O Que a IA Descobriu Quando Chegou ao Trabalho

Quando Jenny Podewils implementou ferramentas de IA nas equipas internas da Leapsome, esperava resistência. Em vez disso, o que obteve foi alívio.

«As pessoas queriam livrar-se do trabalho que se acumulava em torno das suas funções reais», afirma. «Redação inicial, resumos, acompanhamento, recolha de dados, formatação. Quando a IA absorveu esse trabalho, algo se abriu.»

O que se abriu não foi apenas tempo. Foi uma visão de algo que sempre estivera presente. Afinal, os colaboradores da Leapsome tinham sido lentamente soterrados por uma estrutura administrativa durante anos. A maioria tinha aceitado silenciosamente essa realidade como sendo a natureza do trabalho. A IA tornou-a visível e, uma vez visível, ninguém quis voltar atrás.

Podewils é co-CEO de uma empresa que desenvolve software de RH, pelo que tem uma visão interna de como as organizações utilizam a tecnologia para a gestão de pessoas e uma ligação direta ao que a sua própria equipa estava realmente a experienciar. A sua observação sobre essa implementação toca num aspeto que é frequentemente desvalorizado na maioria das conversas sobre a adoção da IA. 

O problema que a IA está a expor nos RH não é um problema tecnológico. Em muitos casos, nem sequer é um problema novo. É uma falha de conceção organizacional com consequências muito prolongadas.

Os líderes que estão a gerir a IA de forma mais eficaz neste momento não são os que avançam mais depressa. São os que estão dispostos a observar o que a IA revela sem recuar.

A Lacuna de Preparação Não Tem a Ver com Preparação

Jeanne Meister passou mais de três décadas a ajudar organizações a gerir a transformação da força de trabalho. Assistiu às dificuldades das empresas perante mudanças demográficas, trabalho híbrido, lacunas de competências e meia dúzia de outras alterações estruturais que deveriam redefinir o trabalho tal como o conhecíamos. Segundo Meister, a IA é diferente de uma forma específica: tornou inegável uma lacuna já existente. Chama-lhe uma lacuna de preparação. 

«A lacuna entre aquilo que as organizações querem fazer com a IA e a preparação da força de trabalho para adotar a IA nos seus fluxos de trabalho.» 

No entanto, apressa-se a defender que a formação não é a principal causa. 

«É uma questão de confiança e medo. Os colaboradores receiam tornar-se obsoletos. Preocupam-se com a exigência de dominar a IA e com o que isso significa para as suas funções atuais e futuras.»

Essa distinção, entre um problema de competências e um problema de confiança, é extremamente importante. Se a lacuna diz respeito à capacidade, resolve-se com programas de formação. Se a lacuna diz respeito ao medo, os programas de formação, por si só, não serão suficientes. Estamos perante algo que se encontra subjacente ao quadro de competências.

Os dados do seu inquérito tornam isto concreto: 79% dos trabalhadores afirmam sentir-se despreparados para utilizar IA no trabalho e 65% afirmam que a sua organização não forneceu a formação adequada. Mas Meister vai além desses números. 

«Muitas empresas impõem conhecimentos de IA à sua força de trabalho, mas não conseguem definir o que isso significa para os seus trabalhadores.» 

Uma exigência sem definição não é uma estratégia. É um mecanismo de distribuição de ansiedade.

O que ela descreve não é, na realidade, uma lacuna de preparação. É uma falha de comunicação agravada por problemas de responsabilização. Os líderes acreditam que estão a comunicar o impacto da IA. Os trabalhadores não o sentem. Essa distância entre a intenção e a receção é algo que a maioria das organizações já geria mal antes de a IA entrar em cena. Agora, manifesta-se nos números relativos à adoção da IA.

O Problema da Documentação é um Problema de Conceção

Linnea Bywall assumiu o cargo de VP de Pessoas na Quinyx depois de seis anos e meio a desenvolver a função de gestão de pessoas na Alva Labs. Chegou com uma teoria clara sobre o que precisava de acontecer antes de qualquer iniciativa que envolvesse IA poder funcionar em larga escala.

