A Regra 70-20-10 para a Transformação com IA Aplica-se a Organizações de Todos os Tamanhos?

A Empresa A gastou 8 milhões de dólares na transformação de IA no ano passado. A Empresa B gastou metade desse valor. No entanto, segundo todos os indicadores relevantes — taxas de adoção, ganhos de produtividade, satisfação dos colaboradores e retorno do investimento — a Empresa B está a deixar para trás o seu concorrente mais bem financiado.

A diferença não está na tecnologia. Ambas as empresas licenciaram os mesmos LLM empresariais. Ambas contrataram consultores. Ambas anunciaram as suas iniciativas de IA com a pompa que os executivos adoram. A diferença reside numa única decisão tomada desde o início: a forma como afetaram os seus orçamentos.

A Empresa A seguiu o caminho habitual: 60% em tecnologia, 15% em formação, 25% em "tudo o resto". A Empresa B inverteu completamente a pirâmide: 70% em pessoas e processos, 20% em infraestrutura, 10% em algoritmos.

O padrão seguido pela Empresa B não surgiu do nada. Resultou de uma investigação da Boston Consulting Group e da MIT Sloan, que analisou centenas de transformações com IA. A sua conclusão foi clara: as empresas que obtinham resultados reais com a IA não eram as que compravam as ferramentas mais sofisticadas. Eram as que mais investiam nas suas pessoas.

Mas, como sempre, o contexto é fundamental. Essa investigação analisou empresas com orçamentos de IA superiores a 10 milhões de dólares, ou seja, empresas com equipas de transformação dedicadas, infraestruturas de dados maduras e exércitos de especialistas.

Para empresas de média dimensão com 5.000 colaboradores ou menos, as limitações são fundamentalmente diferentes. Muitas não dispõem sequer de uma infraestrutura de dados básica. Compram IA através de subscrições SaaS, nas quais os custos dos algoritmos estão incluídos nas mensalidades. Os mesmos valores monetários têm um impacto diferente quando se trabalha com 2 milhões de dólares em vez de 20 milhões.

Será, então, que o modelo 70-20-10 continua a aplicar-se? Ou as empresas de média dimensão precisam de uma abordagem completamente diferente?

Desconstruir o modelo

A regra 70-20-10 descreve, na sua essência, onde as transformações de IA bem-sucedidas gastam efetivamente o seu dinheiro e energia. Os números representam a distribuição por três categorias fundamentais:

• Os 70%: Pessoas e processos. Incluem-se aqui os programas de gestão da mudança, a formação específica para cada função, a reformulação dos fluxos de trabalho, os modelos de governação, a infraestrutura de comunicação, o acompanhamento dos gestores e o apoio aos utilizadores. É o trabalho pouco apelativo de clarificar quem é responsável por quê, de que forma as decisões passam a ser tomadas com a IA integrada e que incentivos precisam de ser ajustados.
• Os 20%: Infraestrutura tecnológica. Esta categoria abrange a preparação de dados, as camadas de integração, os modelos de segurança, os sistemas de monitorização e a arquitetura de escalabilidade. Inclui tudo o que precisa de funcionar antes de as ferramentas de IA poderem efetivamente operar no seu ambiente.
• Os 10%: Algoritmos e modelos. São as próprias ferramentas de IA — licenças, custos de API, afinação de modelos e seleção de fornecedores.

Este padrão surgiu de dados concretos. A investigação da BCG demonstrou que as empresas que seguiam esta distribuição registavam taxas de adoção muito mais elevadas e ganhos de produtividade mensuráveis. A MIT Sloan concluiu que 70% do valor da IA depende de investimentos complementares em pessoas e processos, e não da sofisticação da tecnologia.

A razão é que os modelos de IA estão a tornar-se rapidamente um produto indiferenciado. Qualquer empresa de média dimensão pode aceder aos mesmos modelos de fronteira da OpenAI, da Anthropic ou da Google. Mas a capacidade de promover mudanças organizacionais? Essa não está à venda.

A capacidade de reformular fluxos de trabalho, formar gestores para orientarem a adoção da IA e criar modelos de governação que permitam a adoção, em vez de a restringirem, é o verdadeiro fator diferenciador.

