Os seus agentes de IA cometerão os mesmos erros que o seu novo colaborador

Recentemente, experimentei utilizar IA para criar materiais publicitários para uma empresa. A experiência foi um sucesso, por isso comecei a formar o novo especialista de marketing da empresa para fazer o mesmo.

Fiz uma demonstração e expliquei o processo, e ele tentou replicá-lo, mas continuava a cometer os mesmos erros. Os dias foram passando sem resultados, e eu não podia ficar sentado ao lado dele o dia inteiro.

Na verdade, fiz exatamente aquilo que normalmente aconselho a não fazer. Decidi que, como sou bom neste trabalho, bastava mostrar o processo à pessoa nova, e ela adquiriria as minhas competências simplesmente por observar. 

Esta convicção é um erro comum, porque ser capaz de fazer algo por si próprio e ser capaz de transmitir a lógica subjacente às suas decisões a outra pessoa são duas coisas diferentes. Já tinha tentado combiná-las e não tinha funcionado

Quando estava a expandir a minha empresa, a STEP IT Academy, uma rede global de ensino de TI, formei pessoalmente os diretores das filiais. A formação demorou cerca de três meses e, durante esse período, não consegui realizar o meu próprio trabalho. Quando extraímos e estruturámos o conhecimento especializado de modo a que a formação já não dependesse de mim nem de outras pessoas, a formação dos diretores foi reduzida para duas semanas e, em vez de abrirmos 2–3 novas filiais por ano, conseguimos abrir dezenas.

O problema da transferência de conhecimento também está agora a dificultar a integração da IA nos processos de trabalho. Um agente de IA pode aceder a instruções e dados empresariais, mas não à lógica através da qual um especialista experiente toma decisões eficazes. Por isso, um agente de IA cometerá os mesmos erros que um recém-chegado inexperiente.

De seguida, explicarei por que razão isto acontece e como transformar o conhecimento dos seus melhores colaboradores num ativo da empresa. 

A sua base de conhecimento não contém a parte mais importante

Quando se faz algo durante anos, as ações tornam-se automáticas e é surpreendentemente difícil responder à pergunta "como é que faz isso?"

A isto chama-se conhecimento tácito: uma pessoa sabe mais do que aquilo que consegue explicar. E isto acontece com muitos profissionais na sua área.

É por isso que o conselho de "juntar um recém-chegado ao seu melhor colaborador" nem sempre funciona. O especialista é afastado do seu próprio trabalho enquanto tenta explicar o procedimento, muitas vezes sem abranger tudo. O recém-chegado não adquire o conhecimento necessário: algumas coisas foram-lhe explicadas no momento, outras foram descobertas por si próprio, algumas teve de perguntar, enquanto houve outros aspetos em que nem sequer pensou e que acabaram por dar origem a um erro.

Como resultado, ambos perdem tempo e o resultado pretendido não é alcançado.

Os regulamentos e as instruções da empresa definem um processo padrão: o que abrir, onde clicar e a quem enviar um documento. Mas raramente explicam por que razão um especialista experiente segue este processo numa situação e, noutra, percebe imediatamente que precisa de se desviar dele.

Não é necessário fazer com que o especialista explique isto repetidamente a outras pessoas. Em vez disso, estruture a lógica subjacente às suas decisões para que estas deixem de depender da sua presença. 

Deixe o especialista falar

Escrever é uma competência por si só e demora muito mais tempo do que parece. É preferível realizar uma entrevista e deixar o especialista falar.

Envie as perguntas antecipadamente para que a pessoa tenha tempo de se recordar de exemplos práticos. Se a empresa operar em diferentes nichos, não lhe peça para comentar cada um deles – isso nunca mais terá fim. É necessário identificar 2–3 fatores-chave que influenciam as ações de um colaborador. Por exemplo, podem ser o tipo de mercado (B2B ou B2C) ou a duração do ciclo de vendas (curto ou longo).

Grave a conversa. A IA pode transcrevê-la e elaborar uma estrutura preliminar, mas o especialista deve verificá-la e acrescentar ou corrigir informação, se necessário.

A IA organiza bem aquilo que foi dito, mas não pode garantir que o especialista abordou todos os pontos essenciais. O resultado da entrevista depende, antes de mais nada, das perguntas. Se lhe perguntarem "Diga-me como trabalha", a pessoa responderá de forma geral. Então, o que deve perguntar? 

Pergunte sobre ações específicas

Há muitos anos que participo no desenvolvimento de programas de formação para colaboradores e reparei que os especialistas descrevem quase sempre o seu trabalho em termos abstratos: "analisar", "avaliar", "perceber". Mas palavras deste tipo não revelam exatamente o que é necessário fazer. 

É por isso que vale a pena parar em cada uma delas e perguntar: "O que faz exatamente? Qual é o primeiro passo? Onde procura a informação?"

