O departamento de TI é para a IA um domínio interessante, porque combina dois tipos de trabalho que reagem de forma completamente diferente à automatização. De um lado estão os processos que decorrem segundo um padrão fixo: um novo colaborador recebe uma conta, um backup é executado durante a noite, uma palavra-passe é redefinida após um pedido. Do outro lado está o trabalho em que o resultado depende do contexto, da avaliação de risco e de consequências que não se conseguem captar num script. A nossa taxonomia conta 39 tarefas dentro deste domínio, e a distribuição pelas três categorias segue, em grande parte, essa linha divisória.
Trata-se aqui de tarefas com uma entrada clara, um procedimento fixo e um resultado verificável. A preparação do posto de trabalho, das contas e dos direitos de acesso para um novo colaborador é um bom exemplo disso: o perfil da função determina que direitos são necessários, e essa ligação é automatizável sem que alguém tenha de voltar a pensar repetidamente na sua implementação. O mesmo se aplica à revogação do acesso no momento da saída, em que o risco de agir tarde é maior do que o risco da automatização, e à execução e verificação de backups, em que um sistema pode sinalizar por si próprio se uma tarefa foi ou não bem-sucedida. Estas tarefas incluem-se na categoria 1 porque a norma está estabelecida: há um certo e um errado claros, e os passos intermédios não precisam de ser avaliados sempre de novo. Isto não significa que já não seja necessária supervisão sobre o conjunto, mas a execução da tarefa em si não requer uma avaliação humana caso a caso.
Esta categoria é grande no departamento de TI, e isso não é coincidência. Muitas tarefas têm, de facto, um padrão reconhecível, mas o resultado toca em riscos que uma pessoa tem de ponderar. A avaliação periódica dos direitos de acesso é uma dessas tarefas: a IA pode sinalizar discrepâncias entre a função e os direitos atuais, mas se uma excepção é justificada exige um avaliador que conheça o contexto e que aprova ou rejeita com fundamento. O teste de recuperação a partir de um backup insere-se na mesma categoria: o teste em si é automatizável, mas a conclusão sobre se um sistema foi efetivamente recuperado de forma suficiente exige um olhar que vai além de um simples visto verde. Também a configuração de uma ligação entre sistemas e a monitorização e resolução de uma avaria nessa ligação se incluem aqui: a IA pode acelerar a construção e detetar anomalias, mas a decisão sobre como resolver uma avaria sem danificar dados continua a ser uma ponderação que alguém tem de fazer. O padrão nesta categoria é sempre o mesmo: a IA faz o reconhecimento e a proposta, uma pessoa faz a avaliação e a decisão.
Uma parte menor do trabalho de TI permanece válida independentemente do grau de maturidade que a IA alcance, porque o núcleo da tarefa não consiste em reconhecimento de padrões, mas em interpretação e responsabilização. A análise de dados ad hoc é um exemplo disso: responder a uma pergunta específica da organização exige que alguém compreenda o que realmente está a ser perguntado, que dados são relevantes e que conclusão se sustenta. O controlo e a limpeza da qualidade dos dados tocam no mesmo problema a partir do momento em que vão além da deteção de registos duplicados: a questão de que fonte representa a verdade em caso de dados contraditórios exige um conhecimento da organização que não está contido nos próprios dados. Também a gestão de dados mestre continua a ser, em parte, trabalho humano no que toca à definição de definições e acordos entre departamentos, embora a introdução em si seja muitas vezes automatizável. Estas tarefas continuam a ser trabalho humano não porque a IA não consiga lidar com a técnica, mas porque a responsabilidade pelo resultado não é delegável a um sistema.
Esta classificação diz respeito a tarefas, não a funções nem a pessoas. Um colaborador de TI executa geralmente tarefas das três categorias, e a proporção do seu conjunto de tarefas que muda depende da configuração exata da sua função. O facto de uma tarefa se incluir na categoria 1 também não diz nada sobre o que um empregador faz com isso: essa é uma escolha que tem os seus próprios requisitos legais, por exemplo em matéria de participação dos trabalhadores e direito laboral, e que está fora do âmbito desta classificação. O que a classificação efetivamente oferece é um ponto de partida factual: que tarefas já podem hoje ser apoiadas pela IA, quais requerem supervisão e quais permanecem inalteradas. Padrões semelhantes podem ser reconhecidos noutros domínios; assim, que trabalho pode a IA assumir nas compras mostra que também aí a linha divisória se situa muitas vezes na questão de se um resultado tem uma norma fixa ou exige uma ponderação, e que trabalho pode a IA assumir na logística ilustra como um departamento aparentemente operacional ainda assim tem muitas tarefas de supervisão a partir do momento em que os erros se tornam dispendiosos.
Para ver quantas horas dentro de uma função de TI são atualmente atribuíveis a uma das três categorias, é necessário um levantamento concreto das tarefas que alguém efetivamente executa, não apenas do título da função. O quickscan gratuito da ftetoai oferece para isso uma primeira indicação: doze perguntas, sem conta, com como resultado uma indicação de que parte das horas no perfil pode ser hoje assumida pela IA. Isso é um ponto de partida, não um veredicto final. O scan de trabalho completo, que aprofunda tarefas individuais e a fundamentação subjacente, está ainda em construção. O que uma medição subsequente após a mudança revela, e como esta se relaciona com o levantamento inicial, pode ser consultado em o que revela uma reavaliação.
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.