Os pilotos de IA raramente encalham na tecnologia. Encalham no que as pessoas conseguem e não conseguem, ousam e sabem. Uma organização pode ter dados excelentes e uma infraestrutura sólida e, ainda assim, ficar bloqueada, porque ninguém sabe bem o que a IA faz e não faz, quando a desconfiança é justificada e quando não é, e quem tem que papel quando um modelo entrega algo que um humano deve avaliar. Esta página trata dessa dimensão: pessoas e competências, uma das sete dimensões que a medição de maturidade da hybridresourcing mapeia.
Pessoas e competências trata de três camadas que frequentemente são tratadas separadamente, embora estejam interligadas. A primeira camada é o conhecimento: os colaboradores compreendem o que um sistema de IA faz, onde estão os limites e quais os erros típicos do tipo de aplicação que utilizam. A segunda camada é a competência: as pessoas conseguem efetivamente avaliar, ajustar ou comparar um resultado de IA com o seu próprio julgamento. A terceira camada é a atitude: há espaço para experimentar com IA, comunicar erros e corrigir o rumo, ou predomina o receio ou a confiança cega. Uma organização que investe apenas em formações mas não trabalha a atitude tende a permanecer no mesmo nível, mesmo após anos de cursos.
Como esta dimensão depende fortemente das pessoas individualmente, a hybridresourcing não a mede com uma única pontuação, mas com uma ronda de avaliação múltipla: vários intervenientes pontuam separadamente, e torna-se visível a dispersão entre as suas respostas. Uma dispersão grande é, em si, já um resultado. Mostra que a organização parece ter um nível no papel, enquanto o terreno vivencia algo diferente da gestão.
No nível baseline, não existe uma visão partilhada sobre o que é ou faz a IA. Pessoas isoladas experimentam, mas não há linguagem comum nem estrutura para partilhar experiências. No nível foundation, existe conhecimento básico, geralmente num grupo limitado, e o resto da organização acompanha à distância. O nível activation significa que uma parte substancial dos colaboradores envolvidos sabe o que a IA significa no seu próprio trabalho e consegue lidar com ela na prática. O nível insight adiciona a capacidade de as pessoas avaliarem criticamente os resultados da IA e saberem quando devem duvidar. No nível intelligence, essa competência está disseminada pela organização, enraizada na forma como as pessoas trabalham e não dependente de alguns early adopters.
O ponto em que uma organização se situa nesta escala nunca é uma questão de intuição. Depende de quantas pessoas trabalham efetivamente com IA, da diversidade das suas experiências e de saber se essas experiências convergem em algum ponto. É exatamente por isso que a ronda de avaliação múltipla produz mais resultados do que um inquérito com um único respondente por equipa.
Alguns sinais apontam para um nível baixo. Se as perguntas sobre IA acabam sempre junto das mesmas poucas pessoas, o conhecimento não está disseminado. Se ninguém se atreve a rejeitar um resultado de IA porque não conhece a lógica subjacente, falta a competência para avaliar. Se os projetos de IA são iniciados sem envolver as pessoas que terão de trabalhar com eles, falta o apoio necessário para levar algo além da fase piloto.
Um nível mais elevado reconhece-se pelo oposto: discussões sobre resultados de IA que são substantivas em vez de principistas, colaboradores que propõem eles próprios onde a IA pode e não pode ajudar, e uma organização em que a dúvida sobre um resultado de IA é vista como parte normal do trabalho, e não como sinal de que o projeto falhou.
O caminho para um nível mais elevado raramente começa com mais tecnologia. Começa por tornar visível o que as pessoas já sabem e onde estão as lacunas, e por organizar momentos em que a experiência é partilhada em vez de permanecer isolada em experiências pontuais. O que isso custa em concreto, em tempo e atenção, varia muito por organização e por nível de partida; quem quiser uma indicação disso encontra-a na página que calcula o que custa fazer a organização subir um nível.
Pessoas e competências não está, de resto, isolado das outras dimensões. Quem quer avaliar a IA também precisa de compreender como essa avaliação é registada e utilizada, o que se relaciona com a gestão de desempenho no que toca a IA. Quem quer ter a coragem de comunicar erros precisa de saber que a privacidade e a segurança estão asseguradas, algo relacionado com o que custa fazer a privacidade e a segurança subirem um nível. E quem quer construir confiança nos resultados de IA, tarde ou cedo depara-se com questões relacionadas com o que custa fazer a ética subir um nível.
Esta página descreve se as pessoas da sua organização conseguem sustentar a IA: compreender, avaliar e corrigir o rumo. Não descreve que parte do trabalho pode ser assumida pela própria IA. Essa é outra questão, com outro instrumento. O werkscan da FTE TO AI calcula, por tarefa, que parte do trabalho é elegível para IA, dada a natureza da tarefa e o contexto em que é executada. Esse resultado só é significativo quando o lado que sustenta, incluindo as pessoas que têm de trabalhar com os resultados, já atingiu um determinado nível. Quem quiser saber onde a organização se situa neste momento pode inscrever-se na lista de espera da medição de maturidade, que ainda está em desenvolvimento.
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.