Uma falha foi reportada, o sistema de tickets está a vermelho, e os utilizadores querem saber: o que se passa, quanto tempo ainda vai demorar, e quando receberão novamente notícias. Isto é trabalho que os colaboradores de helpdesk e comunicação fazem diariamente. A questão aqui não é se a IA consegue escrever texto, mas se a IA consegue assumir de forma autónoma este trabalho de comunicação específico. A resposta: parcialmente, e depende muito do tipo de falha em causa.
A tarefa obtém uma pontuação alta em estruturação (4): uma comunicação de falha segue frequentemente um padrão fixo — o que está errado, desde quando, que sistemas foram afetados, qual é o tempo de resolução previsto. Esse padrão é precisamente aquilo que um modelo de linguagem consegue preencher bem, desde que a informação subjacente esteja correta. Também o eixo físico (5) não constitui um obstáculo: não é necessária nenhuma ação no mundo real, apenas texto que precisa de ser enviado.
Em contrapartida, o contacto com clientes obtém uma pontuação baixa (1). Isto é, por definição, comunicação com pessoas que muitas vezes já estão frustradas porque o seu trabalho está parado. O tom, o momento e a precisão de uma mensagem determinam se os utilizadores se sentem ouvidos ou, pelo contrário, ignorados. Uma mensagem gerada que seja factualmente correta mas avalie mal a urgência causa mais dano do que a ausência de mensagem.
Os custos de erro (3) são moderados mas não negligenciáveis: um tempo de resolução incorreto ou um estado que não é atualizado mina a confiança e origina um fluxo de perguntas de seguimento — precisamente o trabalho que se pretendia poupar. A conformidade (4) entra em jogo sempre que o incidente esteja sujeito a acordos de SLA ou, em alguns setores, a obrigações de notificação: nesse caso, a comunicação tem de ser comprovadamente enviada a tempo e segundo normas fixas. A margem de julgamento (2) e a criatividade (2) são baixas: há pouca margem para decidir por conta própria o que comunicar, tratando-se largamente de seguir um modelo com dados atuais. O volume (4) é elevado: numa falha de grande dimensão, trata-se de centenas ou milhares de utilizadores que precisam da mesma mensagem, e é precisamente aí que a automatização liberta tempo.
Três eixos determinam o panorama. A estruturação torna a tarefa tecnicamente viável: se o estado do incidente estiver claramente registado no sistema, um modelo de linguagem pode construir a partir daí uma mensagem segundo um modelo fixo. Mas o baixo contacto com clientes impõe um travão a isso — não porque a IA seja incapaz de escrever uma frase correta, mas porque o risco de uma comunicação mal ajustada em termos de momento ou tom é maior do que numa comunicação interna ou administrativa. E os custos de erro fazem com que a supervisão continue a ser necessária: uma atualização de estado enviada antes de uma correção estar confirmada, ou que avalie de forma demasiado otimista o tempo de resolução, gera novas reclamações em vez de as reduzir.
Um exemplo torna isto concreto. Numa falha num sistema interno de e-mail, em que o impacto é conhecido e o tempo de resolução razoavelmente previsível, a IA pode redigir a primeira comunicação e a atualização de estado intermédia com base no ticket, com um colaborador a dar uma breve aprovação antes do envio da mensagem. Numa falha que afete a funcionalidade de pagamentos dos clientes, com consequências financeiras e um tempo de resolução incerto, a situação é diferente: aí é necessária uma ponderação humana sobre o que se diz e o que não se diz, e em que momento.
Numa empresa com uma página de estado madura e um sistema de tickets que preenche automaticamente os campos corretos, a proporção que a IA consegue assumir é maior: o texto pode ser gerado diretamente a partir de dados estruturados. Numa empresa onde as falhas são comunicadas oralmente, em mensagens dispersas no Slack ou através de um gestor de TI que faz a sua própria avaliação, falta a base estruturada e há pouco que a IA consiga redigir de forma autónoma. A natureza dos utilizadores também conta: os colaboradores internos aceitam uma atualização breve e factual; os clientes externos com contrato e SLA esperam um tom e uma completude que exigem antes controlo humano.
Esta tarefa não está isolada do resto da cadeia de incidentes. O facto de uma falha ser comunicada de forma eficaz depende de quão bem o desempenho dos sistemas é monitorizado — sem monitorização fiável não há um estado atual para comunicar. Está também relacionado com a forma como o incidente é registado e priorizado, pois isso determina quais os dados disponíveis para basear uma mensagem. E em alguns casos, a comunicação decorre em paralelo com a efetiva resolução do incidente de TI de primeira linha, em que a atualização só é tão boa quanto o progresso realmente alcançado.
Concretamente: a redação de texto com base em modelos fixos, com o estado atual do incidente como input, é viável a partir do momento em que essas duas condições estejam presentes. A decisão sobre quando uma mensagem é enviada, em que tom, e se o tempo de resolução está formulado de forma realista, permanece com o colaborador. Não se trata de uma fase intermédia a caminho de uma assunção total — é a estrutura adequada a este tipo de comunicação enquanto os custos de erro de uma mensagem mal colocada continuarem a ser superiores ao tempo que custa verificá-la.
Se esta análise o levar a refletir sobre a afetação de colaboradores de helpdesk ou de comunicação, note que aplicam-se aí requisitos legais próprios relativos a trabalho e participação dos trabalhadores; esta página não constitui aconselhamento de recursos humanos nem fundamenta uma decisão de despedimento. Para o cuidado mais amplo a ter em conta em alterações de funções, veja cuidado a ter na eliminação de funções.
Quer saber que parte da comunicação de falhas na sua própria empresa já se enquadra hoje dentro destas condições? A quickscan gratuita da FTE TO AI é composta por doze perguntas, não requer conta, e dá uma indicação de que parte das horas neste perfil pode ser assumida pela IA atualmente. A werkscan completa, com a análise detalhada de tarefas por equipa, está ainda em construção — propositadamente ainda não a oferecemos aqui.
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.