Um projeto recebe uma data de início, um orçamento e geralmente uma apresentação com uma curva ascendente. O que um projeto quase nunca recebe é um momento em que alguém constata que aquilo que precisava ser feito foi de fato feito. Não: entregue. Feito. O trabalho deslocado, o comportamento alterado, a antiga forma de trabalhar já não é mais necessária.
Essa distinção sempre foi difícil de fazer. Ela se torna mais nítida agora que parte da melhoria consiste em IA assumindo tarefas. No caso de um novo sistema ou um novo procedimento, o senhor ainda pode presumir que as pessoas vão usá-lo porque é obrigatório. No trabalho com IA, essa suposição não é evidente: alguém precisa continuar controlando o resultado, alguém precisa ter coragem de confiar em um resultado que não foi escrito por ele mesmo, e alguém precisa ter a competência para aprovar ou rejeitar esse resultado. Se essas três coisas não estiverem organizadas, o sistema funciona, mas nada aterrissa.
Existem medições confiáveis porque são factuais. Quantas horas de trabalho se deslocam de uma tarefa para a supervisão dessa tarefa. Quantos dos resultados são aprovados por um humano sem alteração, quantos são rejeitados, e por qual motivo. Se o tempo entre a entrega e a decisão diminui. Se o número de escalonamentos para um colaborador sênior diminui porque a primeira avaliação se sustenta.
Isso é capacidade, não uma promessa. Horas liberadas são um fato assim que o senhor as conta; o que uma organização faz com essa capacidade liberada é uma questão à parte, com enquadramentos legais próprios assim que envolve consequências para o pessoal. Manter essas duas perguntas separadas é uma condição para uma medição confiável, não um detalhe secundário.
Uma taxa de uso diz que as pessoas apertam um botão. Ela não diz nada sobre se elas realmente acreditam no resultado. Uma equipe pode aprovar um resultado de IA apenas pro forma e, na prática, não fazer nada com ele, ou pode aceitar tudo sem sequer olhar — ambos os comportamentos parecem idênticos em um painel como "adoção de 80%". É por isso que uma única porcentagem sem contexto não é utilizável: ela descreve uma ação, não uma mudança na forma como o trabalho é feito.
Há também um problema de tempo. Uma melhoria que mede bem no primeiro mês pode retroceder no quarto mês porque as exceções se acumulam e ninguém as previu. Por outro lado, uma melhoria que começa devagar pode se tornar estável após seis meses, assim que as pessoas responsáveis pela aprovação ganharem confiança nela. Uma medição em um único momento é, portanto, por definição incompleta; o que é necessário é uma série de medições que mostre se a curva se repete ou se estabiliza.
Uma empresa vê o trabalho com IA aterrissar dentro de um trimestre, outra continua testando depois de um ano. Essa diferença raramente está na tecnologia. Está em quem foi treinado para avaliar um resultado de IA, quem tem o poder de decisão para deixar esse resultado seguir adiante, e se esse poder de decisão está formalmente estabelecido ou ainda depende de uma única pessoa que "faz isso também". Mais sobre quem deve efetivamente ocupar essa função está descrito em quem é necessário para que o trabalho feito por IA seja bem-sucedido.
Outra causa comum: o projeto continua sendo um sucesso técnico, mas fica isolado organizacionalmente. A IA funciona, o piloto está em andamento, mas ninguém fora do departamento de TI usa o resultado de forma estrutural. Por que isso acontece e como o senhor reconhece esse padrão está descrito em como o senhor evita que um projeto de IA fique restrito ao departamento de TI.
E às vezes o atraso não é um problema organizacional, mas uma questão jurídica ou de compliance que não foi incluída no planejamento; essa situação está descrita separadamente em o que fazer quando a ambição é possível mas a compliance não.
A razão pela qual um único KPI nunca é suficiente é que a prontidão em si não cabe em um único número. Algo só aterrissa quando se sustenta em várias dimensões ao mesmo tempo: as pessoas que precisam avaliar estão treinadas, os dados são utilizáveis, o processo reconhece a exceção, e o poder de decisão foi atribuído de forma explícita. Se um desses elementos falhar, o senhor mede progresso nos outros sete e ainda assim não há aterrissagem. Isso está desenvolvido em por que a prontidão não é um número mas uma série de perguntas.
A pergunta subjacente — qual trabalho nesta empresa pode realmente ser assumido pela IA, e qual parte continua sendo trabalho humano — é respondida por tarefa com o scan de trabalho da FTE TO AI.
Nenhuma medição está completa sem uma dimensão temporal, uma verificação de causa e uma separação entre uso e confiança. Concretamente, isso significa: não meça apenas se algo é usado, mas se o resultado se sustenta sem correção. Não meça uma única vez, mas em momentos fixos após o início. E, a cada rejeição, pergunte o motivo, pois esse motivo diz mais ao senhor do que a pontuação em si.
Se a ambição for grande demais para ser testada de uma só vez, uma abordagem faseada costuma ser mais realista do que um plano anual; como funciona esse faseamento está descrito em como o senhor faseia uma ambição grande demais para um ano. E para a pergunta sobre quanto ritmo uma organização realmente consegue suportar, sem que a própria medição cause o atraso, há quão rápido uma organização realmente pode mudar.
Uma medição confiável não começa em um painel, mas na pergunta sobre onde a sua organização realmente se encontra neste momento. O teste gratuito de prontidão apresenta oito perguntas curtas, uma por dimensão, e oferece uma visão de onde o senhor está mais avançado e onde ainda não está. O teste de ambição completo, com as quatro camadas e cinco confidence gates, está em construção.
Vertel wat u wilt bereiken, dan kijken we samen wat daarvoor moet staan.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.