Velocidade não é resultado
Uma resposta mais rápida pode continuar errada. Um relatório produzido em segundos pode continuar a responder à pergunta errada. Um atendimento automatizado pode acelerar a passagem do cliente entre departamentos sem resolver o motivo do contacto. A adoção de inteligência artificial precisa de ser avaliada por aquilo que muda no trabalho. Contar ferramentas compradas ou mensagens geradas diz pouco sobre a capacidade de uma empresa entregar melhor.
O problema começa quando a liderança pede à tecnologia que resolva decisões que ainda não tomou. Quem responde pelo processo? O que significa um resultado aceitável? Que informação pode ser utilizada? Em que situação é necessário interromper a execução? Se estas perguntas permanecem sem resposta, a automação recebe uma tarefa mal definida e a equipa recebe uma responsabilidade impossível de exercer com clareza.
Começar pelo percurso do problema
Eu escolheria um processo concreto antes de escolher uma ferramenta. Pode ser o tratamento de uma reclamação, a preparação de uma proposta ou a organização de informação para uma decisão. A primeira observação seria simples: onde começa o pedido, por onde passa e como sabemos que terminou bem? Esse percurso torna visíveis esperas, repetições e decisões que se escondem numa descrição genérica da atividade.
Considere-se um exemplo hipotético de atendimento. O cliente envia um documento, alguém confirma a receção, outra pessoa volta a pedir o mesmo ficheiro e uma terceira informa que falta uma autorização. Automatizar apenas a resposta inicial melhora o tempo até à primeira mensagem. Pode, porém, deixar intacta a demora até à resolução. Se a métrica escolhida for demasiado estreita, o projeto parecerá bem-sucedido sem melhorar a experiência do cliente.
A liderança precisa de olhar para o resultado completo. Que esforço foi retirado à equipa? O cliente precisou de voltar a contactar? A resposta resolveu o problema? Foi necessário corrigir uma decisão? O ganho de velocidade só pode ser interpretado com estas perguntas. Caso contrário, a empresa corre o risco de produzir mais atividade e de chamar produtividade ao aumento do movimento.
Informação disponível não é informação adequada
Um sistema pode conseguir ler um ficheiro e, ainda assim, não dever utilizá-lo naquela tarefa. Pode encontrar duas versões de uma instrução e não saber qual está em vigor. Pode receber um pedido em linguagem clara que contraria uma condição combinada com o cliente. Organizar fontes, versões e permissões faz parte da implementação; não é uma etapa que possa ser deixada para depois de a ferramenta começar a agir.
Eu exigiria que cada resultado relevante pudesse ser ligado à informação que o sustentou. Isso ajuda a corrigir erros e a reconhecer situações em que a resposta não tem base suficiente. Não significa expor dados internos ao cliente. Significa permitir que a equipa responsável consiga reconstruir a decisão e distinguir um documento conhecido de uma suposição produzida pelo sistema.
Existem enquadramentos de gestão de risco para sistemas de inteligência artificial, e a ideia útil que deles se retira é que responsabilidade, contexto, avaliação e resposta ao risco precisam de acompanhar o sistema ao longo da sua utilização. Um enquadramento deste tipo orienta a reflexão. Não garante, por si só, que uma aplicação específica funciona corretamente.
A autonomia deve corresponder à consequência
Preparar um rascunho, enviar uma mensagem e assumir um compromisso não são a mesma ação. Uma empresa pode permitir bastante autonomia na organização de informação e exigir revisão antes de uma decisão com efeito financeiro ou reputacional. O critério deve considerar a consequência, a possibilidade de correção e a qualidade da informação disponível. Dar acesso técnico não substitui esta decisão de gestão.
Também é necessário definir o que acontece quando o sistema falha. Uma resposta inconclusiva não pode transformar-se automaticamente numa confirmação. Uma tentativa de envio não prova receção. Uma página registada como publicada precisa de estar acessível e conter o material esperado. Estes exemplos mostram como a liderança deve exigir evidência do resultado, sem confundir o funcionamento de um componente com a conclusão da tarefa.
Num primeiro ensaio, eu utilizaria casos reais já resolvidos e situações difíceis selecionadas pela equipa. Compararia os resultados com critérios escritos antes do teste. Onde houve erro? O sistema reconheceu informação insuficiente? Soube encaminhar uma exceção? O teste deve procurar limites, porque são esses limites que permitem decidir onde a automação pode atuar e onde precisa de acompanhamento.
A equipa precisa de participar na mudança
Quem executa o trabalho conhece detalhes que raramente aparecem na apresentação do projeto. Sabe por que motivo um cliente envia um documento incompleto, onde a informação costuma chegar tarde ou que exceção se repete com regularidade. Ignorar esse conhecimento empobrece a implementação. Participação não significa que todas as preferências serão adotadas; significa que a decisão será informada pelo trabalho efetivo.
A formação também precisa de ir além de ensinar onde clicar. A pessoa deve reconhecer uma resposta duvidosa, verificar a fonte e saber quando interromper uma ação. Se a organização cobra rapidez e penaliza qualquer pausa para confirmar informação, cria um incentivo incompatível com qualidade. A liderança deve alinhar aquilo que diz valorizar com aquilo que mede e recompensa diariamente.
Há ainda uma escolha sobre o tempo libertado. Reduzir tarefas repetitivas pode abrir espaço para melhorar atendimento, desenvolver competências e analisar problemas recorrentes. Esse aproveitamento não acontece sozinho. É necessário decidir para onde irá a capacidade criada e verificar se a equipa recebeu condições para a utilizar. Automatizar uma tarefa não equivale, por si só, a transformar a organização.
A clareza como critério de avaliação
Por isso, eu avaliaria uma implementação pela clareza que trouxe: responsabilidades compreensíveis, fontes identificadas, resultados verificáveis e capacidade de corrigir. Uma empresa mais rápida, mas menos capaz de explicar as suas decisões, pode estar a acumular risco. A tecnologia merece ambição; a liderança exige disciplina. Antes de perguntar quanto a inteligência artificial consegue fazer, é preciso saber o que a empresa considera um trabalho bem feito e quem responderá por ele.