No entanto, quando os líderes de empresas de média dimensão analisam este modelo, surge uma pergunta razoável: poderão as empresas sem uma infraestrutura de dados madura gastar realmente apenas 20% nessa área? E as organizações que compram produtos de IA SaaS, nos quais os custos dos algoritmos estão incluídos nas taxas de subscrição? A matemática continua a funcionar?

Whitney Munro, fundadora da FLEX Partners, que orienta empresas em processos de transformação com IA, observa esta tensão constantemente.

"A perspetiva 70-20-10 está, de um modo geral, correta", afirma, "mas é a falta de sequência e de intenção que começa a causar problemas. Ignorar o trabalho 'pouco apelativo' de clarificar responsabilidades, propósito, incentivos, fluxos de trabalho, etc., antes sequer de chegar às ferramentas."

O modelo não pretende ser rígido; é um princípio. A transformação com IA é sobretudo um desafio relacionado com as pessoas e a organização, não um desafio tecnológico. Para as empresas de média dimensão, esse princípio mantém-se, mas as percentagens específicas podem ter de ser ajustadas em função do ponto de partida.

Porque é que as empresas distribuem mal os recursos

A pressão para investir primeiro em tecnologia vem de todas as direções. Os fornecedores de IA vendem, naturalmente, tecnologia. Os membros dos conselhos de administração querem ver painéis e ferramentas, provas visíveis de que a empresa está a "fazer IA". Os investidores perguntam pelas iniciativas de IA nas chamadas de apresentação de resultados. Os departamentos de TI falam a linguagem da infraestrutura e dos modelos.

O que é mais difícil de ver, mais difícil de medir e mais difícil de vender é o trabalho lento de desenvolver capacidades. Os programas de formação não proporcionam apresentações entusiasmantes para a administração. A reformulação dos fluxos de trabalho não fica bem fotografada no relatório anual. Os modelos de governação parecem burocráticos em vez de inovadores.

Especificamente para as empresas de média dimensão, várias armadilhas tornam a abordagem centrada na tecnologia ainda mais sedutora:

• A escassez de recursos cria um atalho ilusório. "Não podemos pagar uma equipa dedicada à transformação com IA, por isso vamos simplesmente comprar a ferramenta e perceber como funciona à medida que avançamos." A lógica parece sólida até percebermos que a ferramenta fica sem ser utilizada porque ninguém reformulou os fluxos de trabalho à sua volta.
• A pressão para avançar rapidamente sobrepõe-se a um planeamento ponderado. As empresas em expansão sentem especialmente a necessidade de agir depressa. Dedicar três meses à formação dos gestores e à reformulação dos processos parece lento em comparação com ativar uma nova ferramenta de IA já na próxima semana.
• A dinâmica dos fornecedores obscurece os custos reais. Quando se compra um produto empresarial de IA no modelo SaaS, o desenvolvimento do algoritmo e grande parte da infraestrutura estão incluídos numa subscrição mensal. Isto faz parecer que se está a gastar menos em tecnologia do que realmente se gasta e facilita um investimento insuficiente na componente humana.
• A sobrecarga de funções cria uma situação impossível. Nas empresas de média dimensão, as mesmas pessoas que precisam de manter as operações atuais são aquelas a quem se pede que as transformem. Sem recursos dedicados à gestão da mudança, a transformação torna-se um projeto secundário que nunca recebe a devida atenção.

Clint Riley, COO da Globe Midwest, liderou operações de experiência do cliente durante várias implementações tecnológicas. Observa que o padrão se repete.

"Os líderes investem frequentemente grandes quantias em infraestruturas de IA e obtêm resultados limitados. As ferramentas ficam sem ser utilizadas porque as equipas não estão preparadas, não confiam nelas ou mantêm os hábitos antigos. A verdadeira diferença resulta de investir primeiro nas pessoas e nos processos", afirma.

O equívoco em relação aos custos é profundo. A formação parece dispendiosa no imediato — 300 000 $ por uma formação focada em IA para 500 colaboradores parece muito. Mas esse investimento pode reduzir os erros de rotina em 40% no primeiro ano. 

