Em praticamente todas as estratégias existe, geralmente de forma implícita, uma suposição sobre a natureza do próprio trabalho: isto é demasiado especializado, demasiado dependente do contexto, demasiado feito à medida para caber num processo padronizado. Essa suposição não surgiu do nada. Foi construída a partir de anos de experiência com software que seguia regras e, por isso, só conseguia fazer aquilo que tinha sido previsto de antemão. O trabalho que dependia de avaliação, de excepções, de interpretar uma situação que não constava no manual, permaneceu, por isso, trabalho humano. A conclusão tornou-se uma viga fixa sob a estratégia: esta parte do nosso trabalho é nossa, e assim continuará.
Enquanto a automatização se baseou em regras, a suposição era precisa. Um sistema que segue exactamente aquilo que foi programado não consegue reconhecer uma excepção que não tenha sido definida como tal. O trabalho com muitas variantes, pouca repetição e avaliação baseada em experiência permaneceu, assim, fora do alcance da automatização. A estratégia construída sobre esta suposição estava correcta, e as direcções que a mantinham tinham razão. O problema não é que a suposição estivesse errada em algum momento. O problema é que a condição em que se apoiava mudou.
A IA que trabalha com linguagem, padrões e contexto não precisa de conhecer previamente todas as variantes. Reconhece semelhanças com aquilo que já viu e aplica-as a uma nova situação. Por isso, parte do trabalho considerado não padronizável desloca-se para uma de três categorias: trabalho que a IA consegue realizar de forma autónoma, trabalho em que a IA apresenta uma proposta e um humano aprova ou rejeita com fundamento, e trabalho que continua a ser trabalho humano porque a avaliação depende demasiado de experiência, responsabilidade ou contexto que não está registado. Esta deslocação não ocorre de forma uniforme em todo o lado. Uma empresa onde as avaliações estão bem documentadas, onde os padrões em casos anteriores são reconhecíveis e onde existe supervisão sobre os resultados da IA, vê esta parte do trabalho deslocar-se mais rapidamente do que uma empresa onde essa mesma avaliação reside, em grande parte, na cabeça dos colaboradores. A diferença não está no sector, mas no grau em que o trabalho já tinha sido tornado explícito antes de a IA começar a ler.
A suposição raramente caduca com um anúncio. Caduca porque um concorrente, um fornecedor ou um cliente faz algo que, segundo a antiga suposição, não seria possível. Alguns sinais que apontam nessa direcção: um prestador no mercado oferece um serviço a um ritmo ou preço que só se explica se parte do trabalho de avaliação tiver sido assumido por outra via. As discussões internas sobre qualidade já não são sobre se algo está correcto, mas sobre se a supervisão do resultado é suficientemente boa. Novos colaboradores são colocados a controlar e corrigir, em vez de a executar a tarefa original. E a pergunta se novos entrantes ainda precisam de anos para aprender este trabalho recebe uma resposta diferente da de há cinco anos. Nenhum destes sinais prova nada por si só. Em conjunto, são motivo para testar novamente a suposição, em vez de a deixar ficar apenas porque nunca foi contestada.
Esta deslocação também afecta a questão de onde exactamente se encontra a margem numa empresa. Se o trabalho considerado não padronizável se tornar parcialmente absorvível, também se desloca o local onde o valor é adicionado ao processo, algo que se relaciona com a suposição de que a margem está na execução. Quem trata isto apenas como uma questão operacional não percebe que se trata de uma suposição estratégica que precisa de ser revista.
Este tema toca inevitavelmente também a questão do que isto significa para os efectivos. Esta página não trata disso. Se uma direcção considerar decisões que afectem o pessoal, aplicam-se aí requisitos legais próprios e um processo próprio, que estão fora do âmbito do que aqui é tratado.
Uma suposição sobre a padronizabilidade do trabalho é testável, desde que acompanhe as coisas certas. Indicadores úteis incluem: a proporção de tarefas dentro do trabalho que já está documentada como regra de decisão ou padrão, em vez de avaliação isolada; o ritmo a que prestadores comparáveis no mercado utilizam ferramentas semelhantes a este trabalho; o número de vezes que a supervisão de uma proposta de IA resulta em rejeição com fundamento, como indicação de quanta avaliação continua a ser genuinamente trabalho humano; e a data mais recente em que esta suposição foi explicitamente discutida na direcção, e não apenas assumida em silêncio. Quem não conseguir indicar nenhum destes quatro elementos não sabe se a suposição ainda se mantém ou se apenas nunca foi contestada.
A questão subjacente sobre que trabalho na sua empresa pode realmente ser assumido pela IA não se responde com uma impressão geral; o scan de trabalho da FTE TO AI responde a isso por tarefa. Para a direcção que pretende primeiro saber quais as suposições que precisam de ser revistas antes de existir uma visão tarefa a tarefa, existe a verificação gratuita de suposições: uma ronda breve em que identifica as suas principais suposições e vê, para cada uma, quando foi realmente confirmada por último. Quem se pergunta quem deve participar numa revisão estratégica ou nota que a direcção está em desacordo sobre as prioridades encontra aí um ponto de partida. A prova de esforço estratégica completa, com dados sectoriais ao lado do auto-posicionamento da direcção, está em preparação.
Stel uw vraag. Vaak zit de echte vraag een laag dieper — daar mag ik naar vragen.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.