TED@IBM
Eric Berridge: Why tech needs the humanities
Eric Berridge: Por que a tecnologia precisa das ciências humanas
Filmed:
Readability: 4.6
1,226,683 views
Se quisermos montar uma equipe de solucionadores inovadores de problemas, devemos valorizar as ciências humanas tanto quanto as ciências exatas, diz o empreendedor Eric Berridge. Ele compartilha o motivo pelo qual as empresas de tecnologia deveriam olhar além dos formados em ciências exatas para novas contratações, e como as pessoas com conhecimentos nas artes e nas ciências humanas podem trazer criatividade e discernimento para locais de trabalho técnicos.
Eric Berridge - Entrepreneur
Eric Berridge is an entrepreneurial humanist who believes our society is overly obsessed with STEM. Full bio
Eric Berridge is an entrepreneurial humanist who believes our society is overly obsessed with STEM. Full bio
Double-click the English transcript below to play the video.
00:12
You've all been in a bar, right?
0
647
2242
Todos nós já fomos a um bar, certo?
00:14
(Laughter)
1
2913
1491
(Risos)
00:16
But have you ever gone to a bar
2
4759
2694
Mas vocês já foram a um bar
00:19
and come out with a $200 million business?
3
7477
2952
e saíram com um negócio
de US$ 200 milhões?
de US$ 200 milhões?
00:24
That's what happened to us
about 10 years ago.
about 10 years ago.
4
12276
2280
Foi o que aconteceu conosco
há quase dez anos.
há quase dez anos.
00:27
We'd had a terrible day.
5
15445
1705
Tivemos um dia terrível.
00:30
We had this huge client
that was killing us.
that was killing us.
6
18012
4064
Tínhamos um cliente superimportante
que estava nos matando.
que estava nos matando.
00:34
We're a software consulting firm,
7
22100
2604
Somos uma empresa
de consultoria de software,
de consultoria de software,
00:36
and we couldn't find
a very specific programming skill
a very specific programming skill
8
24728
2982
e não conseguíamos achar uma técnica
de programação muito específica
de programação muito específica
00:39
to help this client deploy
a cutting-edge cloud system.
a cutting-edge cloud system.
9
27734
3158
para ajudar esse cliente a utilizar
um sistema de nuvem de ponta.
um sistema de nuvem de ponta.
Temos um grupo de engenheiros,
00:43
We have a bunch of engineers,
10
31798
1421
00:45
but none of them could please this client.
11
33243
2594
mas nenhum deles
conseguia agradar esse cliente.
conseguia agradar esse cliente.
00:49
And we were about to be fired.
12
37274
1657
E estávamos prestes a ser demitidos.
00:51
So we go out to the bar,
13
39888
2335
Então, fomos ao bar,
00:54
and we're hanging out
with our bartender friend Jeff,
with our bartender friend Jeff,
14
42247
4047
e passamos o tempo com nosso amigo
atendente de bar Jeff,
atendente de bar Jeff,
00:58
and he's doing
what all good bartenders do:
what all good bartenders do:
15
46318
2001
e ele faz o que todos
os bons atendentes fazem:
os bons atendentes fazem:
01:00
he's commiserating with us,
making us feel better,
making us feel better,
16
48343
3022
ele é solidário conosco, fazendo-nos
sentir melhor a respeito de nossa dor,
sentir melhor a respeito de nossa dor,
01:03
relating to our pain,
17
51389
2292
01:05
saying, "Hey, these guys
are overblowing it.
are overblowing it.
18
53705
2048
dizendo: "Esses caras estão
exagerando, não se preocupem".
exagerando, não se preocupem".
01:07
Don't worry about it."
19
55777
1183
Finalmente, ele nos olha sério e diz:
01:08
And finally, he deadpans us and says,
20
56984
2214
01:11
"Why don't you send me in there?
21
59222
2293
"Por que vocês não me mandam pra lá?
01:13
I can figure it out."
22
61539
1507
Posso resolver".
01:15
So the next morning,
we're hanging out in our team meeting,
we're hanging out in our team meeting,
23
63585
3081
Na manhã seguinte, estamos conversando
em nossa reunião de equipe,
em nossa reunião de equipe,
01:19
and we're all a little hazy ...
24
67901
2555
e estamos todos um pouco confusos...
01:22
(Laughter)
25
70480
1150
(Risos)
01:24
and I half-jokingly throw it out there.
26
72504
2120
e eu, meio que brincando,
dou uma sugestão.
dou uma sugestão.
