A maioria dos líderes de RH consegue dizer-lhe exatamente que ferramentas de IA a sua organização utiliza. Muito poucos conseguem dizer-lhe o que essas ferramentas estão a fazer umas às outras.
Quando a IA entra no recrutamento, muda a forma como os candidatos são avaliados. Quando a IA entra na gestão do desempenho, muda a forma como o feedback é gerado e quem o transmite. Quando a IA entra na aprendizagem e desenvolvimento, influencia quais as competências que são priorizadas e para quem. Estes não são acontecimentos isolados, mas raramente são geridos como estando ligados entre si.
Os líderes estão a tomar decisões de implementação função a função, e quase ninguém é responsável pelo que acontece nas interligações.
A estrutura de gestão de pessoas — recrutamento, desempenho, L&D, benefícios — está a ser adaptada à IA uma função de cada vez, sendo cada implementação gerida por uma equipa diferente, com um fornecedor diferente e um conjunto de objetivos diferente. As interações entre esses sistemas raramente são monitorizadas, e quase ninguém é responsável pelo que acontece nas interligações. É aí que a desvirtuação se acumula.
Mil flores, nenhum jardineiro
Durante um painel na semana passada no Transform, em Las Vegas, o foco esteve no que realmente muda quando a IA entra na função de pessoas. Surgiu uma tensão recorrente: as organizações estão a experimentar amplamente, mas a gerir de forma restrita.
Jevan Soo Lenox, Diretor de Pessoas numa empresa de IA em forte crescimento, a WRITER, descreveu aquilo por que muitos líderes estão a passar discretamente.
Temos vivido num mundo em que deixámos mil flores desabrochar. Experimentar muitas coisas, utilizar muitas ferramentas, organizar um hackathon a cada dois trimestres. Isso cria uma excelente cultura de experimentação. Mas é realmente insuficiente para gerar um ROI significativo.
O problema não é a experimentação. O problema é a falta de visibilidade sobre o que está realmente a resultar e o que está a criar inconsistência em toda a organização.
Essa inconsistência é estrutural. Quando uma ferramenta de IA no recrutamento avalia os candidatos com base num modelo de competências, e uma ferramenta de IA diferente na gestão do desempenho gera recomendações de desenvolvimento com base noutro conjunto de critérios, e uma terceira ferramenta na L&D apresenta conteúdos de aprendizagem com base num sinal de dados ainda diferente, a organização acaba por ter três versões daquilo que significa ter um bom desempenho. Ninguém concebeu esse resultado. Ninguém está atento a ele.
Giovanni Luperti, CEO da Humaans, que trabalha com clientes empresariais que implementam agentes de RH em grande escala, apresentou a distinção fundamental que orienta muitas destas decisões: aumento da decisão versus substituição da decisão.
Para trabalho repetitivo e determinístico — coordenação da integração, agendamento, resposta a questões sobre políticas — os agentes podem executar o processo de forma fiável e melhorar ao longo do tempo. Mas, para tudo o que exige discernimento, o ser humano tem de continuar envolvido, não como mero carimbo de aprovação, mas como verdadeiro decisor.
«Muitas vezes, não existe uma resposta certa», disse Luperti, «e, por isso, torna-se uma questão de aumento da decisão.»
O problema é que as organizações nem sempre estão a fazer essa distinção deliberadamente. A IA é integrada num fluxo de trabalho porque está disponível, porque um fornecedor fez uma apresentação convincente ou porque uma equipa estava a avançar rapidamente.
O limite de quanta autonomia da IA é adequada para uma determinada decisão é definido implicitamente, não intencionalmente. E, quando a IA está a intervir no recrutamento, no desempenho e no desenvolvimento ao mesmo tempo, esses limites implícitos começam a interagir entre si de formas muito difíceis de auditar.
A base subjacente
A camada de dados agrava a situação antes de a melhorar. Lennox foi direto sobre o assunto:
Se não estiverem a construir a partir de uma base de conhecimento sólida e consistente, de uma camada de dados a que possam aceder e na qual possam assentar o vosso trabalho, tudo o resto vai falhar.
A função de pessoas tem sido historicamente um dos ambientes de dados mais deficientes em qualquer organização, com sistemas fragmentados, definições inconsistentes e anos de processos manuais. Implementar IA sobre essa base não a torna mais sólida. Amplia tudo o que já lá existe.
Kit Krugman, Vice-Presidente Sénior de Pessoas e Cultura na Foursquare, foi direto sobre aquilo que o momento exige.
A função de pessoas sempre enfrentou o desafio de conquistar um lugar estratégico à mesa, e a IA é uma revolução naquilo que poderíamos alcançar. Uma camada de orquestração é uma das disrupções mais poderosas que veremos neste setor. Mas é necessário que a camada operacional de base funcione, por isso precisamos de repensar todo o modelo operacional.
Essa é a parte que a maioria das organizações está a ignorar. Estão a implementar ferramentas sem repensar o modelo operacional subjacente.
A camada de orquestração descrita por Krugman — aquilo que coordenaria efetivamente a atividade da IA em toda a estrutura de pessoas e mostraria o que o sistema está a fazer no seu conjunto — ainda não existe na maioria das empresas. Em vez disso, o que existe é uma coleção de soluções pontuais que respondem perante diferentes líderes, funcionam com dados diferentes e otimizam resultados diferentes.
Lenox, que teve a vantagem de criar uma função de pessoas de raiz em vez de adaptar uma já existente na Writer, descreveu a sua abordagem à conceção de funções nesse contexto.
Aguardar pela análise
“Na maioria das vezes, preciso de pessoas com conhecimentos especializados profundos, mas o desafio é que as pessoas que os possuem estão frequentemente presas a um modelo operacional antigo. Por isso, muitas vezes adio a tomada de decisões até conseguir analisar mais profundamente aquilo que precisa de ser feito.”
Essa paciência — a decisão de fazer uma pausa, mapear a necessidade real e depois construir com base nela — é precisamente aquilo que a maioria das organizações não pode dar-se ao luxo de ignorar ao implementar IA em funções interligadas.
Avançar com intenção significa algo específico neste contexto: identificar onde a IA pode gerar um resultado mensurável, construir a partir de uma camada de dados limpa e estabelecer uma estrutura de governação antes de aumentar a escala. A maioria das organizações está a ignorar essa sequência, não por não saber o que é melhor, mas porque as ferramentas são suficientemente acessíveis para que a pressão de avançar rapidamente se sobreponha à disciplina necessária para avançar deliberadamente.
O resultado é uma estrutura de pessoas que parece moderna por fora, mas é inconsistente no seu núcleo. Quando a IA faz recomendações simultaneamente no recrutamento, na avaliação de desempenho e no desenvolvimento, sem uma lógica partilhada e sem ninguém a monitorizar as interações, o sistema não falha de formas óbvias. Desvia-se lentamente numa direção que ninguém escolheu.
