Todos os exemplos citados deixam claro que o que faz uma tecnologia ser revolucionária é sua capacidade de resolver problemas --os óbvios ou os que você nem sabia que tinha. Um jogo viciante (oi, Candy Crush) surgiu, por exemplo, para nos tirar do tédio de filas e fez seus idealizadores milionários.
Em alguns casos a solução tecnológica pode sofrer com picos de expectativas. Foi o caso das criptomoedas: o bitcoin chegou para ser o futuro das transações financeiras, mas hoje vive um cenário de desvalorização e descrença - causado pela especulação, mas também pelas poucas aplicações práticas atuais.
"A empolgação passou, entramos no 'vale de desilusão', diz Miceli. "Mas um tempo depois a tecnologia amadurece, as pessoas encontram aplicações e volta a ter uma subida, atingindo um platô de uso que pode não chegar no pico da expectativa inicial."
Então, nesses ciclos, fecha uma Blockbuster, mas surgem milhares de Ubers pelas ruas.
Fala-se muito sobre o fim dos postos de trabalho, mas a preocupação não deve ser o desemprego tecnológico, defende Laura Tyson. Economista da Universidade de Berkeley, ela disse em palestra na EmTech Digital, uma conferência anual sobre inteligência do "MIT Technology Review", que a qualidade dos empregos criados e os locais onde eles estão sendo criados que é o problema.
"Eu me preocupo pela desigualdade de renda", falou. Parte dessa mão de obra que adere aos apps para ganhar dinheiro, especialmente os motoristas e os entregadores, passa a viver em condições precárias de trabalho —e pode ser substituídas em breve pelos veículos sem motorista
Todo mundo começa a ter medo de ser 'uberizado'. Essa é a ideia de que você de repente acorda para descobrir que seu legado de negócios já era. Os clientes nunca estiveram tão confusos ou preocupados sobre suas marcas e seu modelo de negócios
Maurice Lévy, chefe do grupo Publicis, que cunhou a expressão "uberização", em 2014
Na outra ponta, são criados inúmeros empregos que pedem uma formação maior —como especialista em dados, engenheiros e afins. E a gente sabe que não é qualquer um que vai virar especialista em Big Data da noite para o dia.
"Na revolução industrial tivemos migrações do campo para indústria. Mas a necessidade de retreinamento do emprego agrícola para o fabril era relativamente pequena. Não veremos motoristas de táxi virando entendedores de machine learning. Essa migração de trabalhos requer um retreinamento muito grande, serão automações simultâneas em todos os setores da economia", diz Adriano Mussa, diretor e sócio da Saint Paul Escola de Negócios.