O setor de TI ocupa uma posição que poucos outros setores têm: o trabalho realizado aqui consiste, em grande parte, em tarefas relacionadas com texto, código e dados estruturados. É exatamente esse o tipo de trabalho para o qual os modelos de linguagem e assistentes de IA estão mais treinados. Enquanto noutros setores a IA entra primeiro nas margens do trabalho, em TI parte da atividade central já está próxima daquilo que estes sistemas conseguem fazer bem.
As horas numa organização de TI dividem-se, grosso modo, em vários blocos: desenvolvimento e manutenção de software, gestão funcional e técnica, service desk e resolução de tickets, testes e controlo de qualidade, documentação, e trabalho relacionado com projetos, como planeamento e relatórios. Cada um desses blocos tem a sua própria proporção entre tarefas fáceis de automatizar e tarefas que, por agora, não se qualificam para isso.
Dentro do desenvolvimento de software, gerar, reestruturar e documentar código é uma tarefa em que a IA já realiza de forma autónoma uma parte substancial do trabalho. Funções padrão, código boilerplate, a conversão de especificações em primeiras versões de scripts: este é trabalho em que um desenvolvedor cada vez mais avalia uma proposta da IA em vez de escrever algo do zero. No service desk, algo semelhante aplica-se à triagem inicial de tickets: reconhecer o tipo de problema, associá-lo a soluções conhecidas e reencaminhá-lo para o passo seguinte correto.
O trabalho de testes também está a mudar. Gerar casos de teste com base em especificações, e sinalizar desvios nos resultados de testes, é trabalho de tarefa que se deixa assumir bem assim que a entrada é suficientemente estruturada. A documentação de sistemas, APIs e lançamentos é uma terceira área onde a IA já fornece frequentemente a primeira versão.
A segunda categoria, parcialmente automática com supervisão humana, é em TI mais abrangente do que em muitos outros setores, precisamente porque as consequências de um erro em código ou infraestrutura se manifestam rapidamente e, por vezes, de forma irreversível. Uma proposta de IA para uma alteração de código é avaliada por um desenvolvedor; um conselho automatizado sobre uma configuração de rede é verificado antes de ser implementado. Este padrão de aprovação ou rejeição com fundamento repete-se em implementações, em análises de segurança e na avaliação de escolhas de arquitetura.
A forma como os sistemas financeiros precisam de conseguir justificar alterações mostra bem como essa combinação de automação e supervisão funciona na prática: quem quiser saber se um registo de auditoria de alterações financeiras pode ser mantido pela IA, verá que o registo pode frequentemente ser automático, enquanto a avaliação da própria alteração continua a exigir uma pessoa. Esse princípio aplica-se igualmente a alterações de infraestrutura dentro de um ambiente de TI.
Decisões de arquitetura, a tradução de pedidos vagos de clientes num design viável, e a gestão da relação com os clientes são tarefas que permanecem na terceira categoria. Este trabalho exige combinar conhecimento técnico com perceção organizacional e assumir responsabilidade por uma escolha que não decorre apenas dos dados. Também o diagnóstico de problemas complexos, em que uma falha afeta múltiplos sistemas e não existe um incidente comparável no historial, continua, por agora, a ser trabalho humano.
Se uma tarefa em TI é efetivamente assumida não depende apenas do que é tecnicamente possível. Depende de quão estruturados são os próprios sistemas, de quantos dados históricos estão disponíveis para treinar ou testar, e de como a organização lida com a supervisão necessária na segunda categoria. Um departamento de TI com código bem documentado e categorias de tickets claras pode avançar mais rapidamente do que um departamento onde o conhecimento reside principalmente na cabeça dos colaboradores.
Esta dependência da situação específica não é exclusiva do setor de TI. Quem observar que trabalho no setor financeiro é o primeiro a qualificar-se para a IA, verá um padrão semelhante: tarefas estruturadas e sujeitas a regras mudam antes de tarefas que exigem julgamento pessoal. Mesmo em setores conceptualmente distantes da TI, como demonstra a análise de o que a IA pode assumir na construção, coloca-se a mesma questão: quão estruturado é o trabalho, e quanta supervisão é necessária antes de um resultado ser utilizável.
Esta divisão em três categorias diz algo sobre o trabalho em geral, não sobre as tarefas específicas dentro da sua própria organização. Uma empresa de TI que fornece principalmente serviços personalizados a clientes complexos tem uma distribuição diferente de uma empresa que realiza predominantemente tarefas de gestão para um conjunto fixo de sistemas. Essa diferença determina quantas das horas já hoje se enquadram na primeira ou segunda categoria.
O que um empregador faz depois com esse resultado está fora do que descrevemos como scan de trabalho. Para decisões que afetam pessoal, aplicam-se requisitos legais próprios; estes não são tratados aqui e isto não constitui fundamentação para tal.
Para ver como esta divisão se aplica à sua própria empresa, existe o quickscan gratuito: doze perguntas, sem conta, com como resultado uma indicação de que parte das horas nesse perfil pode hoje ser assumida pela IA. O scan de trabalho completo, que decompõe o trabalho tarefa a tarefa e o avalia em oito eixos, ainda está em construção. O quickscan já dá, desde já, uma primeira orientação, sem ir além dessa orientação.
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.