Outros 200 000 $ para reformular fluxos de trabalho essenciais com IA integrada proporciona melhorias de eficiência que podem ser medidas trimestre após trimestre. Compare-se isso com os 800 000 $ gastos em ferramentas de IA que alcançam uma adoção de 15% porque ninguém investiu na gestão da mudança necessária para as apoiar.

O fenómeno da IA sombra que surgiu fornece a prova mais clara de que as abordagens centradas na tecnologia criam os problemas que deveriam resolver. A investigação mostra que 90% dos colaboradores utilizam ferramentas de IA, mas apenas 40% das empresas lhes disponibilizaram oficialmente essas ferramentas. 

Esta lacuna existe porque as empresas implementaram tecnologia sem apoio, deixando os colaboradores a descobri-la por si próprios e criando exatamente os riscos de segurança e governação que preocupam os líderes.

Como se traduz, na prática, a afetação de 70% às pessoas

O modelo 70-20-10 parece simples até se tentar operacionalizá-lo. O que significa realmente gastar 70% do orçamento de IA em "pessoas e processos"?

Para uma empresa de média dimensão com um orçamento de 2 milhões de dólares para a transformação com IA durante o primeiro ano, uma afetação centrada nas pessoas poderia ser a seguinte:

1,2 milhões de dólares (60%) em Pessoas e Processos:

• 400 mil dólares: Recursos dedicados à transformação (2-3 ETI que compreendam tanto a gestão da mudança como as capacidades de IA)
• 300 mil dólares: Conhecimentos especializados externos para a gestão da mudança, a conceção de fluxos de trabalho e os modelos de governação
• 200 mil dólares: Desenvolvimento e realização do programa de formação (não sessões únicas, mas capacitação contínua)
• 150 mil dólares: Capacitação dos gestores e infraestrutura de acompanhamento
• 150 mil dólares: Sistemas de comunicação, mecanismos de feedback e ciclos de iteração

600 mil dólares (30%) em Infraestrutura:

• 300 mil dólares: Preparação, integração e melhoria da qualidade dos dados
• 150 mil dólares: Sistemas de segurança, conformidade e monitorização
• 150 mil dólares: Infraestrutura analítica para acompanhar tanto os resultados técnicos como os resultados humanos

200 mil dólares (10%) em Ferramentas/Algoritmos de IA:

• Subscrições empresariais de LLM
• Aplicações de IA especializadas
• Custos de API e taxas de utilização

Note-se o ajustamento para empresas de média dimensão: Este exemplo apresenta uma distribuição de 60-30-10, em vez do modelo puro 70-20-10. Porquê? As empresas de média dimensão têm frequentemente lacunas de infraestrutura maiores do que as organizações empresariais. Os sistemas antigos, os silos de dados e a dívida técnica significam que a infraestrutura exige um investimento mais elevado em relação às empresas de maior dimensão com bases de dados modernas.

O princípio fundamental mantém-se: o investimento nas pessoas deve ser igual ou superior ao investimento em tecnologia. Se estiver a gastar 60% na combinação de ferramentas e infraestrutura, com apenas 40% nas pessoas e nos processos, a investigação sugere que está a deixar escapar uma parte significativa do valor.

O que o investimento em "Pessoas" compra efetivamente:

Quando os executivos veem "$400K para recursos de transformação", perguntam frequentemente: o que estão essas pessoas efetivamente a fazer?

Recursos dedicados à transformação:

• Realizar análises dos fluxos de trabalho antes da implementação da tecnologia
• Conceber formação específica para cada função (um analista financeiro precisa de competências de AI diferentes das de um representante do serviço de apoio ao cliente)
• Criar estruturas de governação que permitam avançar em vez de bloquear
• Criar ciclos de feedback para iterar com base na utilização real
• Coordenar as áreas de TI, RH e as unidades de negócio

Capacitação dos gestores:

• Preparar os gestores para orientar as equipas na utilização de ferramentas de AI (e não apenas para as utilizarem pessoalmente)
• Ajudar os gestores a compreender como a avaliação do desempenho muda quando a AI apoia o trabalho
• Apoiar os gestores na sua própria mudança de identidade à medida que o trabalho se transforma
• Criar comunidades de gestores para partilhar desafios e soluções

Infraestrutura de comunicação e feedback:

