Colaboração entre humanos e IA: o que é e por que é importante?

A importância dessa colaboração decorre de uma realidade fundamental: humanos e máquinas possuem capacidades diferentes e complementares. De acordo com pesquisas recentes da McKinsey, as tecnologias de IA evoluíram a ponto de teoricamente conseguirem automatizar mais da metade das horas de trabalho atualmente executadas nos Estados Unidos.

Mas capturar esse valor, argumenta a organização, depende em grande parte de quão efetivamente os humanos aprendem a trabalhar com essas tecnologias e de quão bem elas são integradas a fluxos de trabalho críticos. Essa pesquisa corresponde a um estudo do Fórum Econômico Mundial, que constatou que os empregadores esperam que 39% das principais habilidades exigidas no mercado de trabalho mudem nos próximos quatro anos.

Os sistemas de IA se destacam no processamento de grandes volumes de dados, na identificação de padrões e na execução consistente de tarefas repetitivas. Enquanto isso, os humanos se destacam no pensamento criativo, na intuição, na consideração do contexto, na inteligência emocional, no raciocínio moral e na empatia. Uma abordagem colaborativa permite que as organizações aumentem a produtividade, ao mesmo tempo em que mantêm o julgamento humano e a solução criativa de problemas necessários para a tomada de decisões complexa.

Além disso, ela cria um trabalho mais significativo para os humanos ao automatizar tarefas tediosas. E projetar relações ponderadas entre humanos e máquinas garante que os sistemas de IA permaneçam responsáveis e alinhados com os valores humanos por meio de supervisão contínua. 

O treinamento para a sinergia entre humanos e máquinas tornou-se uma grande prioridade para as organizações que esperam implementar sistemas de IA. Segundo o IBM Institute for Business Value, os principais executivos estimam que 40% da força de trabalho precisará ser requalificada (PDF) como resultado da implementação de IA e automação. 

Para melhor aproveitar o momento, a diretora de recursos humanos da IBM, Nickle LaMoreaux, recentemente reformulou as práticas de contratação de nível básico. Enquanto alguns especulam que os empregos de nível básico em breve poderão ser automatizados, LaMoreaux triplicou o número de cargos de nível inferior abertos na IBM.

Por exemplo, LaMoreaux disse ao público na cúpula Charter Leading with AI, em Nova York, que programadores de nível inicial passam menos tempo programando e mais tempo interagindo com equipes internas e clientes. Ao treinar profissionais de nível inicial para colaborar de forma eficaz com novas tecnologias e desenvolver desde cedo habilidades centradas no ser humano, LaMoreaux espera que a IBM forme funcionários que prosperarão no futuro.

“As empresas mais bem-sucedidas daqui a três a cinco anos estão redobrando o investimento em cargos de nível inicial”, disse LaMoreaux. “Os resultados de negócios são o que você entregou ontem. As habilidades são o que você fará por mim no futuro.”

Neste momento de transformação ampla, os líderes empresariais que investirem em sistemas colaborativos terão mais probabilidade de colher os benefícios prometidos pelas tecnologias de IA. Eles também terão mais probabilidade de inovar por meio de novos modelos operacionais que mudam fundamentalmente a forma como os negócios são conduzidos.

A relação entre humanos e IA evoluiu drasticamente à medida que a tecnologia avançou, exigindo formas mais complexas de colaboração entre pessoas e máquinas. Enquanto os primeiros sistemas de automação lidavam com tarefas simples baseadas em regras, a IA opera cada vez mais com tarefas mais complexas ou com supervisão humana mínima.

Na última década, tecnologias avançadas de IA possibilitaram tarefas mais complexas, como processamento de linguagem natural, aprendizado de máquina e geração de conteúdo por meio de avanços na IA generativa. Durante esse período, a colaboração se tornou mais interativa, com sistemas de IA fornecendo recomendações que os humanos podiam modificar ou rejeitar.

A evolução mais recente envolve a tecnologia de IA agêntica, que representa uma mudança fundamental na colaboração entre humanos e IA. Os sistemas de IA agêntica perseguem objetivos com maior autonomia e adaptabilidade, dividindo tarefas complexas em subtarefas e usando ferramentas externas ou APIs. Diferentemente dos chatbots de IA anteriores, que exigiam intervenção humana em cada etapa, os sistemas agênticos funcionam de forma independente, embora continuem operando sob supervisão e orientação humanas.

