Início·Insights·O modelo operacional na era da IA: o que muda além das ferramentas
As empresas compram as ferramentas e esperam. Os resultados estão no modelo operacional em que as ferramentas foram implantadas — inalterado, e inalterado ele permanece.
A camada visível de um programa de AI são as ferramentas: licenças, assistentes, painéis e projetos-piloto. Os resultados, porém, estão uma camada abaixo, no modelo operacional — na forma como o trabalho é dividido, as decisões são encaminhadas, o conhecimento especializado é armazenado e reutilizado e as exceções são tratadas. Uma empresa pode instalar todas as ferramentas disponíveis no mercado em um modelo operacional concebido para um mundo sem elas, e o modelo tratará de absorvê-las e encaixá-las na lógica antiga: os assistentes preparam rascunhos, as pessoas reescrevem tudo do zero “por segurança”, a base de conhecimento se enche de documentos que ninguém consulta, e a terceira transformação em cinco anos vai para a gaveta das lições que custaram caro, junto com as duas primeiras.
Quatro componentes do modelo operacional determinam se a capacidade de AI se converte em entregas, e todos os quatro são passíveis de mudançaantesas ferramentas chegam.A divisão do trabalho.As ferramentas mudam o custo das tarefas, e uma divisão do trabalho definida com base nos custos antigos continua pagando pessoas para fazer o que as máquinas agora fazem a baixo custo, enquanto deixa em segundo plano o trabalho que elas não conseguem fazer — exercer julgamento, cultivar relações, criar. A divisão deve ser refeita com base nos novos custos, não herdada dos antigos.O encaminhamento das exceções.Toda organização tem um fluxo paralelo — as dúvidas que as pessoas realmente tiram umas com as outras, as exceções que ninguém registrou. A AI amplifica qualquer fluxo para o qual seja direcionada; quando apontada para o processo oficial, acelera esse processo, enquanto o fluxo real continua igual, nos corredores. É preciso trazer à tona o fluxo de exceções e definir quem é responsável por ele antes de automatizá-lo.Onde está o conhecimento.No fundo, a AI é uma máquina de recuperar conhecimento e sofre com a mesma escassez que já afeta a organização: conhecimento especializado preso na cabeça das pessoas e em suas caixas de entrada. Aquestão da prontidãoé organizacional antes de ser técnica — o conhecimento especializado precisa se tornar coletivo antes que qualquer ferramenta possa reutilizá-lo.A unidade de responsabilização.Quando o tempo de ciclo de uma tarefa cai de dias para minutos, o ritmo de tudo ao redor também precisa mudar: as revisões periódicas, as etapas de aprovação e as transferências entre equipes, pensadas para a velocidade antiga, passam a ser o novo gargalo. É a estrutura de responsabilização, não a ferramenta, que determina se a rapidez é real ou se o trabalho fica parado na fila à espera de assinaturas.
Nenhum desses quatro elementos aparece em uma demonstração de fornecedor, e é justamente por isso que eles acabam ignorados: a demonstração mostra a ferramenta substituindo uma tarefa, e quem compra extrapola esse resultado para a organização inteira. Essa extrapolação não funciona porque a organização não é um conjunto de tarefas, mas um sistema de encaminhamento — eas ferramentas ficam ociosasnão por falta de capacidade, mas porque o sistema ao redor delas foi projetado para funcionar sem elas. É também por isso que o trabalho de revisão do modelo operacional deve começar cedo: mudar a divisão do trabalho ou o fluxo de exceções enquanto o programa está sendo planejado é fazer um ajuste de projeto; mudar tudo isso depois de dois anos com ferramentas ociosas é uma intervenção em um sistema já marcado por cicatrizes. Isso também explica o padrão que as empresas confundem com uma falha tecnológica: as ferramentas funcionavam, o piloto comprovou isso, osresultados econômicoseram reais — mas, sem mudanças no modelo operacional, cada ganho acabava reconduzido à antiga configuração da empresa.
A AI não transforma empresas. Ela multiplica o que o modelo operacional já faz — inclusive os hábitos que tornaram necessária a transformação.
Redesenhar os quatro elementos — divisão do trabalho, direcionamento das exceções, conhecimento e responsabilização — antes da implementação de uma ferramenta é uma atividade contínua ema prática de transformação em AI, e é isso que diferencia adquirir uma capacidade de conseguir colocá-la em prática.
Usamos cookies para analisar o tráfego e melhorar o site. O Analytics é ativado apenas com o seu consentimento.Política de Cookies