Duas organizações descrevem a mesma tarefa. Numa delas, o resultado é a categoria 'a IA pode assumir a tarefa'; na outra, 'continua a ser trabalho humano'. Isso não é uma inconsistência do método, mas o resultado do método. O resultado não depende apenas do que uma tarefa envolve, mas das circunstâncias em que essa tarefa é executada. Esta página explica quais fatores fazem essa diferença e o que isso significa para a fiabilidade de uma estimativa.
Nunca avaliamos uma tarefa com base numa única característica. Cada tarefa é pontuada em oito eixos: grau de estruturação da informação de entrada, margem de julgamento, sensibilidade ao contacto com clientes, componente física, criatividade, custo do erro, sensibilidade a compliance e volume/repetição. Duas organizações com 'o mesmo' conjunto de tarefas podem divergir fortemente nesses eixos. Uma tarefa de planeamento com informação de entrada fixa e volume elevado tem um resultado diferente da mesma tarefa de planeamento quando a informação de entrada é variável e as excepções são a regra. Não se trata, portanto, do título da tarefa, mas da combinação de pontuações subjacente.
Com volumes baixos, os incidentes pesam mais do que com volumes altos. Uma tarefa que ocorre cinco vezes por ano oferece pouca base para reconhecer um padrão; uma tarefa que ocorre centenas de vezes por dia mostra mais rapidamente onde a IA tem um desempenho estável e onde não. Um volume elevado torna frequentemente uma estimativa mais específica, porque há mais repetição para testar. Um volume baixo torna uma estimativa mais ampla, não porque a tarefa seja pouco clara, mas porque simplesmente há menos para generalizar. Isto tem relevância, por exemplo, na questão de saber se a IA pode assumir a monitorização do progresso de objetivos e projetos: com um punhado de projetos por ano, a amplitude é maior do que com um portefólio de centenas de iniciativas em curso.
Uma tarefa que decorre totalmente em sistemas estruturados é avaliada de forma diferente de uma tarefa que decorre em grande parte em cabeças, e-mails e documentos dispersos. Não porque a tarefa em si mude, mas porque o grau em que a IA tem acesso a informação fiável e atualizada é muito diferente. Isto é bem visível no controlo orçamental: se a IA pode assumir o controlo orçamental e a sinalização de desvios depende fortemente de os números subjacentes já estarem estruturados e disponíveis de forma atualizada, ou de terem primeiro de ser recolhidos e interpretados manualmente. A mesma tarefa, uma configuração de sistema diferente, um resultado diferente.
O custo de um erro não é universal. Uma interpretação incorreta num resumo interno tem consequências diferentes de uma interpretação incorreta numa comunicação com clientes ou num relatório de compliance. Com custos de erro elevados, o resultado tende a deslocar-se para a categoria dois — a IA apresenta uma proposta, uma pessoa aprova ou rejeita — mesmo que a tarefa, nos outros eixos, apontasse para a assunção pela IA. Esta é uma das razões pelas quais nunca fazemos uma afirmação apenas com base em 'o que a tarefa envolve': o contexto em que um erro se manifesta pesa igualmente.
Uma amplitude não é vagueza, mas uma representação honesta daquilo que não sabemos com certeza. Em tarefas com muita margem de julgamento — em que dois colaboradores experientes também discordariam entre si — qualquer estimativa é, por definição, mais ampla. Em tarefas com muito contacto com clientes, entra em jogo o facto de a tolerância à interação com a IA variar por setor e por grupo de clientes, algo que não podemos medir sem os seus próprios números. E em tarefas que foram recentemente reorganizadas ou mudaram recentemente de sistema, simplesmente ainda não há um padrão estável em que nos possamos basear. Em todos estes casos, optamos por uma amplitude mais ampla em vez de um número exato que sugira mais certeza do que aquela que podemos fundamentar.
Há situações em que uma única medição tem pouco valor: num processo recentemente alterado, numa tarefa que ocorre raramente, ou numa organização que ainda está em transição para novos sistemas. Uma pontuação nesse momento é um retrato instantâneo, não uma previsão. É também por isso que uma nova medição é relevante: a mesma tarefa, medida mais tarde, pode dar um resultado diferente porque as circunstâncias mudaram, não porque a primeira medição estava errada.
Este método diz algo sobre tarefas, não sobre pessoas ou funções. Um resultado não constitui fundamento para uma decisão sobre pessoal; para decisões que afetam o vínculo laboral, aplicam-se requisitos legais próprios, que deve avaliar separadamente. Nós fornecemos factos sobre tarefas; é a sua organização que tira as conclusões adequadas à sua situação. A título de ilustração: também uma tarefa como a liderança de reuniões não pode ser avaliada de forma uniforme, como se verifica na questão de saber se a IA pode assumir a liderança da reunião semanal de equipa — a resposta varia por equipa, por cultura de reunião e pela margem de decisão presente nessas reuniões.
Se quiser uma primeira impressão de como isto se aplica à sua própria situação, pode preencher o quickscan gratuito da ftetoai: doze perguntas, sem conta, com uma indicação de que parte das horas no seu perfil pode hoje ser assumida pela IA. O werkscan completo, que aprofunda os oito eixos por tarefa, ainda está em desenvolvimento — neste momento ainda não existe, e preferimos dizê-lo com honestidade do que oferecê-lo.
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.