01:26
I say, "Hey, I mean,
we're about to be fired."
we're about to be fired."
27
74648
2584
Digo: "Estamos prestes a ser demitidos".
01:29
So I say,
28
77256
1302
Então, eu digo:
01:30
"Why don't we send in
Jeff, the bartender?"
Jeff, the bartender?"
29
78582
2082
"Por que não mandamos Jeff,
o atendente do bar?"
o atendente do bar?"
01:32
(Laughter)
30
80688
3077
(Risos)
01:35
And there's some silence,
some quizzical looks.
some quizzical looks.
31
83789
4061
Há um silêncio,
alguns olhares incrédulos.
01:39
Finally, my chief of staff says,
"That is a great idea."
"That is a great idea."
32
87874
3542
Finalmente, meu chefe de equipe
diz: "É uma ótima ideia".
diz: "É uma ótima ideia".
01:43
(Laughter)
33
91440
1737
(Risos)
01:45
"Jeff is wicked smart. He's brilliant.
34
93201
2094
"Jeff é muito inteligente, é genial.
01:48
He'll figure it out.
35
96168
1150
Ele vai resolver.
01:50
Let's send him in there."
36
98328
1413
Vamos mandá-lo pra lá".
01:52
Now, Jeff was not a programmer.
37
100189
2526
Jeff não era programador.
01:54
In fact, he had dropped out of Penn
as a philosophy major.
as a philosophy major.
38
102739
3889
Na verdade, ele tinha abandonado Penn
como especialista em filosofia.
como especialista em filosofia.
01:59
But he was brilliant,
39
107491
1994
Mas ele era genial
02:01
and he could go deep on topics,
40
109509
2627
e poderia ir a fundo nos assuntos,
02:04
and we were about to be fired.
41
112160
2032
e nós estávamos prestes a ser demitidos.
02:06
So we sent him in.
42
114216
1150
Então, nós o mandamos.
02:09
After a couple days of suspense,
43
117839
1986
Depois de alguns dias de suspense,
Jeff ainda estava lá.
Jeff ainda estava lá.
02:11
Jeff was still there.
44
119849
2157
02:15
They hadn't sent him home.
45
123002
2140
Eles não o tinham mandado pra casa.
02:17
I couldn't believe it.
46
125166
2066
Eu mal podia acreditar.
02:19
What was he doing?
47
127256
1491
O que ele estava fazendo?
02:21
Here's what I learned.
48
129281
1150
Eis o que aprendi.
02:23
He had completely disarmed
their fixation on the programming skill.
their fixation on the programming skill.
49
131318
4210
Ele havia desarmado totalmente a fixação
deles pela técnica de programação
deles pela técnica de programação
02:29
And he had changed the conversation,
50
137004
2921
e tinha mudado a conversa,
02:31
even changing what we were building.
51
139949
2016
até o que estávamos construindo.
02:33
The conversation was now
about what we were going to build and why.
about what we were going to build and why.
52
141989
4552
A conversa era sobre o que faríamos
para construir e por quê.
para construir e por quê.
02:41
And yes, Jeff figured out
how to program the solution,
how to program the solution,
53
149059
5358
E sim, Jeff descobriu
como programar a solução,
como programar a solução,
02:46
and the client became
one of our best references.
one of our best references.
54
154441
2365
e o cliente tornou-se
uma de nossas melhores referências.
uma de nossas melhores referências.
02:50
Back then, we were 200 people,
55
158782
1977
Na época, éramos 200 pessoas,
02:52
and half of our company was made up
of computer science majors or engineers,
of computer science majors or engineers,
56
160783
6320
e metade de nossa empresa era composta
por cientistas da computação, engenheiros,
por cientistas da computação, engenheiros,
02:59
but our experience with Jeff
left us wondering:
left us wondering:
57
167127
2261
mas nossa experiência com Jeff
nos deixou imaginando:
nos deixou imaginando:
03:02
Could we repeat this through our business?
58
170627
2071
poderíamos repetir isso
por meio de nosso negócio?
por meio de nosso negócio?
03:06
So we changed the way
we recruited and trained.
we recruited and trained.
59
174017
4261
Então, mudamos a maneira
como recrutamos e treinamos.
como recrutamos e treinamos.
03:11
And while we still sought after computer
engineers and computer science majors,
engineers and computer science majors,
60
179766
5984
E, embora ainda procurássemos
engenheiros e cientistas da computação,
engenheiros e cientistas da computação,
03:17
we sprinkled in artists,
musicians, writers ...
musicians, writers ...