Por exemplo, uma empresa de utilitários implementou IA conversacional agêntica em toda a sua base de clientes. O sistema incluía agentes específicos para autenticar clientes, determinar o motivo de uma chamada, gerenciar agendamentos e fornecer suporte de autoatendimento. Esses agentes agora lidam com cerca de 40% das chamadas e resolvem 80% delas sem envolvimento humano. No entanto, quando a escalada é necessária, os clientes e o histórico de conversa deles são transferidos para agentes humanos de atendimento ao cliente.

A abordagem agêntica possibilita novas formas de colaboração, nas quais os humanos definem objetivos de alto nível e direção estratégica, enquanto os agentes de IA lidam com a execução e a tomada rotineira de decisões. Mas esses sistemas mais autônomos e orientados por IA exigem atenção cuidadosa às relações entre os trabalhadores humanos e seus equivalentes tecnológicos.

Segundo a McKinsey, agentes com tecnologia de IA poderiam criar USD 2,9 trilhões em valor econômico todos os anos nos Estados Unidos. Mas gerar esse valor exige que as organizações redesenhem fundamentalmente os fluxos de trabalho, em vez de simplesmente adotar novas tecnologias.

Como parte dessa mudança fundamental, a demanda por fluência em IA cresceu sete vezes apenas nos últimos dois anos. Na era da colaboração entre humanos e IA, as empresas bem-sucedidas criarão formas totalmente novas de trabalhar para atender aos pontos fortes individuais de humanos e máquinas. 

Os sistemas mais bem-sucedidos de colaboração entre humanos e IA são projetados com base em pontos fortes complementares, em vez de tratar a IA como uma simples substituta das capacidades humanas.

Segundo o IBM Institute for Business Value (PDF), adotantes com programas robustos de requalificação que acomodam mudanças de trabalho impulsionadas pela tecnologia relatam uma taxa mais alta de crescimento da receita. Em comparação com outras empresas que simplesmente adotam novas tecnologias, a taxa de crescimento da receita dos adotantes é 15% maior. Com a IA, o valor agregado é ainda maior: esses mesmos executivos observam uma taxa de crescimento da receita 36% superior à de seus pares.

Tomados em conjunto, esses números sugerem um forte imperativo para reestruturar o trabalho de forma estratégica e valorizar os pontos fortes dos trabalhadores. Onde os humanos oferecem empatia e criatividade, a IA oferece escalabilidade e poder de processamento. 

Entendimento contextual e nuance: os humanos, como entidades conscientes e dinâmicas, compreendem nuances e entendem situações de forma abrangente, em vez de apenas processar informações explícitas. Por exemplo, perceber que uma anomalia de dados pode aparecer devido a um feriado recente, em vez de indicar uma tendência de longo prazo. Essa consciência contextual permite que os humanos interpretem situações de dados com maior precisão e de maneiras que levem em conta circunstâncias mais amplas.

Pensamento criativo: embora a IA possa gerar combinações inéditas de elementos existentes, os humanos se destacam na criatividade genuína e no pensamento crítico: conectar conceitos díspares, criar novos paradigmas ou pensar de maneiras que rompem padrões estabelecidos.

Raciocínio ético e julgamento moral: decidir como equilibrar interesses conflitantes de stakeholders ou navegar por implicações sociais complexas exige responsabilização humana. A tomada de decisões éticas envolve um pensamento baseado em valores que vai além da otimização e do reconhecimento de padrões.

Inteligência emocional e empatia: a capacidade de construir relacionamentos ou navegar por dinâmicas sociais complexas diferencia os humanos, especialmente em ambientes colaborativos. Um profissional de saúde pode confortar um paciente ansioso, ou um professor pode reconhecer quando um aluno precisa de incentivo, em vez de crítica. Essa sintonia emocional ajuda os humanos a responder adequadamente às situações, construindo confiança e conexão.

Lidar com ambiguidades com julgamento humano: diante de circunstâncias incomuns ou informações incompletas, os humanos podem fazer julgamentos razoáveis com base na experiência de vida. As ferramentas de IA não conseguem replicar facilmente esse nível de intuição.