«A falta de documentação é um obstáculo significativo à preparação para a IA», afirma. «Muitas organizações querem utilizar IA, mas demasiados processos existem apenas na cabeça das pessoas.»

O que parece ser um pré-requisito técnico — documentar os processos para que os modelos de IA tenham algo com que trabalhar — é, na realidade, um confronto estrutural com a realidade. Se o seu processo de integração, a sua abordagem à calibração do desempenho e a sua filosofia de remuneração vivem sobretudo na memória das pessoas que estão na organização há tempo suficiente para saber como as coisas funcionam, tem um problema de fragilidade organizacional que antecede a IA em vários anos.

A equipa de Bywall reescreveu o Manual de Pessoas e o Manual dos Gestores, integrou objetivos de documentação nos OKR trimestrais e utilizou a IA tanto como ferramenta de redação como caixa de ressonância para identificar lacunas. O processo revelou aspetos que iam além dos próprios documentos. «Utilizámos a IA como caixa de ressonância para garantir que abrangíamos todos os elementos necessários», afirma. O resultado mostrou-lhes quanto conhecimento institucional nunca tinha sido explicitado.

Podewils chegou ao mesmo ponto por uma via diferente. Quando fala sobre a razão pela qual a IA precisa de dados históricos e interligados para gerar perspetivas relevantes, está a apresentar um argumento a favor da documentação utilizando uma linguagem diferente. 

"Um agente de IA autónomo e apelativo, fora do seu sistema de RH, pode escrever uma descrição de função, claro. Não pode dizer-lhe se o envolvimento está a diminuir numa determinada equipa, se um profissional de elevado desempenho não tem uma conversa sobre desenvolvimento há meses, ou se os subordinados diretos de um gestor têm consistentemente um desempenho inferior ao das avaliações dos seus próprios pares."

Tratar a documentação como um primeiro passo rumo à preparação para a IA conduz frequentemente à descoberta de algo que deveria ter sido enfrentado independentemente da IA. A organização está a funcionar com base numa infraestrutura informal. Isso funcionou enquanto as pessoas que detinham o conhecimento permaneceram. Sempre foi uma responsabilidade.

Auto-observação em grande escala

Dean Carter passou quase 25 anos como CHRO em empresas como a Fossil, a Sears, a Patagonia e a Guild, antes de assumir o cargo de CEO na Instill, uma empresa de IA focada nos sinais culturais presentes nas conversas organizacionais. A sua perspetiva é simultaneamente abrangente e transversal, e não é particularmente brando relativamente ao que vê o RH fazer com a IA neste momento.

"Penso que o RH está excessivamente focado na reformulação dos fluxos de trabalho e do desenho organizacional", afirma. "Isso é uma gota no oceano. Tem um retorno do investimento quase nulo para uma empresa. Estamos a olhar demasiado para o nosso próprio umbigo ao aplicar IA ao que já existe."

Esta é a versão mais difícil do argumento. Bywall e Podewils defendem que as organizações precisam de realizar trabalho fundamental antes de a IA poder gerar resultados. Carter argumenta que mesmo as organizações que fazem corretamente esse trabalho fundamental podem estar a resolver o problema errado. Se está a utilizar IA para otimizar um processo de avaliação de desempenho que já estava avariado, não transformou nada. Automatizou uma falha.

Tem uma estrutura específica para a forma como pensa sobre o papel da IA no seu próprio trabalho. 

"Oitenta por cento do que a IA me dá é excelente, e é tudo o que preciso. Já não preciso nem quero uma solução, imagem ou resposta final. Quero que faça o trabalho pesado de recolha e assimilação de conhecimento, aquilo que demora mais tempo do que exige capacidade mental, e depois posso utilizar o meu tempo e a minha mente para dar forma aos vinte por cento finais, desafiantes e maravilhosos."

Isso não é uma otimização do fluxo de trabalho. É uma redefinição do lugar onde o discernimento humano se insere no processo. O trabalho pesado era a parte que consumia tempo sem gerar pensamento diferenciado. Os vinte por cento são o ponto em que a experiência, a sabedoria e a compreensão do contexto realmente importam. A IA não criou essa distinção. Apenas tornou possível respeitá-la.