• Comunicações regulares para toda a empresa sobre o progresso da transformação
• Canais para os colaboradores apresentarem problemas e preocupações
• Sistemas para registar o que está a funcionar e o que não está
• Tomada de decisões transparente sobre quais as ferramentas de AI que são implementadas e porquê

Formação que funciona:

• Não se trata de workshops pontuais, mas de programas contínuos de aprendizagem
• Ambientes de prática onde se pode experimentar sem consequências negativas
• Aprendizagem no momento certo, associada às necessidades reais do trabalho
• Redes de apoio entre pares para a resolução de problemas

Se poupar nestes investimentos, os resultados são bastante previsíveis: baixas taxas de adoção, resistência dos colaboradores, proliferação de AI paralela e, em última análise, desperdício nas despesas com tecnologia. Para os líderes da direção executiva ou membros do conselho de administração que veem isto como algo "frívolo" ou demasiado "simpático para com os colaboradores", é fundamental reformular a questão e salientar que se trata de captar o valor que a tecnologia possibilita, mas não consegue concretizar por si só.

"Os conselhos de administração adoram ver novas tecnologias a serem implementadas", reconhece Riley. "Por isso, apresente o foco nas pessoas como uma gestão inteligente do risco, com retornos sólidos e cumulativos: maior produtividade, melhor retenção e ganhos para o negócio que crescem ao longo do tempo. A tecnologia, por si só, tende a atingir rapidamente o seu auge e depois estabiliza."

A verificação da realidade das empresas de média dimensão

Mas essa distribuição pressupõe um ponto de partida relativamente maduro. E no caso das empresas em que os números precisam de mudar de forma mais significativa?

Alix Gallardo, Diretora de Produto na Invent, ajuda as empresas de média dimensão a lidar precisamente com estes cenários. A sua perspetiva sobre a AI como SaaS altera os cálculos. 

"Quando compra AI como SaaS, o fornecedor já fez o trabalho pesado: o desenvolvimento complexo e dispendioso do modelo, além de grande parte da infraestrutura. Por isso, a sua pergunta deve ser: 'Com tudo isso já feito, onde devemos concentrar o nosso tempo interno e orçamento limitados?'"

A sua análise de uma configuração SaaS maioritariamente pronta a utilizar continua a colocar as pessoas em primeiro lugar, mas ajusta-se à realidade de que os desafios de infraestrutura assumem frequentemente maior importância nas empresas de média dimensão.

"As configurações das empresas de média dimensão tendem a ser confusas", observa Gallardo. "Muitos produtos SaaS desligados entre si, sistemas antigos, integrações nativas, fluxos de dados irregulares e equipas de TI pequenas. Por isso, é normal que a infraestrutura represente até 25–35% numa fase inicial."

Considere três cenários em que a distribuição precisa de ser ajustada:

Cenário 1: A empresa com falta de infraestrutura

Uma empresa industrial com 2 000 colaboradores está em atividade há 30 anos. Os dados encontram-se isolados em vários sistemas. A informação dos clientes está numa base de dados, os dados de produção noutra e as métricas de qualidade em folhas de cálculo. A equipa de TI é composta por cinco pessoas.

Para esta empresa, a distribuição poderá ter de ser de 50% para as pessoas, 40% para a infraestrutura e 10% para os algoritmos — pelo menos inicialmente. Sem uma infraestrutura de dados básica, as ferramentas de AI não conseguem funcionar eficazmente. Mas, mesmo neste caso, o investimento nas pessoas não pode ser sacrificado. Tem apenas de ser estratégico, centrado na criação da capacidade interna para tomar melhores decisões sobre a infraestrutura e na preparação da força de trabalho para as mudanças que ocorrerão quando a infraestrutura estiver implementada.

Cenário 2: A empresa em expansão ágil

Uma empresa de software com 800 colaboradores utiliza uma arquitetura nativa da nuvem desde o primeiro dia. Os sistemas comunicam entre si. A equipa possui elevada sofisticação técnica. A infraestrutura não é o estrangulamento.

Aqui, a distribuição poderá ser de 75% para as pessoas, 15% para a infraestrutura e 10% para os algoritmos. O rápido crescimento da empresa significa que a cultura e os processos precisam de investimento adicional para poderem escalar. Com uma base técnica sólida, a limitação é organizacional, não tecnológica.

