Para ter sucesso com a IA, é preciso dominar os fundamentos

Pessoas e empresas inteligentes caem em uma armadilha comum quando se trata de IA: a falsa crença de que adicionar uma camada de IA aos seus processos atuais irá ocultar, em vez de revelar, uma infinidade de erros do passado. Embora saibam muito bem que “se entra lixo, sai lixo”, imaginam-se imunes a erros, alucinações e insatisfação do cliente. Acreditam que seus dados são melhores do que a média, apesar do baixo investimento, ou que a inclusão de um ser humano no processo resolverá quaisquer problemas que surjam no futuro. Por que líderes que, em outras circunstâncias, seriam perspicazes sucumbem a esse tipo de pensamento mágico? Em termos simples, eles ficam hipnotizados pela promessa de que a IA é, de alguma forma, uma fonte de dinheiro fácil. Quando os projetos fracassam e os retornos não aparecem, eles buscam alívio em um novo diretor de dados, uma nova tecnologia ou um fornecedor diferente. Quando nada mais funciona, eles lançam um apelo vago para “mudar a cultura”. Estão olhando na direção errada. Mesmo que muitos digam tudo o que é correto, estão subestimando a importância das pessoas, dos dados, dos clientes, da qualidade e do propósito empresarial. Considere o seguinte: embora praticamente todos concordem que “dados de alta qualidade são a base da IA”, quantas empresas ainda não tomaram as medidas adequadas? Quantas possuem processos que levam a sério os desejos, as aspirações e as necessidades dos destinatários do trabalho gerado pela IA? Não é de se admirar que o trabalho de baixa qualidade seja tão comum. Em vez de se preocuparem se estão adotando a IA com rapidez suficiente, a maioria das empresas teria mais a ganhar se garantisse que está acertando nos fundamentos básicos. Como consultor de empresas em todo o mundo há cerca de 35 anos, tenho ajudado essas empresas a adaptar e aplicar aos dados cinco princípios básicos atemporais e que se reforçam mutuamente da gestão da qualidade: o foco no cliente, a ênfase nos processos, o compromisso de agir com base em fatos, uma filosofia de melhoria contínua e o reconhecimento de que a qualidade é alcançada por meio das pessoas. Isso pode parecer enganosamente simples, mas as coisas simples costumam ser difíceis. Para acertar nesses pontos, é necessário que os líderes — em todos os níveis — resistam ao espírito de pressa que impera atualmente e reflitam profundamente sobre suas organizações, com um olhar voltado para o longo prazo. Adotar uma nova tecnologia ou ideia é empolgante e cria uma sensação de impulso para a frente. Mas a adoção da IA é um meio para atingir um fim, não um fim em si mesma. Para que ela funcione, os líderes precisam, antes de tudo, garantir que os fundamentos estejam bem estabelecidos. Vamos considerar cada um deles, um por um. Satisfazer os clientes, tanto internos quanto externos Na minha experiência, a IA atua como um catalisador. Quaisquer que sejam os pontos fortes e fracos das relações atuais, a IA irá intensificá-los. Se os clientes pagantes considerarem sua empresa fria e distante, a IA irá reforçar a impressão de que você não tem interesse neles pessoalmente. Se os funcionários não colaborarem bem entre departamentos, a IA tornará isso ainda mais difícil. Há muito a perder. Por outro lado, muitos clientes mantêm excelentes relações com um ou mais representantes de atendimento. A IA pode enriquecer essas relações. Além disso, espera-se que a IA conduza a melhores produtos e serviços. Portanto, há também uma oportunidade real! A questão central aqui é: você está oferecendo aos clientes o que eles precisam e desejam? Normalmente, pensamos nos clientes como entidades externas— clientes pagantes, órgãos reguladores e outras partes interessadas. No entanto, para estabelecer os fundamentos corretamente, é útil ampliar essa definição e incluir também os clientes internos, no sentido de “as pessoas que utilizarão o seu trabalho para realizar o delas”, seja a próxima pessoa, departamento, equipe, aplicativo ou agente na cadeia de processos. Atender às necessidades deles significa que podem realizar seu trabalho de forma mais eficaz e eficiente, sem questionar o seu trabalho (ou, na linguagem da IA, lidar com “erros”). Quando aplicado de forma consistente em toda a empresa, todos e a empresa se tornam mais eficazes e eficientes. Ao longo da minha carreira, fazer com que pessoas e empresas “pensem de forma diferente sobre os clientes” foi o que teve maior impacto. Vamos considerar um exemplo hipotético simples de IA na prática. Sarah, uma gerente, está atrasada nas avaliações de desempenho e, de qualquer