A questão mais difícil que Carter levanta está relacionada com o número de equipas de RH que estão a utilizar a IA para proteger a estrutura existente em vez de a examinarem. Quantas estão a automatizar o processo que deveria ter sido reformulado?

O problema do tecido conjuntivo

Trent Cotton dirige a área de informações sobre talento na iCIMS e pensa no papel da IA no RH em termos estruturais. A sua visão do que a IA torna possível — uma perspetiva integrada do portefólio de talento que liga o recrutamento, a mobilidade interna, o desempenho e a aprendizagem num único local — parece ambiciosa. Mas baseia-se num diagnóstico que tem menos que ver com a capacidade da IA do que com a fragmentação organizacional.

"Atualmente, o RH passa demasiado tempo a tentar conciliar processos desligados", afirma. "Requisições de pessoal num lado, mobilidade interna noutro, aprendizagem noutro sistema."

Esta fragmentação não é nova. As funções de RH gerem sistemas desligados há décadas, adquirindo soluções específicas para problemas concretos, criando soluções alternativas e perdendo fidelidade dos dados em cada transferência. A IA não corrige essa fragmentação. Expõe a razão pela qual ela sempre foi um problema. Uma vez que os conhecimentos que a IA pode gerar a partir de dados ligados — quem está em risco de sair, que gestores estão a desenvolver as suas pessoas, onde estão a surgir lacunas de sucessão — ficam indisponíveis quando os dados estão isolados em silos.

"A IA gera conhecimentos úteis a partir de dados ligados", afirma Podewils. "Gera ruído a partir de dados isolados em silos. A fragmentação está a tornar-se um legado dispendioso, e o momento de prestar contas está mais próximo do que a maioria das pessoas espera."

Cotton estende esta ideia à própria natureza da liderança. Fala de uma mudança de "líder de uma função" para "criador de sistemas que aprendem". Na sua perspetiva, o líder de RH capacitado pela IA não está a fazer menos. Está a atuar a um nível diferente, capaz de revelar riscos relacionados com as capacidades e a estratégia da força de trabalho em conversas que antes se baseavam na intuição e em dados desfasados.

"Com conhecimentos integrados e aperfeiçoados pela IA, o RH pode entrar numa reunião e dizer: 'Eis a combinação de capacidades da sua equipa atualmente, eis o que a sua estratégia exige e eis três movimentos de portefólio que podemos fazer.'"

É um tipo diferente de conversa de liderança. Exige uma infraestrutura diferente. E construir essa infraestrutura — os sistemas ligados, os dados limpos, os processos documentados — é um trabalho que nada tem que ver com a IA e tudo tem que ver com uma disciplina organizacional que antes era opcional e que já não o é.

A arquitetura de confiança subjacente a tudo isto

O que liga o problema da documentação, a lacuna de preparação, a crítica à auto-observação e o problema da fragmentação é uma raiz comum. No fundo, cada um deles é um problema de confiança.

Os trabalhadores que temem tornar-se obsoletos devido à IA não confiam que a sua organização esteja a gerir esta transição tendo em conta os seus interesses. A observação de Meister de que as empresas impõem literacia em IA sem definir o que isso significa para cada função é uma falha de confiança. 

"Os líderes devem passar de uma 'formação em IA igual para todos' para uma formação em IA específica para cada função e avaliar o desempenho nesse contexto."

Carter explica-o de forma mais direta. Quando os líderes pedem aos colaboradores que mapeiem as suas tarefas e competências no contexto da adoção da IA, a maioria dos trabalhadores ouve uma mensagem diferente daquela que está a ser transmitida. 

"Apesar do que os líderes dizem, as pessoas veem aquilo que fazem, e isso não parece autêntico." Essa diferença entre intenção e perceção é uma falha de confiança. Já existia antes da IA. A IA apenas lhe deu novo material para explorar.

A observação de Bywall, baseada na sua própria experiência de adoção, transmite a mesma ideia subjacente. 