Cenário 3: A Empresa de Média Dimensão Avessa ao Risco

Uma empresa de serviços financeiros com 4500 colaboradores opera num setor fortemente regulamentado. A cultura é resistente à mudança, a gestão do risco é uma prioridade máxima e os requisitos de conformidade são extensos.

Esta empresa poderá distribuir 65% para as pessoas, 20% para a infraestrutura e 15% para os algoritmos. O maior investimento em algoritmos não se destina a perseguir os modelos mais recentes — destina-se a investir em ferramentas de IA com funcionalidades de governação integradas, registos de auditoria e mecanismos de transparência que reduzem o risco de incumprimento.

O diagnóstico não é complicado. Avalie a sua empresa em quatro dimensões, numa escala de 1 a 10:

• Qualidade atual da infraestrutura de dados
• Capacidade de mudança da organização
• Densidade de talento técnico
• Complexidade regulamentar e de conformidade

Pontuações mais baixas na infraestrutura e no talento sugerem que será necessário investir mais nessas áreas. Uma maior capacidade de mudança significa que pode investir mais nas pessoas e nos processos. Uma elevada complexidade regulamentar poderá justificar um maior investimento em ferramentas sofisticadas com governação integrada.

Mas, em todos os cenários, mantém-se um princípio: o investimento nas pessoas deve ser igual ou superior ao investimento em tecnologia.

Como afirma Munro: "A maioria das organizações não falha por causa da própria IA; falha porque está a investir em prompts e a esperar que a IA seja uma solução mágica, em vez de fazer aquilo que deveria estar a fazer: garantir que as suas pessoas sabem o que é a IA, o que é possível fazer, como a utilizar, que ferramentas usar nas suas funções e como utilizá-la com integridade."

O Problema dos Custos Ocultos

Uma das razões pelas quais as empresas fazem uma distribuição errada é o facto de muitas não saberem realmente quanto estão a gastar em cada categoria. Os custos estão distribuídos por vários departamentos e ocultos em diferentes rubricas orçamentais.

Os custos tecnológicos são normalmente visíveis: licenças de software, custos de computação na nuvem e contratos com fornecedores. Estes aparecem claramente nos orçamentos de TI.

Os custos de infraestrutura estão, por vezes, ocultos. O tempo dedicado à engenharia de dados fica incluído no orçamento operacional do departamento de TI. O trabalho de integração é realizado como parte da "manutenção dos sistemas". As revisões de segurança são um projeto paralelo de alguém. Os sistemas de monitorização são uma preocupação secundária.

Mas os custos relacionados com as pessoas e os processos são frequentemente completamente invisíveis. O tempo dos colaboradores dedicado à formação representa um custo de oportunidade (trabalho que não é realizado enquanto as pessoas estão a aprender). O tempo dedicado ao coaching de gestores não aparece em nenhum orçamento. Os esforços de reformulação de processos ocorrem em salas de reuniões sem uma distribuição clara. Os custos de comunicação estão em todo o lado e em lado nenhum. As reuniões de governação consomem tempo, mas raramente são contabilizadas como custos da transformação através da IA.

Gallardo identifica três sinais de alerta de que a sua distribuição está errada, independentemente do que o seu orçamento oficial indique:

"Alguns utilizadores avançados adoram a ferramenta de IA, mas a maioria dos restantes ignora-a. Não existe uma mudança clara nas decisões ou nos fluxos de trabalho devido à IA, apenas funcionalidades interessantes, mas nenhum impacto real na forma como o trabalho é realizado. As novas experiências com IA estão espalhadas por toda a organização, sem normas partilhadas, manuais práticos, métricas, estudos de caso ou governação."

Quando observar estes sintomas, "transferir o orçamento para a gestão de produto, as operações, a gestão da mudança e a criação de 'embaixadores da IA' terá muito mais impacto do que investir dinheiro noutro projeto de integração", afirma.

Riley observa o mesmo padrão: "Mesmo quando os colaboradores utilizam discretamente ferramentas de IA por iniciativa própria, a resposta não consiste em impor controlos mais rigorosos. Consiste em orientar essa energia através de formação prática e orientações claras. O excesso de investimento nas pessoas é raro; na realidade, muitas empresas investem demasiado pouco nesta área, e não demasiado."