61
185774
4976
diversificamos com artistas,
músicos, escritores...
músicos, escritores...
03:24
and Jeff's story started to multiply
itself throughout our company.
itself throughout our company.
62
192818
4374
e a história de Jeff começou
a se multiplicar em toda a nossa empresa.
a se multiplicar em toda a nossa empresa.
03:29
Our chief technology officer
is an English major,
is an English major,
63
197216
3333
Nosso diretor de tecnologia
é formado em inglês,
é formado em inglês,
03:34
and he was a bike messenger in Manhattan.
64
202168
2214
e foi mensageiro ciclista em Manhatan.
03:38
And today, we're a thousand people,
65
206680
1946
Atualmente, somos mil pessoas,
03:41
yet still less than a hundred have degrees
in computer science or engineering.
in computer science or engineering.
66
209935
5452
ainda assim, não chega a 100 os formados
em ciência da computação ou engenharia.
em ciência da computação ou engenharia.
03:48
And yes, we're still
a computer consulting firm.
a computer consulting firm.
67
216984
3183
E sim, ainda somos uma empresa
de consultoria de informática.
de consultoria de informática.
03:52
We're the number one player in our market.
68
220191
2126
Somos o número um do mercado.
Trabalhamos com o pacote
de software que mais cresce
de software que mais cresce
03:54
We work with the fastest-growing
software package
software package
69
222341
2353
para atingir US$ 10 bilhões
em vendas anuais.
em vendas anuais.
03:56
to ever reach 10 billion dollars
in annual sales.
in annual sales.
70
224718
2293
04:01
So it's working.
71
229015
1626
Está dando certo.
04:05
Meanwhile, the push for STEM-based
education in this country --
education in this country --
72
233426
5731
Enquanto isso, o estímulo para a educação
baseada nas ciências exatas neste país -
baseada nas ciências exatas neste país -
04:11
science, technology,
engineering, mathematics --
engineering, mathematics --
73
239181
3334
ciência, tecnologia, engenharia,
matemática - é poderoso.
matemática - é poderoso.
04:14
is fierce.
74
242539
1212
04:15
It's in all of our faces.
75
243775
1880
Só não vê quem não quer.
04:18
And this is a colossal mistake.
76
246355
1674
Esse é um erro gigantesco.
04:21
Since 2009, STEM majors
in the United States
in the United States
77
249707
4229
Desde 2009, os formados em ciências exatas
nos Estados Unidos aumentaram 43%,
nos Estados Unidos aumentaram 43%,
04:25
have increased by 43 percent,
78
253960
2056
04:28
while the humanities have stayed flat.
79
256040
2428
enquanto as ciências humanas
permanecem sem aumento.
permanecem sem aumento.
04:30
Our past president
80
258492
1365
Nosso presidente anterior
04:33
dedicated over a billion dollars
towards STEM education
towards STEM education
81
261047
3503
dedicou mais de US$ 1 bilhão
para a educação em ciências exatas
para a educação em ciências exatas
04:36
at the expense of other subjects,
82
264574
2839
à custa de outras matérias,
04:39
and our current president
83
267437
2876
e nosso presidente atual
04:42
recently redirected 200 million dollars
of Department of Education funding
of Department of Education funding
84
270337
4867
redirecionou recentemente US$ 200 milhões
do fundo do Departamento da Educação
do fundo do Departamento da Educação
04:47
into computer science.
85
275228
1469
para a ciência da computação.
04:49
And CEOs are continually complaining
about an engineering-starved workforce.
about an engineering-starved workforce.
86
277788
6381
Os diretores continuam reclamando da força
de trabalho carente de engenharia.
de trabalho carente de engenharia.
04:57
These campaigns,
87
285717
1445
Essas campanhas,
05:00
coupled with the undeniable success
of the tech economy --
of the tech economy --
88
288583
3548
junto com o sucesso inegável
da economia de tecnologia...
da economia de tecnologia...
05:04
I mean, let's face it,
89
292155
1248
Vamos encarar.
05:05
seven out of the 10 most valuable
companies in the world by market cap
companies in the world by market cap
90
293427
5508
Sete das dez empresas mais valiosas
do mundo pela capitalização do mercado
do mundo pela capitalização do mercado
05:10
are technology firms --
91
298959
1511
são empresas de tecnologia.
