Um workforce leader — muitas vezes responsável pelo planeamento de pessoal, pela gestão de capacidade ou pela ligação entre RH e a área de negócio — recebe a IA nas suas mãos sem que ninguém tenha explicado antecipadamente o que isso significa para o quadro de pessoal. A pergunta vem de cima: menos entrada de pessoal, perfis diferentes, escalar de forma mais flexível. O workforce leader tem de ter uma resposta para isso, ao mesmo tempo que ele próprio não sabe se a organização tem as condições prévias em ordem para cumprir essa resposta.
A pergunta não é se a IA afeta funções. Essa pergunta já foi respondida por outros, mais acima na organização. A pergunta que um workforce leader se coloca a si próprio é diferente: com base em que pressupostos está agora a ser ajustado o planeamento de pessoal, e quão sólidos são esses pressupostos? Se os cenários de capacidade forem construídos sobre uma promessa de IA que pressupõe bons dados, uma infraestrutura funcional e equipas capazes de trabalhar com os resultados, e essas condições prévias não existirem, então o planeamento está errado. Ele não percebe isso hoje. Percebe-o no momento em que a entrada de pessoal já foi retardada e o resultado não chega.
Um workforce leader que baseia o seu planeamento de pessoal num efeito de IA que não se materializa fica sozinho a enfrentar o problema. O quadro de pessoal já foi então ajustado, as vagas foram suspensas ou, pelo contrário, abertas, e a área de negócio conta com uma capacidade que afinal não existe. Corrigir isto exige tempo que um planeamento de pessoal não tem — a entrada de pessoal tem um prazo de execução, e uma lacuna detetada tarde demais não se fecha com um simples toque de botão. Esse risco não está na tecnologia. Está no pressuposto de que a tecnologia já funciona numa organização que ainda não está preparada para isso.
Se o workforce leader souber realmente qual o grau de maturidade da organização antes de planear, a sua posição muda. Consegue distinguir entre um cenário de capacidade que é realista a curto prazo e um cenário que depende de fundamentos que ainda têm de ser construídos. Pode dar à área de negócio um cronograma que seja correto, em vez de um cronograma que seja apenas uma esperança. Isso não é garantia de um bom resultado, mas é um planeamento que não se desmorona no momento em que o primeiro pressuposto não se confirma.
O que um workforce leader não aceita é um roteiro de IA que fala de capacidade futura sem especificar o que primeiro tem de estar em ordem. "A IA acabará por substituir parte da entrada de pessoal" não é uma base de planeamento se ninguém conseguir indicar se a gestão de dados, a infraestrutura de TI e a estrutura organizacional já estão preparadas para isso. Também não aceita nenhum número baseado apenas na intuição de um patrocinador entusiasta. O que ele precisa é de uma imagem de onde a organização realmente se encontra, por dimensão, com a dispersão entre o que diferentes pessoas na organização pensam sobre isso — porque essa dispersão é, em si, já informação sobre a estabilidade de um pressuposto de capacidade.
A medição de maturidade da hybridresourcing avalia uma organização em cinco níveis — baseline, foundation, activation, insight, intelligence — em sete dimensões. Dimensões fundamentais como estrutura organizacional, infraestrutura de TI e gestão de dados vêm antes das dimensões dependentes, não porque isso seja uma preferência, mas porque é a ordem em que o processo funciona: sem uma infraestrutura funcional e dados fiáveis, a IA tem pouco em que se apoiar, independentemente de quão bem preparada já esteja a estrutura organizacional. Numa ronda de plotagem, várias pessoas atribuem pontuações separadamente, de modo a tornar visível onde a imagem da organização coincide e onde diverge. Para um workforce leader, essa dispersão é muitas vezes o sinal mais útil: uma grande dispersão na gestão de dados significa que ninguém tem a certeza de que a base está estabelecida, e é precisamente essa a base sobre a qual repousam os cenários de capacidade.
Esta abordagem também afeta outras funções na organização, cada uma a partir do seu próprio interesse: um CEO à procura da resposta para pilotos de IA estagnados, um COO que tem de avaliar a preparação operacional e um CHRO que vigia o lado organizacional da maturidade de IA. Também a nível setorial a imagem difere, como se pode ver em até que ponto o setor da construção está avançado nos fundamentos para a IA e como isso se relaciona com a situação no setor de instalações técnicas.
A medição de maturidade diz algo sobre a capacidade de suporte: será que esta organização consegue suportar a IA, os fundamentos estão estabelecidos, os dados estão em ordem, a infraestrutura está preparada para isso. Não diz nada sobre qual parte do próprio trabalho pode ser assumida pela IA. Essa é uma questão diferente, com um instrumento diferente. Assim que a imagem da preparação estiver estabelecida, o próximo passo lógico é a pergunta que se segue: que parte do trabalho, tarefa a tarefa, é efetivamente transferível. Isso é calculado pelo scan de trabalho da FTE TO AI — por tarefa, com base no que o próprio trabalho implica, não com base num pressuposto sobre a organização como um todo.
A medição de maturidade está em desenvolvimento. Atualmente não é possível encomendar um relatório nem contar com um consultor que venha percorrer as dimensões. Quem quiser utilizar a medição 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.