Imaginemos que um especialista diz: "Primeiro, é necessário avaliar o desempenho do departamento de vendas."

Pergunte: "O que faz exatamente para conseguir isso?" E descobrirá que abre as tarefas dos gestores no CRM e verifica a proporção das que estão atrasadas. Se mais de metade estiver atrasada, isso é um sinal para si de que o trabalho do departamento está desorganizado. Este tipo de lógica pode então ser transmitido a outra pessoa.

Quando um trabalho envolve uma grande variedade de tarefas, um dos erros mais comuns é tentar descrever imediatamente todos os cenários possíveis. Numa empresa complexa, podem existir centenas deles.

Comece por olhar para a questão de outra forma: pergunte o que permanece constante, independentemente do cliente, do projeto ou do mercado. Isto ajuda-o a identificar o cerne do processo. Para um novo colaborador, esta é a base a partir da qual começa o seu trabalho e, para um sistema de IA, é um conjunto de regras que não muda consoante o contexto.

Examine os casos-limite, não apenas o processo ideal

Pergunte a um especialista que regras segue no seu trabalho e ele nomeará duas ou três que são óbvias. Segue as restantes sem se aperceber disso, e é precisamente nessas que reside a sua experiência.

Estas regras surgirão se analisar estudos de caso diferentes. Peça ao especialista que se recorde de um projeto em que tudo correu particularmente bem e de uma situação em que as coisas quase correram mal.

No primeiro caso, pergunte que decisão ou ação tomada no início teve o maior impacto no sucesso. No segundo, pergunte o que correu mal e o que fez exatamente o especialista para corrigir a situação.

Certa vez, um membro da minha equipa contou-me que, numa reunião geral, um estagiário criticou duramente o trabalho de alguém do lado do cliente. Essa pessoa fechou-se e o projeto ficou completamente parado. Um especialista sénior teve de intervir, falou em privado com o interlocutor e explicou que ninguém estava a planear mudar a forma como trabalhavam. Pelo contrário, queriam ajudá-los a alcançar o resultado por si próprios.

Isto conduz diretamente a duas regras: não critique o trabalho de alguém em público e certifique-se de que o seu trabalho beneficia sobretudo aqueles cuja área de responsabilidade é afetada por ele.

São precisamente estes casos-limite que também são valiosos para a IA. A documentação padrão descreve, na maioria das vezes, o percurso ideal, mas a verdadeira competência vem ao de cima quando faltam dados e o processo padrão não produz o resultado esperado. Estes cenários podem ser transformados em casos-limite e exemplos com os quais o sistema de IA é depois testado.

Defina qual deve ser o aspeto do resultado

Imaginemos que entrevistou o principal especialista da empresa. As ferramentas de IA ajudaram a organizar a entrevista numa estrutura clara e agora dispõe de um guia passo a passo preciso para cada novo colaborador. Como pode saber se este o assimilou realmente?

A primeira coisa que vem à mente é um teste. E essa é a pior opção: mostra o que a pessoa memorizou, não aquilo que é realmente capaz de fazer. É melhor pedir a um recém-chegado que realize uma tarefa do mundo real. Deve definir desde logo qual deve ser o aspeto do resultado: uma folha de cálculo preenchida, um documento concluído, um ecrã configurado no CRM ou uma gravação de uma conversa com um cliente.

E, para definir os critérios de qualidade, pergunte a um especialista. Imagine que um recém-chegado lhe entregou o trabalho, mas não tem tempo para o ler todo. Que único pormenor analisaria para perceber se o compreendeu realmente ou se apenas copiou um modelo?

Pode ir ainda mais longe. Pergunte a um especialista que erro típico um recém-chegado comete e incorpore-o num cenário de formação. Verifique se o colaborador identifica o problema e escolhe a linha de atuação correta.

O mesmo princípio deve ser aplicado a um agente de IA. Dê-lhe casos do mundo real, especialmente aqueles em que o cenário padrão não funciona, e compare a sua solução com aquela que um especialista experiente teria escolhido.

Se o agente adotou uma abordagem diferente, isso não significa necessariamente que o modelo não seja suficientemente bom. Talvez não tenha identificado uma exceção ou regra importante durante a entrevista. Nesse caso, a base de conhecimento precisa de ser atualizada e o teste repetido. 

O que isto permite alcançar

O conhecimento especializado precisa de ser formalizado para que a competência deixe de estar associada a uma única pessoa. Depois de o fazer, a integração deixará de depender da disponibilidade do melhor especialista: cada novo colaborador recebe a mesma lógica operacional, em vez de depender daquilo que o especialista consegue recordar entre tarefas. 

O mesmo conjunto de conhecimentos especializados pode funcionar em duas direções – para as pessoas e para os sistemas de IA. Pode fornecer-lhes regras de tomada de decisão, exemplos, exceções e cenários, que podem depois ser utilizados para testar o seu desempenho.