A inteligência artificial pode estar transformando a forma como as empresas operam, mas os executivos responsáveis por implementá-la estão descobrindo que a IA não é uma varinha mágica. A tecnologia está ajudando as empresas a automatizar tarefas, acelerar projetos e repensar como os funcionários gastam seu tempo. Mas algumas das lições mais importantes vieram da compreensão de quando é preciso recuar.
Para a lista Forbes CIO Next deste ano, entrevistamos os homenageados que lideram a área de tecnologia em empresas como Microsoft, Target, Boeing e Levi Strauss & Co. sobre onde a IA está gerando resultados, quais decisões eles jamais deixariam para uma máquina e muito mais.
Suas respostas revelam um panorama mais matizado de como os agentes de IA estão mudando a forma como o trabalho é realizado. Alguns executivos relatam ganhos significativos de produtividade, enquanto outros suspenderam projetos que introduziam riscos de segurança, custos desnecessários ou mais complexidade do que soluções.
Mesmo com a inteligência artificial assumindo mais tarefas, muitos desses líderes argumentam que o julgamento humano, a criatividade e a responsabilidade estão se tornando ainda mais importantes.
A seguir, trechos selecionados de entrevistas com oito membros da lista Forbes Next CIO deste ano.
1. Qual é uma opinião impopular ou controversa que você tem sobre IA empresarial?
Dana Deasy: Diretor de Informação Digital, The Boeing Company
As empresas estão gastando muito tempo debatendo qual modelo é melhor e pouco tempo resolvendo as condições que determinam se a IA produz valor duradouro, como dados confiáveis, responsabilidades claras pelos processos, governança disciplinada, redesenho e adoção do fluxo de trabalho.
A empresa vencedora não será necessariamente aquela com o maior número de projetos-piloto de inteligência artificial ou o maior modelo. Será a que conseguir, repetidamente, pegar um problema de negócios significativo, conectá-lo a dados governados, redesenhar o fluxo de trabalho, designar um responsável e mensurar o resultado.
Nathalie D’Hers: Vice-presidente corporativo de experiência do funcionário, Microsoft
Falamos sobre a IA tirando tarefas rotineiras das mãos das pessoas como se isso fosse uma notícia puramente positiva, mas não estou convencido de que seja. O trabalho rotineiro permite às pessoas um respiro entre decisões difíceis e, muitas vezes, é assim que os jovens desenvolvem seu discernimento.
Se automatizarmos demais esse trabalho sem repensá-lo, corremos o risco de criar dias compostos inteiramente por decisões difíceis e uma geração de futuros especialistas que nunca tiveram a prática necessária para desenvolver a expertise. Estamos muito focados no que a IA pode tirar do trabalho, e precisamos ser igualmente criteriosos sobre o que deliberadamente mantemos.
João Fiedler: Vice-presidente executivo de produto e engenharia da Fox Corporation
Existe uma crença crescente de que os agentes virtuais acabarão por substituir muitos dos aplicativos e experiências digitais que levamos anos para construir, já que são capazes de integrar informações de diversas fontes.
Acho isso simplista demais, claro que a IA, mudará a forma como as pessoas interagem com a tecnologia, mas não eliminará o valor de experiências agradáveis com produtos.
Na verdade, à medida que a inteligência artificial torna o desenvolvimento de software mais rápido e fácil, a criatividade singular, o design criterioso e uma compreensão profunda do comportamento do consumidor tornam-se diferenciais ainda mais importantes.
Em vez de recuar na inovação de produtos, acredito que agora é exatamente o momento de redobrar os esforços na criatividade e na criação de experiências digitais excepcionais.
Jordan Ruch: Diretor de Informação e Digital, AtlantiCare
Minha visão contrária é que a maioria das empresas precisam de uma melhor adoção dos modelos de IA que já possuem. O mercado está recompensando a novidade, mas o valor para as empresas vem da integração, de dados confiáveis e da reformulação dos fluxos de trabalho.
A estratégia vencedora será da organização que conseguir conectar os modelos aos seus sistemas de trabalho principais, governá-lo bem e fazer com que as pessoas a usem de forma consistente. Na área da saúde, em particular, um agente altamente integrado que devolve uma hora ao médico é muito mais valioso do que dez projetos-piloto impressionantes à margem do fluxo de trabalho.