Disponibilidade ininterrupta: os sistemas de IA executam as mesmas tarefas a qualquer hora do dia, muitas vezes da mesma forma e sem a variabilidade introduzida por fadiga ou distração. Essa disponibilidade ininterrupta é ideal para monitoramento rotineiro ou controle de qualidade.

Processamento e análise de dados: o poder computacional da IA permite que ela processe e analise vastos conjuntos de dados além da capacidade humana, identificando padrões e correlações que talvez sejam impossíveis de serem descobertos apenas por humanos. Esse processo permite que ela examine milhões de pontos de dados, detectando relações sutis e tendências que seriam invisíveis para analistas humanos.

Otimização: os sistemas de IA se destacam na avaliação de milhares de soluções possíveis para encontrar abordagens ideais para problemas complexos, por exemplo, ao definir rotas de veículos de entrega ou programar processos de fabricação. Essa capacidade de otimização se estende à alocação de recursos e ao planejamento logístico, em que a IA pode encontrar a melhor solução entre inúmeras possibilidades.

Velocidade e processamento em tempo real: a IA pode executar cálculos, recuperar informações e tomar certos tipos de decisões quase em tempo real. Esses recursos possibilitam que as ferramentas impulsionadas por IA lidem com tarefas críticas que podem ser difíceis para um ser humano gerenciar manualmente. 

A inovação acelera quando os humanos podem fazer brainstorming rapidamente, criar e testar novos conceitos ou protótipos. A combinação da criatividade humana com a capacidade da IA de iterar rapidamente reduz o tempo entre o conceito e a implementação. 

Os sistemas de IA permitem que as organizações atendam às expectativas modernas dos clientes por suporte instantâneo, personalizado e sempre disponível. Ao mesmo tempo, a colaboração humana eficaz com esses sistemas oferece o tipo de toque empático que torna a experiência do cliente agradável. Ao combinar a consistência escalável da IA com as habilidades humanas de construção de relacionamentos, as organizações oferecem experiências ao cliente que são, ao mesmo tempo, eficientes e satisfatórias. 

Organizações que operam e otimizam a IA em suas funções de atendimento ao cliente, conhecidas como adotantes “maduros”, relatam pontuações de satisfação do cliente 17% mais altas. Enquanto isso, o National Bureau of Economic Research (NBER) constatou que, quando profissionais de suporte ao cliente receberam acesso a agentes de IA, a produtividade aumentou em quase 14%.

O julgamento humano apoiado pelos recursos analíticos da IA pode levar a decisões melhores em diversos setores. Por exemplo, líderes empresariais tomam decisões estratégicas mais bem informadas ao acessar insights sintetizados por IA, enquanto consultores financeiros criam carteiras mais robustas ao combinar análise algorítmica com um entendimento pessoal das necessidades dos clientes. 

A combinação da criatividade humana com a capacidade da IA de iterar rapidamente reduz o tempo entre o conceito e a implementação. Aplicações críticas, como o gerenciamento da rede elétrica, se beneficiam do monitoramento constante da IA, combinado com o julgamento humano em situações excepcionais. Essa colaboração garante que as operações rotineiras mantenham altos padrões, enquanto circunstâncias incomuns recebem a atenção criteriosa que exigem, melhorando o desempenho geral do sistema. 

Os sistemas de IA podem ajudar a superar barreiras, aumentando a acessibilidade a habilidades e informações. Por exemplo, os recursos de tradução com IA permitem a colaboração global, enquanto ferramentas com tecnologia de IA podem tornar sistemas complexos mais acessíveis a pessoas sem treinamento especializado.

A satisfação e o bem-estar no trabalho podem aumentar quando a IA assume tarefas tediosas e repetitivas que os indivíduos podem considerar pouco gratificantes. Ela também permite que os humanos dediquem mais tempo aos aspectos criativos e interpessoais de seu trabalho, que tendem a ser mais envolventes e significativos.

Profissionais de saúde podem se concentrar mais no atendimento ao paciente do que na papelada, e analistas podem dedicar mais tempo à interpretação do que ao processamento de dados. Ao lidar com os aspectos mundanos do trabalho, a IA permite que os humanos se dediquem a exigências do trabalho que consideram mais recompensadoras. 