05:13
these things create an assumption
92
301662
1976
Essas coisas criam uma suposição
05:16
that the path of our future workforce
will be dominated by STEM.
will be dominated by STEM.
93
304805
4214
de que o caminho de nossa
futura força de trabalho
futura força de trabalho
será dominado pelas ciências exatas.
05:24
I get it.
94
312583
1150
Eu entendo.
05:26
On paper, it makes sense.
95
314692
1621
No papel, faz sentido.
05:29
It's tempting.
96
317498
1212
É tentador.
05:33
But it's totally overblown.
97
321597
1933
Mas é totalmente exagerado.
05:35
It's like, the entire soccer team
chases the ball into the corner,
chases the ball into the corner,
98
323554
6051
É como se um time inteiro de futebol
corresse atrás da bola no canto,
corresse atrás da bola no canto,
05:41
because that's where the ball is.
99
329629
1778
porque é onde está a bola.
05:44
We shouldn't overvalue STEM.
100
332841
2246
Não deveríamos superestimar
as ciências exatas.
as ciências exatas.
05:48
We shouldn't value the sciences
any more than we value the humanities.
any more than we value the humanities.
101
336133
3573
Não deveríamos valorizar as ciências
exatas mais do que as ciências humanas.
exatas mais do que as ciências humanas.
05:52
And there are a couple of reasons.
102
340544
1722
Há algumas razões.
05:55
Number one, today's technologies
are incredibly intuitive.
are incredibly intuitive.
103
343058
5986
A primeira: as tecnologias de hoje
são incrivelmente intuitivas.
são incrivelmente intuitivas.
06:01
The reason we've been able
to recruit from all disciplines
to recruit from all disciplines
104
349068
4000
A razão pela qual pudemos
selecionar pessoas de todas as áreas
selecionar pessoas de todas as áreas
06:05
and swivel into specialized skills
105
353092
2119
e mudar nosso foco
para habilidades especializadas
para habilidades especializadas
06:08
is because modern systems
can be manipulated without writing code.
can be manipulated without writing code.
106
356377
4754
é porque os sistemas modernos podem
ser manipulados sem escrever código.
ser manipulados sem escrever código.
06:13
They're like LEGO: easy to put together,
easy to learn, even easy to program,
easy to learn, even easy to program,
107
361155
5854
São como peças de montar: fáceis
de juntar, de aprender e até de programar,
de juntar, de aprender e até de programar,
06:19
given the vast amounts of information
that are available for learning.
that are available for learning.
108
367033
3491
dado à enorme quantidade de informação
disponível para aprendizagem.
disponível para aprendizagem.
06:23
Yes, our workforce
needs specialized skill,
needs specialized skill,
109
371173
2835
Sim, nossa força de trabalho precisa
de mão de obra especializada,
de mão de obra especializada,
06:27
but that skill requires a far less
rigorous and formalized education
rigorous and formalized education
110
375242
4794
mas isso requer uma educação
muito menos rigorosa e formal
muito menos rigorosa e formal
06:32
than it did in the past.
111
380060
1856
do que no passado.
06:34
Number two, the skills
that are imperative and differentiated
that are imperative and differentiated
112
382876
5739
A segunda: as habilidades
indispensáveis e diferenciadas
indispensáveis e diferenciadas
06:40
in a world with intuitive technology
113
388639
3149
em um mundo com tecnologia intuitiva
06:43
are the skills that help us
to work together as humans,
to work together as humans,
114
391812
3587
são as habilidades que nos ajudam
a trabalhar juntos como seres humanos,
a trabalhar juntos como seres humanos,
06:49
where the hard work
is envisioning the end product
is envisioning the end product
115
397184
3984
em que o trabalho árduo
concebe o produto final
concebe o produto final
06:54
and its usefulness,
116
402193
1492
e sua utilidade,
06:55
which requires real-world experience
and judgment and historical context.
and judgment and historical context.
117
403709
6214
que requer experiência do mundo real,
discernimento e contexto histórico.
discernimento e contexto histórico.
07:03
What Jeff's story taught us
118
411232
2286
A história de Jeff nos ensinou
07:05
is that the customer
was focused on the wrong thing.
was focused on the wrong thing.
119
413542
3531
que o consumidor estava focado
na coisa errada.
na coisa errada.
07:10
It's the classic case:
120
418160
1507
É o caso clássico:
07:12
the technologist struggling to communicate
with the business and the end user,
with the business and the end user,
121
420661
4262
o tecnólogo lutando para se comunicar
com o negócio e o usuário final,
com o negócio e o usuário final,
07:16
and the business failing
to articulate their needs.
to articulate their needs.