forma, não é muito boa nelas. Ela pede ao Gemini para “escrever uma avaliação para Tim, um analista que faz um trabalho sólido, mas precisa ser mais assertivo nas reuniões”. O Gemini gera três parágrafos bem elaborados, muito mais sofisticados do que Sarah seria capaz de escrever. Tanto Tim quanto o RH, que se enquadram como clientes segundo a definição acima, percebem isso. Tim deseja ser promovido e não recebe os conselhos específicos de que precisa para isso; ele se sente subvalorizado. O RH observa que Sarah não está apoiando uma iniciativa corporativa destinada a fornecer um feedback mais construtivo. Sarah riscou um item de sua lista de tarefas e economizou alguns minutos, mas ambos os clientes estão insatisfeitos. Vale mencionar que, além de um pequeno ganho de produtividade, os interesses de Sarah não foram atendidos. E, à medida que Sarah se esforça para reconquistar a confiança de Tim, certamente gastará mais tempo do que economizou. A IA oferece muitas vantagens, mas, por si só, não consegue identificar quem são seus clientes nem discernir suas necessidades (possivelmente conflitantes). Ignorar essa lacuna praticamente garante a insatisfação dos clientes e o ressentimento resultante de respostas inadequadas dentro das empresas. Poucas empresas podem arcar com isso, seja em relação aos clientes pagantes quanto aos internos. De fato, o sucesso com a IA depende tanto da satisfação do cliente quanto de qualquer outro fator. Os líderes precisam fazer algumas perguntas fundamentais: Que tipo de relacionamento desejamos ter com os clientes externos? Como desejamos trabalhar juntos internamente? Como podemos usar a IA para construir melhores relações? O que devemos evitar? Como podemos garantir que temos capacidade adequada para ouvir e responder aos clientes à medida que a IA altera suas necessidades e relacionamentos? Como podemos testar as interfaces entre a empresa e os clientes para criar outras melhores? Levará algum tempo para que todas as medidas adequadas sejam tomadas. Enquanto isso, os líderes podem dar o primeiro passo instruindo aqueles que utilizam a IA (incluindo a si mesmos) a seguir duas etapas. Primeiro, antes de clicar em “enviar” em qualquer prompt, pergunte-se: Quem são os destinatários da resposta? Como seria uma boa resposta para eles?” Em segundo lugar, dê feedback. No exemplo acima, tanto Tim quanto o gerente de RH permanecem em silêncio. No entanto, Tim precisa se manifestar mais para se tornar um candidato a promoção. No caso do gerente de RH, deixar de dar feedback significa ignorar diretamente a política do departamento. Foco no processo A maioria das pessoas e empresas não está criando seus próprios modelos. Assim, a única oportunidade real de obter respostas melhores é fornecer inputs melhores. Portanto, Sarah, no exemplo acima, poderia incluir o seguinte em seu prompt: A empresa deseja que os gerentes ofereçam um feedback mais construtivo. Quero apoiar o Tim, mas também ser firme. Ele precisa se manifestar com mais frequência e veemência para avançar em sua carreira. Não sou uma escritora experiente, embora muitas pessoas gostem do meu tom casual e informal. De maneira mais geral, a IA precisa de muitos dados específicos da empresa para fornecer respostas adequadas às necessidades específicas da empresa. Portanto, a questão central que os líderes devem se perguntar é: “Como fornecemos à IA o conteúdo confiável, o contexto e as conexões de dados necessárias para que ela ofereça respostas adequadas, em escala e a um custo razoável?” É aí que entra a gestão de processos. De fato, a gestão de processos e a IA são parceiros perfeitos: processos bem gerenciados facilitam tanto a implementação da IA quanto a criação dos dados de alta qualidade de que a IA necessita. A base de dados da maioria das empresas está bastante precária e se deteriora a cada dia que passa. Os dados estão dispersos e mal definidos, e é difícil conectar as diferentes fontes. Pela minha experiência, as empresas lidam com erros e desorganização por meio do que chamo de “fábricas de dados ocultas” — pessoas que acabam limpando dados incorretos quando estes se tornam um problema para elas. Esses problemas decorrem diretamente da falta de processos para construir bases de dados sólidas. E quanto mais os líderes demoram a lidar com eles, maior se torna o problema. Os líderes devem se perguntar: “Como fornecemos à IA o conteúdo confiável, o contexto e as conexões de dados necessários para oferecer boas respostas, em escala e a um custo razoável?” Não há muito que se possa fazer em relação aos dados já criados, mas trabalhar melhor daqui para frente