Impacto da mobilidade dos trabalhadores na adoção de tecnologia: estudo revela resultados significativos

- Estudo mostra que a facilidade de mudança de emprego torna as empresas menos propensas a usar novas tecnologias.
- A perda de trabalhadores qualificados devido a mudanças de emprego prejudica a adoção de tecnologia nas empresas.
- Compreender como a mobilidade profissional afeta o uso da tecnologia é fundamental para o sucesso dos negócios.
Em um artigo elaborado por uma equipe de pesquisadores da Universidade Cornell, da Universidade Stanford e da Universidade Syracuse, o deslocamento diário e a aceitação da tecnologia foram considerados aspectos relacionados à adesão dos trabalhadores e das empresas. Ambos demonstram uma relação positiva direta.
Além disso, o artigo apresenta um estudo válido intitulado “Migração de Empregos: A Máquina como Exemplo para a Gestão Estratégica”, publicado no periódico Strategic Management Journal. Para fins desta pesquisa, foi utilizada recentemente uma tecnologia específica de aprendizado de máquina, direcionada a empresas que podem ser consideradas competitivas por se depararem repentinamente com problemas de negócios já conhecidos.
Mobilidade dos trabalhadores e adoção de tecnologia
A singularidade dos trabalhadores, as tecnologias de comunicação e as possibilidades demográficas e econômicas estão convergindo para moldar essas tendências globais.
Chris Forman, líder da equipe de pesquisa da Escola Dyson de Economia Aplicada da Universidade Cornell, pretende abordar "a questão de se a oportunidade que os trabalhadores têm de competir entre empresas é crucial para a tecnologia por trás do aprendizado de máquina no contexto econômico". Os resultados da conferência mostraram que esse problema era significativo para cada organização individualmente e que a responsabilidade recaía sobre a conscientização do público em geral, que precisava fornecer informações mais precisas para evitar surpresas desagradáveis com a implementação de novas tecnologias.
O conjunto de dados é multiestadual, abrangendo o período de 2010 a 2018, e foi utilizado como um experimento natural (o efeito causal da aplicação de um acordo de não concorrência em um tratamento). Os pesquisadores aprofundaram-se no tema, investigando mais de 153 mil organizações. Além da influência do tamanho da empresa que opera sobre o aprendizado de máquina, visualizou-se a diminuição da importância da proporção, considerando a autogestão sem funcionários na situação em questão. A demanda reduzida, que pode ser diferenciada de diversas maneiras, como a presença de muitos concorrentes, empresas igualmente competitivas em uma mesma localidade ou análise preditiva, é o lema desta competição.
Principais fatores que influenciam a adoção
Assim, as preocupações estavam associadas ao conhecimento da mobilidade laboral, como o acesso ao mercado de trabalho e a concorrência. Agora, devido ao conhecimento da mobilidade, o mercado de trabalho oferecia vantagens aos trabalhadores. Portanto, as infinitas e ilimitadas possibilidades fora da organizaçãotraca mente e podem impactar negativamente a situação – podendo levar um funcionário a deixar a organização.
No entanto, vale a pena observar quando líderes, gestores e outros seguem as restrições orçamentárias e tecnológicas. Nesse caso, o sucesso não só é limitado, como também retardado a um ritmo alarmante, e o desenvolvimento de capacidades fica comprometido mesmo com o aproveitamento máximo das oportunidades.
Quando a máquina está no estágio inicial desse processo, ela é operada por um operador que, por sua vez, necessita de treinamento para alcançar a máxima eficiência da tarefa. A omissão de fatores econômicos em uma comunidade pode levar as empresas a contratarem trabalhadores não qualificados, que se tornarão ainda maisdent das máquinas, sem conseguirem encontrar maneiras de desenvolver suas habilidades, pois estas se perdem devido à falta de mão de obra qualificada. Tal situação, contudo, não pode ser considerada segura e pode trazer o temido risco de que a empresa seja superada por concorrentes em rápido crescimento, tornando inúteis quaisquer esforços destinados a atingir as metas do negócio.
Também abordamos uma parte prática do nosso projeto, na qual o estudo de sistemas de aprendizado de máquina é considerado; no entanto, serão apresentados argumentos e um contexto mais amplo sobre o aprendizado de máquina. Desenvolvendo os pontos de vista de Chris Forman, o autor nos lembra que as tecnologias que afetam as indústrias têm as pessoas como elemento central, e a disseminação da tecnologia entre as empresas é um processo humano.
Portanto, é essencial investir em desenvolvimento de recursos humanos para obter informações suficientes sobre o processo de disseminação e difusão tecnológica. Isso implica que o estudo se baseia em indicadores individuais imediatos e/ou no sistema de processamento de dados utilizado na pesquisa, além de resultados que podem ser corroborados por outros estudos que abordem o tema da mobilidade de talentos, crescimento tecnológico e ciclos meritocráticos.
Não se limite a ler notícias sobre criptomoedas. Compreenda-as. Assine nossa newsletter. É grátis.
Aviso Legal. As informações fornecidas não constituem aconselhamento de investimento. CryptopolitanO não se responsabiliza por quaisquer investimentos realizados com base nas informações fornecidas nesta página. Recomendamostrona realização de pesquisas independentesdent /ou a consulta a um profissional qualificado antes de tomar qualquer decisão de investimento.

Brian Koome
Brian Koome tem mais de sete anos de experiência em reportagens sobre blockchain e criptomoedas, atuando no setor desde 2017. Ele contribuiu para publicações de destaque, incluindo o BlockToday.com. Além disso, desenvolveu o curso Ethereum 101 para o BitDegree.org antes de se juntar ao Cryptopolitan como redator em tempo integral. Brian escreve guias permanentes (EGs), análises aprofundadas, entrevistas e análises de preços. Seu foco em DeFi, inovação em blockchain e projetos cripto emergentes encanta os leitores.
















