Quer saber se mais tecnologia pode empregar mais gente? Pergunte-nos como

Quer saber se mais tecnologia pode empregar mais gente? Pergunte-nos como

Especialista italiano afirma que a inteligência artificial vai dar mais importância às decisões qualitativas do funcionário humano, mas isso só terá bom resultados se as decisões humanas forem democratizadas nas empresas | por Alessandro di Fiore

O processo básico de tomada de decisão de um gestor pode ser desconstruído em quatro passos: coleta e organização dos dados disponíveis; análise em busca de padrões e insights; predição dos melhores cursos de ação possíveis e uso do discernimento para tomar a decisão final. 

Hoje, em tempos de quarta revolução industrial, cremos que o último é mais importante que nunca, por três razões: 

• O discernimento qualitativo é o último reduto de humanidade na tomada de decisões. Não há dúvidas de que big data e inteligência artificial (IA) oferecem avanços importantes para a gestão. Já estão ajudando organizações a analisar seus mercados e clientes de forma mais efetiva e fazer predições informadas. Mas certos tipos de decisão – especialmente as relativas a inovação e clientes – ainda exigem um componente qualitativo de discernimento. 

Por exemplo, a IA está tendo um impacto enorme na medicina. Porém, mesmo que ajude o médico no diagnóstico e sugira tratamentos para um paciente específico de câncer, só o médico é capaz de influir nos contextos emocional e político de qualquer situação – e ambos os contextos também são aspectos críticos da maioria das decisões de negócios.

  Conforme o custo de predição cai, a demanda por discernimento aumenta. Em artigo recente, os pesquisadores Ajay Agrawal, Joshua Gans e Avi Goldfarb analisaram os trade-offs entre discernimento e IA. Segundo eles, as revoluções tecnológicas impactam o custo e o valor de importantes inputs. Graças ao big data, por exemplo, o custo de encontrar e organizar dados e rodar análises se tornou muito mais barato. Como indicaram os três autores, IA é uma tecnologia de predição, então o custo de predizer coisas cai com o passar do tempo.

Quando o custo de qualquer input cai, certas regras microeconômicas são aplicadas – e não só para a produção. Isso também acontece com o processo de tomada de decisão. Primeiro, substituem-se alguns inputs (como as habilidades humanas) por outros mais baratos e melhores (tecnologias). Depois, a demanda por inputs complementares aumenta. Por exemplo, quando dados e predição são baratos, as empresas podem gerar insights mais frequentes sobre os clientes, o que cria a necessidade de decisões mais frequentes em relação a atendimento ao cliente, promoções, customização de produtos e novos produtos. Isso, por sua vez, leva a uma maior demanda pela aplicação de discernimento e por compreensão emocional (ambos, fornecidos por seres humanos) para tomar decisões. Foi o que ocorreu na Unilever.

• Conforme as tecnologias de predição de dados se disseminam, o discernimento deve se disseminar também. Big data e IA vão oferecer a gestores e funcionários de todos os níveis dados precisos e previsões imediatas. Usando arquiteturas de TI distribuídas, essas ferramentas podem permitir aos funcionários de toda a empresa tomar a decisão correta para um contexto específico no momento oportuno. Em consequência, as empresas mais inteligentes vão garantir a distribuição dos poderes de decisão baseados no discernimento. 

Os três fatores discutidos acima indicam que agora, e no futuro, as empresas vão exigir mais discernimento humano para suas decisões de inovação e atendimento ao cliente, e não menos, como alguns imaginaram. Mas, para chegar lá, o discernimento vai precisar ser democratizado em toda a organização; as empresas não podem confiar em um único indivíduo para ir além da cultura e dos procedimentos existentes para discernir. E é por isso que toda organização precisa criar seu próprio “protocolo de discernimento”, um sistema que legitima esse tipo de análise em todos os níveis da organização – e que mudar a filosofia centenária do “comando e controle”. Os quatro princípios relacionados a seguir ajudam os líderes a criar seu protocolo:

Democratizar o poder de discernimento. As empresas tendem a acreditar que a inovação e as decisões relativas a mercado são responsabilidade de algumas pessoas em posição de destaque. Há uma visão autocrática disseminada que diz que só alguns “eleitos” são encarregados de tomar decisões que afetam os clientes. Só quando a responsabilidade chega a todos os níveis da organização é que a cultura como um todo realmente muda.

Estimular habilidades de discernimento qualitativas. Assim que levamos a responsabilidade aos níveis mais baixos, precisamos aumentar a probabilidade de que nossos funcionários escolham o curso de ação correto e o executem adequadamente. Treinamento forte sobre ferramentas padronizadas é o meio de aumentar a probabilidade de que as pessoas tenham o insight correto, decisão e execução para impactar o desempenho no chão de fábrica. 

Forneça acesso aos dados para todos. Defino democratização dos dados como a capacidade de integrar dados em toda a empresa e permitir que uma ampla gama de funcionários acessem e entendam isso a qualquer momento. Acesso aos dados aumenta a efetividade do uso do discernimento por parte dos funcionários. 

Solte as rédeas do controle. As organizações tendem a ficar desconfortáveis diante da possibilidade da autoridade tomadora de decisões ser disseminada para baixo na empresa. A percepção de risco como relacionada a perda de controle tem sido a principal barreira ao verdadeiro empoderamento da força de trabalho. A solução está em mudar do tradicional modelo “prevenção-controle” para o modelo “pós-detecção”. 

Está na hora de democratizar a autoridade de tomada de decisão. As tecnologias de predição de dados associadas ao Protocolo de Discernimento da empresa podem ajudar os funcionários a derrubar a hierarquia e criar organizações realmente focadas no cliente que se adaptem rapidamente. O que, sem dúvida, trará crescimento. 

© ROTMAN MANAGEMENT

Fonte: Revista HSM

No Comments

Post A Comment