Fluxos de trabalho cuidadosamente projetados, envolvendo o uso apropriado de IA, podem aumentar drasticamente a produtividade. Nesse cenário, a IA lida com tarefas rotineiras e demoradas, enquanto permite que os humanos se concentrem em atividades de alto valor. 

O estudo da colaboração entre humanos e máquinas tem uma longa história, e os pesquisadores continuam encontrando novas maneiras de os sistemas de IA e os trabalhadores humanos interagirem. Recentemente, a McKinsey publicou um artigo explorando o movimento de assistentes passivos para “colegas de trabalho virtuais” e previu que o futuro do trabalho envolverá parcerias entre pessoas assistidas por IA, agentes e robôs. O potencial para a colaboração entre humanos e IA existe em todo o espectro de capacidade da IA, que inclui: 

• Automação, como na inserção ou extração de dados
• Classificação, como na segmentação de público ou na filtragem de spam
• Geração, como na criação de conteúdo ou na escrita de código
• Interação, como em chatbots ou assistentes
• Previsão, como em forecasting ou personalização
• Recomendação, como em feeds de notícias de mídias sociais ou algoritmos
• Reconhecimento, como na análise preditiva

À medida que a tecnologia evolui, cada função se torna mais complexa. Por exemplo, com a IA generativa, a capacidade de criação de conteúdo se expandiu para incluir funções como sumarização e contextualização. Com a IA agêntica, a automação assume novas formas, à medida que agentes executam ações de várias etapas com intervenção mínima.

A colaboração entre humanos e máquinas é um campo dinâmico e em constante expansão, mas algumas das formas mais básicas pelas quais ela é implementada incluem:  

Em um modelo de assessoramento, a IA fornece recomendações ou insights, enquanto os humanos tomam as decisões finais. A IA pode analisar dados e sugerir meios de ação, mas as pessoas mantêm total autoridade sobre o produto final. Por exemplo, em um consultório médico, uma IA pode sinalizar possíveis condições, enquanto os médicos tomam decisões sobre o tratamento. Na contratação, uma IA pode fazer a triagem de currículos, enquanto os humanos conduzem entrevistas e fazem ofertas. 

Quando a IA amplia os trabalhadores humanos, ela aprimora as capacidades humanas em tempo real. Em vez de fazer recomendações separadas, a IA trabalha ao lado dos humanos para melhorar seu desempenho. Um exemplo dessa melhoria pode ser uma ferramenta de tradução ajudando a comunicação multilíngue a fluir de forma mais natural, ou assistentes de escrita ajudando funcionários a refinar seu trabalho. Em ambientes de atendimento ao cliente, a IA é cada vez mais usada para trazer dados de clientes à tona em tempo real e sugerir cursos de ação para profissionais de centrais de atendimento.

A delegação representa um fluxo de trabalho em que os humanos atribuem tarefas específicas a sistemas de IA, que então trabalham de forma autônoma dentro de parâmetros definidos. Os humanos definem objetivos e restrições, mas não supervisionam cada ação. Os sistemas modernos de IA agêntica se destacam nesse padrão, lidando com tarefas complexas de várias etapas, como conduzir pesquisas, otimizar o agendamento de manutenção de equipamentos ou gerenciar consultas rotineiras de clientes.

Como vimos antes, os “colegas de trabalho” de IA assumem muitas formas, em diferentes setores e funções. Hoje, algumas das maneiras mais comuns pelas quais as ferramentas de IA atuam como integrantes da equipe incluem: 

A IA funciona como analista ao processar e sintetizar grandes volumes de dados, trazendo à tona insights para embasar a tomada de decisões humanas. Nesses tipos de interação, os humanos definem as perguntas que importam e transformam insights em ações. Fundamentalmente, a IA não substitui o pensamento analítico humano, mas o eleva. Um analista financeiro pode usar IA para examinar milhões de pontos de dados em busca de padrões e, então, aplicar seu entendimento humano para avaliar se esses padrões são praticáveis. 

