IA generativa pode impulsionar a produtividade nas empresas em meio á transformação digital, mas avançar rápido demais pode piorar as coisas
A era da IA generativa traz consigo a promessa de aumentar significativamente a produtividade. Posso certamente ver o potencial, uma vez que estou usando uma forma dela para escrever esta coluna e ela está fazendo um bom trabalho ao antecipar a próxima palavra que pretendo escrever. Mas também estou percebendo que, para aproveitar ao máximo esse recurso, preciso pressionar a tecla de seta para a direita, o que me desacelera consideravelmente. Então, geralmente acabo digitando a palavra inteira de qualquer maneira, porque o teclado que estou usando não facilita o funcionamento do recurso de autocompletar.
Resumindo, em vez de acelerar minha escrita (a promessa), o impacto na minha produtividade pode ser negativo (a realidade), pois, quando pressiono a tecla de seta, isso quebra o fluxo da digitação e me obriga a reposicionar minha mão direita.
Para que esse tipo de ferramenta de IA seja um benefício, eu precisaria não apenas modificar meu teclado, mas também me reeducar para usar a tecla de seta correta em vez de digitar a palavra completa. (Isso pode levar um tempo considerável, uma vez que tenho digitado sem fazer isso há cerca de 55 anos.)
Quando aprendemos sobre otimização de processos, geralmente discutimos um conceito chamado “caminho crítico“. Este é o caminho que um processo possui e define quão rapidamente algo pode ser concluído. Se você melhora qualquer coisa, exceto o caminho crítico, a taxa de conclusão do processo ainda é limitada pelo caminho crítico intocado e é improvável que você veja uma melhoria na produtividade.
Vimos isso acontecer com a reação inicial dos escritores à IA generativa. Eles foram capazes de criar livros em um ritmo incrível, até centenas por semana, mas o caminho crítico estava na edição. Os editores, que já estavam no limite de sua capacidade, não conseguiam lidar com a chegada de centenas de manuscritos. Muitas editoras tiveram que parar de aceitar manuscritos porque não conseguiam editá-los a tempo.
Leia também: Chatbots e a conformidade com a privacidade e proteção dos dados pessoais
O plano mais adequado teria sido automatizar a edição primeiro de alguma forma, mas isso exigiria um treinamento muito mais extenso para a IA garantir que os manuscritos estivessem em conformidade com as políticas das editoras, e esse trabalho ainda precisa ser feito.
Mesmo que você altere o caminho crítico inicial primeiro, é provável que você encontre outras dependências que então se tornam o novo caminho crítico, limitando substancialmente quaisquer benefícios até que esse novo caminho também seja aprimorado.
Eu gosto de carros. Com carros, você mede o desempenho em uma máquina chamada Dyno, e aprende rapidamente que apenas a potência não aumenta o desempenho. O carro ainda precisa percorrer a pista e transferir essa potência para a estrada. Tração, suspensão, habilidades do motorista, peso, posição das rodas motrizes, transferência de peso durante a aceleração, inclinações, aerodinâmica, calor e confiabilidade das peças desempenham papéis igualmente críticos. O único verdadeiro teste de desempenho não é a potência nem o torque – é como o carro se sai competitivamente.
Comparados às pessoas, os carros são simples. As pessoas têm uma variedade de tarefas diferentes sobre as quais frequentemente não têm controle. E-mails recebidos, problemas não previstos, colegas de trabalho que precisam conversar sobre um projeto, distrações (e há muitas delas) e gerentes cuja qualidade pode variar muito – tudo isso afeta a produtividade. (Um gerente ruim pode destruir a produtividade de um departamento apenas introduzindo excesso de drama.)
Veja mais: A Microsoft defende a regulamentação governamental da IA. Devemos confiar?
Ou pense no que aconteceu durante a pandemia de Covid-19. Inicialmente, pensávamos que trabalhar em casa era mais produtivo do que ir para o escritório, porque havia menos distrações. O que descobrimos foi que os funcionários estavam trabalhando mais horas, comprometendo seu equilíbrio entre trabalho e vida pessoal, e acabavam ficando esgotados ou saindo da empresa. Também descobrimos que as pessoas que conseguiam se concentrar, geralmente eram introvertidas e tinham habilidades de trabalho sólidas, realmente se saíam melhor em casa. Pessoas altamente sociais, novos funcionários ou aqueles com problemas de concentração e habilidades de trabalho menos desenvolvidas não se saíam bem.
Aplicar uma abordagem padrão para todos os funcionários não funciona. Cada pessoa é diferente e qualquer discussão sobre produtividade em um departamento precisa levar em consideração a dinâmica do ambiente de trabalho, independentemente de onde ele seja, e a natureza única de cada funcionário. Lembre-se, o objetivo de qualquer mudança focada em produtividade é melhorar a produtividade, e não criar mais problemas.
Quando se trata de melhorias na produtividade, o primeiro passo deve ser analisar onde são necessárias melhorias, identificar os caminhos críticos e, em seguida, desenvolver um plano que tenha o maior impacto na produtividade com o menor custo. No entanto, muitas empresas tendem a agir sem essas medições ou entendimento inicial, e as metas de melhoria de produtividade muitas vezes não são alcançadas.
Mais importante ainda, há uma grande chance de que os esforços para melhorar a produtividade acabem piorando as coisas. Há alguns anos, um dos meus clientes tinha um “problema de produtividade” e instituiu um programa chamado “voltar às bases” – os funcionários tinham que bater o ponto de entrada e saída porque a gerência estava convencida de que eles estavam fugindo do trabalho. O resultado foi uma queda catastrófica na produtividade, pois as pessoas que estavam relaxando continuaram a fazê-lo no trabalho em vez de irem embora mais cedo, e aqueles que estavam trabalhando longas horas para concluir suas tarefas começaram a trabalhar apenas das 9h às 17h. Logo, os melhores funcionários começaram a procurar emprego em empresas que confiavam mais neles.
Resumindo, você precisa entender bem um problema para resolvê-lo de forma eficaz. Embora a IA generativa possa ajudar nisso, não conheço ninguém que esteja focando essa tecnologia nesse problema crítico. Se você não entender quem são seus funcionários, o que eles fazem e como o fazem, não poderá usar a transformação digital e a IA generativa para torná-los subitamente melhores. É mais provável que você os torne piores.
Siga o IT Forum no LinkedIn e fique por dentro de todas as notícias!