Amit Zavery: Diretor de Produtos e Operações da ServiceNow
O papel do desenvolvedor de software será o que mais mudará. Antes, medíamos os desenvolvedores por linhas de código. Agora, penso em quantos agentes eles gerenciam.
O trabalho deles passa de escrever cada linha de código para decidir o que deve ser construído, direcionar vários agentes para um resultado específico e avaliar se o resultado está correto.
O especialista no domínio será o mais resiliente. A IA facilitou a escrita de código, mas saber o que construir, o que automatizar, quando escalar e fazer isso com segurança ainda exige profundo conhecimento do domínio. A inteligência artificial pode assumir o trabalho de grande volume, mas as decisões que exigem julgamento, contexto e intenção permanecem com as pessoas.
2. O que você aprendeu com a implementação de IA que surpreenderia pessoas fora da alta administração?
Nathalie D’Hers | Microsoft
Essa governança acelera o avanço da tecnologia. Existe uma suposição de que privacidade, segurança e IA responsável representam atrito no sistema. A governança não é o freio, mas é o que permite dizer sim mais rapidamente. Incorporamos as diretrizes à plataforma uma única vez, para que as equipes não precisem resolver as mesmas questões complexas do zero.
John Fiedler | Fox Corporation
Uma das coisas mais surpreendentes que estamos vendo é que a inteligência artificial não está apenas ajudando os engenheiros a escrever código mais rapidamente. Quando usada de forma eficaz, ela também os ajuda a produzir softwares melhores e com menos defeitos.
Isso é importante porque os ganhos não se limitam ao engenheiro. Um código melhor significa menos depuração, menos problemas descobertos durante os testes e, potencialmente, lançamentos mais rápidos e previsíveis. Esses benefícios se acumulam ao longo de todo o ciclo de desenvolvimento.
Isso também expõe um desafio interessante. À medida que a tecnologia de construção se torna dramaticamente mais rápida, os processos humanos em torno do planejamento, da tomada de decisões e do lançamento de produtos também precisam evoluir. O objetivo não é apenas escrever código mais rápido, mas sim entregar produtos melhores aos consumidores mais rapidamente.
Jason Gowans | Levi Strauss
Atualmente, muito se discute sobre os agentes de moda se tornarem a nova porta de entrada para o comércio e, em alguns casos, substituírem as experiências de compra tradicionais. Acho isso simplista demais. A moda não é puramente transacional; o que vestimos tem a ver com identidade, confiança e autoexpressão.
Em alguns casos, você quer conveniência e um agente que encontre exatamente o que você procura. Às vezes, você quer inspiração, ou até mesmo tocar o tecido, conversar com um estilista e se ver no espelho. O futuro do varejo não é a IA substituir essas experiências, mas usar para conectá-las e aprimorar cada uma delas.
Jordan Ruch | AtlantiCare
Na minha experiência, a inteligência artificial eleva o nível mínimo muito mais do que o máximo. Nossos usuários mais técnicos já eram eficientes, pois conheciam os atalhos, criavam suas próprias soluções alternativas e otimizavam seus processos de trabalho, então a tecnologia lhes proporcionou, no máximo, um pequeno aumento de desempenho.
Os maiores ganhos vieram das pessoas que mais lutavam com as ferramentas e a carga administrativa. Para elas, a IA eliminou os atritos que simplesmente absorviam há anos. O benefício foi maior para aqueles que tinham mais espaço para melhorar. Isso muda minha perspectiva sobre valor e adoção.
Os agentes são um grande equalizador, então a oportunidade é elevar todos os outros ao mesmo nível e devolver-lhes parte do seu dia de trabalho. Isso só acontece quando as pessoas confiam na ferramenta e ela se integra à sua forma de trabalhar. É a confiança, o fluxo de trabalho e a gestão da mudança.
Prat Vemana: Diretor de Informação e Produto da Target
Uma coisa que aprendemos na Target é o quanto o trabalho fundamental é importante quando se trata de IA. Em uma grande empresa, os dados geralmente ficam espalhados por diferentes sistemas, em formatos diferentes e, às vezes, até mesmo em processos que não foram digitalizados. Isso limita o que o sistema pode fazer.
