Os serviços empresariais — advocacia, contabilidade, consultoria, serviços de RH, assessoria jurídica e fiscal — vendem, na essência, algo que se deixa dificilmente automatizar sem discussão: julgamento. Onde uma fábrica otimiza um processo e uma loja gere um sortimento, este setor vende a especialização de pessoas que sabem algo que o cliente não sabe. Isso torna a relação entre ambição e preparação diferente da de outros setores. O interesse em IA é grande, muitas vezes maior do que em setores com menos margem sobre o conhecimento. Mas a questão de saber se a organização consegue sustentar esse interesse permanece frequentemente estagnada em componentes que nada têm a ver com IA.
Muitos escritórios de serviços empresariais cresceram em torno do sócio, do consultor sénior, da pessoa com a rede de contactos e a memória. O conhecimento reside em cabeças, em trocas de e-mails, em processos construídos por cliente ou por caso, não em sistemas partilhados que se interligam. Isso funciona bem enquanto as pessoas permanecem. Torna-se um problema a partir do momento em que se quer construir algo que precise de recorrer a esse conhecimento. Uma IA que tenha de trabalhar com processos, precedentes ou correspondência com clientes precisa de algo em que se apoiar: uma estrutura em que a informação seja localizável e comparável. Essa estrutura ainda falta em partes do setor, não por falta de vontade, mas porque o próprio trabalho nunca exigiu essa estrutura.
Os cinco níveis da medição — baseline, foundation, activation, insight, intelligence — revelam neste setor um quadro variável por dimensão, e esse quadro é raramente uniforme. Alguns escritórios têm a sua gestão de dados em ordem: os processos estão estruturados, os direitos de acesso estão regulados, existe uma noção de onde está o quê. Mas a infraestrutura de TI subjacente está desatualizada ou fragmentada em aplicações isoladas que não comunicam entre si. Noutros escritórios é precisamente o contrário: sistemas modernos, mas sem clareza organizacional sobre quem decide sobre o quê, quem pode aprovar uma aplicação de IA, ou quem é responsável se algo correr mal. Ambas as situações conduzem ao mesmo resultado — um piloto que funciona bem por si só, mas que não escala porque as dimensões fundamentais não estão ao mesmo nível. É essa a ordem que a medição revela: organização, infraestrutura e gestão de dados têm primeiro de atingir um determinado nível antes de as dimensões dependentes, como testes automatizados ou otimização contínua, poderem beneficiar disso.
A ronda de plotagem, na qual várias pessoas pontuam separadamente, revela frequentemente nos serviços empresariais um padrão específico: o sócio ou diretor pontua a organização mais alto do que o consultor que trabalha diariamente com os processos. Essa diferença diz algo. Pode significar que as decisões sobre IA são tomadas a nível de direção sem chegarem ao terreno, ou que o terreno já luta há mais tempo com um sistema que, visto do topo, é considerado suficiente. Ambas as interpretações são úteis, e ambas só se tornam visíveis ao deixar pessoas diferentes pontuarem separadamente, não ao pedir uma única impressão a quem elabora o relatório.
O que distingue este setor, por exemplo, do comércio a retalho ou da hotelaria e restauração é a sensibilidade dos próprios dados. Um escritório de advogados ou de contabilidade trabalha com informação sujeita a dever de sigilo, a regime disciplinar, a regras que não se aplicam a um stock de loja ou a uma ementa. Isso afeta diretamente a dimensão da gestão de dados: não apenas se os dados são localizáveis, mas se esses dados estão armazenados e protegidos de uma forma que permita o uso de IA sem quebrar a confidencialidade. Isso exige um ritmo diferente do de setores em que os dados são menos sensíveis, e essa diferença de ritmo é visível nas pontuações nesta dimensão.
O padrão de ambição elevada ao lado de uma base incompleta não é exclusivo dos serviços empresariais. No setor das TIC verifica-se frequentemente o problema inverso — infraestrutura forte sem clareza organizacional — e nos serviços financeiros o atraso reside muitas vezes na regulamentação que muda mais rapidamente do que os sistemas conseguem acompanhar. A comparação não pretende tornar um setor melhor ou pior do que outro, mas sim mostrar que a ordem — primeiro as dimensões fundamentais, depois as dependentes — é a mesma em todos os lugares, mesmo que a concretização tenha um aspeto diferente por setor.
Esta medição não diz nada sobre quais as tarefas dentro de um escritório que podem ser assumidas pela IA, e quanto tempo isso libertaria. Essa é uma outra questão, que exige um olhar diferente: não sobre a organização como um todo, mas sobre o próprio trabalho, tarefa por tarefa. Quem, após esta medição, quiser saber o que, dada a preparação atual, está efetivamente em condições de ser assumido pela IA, encontra essa resposta no scan de trabalho da FTE TO AI, que calcula por tarefa qual a parte que pode ser assumida.
A ferramenta que realiza a medição de maturidade e a ronda de plotagem ainda está em construção. Quem quiser utilizá-la assim que estiver disponível pode inscrever-se na lista de espera.
Vraag maar wat er moet staan voordat AI in uw organisatie kan landen.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.