"Pode ser assustador ficar para trás ao adotar a IA. Muitas pessoas falam sobre como revolucionaram as suas formas de trabalhar, mas poucas explicam como o estão a fazer. Penso que isso pode ser avassalador para as pessoas e impedi-las de se envolverem verdadeiramente." 

O problema da transparência — líderes que falam sobre resultados sem explicar o percurso — gera ansiedade quando é necessário promover o envolvimento. Trata-se de uma falha de comunicação e de confiança disfarçada de IA.

Podewils estabelece os limites da utilização da IA nas decisões de RH com uma clareza invulgar. 

"A IA nunca deve substituir o discernimento humano em decisões que afetam a carreira, o sustento ou o bem-estar de alguém. A IA redige, sugere e apresenta informação. Uma pessoa analisa, decide e assume a responsabilidade pelo resultado."

Ela apresenta o risco não como uma falha da IA, mas como uma IA que funciona exatamente conforme concebida e é direcionada para o objetivo errado. Avaliações que acontecem mais depressa, mas parecem menos humanas. Políticas respondidas por um chatbot sem verificação. Decisões que parecem objetivas porque foram produzidas por um sistema. 

"O risco é uma IA que funciona exatamente conforme concebida, mas aponta na direção errada."

Esse é o problema da arquitetura da confiança. E não pode ser resolvido apenas através de estruturas de governação da IA, embora estas sejam importantes. Resolve-se através das mesmas coisas que constroem a confiança organizacional em quaisquer circunstâncias: transparência sobre o que está a ser decidido e porquê, responsabilização pelos resultados e comportamentos visíveis da liderança que correspondam aos valores declarados.

O que revela o diagnóstico

Meister tem observado a IA influenciar o comportamento dos líderes de RH numa direção específica. Segundo observa, os pioneiros na adoção tratam os agentes de IA como novos membros da equipa e orientam-nos deliberadamente. A mudança que viu passa de "eu lidero" para "eu coordeno uma equipa de pessoas e agentes de IA". Não se trata de uma filosofia de gestão construída em torno da IA. É uma filosofia de gestão que a IA torna visível e necessária.

A observação de Cotton é semelhante na sua estrutura. Na sua perspetiva, os líderes que irão construir uma vantagem duradoura nos próximos cinco anos são aqueles que utilizam a IA para "aumentar a capacidade da organização para aprender", em vez de a usarem como mecanismo de redução de custos. A distinção não é meramente semântica. Uma postura desenvolve capacidades; a outra extrai-as.

Bywall termina com uma previsão que tem mais peso por vir de uma psicóloga organizacional do que teria se viesse de uma especialista em tecnologia: 

"Nos próximos cinco anos, prevejo que metade das funções de Pessoas se tornará redundante. Os profissionais que permanecerem serão aqueles capazes de lidar tanto com pessoas como com agentes."

Esta não é, sobretudo, uma afirmação sobre competências em IA. É uma afirmação sobre o propósito organizacional. Os profissionais de RH que continuarão a ser úteis são aqueles cujo valor não está ancorado na camada administrativa que a IA está a absorver. O que significa que a questão que os líderes das funções de Pessoas enfrentam neste momento não é como adotar a IA. É saber aquilo que, para além da estrutura administrativa, realmente defendem.

Podewils afirma que muitos líderes de RH entraram na área porque se preocupavam com as pessoas. Com a construção de culturas, o desenvolvimento de líderes e a criação de ambientes onde as pessoas pudessem realizar o seu melhor trabalho. "A certa altura, muitos tornaram-se administradores de processos. Os sistemas foram-se acumulando. A função moldou-se em torno deles."

A IA não causou esse desvio. Mas está a obrigar a uma reflexão profunda sobre o mesmo.

O diagnóstico está disponível para qualquer pessoa disposta a analisar aquilo que a IA revela, em vez de se focar apenas naquilo que pode fazer. As organizações que tratam isto como uma implementação tecnológica vão aprender, com algum custo, que a tecnologia era a parte fácil.