Para compreender a sua verdadeira distribuição, precisa de realizar uma auditoria honesta. Relativamente ao último trimestre, contabilize:

• Todas as licenças de software relacionadas com IA, os custos de computação na nuvem e as taxas dos fornecedores
• O tempo despendido pelas equipas de TI e de dados na infraestrutura, integração e segurança da IA
• O tempo que os colaboradores passaram em formação sobre IA (multiplique as horas pelo custo horário médio)
• O tempo dos gestores dedicado a orientar a adoção da IA
• O tempo de reuniões dedicado à governação, à reformulação de processos e ao planeamento de iniciativas de IA
• Os custos de consultores externos e de serviços de aconselhamento

Classifique tudo nas três categorias: algoritmos, infraestrutura ou pessoas e processos. A maioria das empresas descobre que está a gastar muito mais em tecnologia e muito menos nas pessoas do que pensava.

Porque é Importante Fazer a Distribuição Corretamente

A diferença de desempenho entre as empresas que fazem uma distribuição correta e as que não a fazem é evidente.

A investigação demonstra que as organizações com abordagens centradas nas pessoas registam 2,3 vezes mais colaboradores envolvidos e um desempenho 1,5 vezes superior.  

As empresas onde os CHRO e os CIO trabalham como verdadeiros parceiros registam uma produtividade 15 vezes superior nas suas iniciativas de IA. Mas isto não acontece tantas vezes quanto se poderia pensar. O problema começa com uma confusão fundamental sobre aquilo que deve ser da responsabilidade dos CIO, em oposição ao que deve ser da responsabilidade dos CHRO na transformação através da IA.

«O que é fascinante é que foi atribuído ao CIO não só o desenho, o teste e a implementação das ferramentas, mas também a sua adoção», observa David Swanagon, fundador do Machine Leadership Journal, com base na sua investigação sobre a preparação das organizações para a IA. «E penso que um dos argumentos que estamos a apresentar através da nossa investigação é que a adoção deve ser da responsabilidade do CHRO, porque envolve cultura, confiança, autonomia e competências. O CIO deve tratar do desenho, teste e implementação, mas ficar por aí e depois estabelecer uma parceria com o CHRO para gerir a adoção.»

OUÇA O EPISÓDIO COMPLETO COM DAVID SWANAGON

Esta distinção é estrutural. Quando os CIO são responsáveis tanto pela implementação como pela adoção, o resultado são soluções previsíveis e tecnicamente sólidas que ninguém utiliza, ou que criam fricção organizacional por não terem sido concebidas tendo em conta a cultura e as capacidades.

O custo de fazer uma alocação errada acumula-se rapidamente. A Klarna foi notícia pelos seus ganhos de eficiência com a IA, mas depois recuou discretamente quando os custos para as pessoas e para a cultura se tornaram evidentes.

A IA sombra prolifera quando as empresas não disponibilizam ferramentas apoiadas e formação, criando os riscos de segurança que os líderes temem. Os dados do setor mostram que 80% dos projetos de IA não conseguem escalar, muitas vezes porque foram implementados sem o apoio organizacional necessário à adoção — por vezes fazendo com que a IA se torne um bode expiatório para falhas organizacionais mais abrangentes.

O esgotamento e a resistência dos colaboradores tornam-se os impostos ocultos das abordagens centradas na tecnologia. Quando as ferramentas são implementadas sem formação adequada e sem uma reformulação dos fluxos de trabalho, os colaboradores sentem que a IA é algo que lhes é feito, em vez de algo feito para os ajudar. As ferramentas acrescentam trabalho à sua carga, em vez de a reduzirem. A resistência intensifica-se.

«É extremamente disfuncional e preocupante ver que a maioria das empresas que nos contactam para obter ajuda pensa que, assim que “liga” uma ferramenta, a magia começará espontaneamente», afirma Munro. A disfunção não é apenas um desperdício; é ativamente prejudicial à capacidade de transformação da organização.