trará benefícios. Isso significa desenvolver processos com arquiteturas de dados inclusivas, vocabulários compartilhados, gestão de identidades, modelos conceituais, grafos de conhecimento, padrões elevados para novos conteúdos e níveis cada vez mais altos de compartilhamento de dados. É uma tarefa gigantesca, que exige um investimento considerável. A boa notícia é que bases mais sólidas duram muito tempo. “Processos melhores” podem parecer um pouco abstratos, mas, na verdade, costumam ser os elementos concretos que compõem o dia a dia de trabalho. Considere alguém que utiliza uma ferramenta de IA para ajudar a produzir um relatório. Essa pessoa tem seus dados — suas análises, dados específicos da empresa, etc. Depois, há a própria ferramenta, que pode ser um modelo como o Gemini. E, por fim, há o que ela acredita que o destinatário pretendido — o cliente — precisa do resultado final. Para ajudar os funcionários a produzir um resultado bom e confiável, as empresas podem incentivá-los a adquirir o hábito de fazer três perguntas antes de clicar em “gerar”: Que dados eu gostaria de inserir no prompt? Desses, quais são relativamente fáceis de inserir no prompt? e Desses, em quais eu realmente confio? Eles deveriam incluir esse terceiro conjunto no prompt. (Depois, é claro, terão de ler a resposta para se certificarem de que ela se qualifica como “boa”.) Aja com base nos fatos (e avalie os indicadores certos) Talvez a expressão mais usada no mundo dos negócios seja: “Não se pode gerenciar o que não se mede.” No entanto, ao longo da minha carreira, esse princípio parece ser o que mais incomoda as empresas. Elas têm métricas em excesso (a maioria mal definida), os resultados não são acionáveis, as próprias métricas não se alinham bem com as metas de negócios e os gerentes não são muito bons em interpretá-las. Quando se trata de utilizar a IA, acertar nos fundamentos significa começar do início e perguntar-se continuamente: “O que estamos tentando alcançar?” Para a maioria dos líderes, as respostas sinceras hoje em dia são: “Estamos tentando descobrir” (ou “Estamos tentando parecer que estamos à frente da concorrência”). No entanto, suas métricas não se alinham. Considero especialmente esclarecedora uma história contada pelo meu ocasional coautor Tom Davenport: um líder de projeto observa que os funcionários economizam tempo com o Copilot, mas simplesmente não conseguem dizer o que as pessoas estão fazendo com o tempo poupado. Portanto, não podem citar os ganhos de produtividade esperados como um benefício da IA. É uma grande falha. Não tenho nada contra a produtividade, mas seria uma pena se tudo o que uma empresa obtivesse da IA fosse apenas a redução do quadro de funcionários. Suponha que os funcionários não fossem mais produtivos, mas ficassem mais felizes por terem reduzido suas jornadas de trabalho? Ou que respostas melhores economizassem o tempo de outro funcionário? Ou que uma resposta esclarecesse uma proposta e a empresa conquistasse novos negócios? Tais possibilidades se alinham mais estreitamente com “tentar descobrir”. Mas o senhor não encontrará esses benefícios se não procurar! Os indicadores de produtividade tratam a IA como uma espécie de ferramenta do tipo “basta conectá-la e colher os benefícios”, mais parecida com uma pistola de pregos que substitui o martelo do que com a inovação fundamentalmente nova que ela realmente é. Como tal, ela precisa de cuidados e experimentação para identificar todas as formas pelas quais pode agregar valor. Os indicadores associados devem refletir isso. A longo prazo, os líderes devem perguntar-se regularmente: “O que estamos tentando alcançar?”. Devem estender essa questão a cada projeto e também questionar se suas organizações possuem as competências necessárias para definir as métricas adequadas, estabelecer metas razoáveis e interpretar os resultados sob as perspectivas corretas. Vale lembrar que a Amazon levou dez anos inteiros para registrar seu primeiro lucro. Os líderes devem adotar uma abordagem de quadro de resultados equilibrado, abrangendo a satisfação do cliente, a qualidade das respostas, o ritmo e a penetração da inovação, bem como os benefícios comerciais. Paralelamente, devem desenvolver narrativas que descrevam as experiências e os sentimentos das pessoas. E devem aprofundar-se o suficiente para compreender o que está funcionando bem e o que não está. O primeiro passo imediato é: concentrar as métricas em verificar se a IA está fornecendo boas respostas e se tanto os clientes internos quanto os externos estão satisfeitos com ela. Adote a melhoria contínua Embora a gestão de processos