Nos concentramos no trabalho fundamental de digitalização, centralização e padronização de nossos dados desde o início, para que nossos sistemas estejam prontos para aproveitar ao máximo. Esse trabalho pode ser menos visível, mas faz uma enorme diferença.
Também estamos aprendendo mais sobre o potencial da IA física em nossas lojas. Ao desenvolver tecnologia que funcione com o hardware já existente, podemos fornecer às nossas equipes informações mais precisas para que se movimentem pela loja com mais eficiência, saibam quais prateleiras precisam ser reabastecidas e evitem deslocamentos desnecessários ao estoque.
3. Qual é um processo ou decisão crítica de negócios que você nunca entregaria completamente a um sistema de IA autônomo?
Dana Deasy | Boeing
A IA pode revelar padrões em dados complexos, identificar riscos emergentes e quantificar custos, cronogramas e cenários operacionais. Mas na Boeing, a responsabilidade pelas decisões importantes é sempre humana. Não se trata de falta de confiança, mas sim do reconhecimento de que o julgamento humano envolve contexto, valores e responsabilidade. Usamos a inteligência artificial para fortalecer o julgamento humano, não para substituí-lo.
Jason Gowans | Levi Strauss
Eu jamais entregaria completamente as decisões que definem nossa marca. A Levi’s perdura há mais de 170 anos porque as pessoas a fizeram sua, desenvolvendo uma conexão humana genuína entre a marca, a cultura e as pessoas que vivem Levi’s.
A IA pode nos ajudar a entender melhor os consumidores, eliminar atritos, revelar possibilidades e dar aos nossos designers e equipes mais tempo para criar. O objetivo não é sobrecarregar o modelo com o máximo de trabalho possível, mas sim dar aos nossos colaboradores mais capacidade e competência para dar vida à marca por meio do seu bom gosto, criatividade e empatia.
Tony Leraris | Accenture
A decisão que não delegarei à IA, por melhor que os modelos se tornem, é a aceitação de riscos. Estamos automatizando muitas decisões e continuaremos a fazê-lo. Cerca de 20% dos nossos incidentes já são resolvidos sem intervenção humana, e cerca de 80% envolvem alguma forma de remediação automatizada.
Estamos caminhando para que agentes lidem com a maioria das solicitações rotineiras de acesso e custos também. Dito isso, quando assumimos riscos reais em nome da empresa, um executivo precisa tomar essa decisão e assumir a responsabilidade. Se algo der errado, ninguém aceitará “o modelo aprovou” como resposta.
Jordan Ruch | AtlantiCare
Na área da saúde, eu jamais entregaria completamente uma decisão clínica importante a um sistema de IA autônomo. A tecnologia realizará cada vez mais o trabalho relacionado à decisão, encontrando as informações corretas, resumindo o prontuário, elaborando a documentação, identificando padrões e fazendo recomendações.
A responsabilidade por uma decisão que afeta materialmente um paciente deve permanecer com um profissional clínico qualificado. O modelo pode reduzir drasticamente a carga administrativa e revelar informações que um humano levaria um tempo considerável para encontrar.
Mas o objetivo não é afastar as pessoas dos momentos em que o julgamento, o contexto e a empatia são cruciais. É fornecer a elas melhores informações e mais tempo para exercerem esse julgamento.
4. Que função será irreconhecível daqui a três anos devido à IA, e que função resistirá à automação?
Dana Deasy | Boeing
O papel do desenvolvedor de software será praticamente irreconhecível. O cargo mais resistente à automação será o de responsável pelas decisões de segurança e qualidade.
Os desenvolvedores de software passarão muito menos tempo produzindo código rotineiro e muito mais tempo definindo arquitetura, supervisionando o trabalho gerado por IA, validando a segurança, integrando sistemas complexos e traduzindo a intenção de negócios em produtos digitais confiáveis.
Já estamos expandindo assistentes de codificação, treinamentos e comunidades de prática, com o objetivo de reduzir o trabalho repetitivo, auxiliar nas revisões de código, lidar com a dívida técnica e permitir que os desenvolvedores se concentrem em engenharia de maior valor agregado.