Um dos papéis mais visíveis da colaboração entre humanos e IA envolve a IA funcionando como geradora criativa, por exemplo, produzindo rascunhos, código, conteúdo ou designs. Os humanos então refinam, direcionam e avaliam a contribuição da IA. Nesse tipo de interação, os humanos atuam como diretores criativos e técnicos de garantia da qualidade, enquanto a IA serve para produzir grandes quantidades de matéria-prima.

Por exemplo, um diretor de marketing pode solicitar que uma IA gere 50 variações de texto publicitário, ou um engenheiro de software pode pedir que uma IA gere código para uma tarefa específica.  

A IA transforma a pesquisa em todos os setores e funções profissionais, atuando como uma colaboradora poderosa. Enquanto a pesquisa tradicional exigia que trabalhadores humanos lessem e sintetizassem fontes manualmente ao longo de longos períodos, a IA processa enormes volumes de informação quase em tempo real. Ela pode ajudar a resumir, identificar padrões e destacar conexões em meio a todas as informações, economizando tempo dos pesquisadores.

Cada vez mais, os sistemas de IA não apenas analisam dados passados, mas modelam cenários futuros e avaliam opções estratégicas. Nesse papel, os sistemas de IA avaliam rapidamente vários cenários estratégicos, como planos de expansão de mercado ou intervenções médicas.

Essas ferramentas de IA podem trazer à tona riscos ou dependências que talvez não sejam óbvios para estrategistas humanos. Por isso, elas podem prosperar em situações como a descoberta de medicamentos, em que os dados disponíveis podem ser impossíveis de serem assimilados por uma única pessoa. Os papéis humanos nessas colaborações continuam sendo fundamentais, já que a IA não consegue extrapolar valores ou prioridades por conta própria. O julgamento humano relacionado à dinâmica do mundo real e a considerações éticas continua sendo essencial. 

Redatores, artistas e designers usam cada vez mais a IA como colaboradora, empregando a tecnologia como parceira de brainstorming ou geradora inicial de ideias. O criador humano então aplica sua criatividade e seu julgamento para transformar o conteúdo gerado por IA em algo autêntico. No design, artistas trabalham com ferramentas de IA que podem gerar maquetes e variações de conceitos de design antes de se comprometerem totalmente com uma visão criativa.

As equipes de marketing aproveitam a colaboração com IA para criar campanhas mais eficazes, bem como alcançar o público de forma mais eficaz. Os sistemas de IA analisam dados de comportamento do consumidor e identificam segmentos de público com base em dados demográficos complexos. Os profissionais de marketing então usam esses insights para desenvolver estratégias e tomar decisões criativas sobre a direção da campanha. A IA pode gerar várias versões de texto publicitário ou postagens em mídias sociais, que os profissionais de marketing refinam para alinhar à voz da marca e aos objetivos da campanha. 

As operações inteligentes de atendimento ao cliente evoluíram para uma colaboração sofisticada entre agentes de IA, assistentes de IA e agentes humanos. Agentes autônomos de IA lidam com consultas rotineiras, fornecendo respostas instantâneas a perguntas comuns. Assistentes de IA voltados para funcionários podem orientar representantes de atendimento ao cliente durante interações com clientes, trazendo à tona dados relevantes e sugerindo funções de solução de problemas. Essa colaboração permite que agentes humanos se concentrem em questões complexas ou situações emocionalmente sensíveis.

Idealmente, essa colaboração é fluida do ponto de vista do cliente: a IA pode lidar com o contato inicial, reunir informações relevantes e resolver questões simples. Quando as situações exigem julgamento humano, a IA transfere o atendimento de forma fluida para um agente humano, fornecendo a ele o histórico da conversa e o contexto relevante para que os clientes não precisem se repetir. 

À medida que centros médicos adotam a colaboração entre humanos e máquinas, a área da saúde passou a demonstrar alguns dos casos de uso mais promissores da tecnologia. Em um exemplo de destaque, a Mayo Clinic implementou IA em todo o seu departamento de radiologia, acrescentando centenas de modelos de IA para dar suporte à análise e ampliando sua equipe em mais de metade desde 2016. Na clínica, a IA ajuda radiologistas com tarefas rotineiras, como a medição do volume renal, ou analisa exames anormais enquanto os médicos interpretam os resultados.