forneça uma estrutura abrangente, melhorar efetivamente a qualidade dos dados e definir melhor os processos para que possam ser automatizados com IA requer inúmeras pequenas melhorias. Atualmente, existem simplesmente demasiadas “fábricas de dados” ocultas, transferências pouco confiáveis entre etapas e uma dependência excessiva do conhecimento tácito para que as ferramentas de IA possam ser implementadas de forma imediata. Mesmo a melhor implementação de uma nova IA exigirá ajustes consideráveis para que funcione. É aí que entra a melhoria contínua. Um dos dois pilares do famoso Sistema Toyota de Produção, trata-se de uma filosofia de gestão que valoriza a inovação constante em produtos, serviços, mecanismos de entrega e dados. O objetivo é fazer com que as coisas funcionem sempre um pouco melhor. O cofundador da Intuit, Scott Cook, e o ex-reitor da Harvard Business School, Nitin Nohria, descreveram-na como “Melhor, mais rápido, mais barato — todos os anos, para sempre.” Embora algumas melhorias possam ser de grande porte (por exemplo, redesenhar um processo multifuncional de grande porte para acomodar a IA), a maioria é de pequena escala, como treinar as pessoas para escreverem prompts melhores, refinar as descrições de cargos para os casos em que há intervenção humana ou disponibilizar uma nova fonte de dados online. O importante é a rapidez com que você está melhorando. A melhoria contínua também reconhece que o mundo está em constante mudança — novos clientes querem coisas diferentes, os gostos mudam, novas tecnologias oferecem novas oportunidades e assim por diante. Não acompanhar essas mudanças é ficar para trás! Para as empresas que até agora evitaram a melhoria contínua, a questão essencial é: “Como vamos realizar essas melhorias?” Se o senhor tiver uma alternativa melhor, ótimo. Caso contrário, analise a melhoria contínua com atenção. Uma boa maneira de começar e ter uma noção do potencial da melhoria contínua é concentrar-se em um único departamento (digamos, com 100 pessoas). Juntamente com a equipe de gestão, identifique um ou dois problemas de negócios de longa data, treine todos em uma metodologia de melhoria como o Six Sigma e encarregue o departamento de identificar e concluir 20 projetos em seis meses. Melhor ainda se a maioria desses projetos estiver relacionada à IA. A partir daí, amplie a iniciativa. Reconheça que a qualidade é resultado das pessoas No fim das contas, nada de bom acontece a menos que um grande número de pessoas se envolva, dedicando-se de corpo e alma ao esforço. A parte mais gratificante do meu trabalho é ver as pessoas se interessarem pelos dados, se capacitarem para assumir novas funções e trabalharem em conjunto para melhorar as coisas. É claro que milhões de pessoas já utilizam a IA para serem eficazes e eficientes no trabalho. Na ausência dos fundamentos acima, o progresso alcançado até hoje é um tributo à sua tenacidade. Os líderes precisam se fazer algumas perguntas difíceis: Como podemos incentivar o maior número possível de pessoas, incluindo a nós mesmos, a entrar nessa onda e a encontrar maneiras pelas quais a IA possa contribuir para o nosso negócio? Existem outras barreiras, como incentivos equivocados ou estruturas organizacionais, que retardam o progresso? De que forma, talvez inconscientemente, deixamos de dar à IA a oportunidade que ela merece? Essas questões são particularmente complexas. Felizmente, o primeiro passo imediato é claro. Comece por si mesmo e incentive as pessoas a se perguntarem: a IA pode me ajudar a desempenhar melhor meu trabalho? Ela pode aumentar minha satisfação profissional? Ela pode me abrir os olhos para novas formas de fazer as coisas? Ela pode minimizar os aspectos do meu trabalho de que não gosto? Ela pode liberar tempo para as coisas de que gosto? Se a resposta a qualquer uma dessas perguntas for sim, dê alguns dos passos iniciais mencionados acima. . . . Este apelo para acertar o básico era quase inevitável. Há tanto alarde em torno da IA e seus defensores deram a entender que tudo o que você precisa fazer é abrir sua pilha de tecnologias, inserir o Copilot ou um agente e contar o dinheiro. Isso nunca iria acontecer dessa forma. Se já está nessa há mais de alguns anos, é hora de sair da rotina. Mas não se limite a comprar algo novo. Reflita profundamente sobre os clientes, os dados, as métricas, a melhoria contínua e a sua organização. Paralelamente, experimente pôr em prática as sugestões acima. Elas o ajudarão a ganhar impulso e a estimular o pensamento de longo prazo.

Para ter sucesso com a IA, é preciso dominar os fundamentos

Resumo.

Partner Center