Um colaborador não entende algo num pacote de software e faz uma pergunta. Não é uma avaria, não é um sistema danificado, apenas falta de clareza sobre o uso. Este trabalho recai hoje sobre o service desk ou sobre a gestão funcional, geralmente através de um sistema de tickets, por vezes por telefone ou simplesmente na mesa do colega que "sabe tudo" sobre aquele pacote.
A questão que aqui se coloca não é se este trabalho é aborrecido ou valioso. A questão é: o padrão desta tarefa coincide com aquilo que a IA consegue fazer hoje com texto.
Três eixos são aqui decisivos: volume, contacto com clientes e grau de estruturação.
O volume é elevado. As mesmas perguntas repetem-se, vezes sem conta, de pessoas diferentes: como exporto este relatório, onde encontro esta configuração, por que razão recebo esta mensagem de erro. Esse carácter repetitivo é exatamente aquilo em que se baseia a automatização: uma tarefa que ocorre cem vezes de forma idêntica é diferente de uma que ocorre uma vez e é sempre diferente.
O contacto com clientes é limitado. Quem pergunta é um colega, não um cliente externo com quem seja necessário manter uma relação. É necessária menos reserva para dar uma resposta direta e sem rodeios, e há menos risco de uma resposta menos fluida ser vista como pouco profissional.
O grau de estruturação é elevado. A pergunta tem muitas vezes uma forma fixa ("como faço X no sistema Y") e a resposta já existe, na maioria das organizações, em algum lugar: num manual, numa base de conhecimento, em tickets antigos. A IA não precisa de inventar algo novo, mas de encontrar algo existente e reformulá-lo de acordo com a situação de quem pergunta.
Acrescente-se que os custos de erro e a conformidade pontuam favoravelmente. Uma resposta errada sobre um botão de exportação raramente causa danos, e normalmente não existe qualquer obrigação legal que determine que esta resposta só pode ser dada por um humano. Não são necessárias ações físicas: trata-se puramente de uma tarefa de linguagem e conhecimento, o que explica a pontuação nesse eixo.
A criatividade pontua baixo, e é precisamente aí que está o limite. Uma pergunta que caia fora dos padrões habituais — uma combinação inusual de configurações, um problema que na verdade afeta três sistemas, um utilizador que não consegue explicar bem o que está a correr mal — exige alguém capaz de aprofundar e de se desviar do guião. A margem de julgamento pontua, por isso, de forma moderada: parte das perguntas tem resposta inequívoca, outra parte exige avaliar o que quem pergunta quer realmente dizer.
Não se trata, portanto, de uma substituição total. É uma divisão: as perguntas que ocorrem frequentemente e têm uma resposta fixa são promissoras para a IA, com — quando necessário — um colaborador que avalia a resposta antes de esta ser enviada. As perguntas que se desviam continuam a ser trabalho humano, não porque a IA não quisesse fazer esse trabalho, mas porque o padrão não se adequa a isso.
Isto só funciona se o conhecimento subjacente estiver em ordem. Uma base de conhecimento atualizada e FAQs bem estruturadas não são um pormenor secundário, são a condição. Um sistema de IA que dá respostas com base num manual de há três versões atrás dá respostas erradas com a mesma convicção que dá respostas certas. As empresas onde a documentação está fragmentada, reside na cabeça de colaboradores individuais ou nunca foi mantida atualizada não conseguirão aproveitar este padrão de imediato — não porque a tarefa seja diferente, mas porque falta a condição necessária.
Numa organização com um único pacote de software simples e estável e um grupo de utilizadores reduzido e experiente, a proporção de perguntas que pode ser respondida pela IA é provavelmente grande: pouca variação, muita repetição. Numa organização com dezenas de sistemas, muita personalização e colaboradores que mudam com regularidade, a situação é diferente: mais variação, mais perguntas que ficam ligeiramente fora do padrão habitual e, portanto, uma proporção maior que permanece a cargo de um humano.
Esta tarefa também não está isolada do resto do service desk. Quem observar como a IA pode registar e priorizar incidentes ou como uma avaria é comunicada aos utilizadores verá um padrão semelhante de repetição e estrutura, com resultados ligeiramente diferentes em cada eixo. Uma visão mais ampla do que isso significa para o serviço ao cliente como um todo está disponível em que trabalho pode a IA assumir no serviço ao cliente.
Nas empresas onde isto já está implementado, o service desk vê chegar menos perguntas repetidas às pessoas e resta mais tempo para as perguntas que exigem, de facto, aprofundamento. Isto não é uma visão de futuro: já acontece hoje, em parte, em organizações com uma base de conhecimento em ordem. Noutras organizações ainda não acontece, simplesmente porque a base para isso ainda está em falta.
O que uma organização faz com as horas libertadas — uma configuração de funções diferente, uma divisão de tarefas diferente — é uma escolha que cabe à própria organização e à qual se aplicam requisitos legais próprios; não é uma questão que se possa responder com uma análise de tarefas.
Para ver como este padrão se aplica à sua própria situação, é possível obter uma indicação através do quickscan gratuito: doze perguntas, sem necessidade de conta, com uma estimativa da proporção de horas no seu perfil que a IA pode assumir hoje. A análise completa do trabalho, que decompõe o trabalho de toda uma empresa em tarefas, está ainda em construção.
Vraag maar. Ik ken de kennisbank van deze site; wat ik niet weet, zeg ik erbij.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.