O responsável pelas decisões de segurança e qualidade resistirá à automação. O trabalho certamente mudará, ja que o sistema fornecerá melhores sinais, detectará anomalias mais cedo e reunirá evidências mais rapidamente.
Mas, em uma empresa com riscos críticos à segurança, alguém ainda precisará examinar o contexto, questionar a recomendação e assumir a responsabilidade pela decisão final.
Nathalie D’Hers | Microsoft
A função que ficará irreconhecível é a de engenheiro de software. Na minha própria organização de engenharia, mudamos a forma como nossos engenheiros trabalham, combinando novas práticas de engenharia de IA com um modelo de entrega muito mais iterativo e prático.
Em uma iniciativa complexa recente, entregamos em três meses o que um ano antes teria levado 12 meses. O trabalho está mudando, deixando de ser principalmente escrever código e passando a incluir a definição do problema, o direcionamento de agentes, o design do sistema e a avaliação da qualidade do resultado.
A função que se mostrará surpreendentemente resistente é a de gestor de dados. À medida que os agentes assumem mais tarefas, torna-se ainda mais importante ter alguém responsável pelo significado dos dados, por quem pode usá-los e se são suficientemente confiáveis para justificar uma ação. Um agente pode usar dados, mas não pode ser responsabilizado por eles.
5. Qual foi o projeto ou iniciativa de IA que você pausou, reduziu ou cancelou no último ano, e qual foi o fator decisivo que o impediu de prosseguir?
Nathalie D’Hers | Microsoft
Reduzimos nossa abordagem de criar um agente independente para cada novo cenário. Quando começamos, essa era a maneira mais prática de aplicar IA a um processo específico. Por exemplo, criamos um agente para ajudar os funcionários a se prepararem para suas reuniões regulares com os gerentes e outros para responder a perguntas da força de trabalho, cada um em seu próprio fluxo de dados.
Cada um fazia sentido individualmente. Juntos, eles ofereciam mais opções de resposta e, quando dois agentes respondiam de forma diferente para a mesma pergunta, as pessoas não sabiam em qual confiar. Esse foi o fator decisivo.
Ao mesmo tempo, a tecnologia evoluiu mais rápido do que o nosso plano, então mudamos de rumo. Em vez de adicionar mais modelos, estamos caminhando para um ponto de entrada comum, com conhecimento especializado e uma camada de dados governada, para que as pessoas recebam uma resposta única e confiável.
John Fiedler | Fox Corporation
Diversas equipes de engenharia têm experimentado com agentes de inteligência artificial e fluxos de trabalho de automação. Em alguns casos, elas resolviam problemas semelhantes de maneiras ligeiramente diferentes; em outros, as abordagens eram bem distintas. Essa experimentação foi valiosa, mas também revelou uma limitação: muito do que as equipes aprendiam e construíam permanecia restrito a seus respectivos grupos.
Assim, começamos a construir bases compartilhadas, principalmente em relação à forma como os agentes acessam conhecimento e contexto. O objetivo é que os avanços feitos por uma equipe beneficiem as outras, ao mesmo tempo que se dá a cada equipe a liberdade de experimentar e desenvolver fluxos de trabalho que funcionem melhor para elas.
Não era que esses esforços estivessem falhando, mas sim que não estávamos obtendo o benefício organizacional completo do que cada equipe estava aprendendo.
Tony Leraris | Accenture
Recebemos muitos pedidos para ativar novas ferramentas de IA. Cada um tem a sua favorita, e a maioria das equipes acredita que a próxima ferramenta vai mudar a forma como trabalham. Com o nosso tamanho, seria fácil dizer sim à maioria delas e resolver os problemas depois. O que tentamos fazer é analisar cada pedido cuidadosamente, e às vezes isso significa dizer não.
Um exemplo recente foi uma ferramenta de conhecimento empresarial com inteligência artificial. Era um bom produto e as pessoas queriam usá-lo. Dedicamos tempo à sua avaliação, mas ele não atendia aos nossos requisitos de segurança, então não o implementamos. Essa decisão foi tomada por questões de segurança, mas já recusamos muitos outros pedidos por motivos legais ou de custo.
Reportagem publicada originalmente em Forbes.com
Acompanhe a Forbes no Google
Adicione a Forbes como fonte preferida no Google e encontre nossas notícias com mais facilidade.