122
424947
4186
e o negócio fracassando
em expressar as necessidades deles.
em expressar as necessidades deles.
07:22
I see it every day.
123
430033
1706
Vejo isso todos os dias.
07:25
We are scratching the surface
124
433448
1922
Estamos arranhando a superfície
07:27
in our ability as humans
to communicate and invent together,
to communicate and invent together,
125
435394
4809
de nossa capacidade como seres humanos
de nos comunicar e inventar juntos,
de nos comunicar e inventar juntos,
07:32
and while the sciences teach us
how to build things,
how to build things,
126
440227
4580
e, enquanto as ciências exatas
nos ensinam como construir coisas,
nos ensinam como construir coisas,
07:36
it's the humanities that teach us
what to build and why to build them.
what to build and why to build them.
127
444831
5410
as ciências humanas nos ensinam
o que construir e por quê.
o que construir e por quê.
07:43
And they're equally as important,
128
451612
2604
Elas são igualmente importantes
07:46
and they're just as hard.
129
454240
1507
e tão difíceis.
07:50
It irks me ...
130
458476
1995
Fico aborrecido...
07:54
when I hear people
treat the humanities as a lesser path,
treat the humanities as a lesser path,
131
462532
5493
quando vejo as pessoas tratarem
as ciências humanas como um caminho menor,
as ciências humanas como um caminho menor,
08:00
as the easier path.
132
468049
1184
o caminho mais fácil.
08:01
Come on!
133
469840
1150
O que é isso!
08:04
The humanities give us
the context of our world.
the context of our world.
134
472258
4150
As ciências humanas nos dão
o contexto de nosso mundo.
o contexto de nosso mundo.
08:10
They teach us how to think critically.
135
478573
3437
Elas nos ensinam a pensar de modo crítico.
08:14
They are purposely unstructured,
136
482034
1969
São propositadamente desestruturadas,
08:16
while the sciences
are purposely structured.
are purposely structured.
137
484027
2546
enquanto as ciências exatas
são propositadamente estruturadas.
são propositadamente estruturadas.
08:19
They teach us to persuade,
they give us our language,
they give us our language,
138
487745
3588
Elas nos ensinam a persuadir,
nos dão a nossa linguagem...
nos dão a nossa linguagem...
08:23
which we use to convert our emotions
to thought and action.
to thought and action.
139
491357
6839
que nós...
usamos para converter
nossas emoções em pensamento e ação.
nossas emoções em pensamento e ação.
08:32
And they need to be
on equal footing with the sciences.
on equal footing with the sciences.
140
500267
4264
Elas precisam estar em pé
de igualdade com as ciências exatas.
de igualdade com as ciências exatas.
08:36
And yes, you can hire a bunch of artists
141
504555
3992
E sim, podemos contratar
um grupo de artistas
um grupo de artistas
08:40
and build a tech company
142
508571
1333
e construir uma empresa de tecnologia
08:43
and have an incredible outcome.
143
511166
1770
e ter um resultado incrível.
08:46
Now, I'm not here today
to tell you that STEM's bad.
to tell you that STEM's bad.
144
514616
4722
Não estou aqui hoje para dizer a vocês
que as ciências exatas são ruins,
que as ciências exatas são ruins,
08:52
I'm not here today
to tell you that girls shouldn't code.
to tell you that girls shouldn't code.
145
520778
3984
nem que as garotas
não deveriam escrever código.
não deveriam escrever código.
08:57
(Laughter)
146
525111
1039
(Risos)
08:58
Please.
147
526174
1150
Por favor.
09:00
And that next bridge I drive over
148
528355
2568
Que a próxima ponte sobre a qual passarmos
09:02
or that next elevator we all jump into --
149
530947
3550
ou o próximo elevador
em que todos nós entrarmos...
em que todos nós entrarmos...
09:07
let's make sure
there's an engineer behind it.
there's an engineer behind it.
150
535602
2207
Vamos ter certeza de que há
um engenheiro por trás disso.
um engenheiro por trás disso.
09:09
(Laughter)
151
537833
3642
(Risos)
09:14
But to fall into this paranoia
152
542233
3295
Mas cair nessa paranoia
09:17
that our future jobs
will be dominated by STEM,
will be dominated by STEM,
153
545552
4872
de que nossos futuros empregos
serão dominados pelas ciências exatas,
serão dominados pelas ciências exatas,
09:22
that's just folly.
