Key Takeaways
Conhecimento tácito: Os procedimentos normalizados não contemplam a lógica de decisão utilizada pelos especialistas, deixando os novos colaboradores e os agentes de IA vulneráveis a erros repetíveis.
Entrevistas com especialistas: As entrevistas estruturadas revelam os fatores práticos e o raciocínio de forma mais fiável do que pedir aos especialistas que documentem autonomamente trabalhos complexos.
Casos extremos: A comparação entre projetos bem-sucedidos e projetos falhados revela regras ocultas que reforçam a formação e expõem fragilidades nas decisões da IA.
Resultados reais: Avalie a aprendizagem através do trabalho concluído e de critérios de qualidade, não através de testes que medem a memorização em vez da capacidade prática.
Ativo partilhado: Uma base de conhecimento formalizada permite escalar a integração, preservar a experiência e fornecer às pessoas e à IA orientações consistentes para a tomada de decisões.
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.
Demonstrei e expliquei, e ele tentou replicar o processo, 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 costumo aconselhar a não fazer. Decidi que, como sou bom neste trabalho, bastava mostrar o processo à pessoa nova, e ela adquiriria simplesmente as minhas competências ao observar.
Esta convicção é um erro comum, porque ser capaz de fazer algo sozinho e ser capaz de transmitir a lógica por detrás das 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 educação na área das 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 deixasse de depender de mim ou 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 complicar 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. Assim, 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.
À sua base de conhecimento falta 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 descobriu-as sozinho, algumas teve de perguntar, enquanto não se lembrou de outros aspetos e acabou por cometer 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 obrigar o especialista a explicar isto repetidamente a outras pessoas. Em vez disso, estruture a lógica por detrás das suas decisões, para que ela deixe de depender da sua presença.
Have an account? Log In
Deixe o especialista falar
Registar as coisas por escrito é uma competência por si só e demora muito mais tempo do que parece. É melhor 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 nichos diferentes, não lhe peça que comente cada um deles – isso não terá fim. Precisa de 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 tem de a verificar e acrescentar-lhe informação ou corrigi-la, se necessário.
A IA organiza bem aquilo que foi dito, mas não pode garantir que o especialista tenha abordado todos os pontos essenciais. O resultado da entrevista depende, antes de mais, das perguntas. Se lhe perguntarem «Diga-me como trabalha», a pessoa responderá em termos gerais. 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 deter-se 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 preciso 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 essa pessoa, 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 perspetiva: pergunte o que permanece constante, independentemente do cliente, do projeto ou do mercado. Isto ajuda a identificar o núcleo 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 mudam consoante o contexto.
Analise os casos-limite, não apenas o processo ideal
Pergunte a um especialista que regras segue no seu trabalho e ele irá mencionar duas ou três que são óbvias. Segue as restantes sem se aperceber disso e é precisamente nessas que reside a sua experiência.
Estas regras irão surgir se analisar estudos de caso diferentes. Peça ao especialista que recorde um projeto em que tudo correu particularmente bem e uma situação em que as coisas quase correram mal.
No primeiro caso, pergunte qual foi a decisão ou ação tomada no início que teve o maior impacto no sucesso. No segundo, pergunte o que correu mal e o que fez exatamente o especialista para retificar 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 bloqueado. Um especialista sénior teve de intervir, falou em privado com o parceiro 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 principalmente aqueles cuja área de responsabilidade é afetada.
São precisamente estes casos-limite que também são valiosos para a IA. A documentação padrão descreve, na maioria das vezes, o percurso normal, mas a verdadeira competência revela-se 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 posteriormente testado.
Defina o aspeto que o resultado deve ter
Imaginemos que entrevistou o maior especialista da empresa. As ferramentas de IA ajudaram a organizar a entrevista numa estrutura clara e agora tem um guia detalhado, passo a passo, 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 aquilo que a pessoa memorizou, não aquilo que é realmente capaz de fazer. É melhor que um recém-chegado execute uma tarefa do mundo real. É necessário definir desde logo o aspeto que o resultado deve ter: 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 limitou a copiar 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. Veja se o colaborador deteta o problema e escolhe o procedimento correto.
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, é necessário atualizar a base de conhecimento e repetir o teste.
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 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.