase comum como ponto de partida. Adoraríamos ver mais trabalho neste espaço, seja na coleta de dados no próprio DDD ou na criação de outros frameworks.

Na RAI, acreditamos que a fusão da robótica e das ciências sociais abre um mundo totalmente novo de informações, perspectivas, oportunidades e valor. Promove uma cultura de curiosidade e aprendizagem mútua e permite-nos criar ferramentas práticas para qualquer pessoa na área da robótica que se preocupe com o impacto social.

Dull, Dirty, Dangerous: Compreendendo o passado, o presente e o futuro de uma motivação chave para a robótica, por Nozomi Nakajima, Pedro Reynolds-Cuéllar, Caitrin Lynch e Kate Darling do Instituto RAI, foi apresentado no a 21ª Conferência Internacional ACM/IEEE sobre Interação Humano-Robô (HRI) em Edimburgo, Escócia.