154
550448
1635
isso é loucura.
09:24
If you have friends or kids
or relatives or grandchildren
or relatives or grandchildren
155
552526
4091
Se vocês tiverem amigos, crianças,
parentes, netos, sobrinhas ou sobrinhos,
parentes, netos, sobrinhas ou sobrinhos,
09:28
or nieces or nephews ...
156
556641
1799
09:30
encourage them to be
whatever they want to be.
whatever they want to be.
157
558464
3150
incentivem-nos a serem o que quiserem ser.
09:34
(Applause)
158
562336
6896
(Vivas) (Aplausos)
09:41
The jobs will be there.
159
569607
2015
Os empregos estarão por aí.
09:45
Those tech CEOs
160
573741
1477
Aqueles diretores de tecnologia,
09:48
that are clamoring for STEM grads,
161
576235
3334
que estão clamando por formados
em ciências exatas,
em ciências exatas,
09:51
you know what they're hiring for?
162
579593
1784
sabem para quem eles estão contratando?
09:54
Google, Apple, Facebook.
163
582430
2025
Google, Apple, Facebook.
09:57
Sixty-five percent
of their open job opportunities
of their open job opportunities
164
585468
3627
Sessenta e cinco por cento
das oportunidades abertas de emprego
das oportunidades abertas de emprego
10:01
are non-technical:
165
589119
1721
são não técnicas:
10:03
marketers, designers,
project managers, program managers,
project managers, program managers,
166
591845
4889
comerciantes, artistas gráficos,
gerentes de projeto, gerentes de programa,
gerentes de projeto, gerentes de programa,
10:08
product managers, lawyers, HR specialists,
167
596758
3381
gerentes de produto, advogados,
especialistas de RH,
especialistas de RH,
10:12
trainers, coaches, sellers,
buyers, on and on.
buyers, on and on.
168
600163
3325
treinadores, técnicos, vendedores,
compradores e assim por diante.
compradores e assim por diante.
10:15
These are the jobs they're hiring for.
169
603512
3438
Esses são os empregos para os quais
eles estão contratando.
eles estão contratando.
10:20
And if there's one thing
that our future workforce needs --
that our future workforce needs --
170
608602
5405
Se há uma coisa de que nossa futura
força de trabalho necessita,
força de trabalho necessita,
10:26
and I think we can all agree on this --
171
614031
1952
e acho que todos nós
podemos concordar com isso,
podemos concordar com isso,
10:29
it's diversity.
172
617056
1150
é a diversidade.
10:31
But that diversity shouldn't end
with gender or race.
with gender or race.
173
619706
4074
Mas essa diversidade não deveria
terminar com gênero ou raça.
terminar com gênero ou raça.
10:35
We need a diversity of backgrounds
174
623804
2103
Precisamos de uma diversidade
de conhecimentos
de conhecimentos
10:39
and skills,
175
627192
1150
e habilidades,
10:42
with introverts and extroverts
176
630100
3738
com introvertidos e extrovertidos
10:45
and leaders and followers.
177
633862
2953
e líderes e seguidores.
10:48
That is our future workforce.
178
636839
1689
Essa é a força de trabalho
do nosso futuro.
do nosso futuro.
10:51
And the fact that the technology
is getting easier and more accessible
is getting easier and more accessible
179
639767
5699
O fato de que a tecnologia
está ficando mais fácil e acessível
está ficando mais fácil e acessível
10:57
frees that workforce up
180
645490
1818
libera essa força de trabalho
para estudar o que bem entenderem.
para estudar o que bem entenderem.
10:59
to study whatever they damn well please.
181
647332
3372
11:03
Thank you.
182
651273
1151
Obrigado.
11:04
(Applause)
183
652448
6623
(Vivas) (Aplausos)
ABOUT THE SPEAKER
Eric Berridge - EntrepreneurEric Berridge is an entrepreneurial humanist who believes our society is overly obsessed with STEM.
Why you should listen
As the co-founder of global consulting agency and Salesforce strategic partner Bluewolf, an IBM Company, Eric Berridge has applied his passion for the humanities over the past 17 years to pioneer a cloud consulting practice with less than 10 percent of employees holding engineering or computer science degrees. The way he sees it, as technology becomes easier to use and build, the humanities offer skills that are becoming increasingly valuable to the success of business everywhere. And today’s AI-driven discussion holds the key to freeing the human condition to be balanced, healthy, creative and productive.
Eric Berridge | Speaker | TED.com