Na descoberta de medicamentos, sistemas de IA analisam estruturas moleculares e preveem quais compostos podem atingir doenças específicas com eficácia, um processo que pode levar anos para pesquisadores humanos. Os pesquisadores então aplicam sua expertise científica para validar candidatos promissores e planejar ensaios clínicos.

Sistemas de suporte diagnóstico com tecnologia de IA ajudam médicos ao analisar sintomas e sugerir possíveis condições a serem consideradas. Segundo o IBM Institute for Business Value, quatro em cada dez executivos do setor de saúde já usam IA para monitoramento de pacientes internados e para fornecer sinais de alerta precoce. Os médicos integram essas sugestões ao exame clínico e ao entendimento abrangente da situação de saúde do paciente, oferecendo, em última análise, o tipo de cuidado empático e cheio de nuances que só um ser humano poderia proporcionar. 

O próprio setor de tecnologia representa uma grande arena para a colaboração entre humanos e IA. A IA está mudando fundamentalmente a forma como o software é escrito e como sistemas legados são modernizados. A colaboração entre IA e humanos permite que engenheiros assumam projetos mais ambiciosos com maior rapidez e entreguem soluções com mais eficiência.

No desenvolvimento cotidiano de software, assistentes de codificação com IA tornaram-se parceiros colaborativos essenciais para muitos desenvolvedores. Esses colegas de trabalho de IA, que espelham cenários anteriores de “engenharia em dupla”, podem gerar vantagens significativas. Em vez de escrever cada linha de código manualmente, os engenheiros descrevem o que precisam, enquanto a IA cria código funcional que os humanos então revisam e refinam.

Recentemente, o Gartner estimou que, até 2028, 75% dos engenheiros de software empresarial usarão esses assistentes de código com IA. Como a consultoria escreveu anteriormente, esse arranjo criará um cenário “com desenvolvedores atuando como validadores e orquestradores de componentes e integrações de back-end e front-end.” Essa colaboração acelera significativamente o desenvolvimento, enquanto o papel do desenvolvedor humano continua central.

“A IA generativa não vai construir cada linha de código que existe”, diz Gerry Leitão, Partner da IBM Consulting. “Ela será um multiplicador de força quando combinada com um ser humano.” Por exemplo, a IBM observou melhorias iniciais de produtividade de construção de até 45% após a implementação de recomendações geradas por IA para engenheiros de desenvolvimento de playbooks do Ansible.

Muitas fábricas modernas passaram a adotar a colaboração entre humanos e IA. Sistemas de IA monitoram linhas de produção em tempo real, otimizando o consumo de energia e prevendo falhas em equipamentos antes que ocorram (PDF). Enquanto isso, operadores humanos e engenheiros se concentram na solução de problemas complexos e na implementação de melhorias de processo.

Na gestão da cadeia de suprimentos, sistemas de IA preveem demanda, otimizam níveis de inventário e direcionam remessas com eficiência ao processar vastas quantidades de dados, incluindo desempenho de fornecedores e padrões climáticos. Os sistemas de IA também reduzem a carga de conformidade e manutenção de registros.

Recentemente, a empresa global de manufatura Channell implementou ferramentas que permitem que planejadores gerem automaticamente um relatório de lista de materiais para cada projeto, reduzindo os tempos de decisão humana de dias para horas. Com o trabalho manual rotineiro cada vez mais eficiente e livre de erros, gestores humanos da cadeia de suprimentos podem oferecer direção mais estratégica e lidar com interrupções que exigem solução criativa de problemas. 

Para manter parcerias eficazes e reais entre humanos e máquinas, as organizações precisam investir no desenvolvimento de fluência e confiança no uso de ferramentas de IA. Construir essa confiança exige transparência sobre os recursos da IA e os processos de tomada de decisão, além da criação de mecanismos de feedback para ajudar os usuários a entender quando confiar na IA e quando aplicar maior escrutínio. Em geral, essa fluência é construída de cima para baixo, e os líderes empresariais devem comunicar com clareza o que os sistemas de IA fazem bem e onde enfrentam dificuldades.

Além disso, a colaboração entre humanos e IA depende de dados de treinamento de qualidade para os modelos de IA, o que torna essencial uma governança de dados robusta. As organizações devem estabelecer políticas claras sobre quais dados os sistemas de IA podem acessar, como os dados são coletados e armazenados e quem é o proprietário dos dados gerados por meio da colaboração com IA.