No entanto, as empresas de média dimensão que fazem a alocação corretamente têm uma vantagem estrutural sobre as grandes empresas. Linhas de comunicação mais curtas significam que as mudanças se propagam mais depressa. Ciclos de decisão mais rápidos permitem uma iteração veloz. Relações mais próximas entre a liderança e os colaboradores possibilitam uma gestão da mudança mais autêntica. Uma adaptação mais ágil dos processos significa que os fluxos de trabalho podem evoluir à medida que a organização aprende.

«Enquanto COO que liderou operações de experiência do cliente através de várias implementações tecnológicas, abordo a IA da mesma forma: primeiro as pessoas, depois processos sólidos para as apoiar e, por fim, a tecnologia como facilitadora», explica Riley. «Quando o elemento humano lidera, toda a transformação se consolida e produz os resultados sustentáveis que mais importam.»

O retorno do investimento é transformador. Aqueles 300 000 $ investidos numa formação focada em IA que reduz os erros em 40%? Não se trata de um ganho pontual. É uma capacidade que melhora trimestralmente à medida que as pessoas adquirem mais competências. Os 200 000 $ investidos na reformulação dos fluxos de trabalho? Essas melhorias acumulam-se porque criou uma capacidade de inovação dos processos.

Da regra ao princípio

A regra 70-20-10 não é uma fórmula rígida a seguir cegamente. É um princípio derivado da observação das empresas que realmente têm sucesso com a IA e da realidade de que a transformação é sobretudo um desafio humano e organizacional, não um desafio tecnológico.

Para as empresas de média dimensão, este princípio exige uma adaptação, mas não o seu abandono. As lacunas na sua infraestrutura podem exigir 25-35% do orçamento, em vez de 20%. As suas ferramentas de IA SaaS podem incluir os custos dos algoritmos nas taxas de subscrição, alterando a forma como calcula os 10%. As limitações específicas do seu setor podem exigir ajustes.

Mas a verdade fundamental permanece: se está a gastar mais em tecnologia do que em pessoas, está quase certamente a deixar um valor significativo por aproveitar.

A perspetiva de Riley é pragmática: «Para um orçamento inicial de 2 M$, atribuiria aproximadamente 65% às pessoas, através de formação direcionada e apoio à gestão da mudança. Cerca de 25% deveria ser destinado a elementos essenciais, como o acesso a dados e uma configuração básica da nuvem, ficando apenas 10% para os algoritmos, sobretudo através da seleção de soluções SaaS robustas em vez de desenvolvimentos personalizados.»

A perspetiva de Gallardo tem em conta a realidade SaaS enfrentada pela maioria das empresas de média dimensão: «Sim, a divisão mantém-se igual mesmo que nunca interaja diretamente com o modelo. Numa configuração baseada sobretudo em soluções prontas a utilizar: ~10% destina-se aos algoritmos, ~20% à infraestrutura e ~70% às pessoas e aos processos. É aqui que deve investir a maior parte do seu orçamento.»

A ideia partilhada por ambos é que o sucesso se manifesta nas taxas de adoção, na confiança dos colaboradores e nos resultados do dia a dia, não apenas no dinheiro gasto. A tecnologia que compra é menos importante do que aquilo que faz para ajudar as pessoas a utilizá-la eficazmente.

A ação executiva é simples: faça uma auditoria à sua alocação este mês. Calcule quanto está realmente a gastar em algoritmos, infraestrutura e pessoas, incluindo todos os custos ocultos. Se a tecnologia exceder as pessoas, encontrou o seu problema.

Depois, faça o trabalho. 

• Invista no trabalho pouco apelativo da gestão da mudança antes de implementar a próxima ferramenta. 
• Crie programas de formação específicos para cada função. 
• Estabeleça promotores da IA. 
• Permita que os seus gestores orientem a adoção. 
• Reformule os fluxos de trabalho antes de implementar a tecnologia. 
• Crie estruturas de governação que permitam, em vez de restringirem.

Lembre-se do aviso de Munro: "É quando se começa a ver os danos: na falta de sequenciação e de intenção. Ignorar o trabalho 'pouco apelativo' de clarificar responsabilidades, objetivos, incentivos, fluxos de trabalho, etc., antes de sequer chegar às ferramentas."

A tecnologia estará disponível quando estiver preparado para ela. As suas pessoas não esperarão para sempre.