Uma governança de dados deficiente pode levar os sistemas de IA a tomar decisões com base em dados incompletos ou desatualizados. Além disso, as empresas precisam de mecanismos para garantir que os sistemas de IA usem os dados adequadamente e forneçam modelos de IA explicáveis claros e confiáveis.

Introduzir a colaboração com IA em uma organização exige uma gestão de mudanças cuidadosa que vá além do treinamento técnico. Os funcionários precisam de clareza sobre seus papéis em evolução e de uma comunicação clara sobre como a IA afetará seus empregos, bem como de métricas relevantes e acionáveis para medir o sucesso de uma iniciativa.

Uma gestão de mudanças eficaz envolve criar funções dentro das equipes que possam servir de modelo para uma colaboração bem-sucedida com IA e estabelecer canais contínuos de feedback. Os líderes devem articular uma visão convincente de como a colaboração de IA aprimora, em vez de diminuir, o trabalho dos usuários humanos. 

À medida que os recursos da IA se expandem, as habilidades necessárias para uma colaboração eficaz evoluem continuamente, tornando essencial a requalificação contínua. Os trabalhadores podem precisar desenvolver novas competências em áreas como engenharia de prompts e avaliação de resultados de IA. As iniciativas de requalificação devem ser contínuas, e não eventos pontuais, reconhecendo que os recursos da IA continuarão avançando. As organizações que tratam o aprendizado como um processo contínuo criam forças de trabalho ágeis que se adaptam à medida que a tecnologia evolui. 

Cada vez mais, o caminho para uma colaboração eficaz entre humanos e IA tem tanto a ver com o modelo operacional de uma organização quanto com sua adoção de tecnologia. Automatizar processos selecionados dificilmente resultará em ganhos significativos de produtividade ou facilitará os tipos de transformações empresariais abrangentes que a IA pode apoiar.

Segundo o IBM Institute for Business Value (PDF), as organizações que veem o modelo operacional como o principal impulsionador da transformação empresarial tiveram desempenho superior em lucratividade, crescimento da receita, inovação e retenção de funcionários. Muitas vezes, essa vantagem competitiva é impulsionada por investimentos em infraestrutura e plataformas que permitem colaboração em todo o ecossistema em escala.

Recentemente, Allie K. Miller, CEO da Open Machine, falou com David Levy, da IBM, argumentando contra a visão da IA como uma simples ferramenta de produtividade que replica ações humanas. “Se você ainda está pensando em pequenas coisas de eficiência e produtividade”, disse ela, “se você está pensando apenas em escrever e-mails mais rápido ou escrever consultas SQL mais rápido, você ainda está escrevendo o e-mail e ainda está escrevendo a consulta SQL.”

“Talvez”, acrescentou ela, “exista um mundo em que você não deveria estar escrevendo esse e-mail em primeiro lugar. Você não deveria estar escrevendo essa consulta SQL em primeiro lugar.”

Capturar valor real exige uma transformação fundamental na forma como as empresas se organizam e operam. Modelos operacionais tradicionais, projetados em torno de fluxos de trabalho puramente humanos, muitas vezes se tornam obstáculos quando as organizações tentam integrar a colaboração com IA. Essa situação cria um imperativo para que líderes empresariais redesenhem fluxos de trabalho e processos de tomada de decisão, permitindo que sistemas de IA lidem autonomamente com decisões rotineiras, ao mesmo tempo em que garantem supervisão humana adequada para escolhas de alto risco.

Pode ser necessário reestruturar equipes e funções à medida que a IA assume tarefas antes realizadas por humanos. Mas, em vez de eliminar cargos, organizações visionárias redefinirão funções para enfatizar contribuições exclusivamente humanas.

Enfrentar esses desafios exige, acima de tudo, que os líderes promovam uma cultura de experimentação e aprendizado. Ao definir o tom da inovação e manter o foco nos resultados, as empresas podem se posicionar para capturar valor da colaboração entre humanos e IA no longo prazo.

Ou, como Miller disse quando apareceu no podcast IA em ação, da IBM: “Se você estiver focado apenas em fazer os cavalos correrem mais rápido, perderá os carros.”