Na sala de direção, isto costuma sair numa única frase: a margem tem de subir, e a IA ajuda nisso. Todos concordam com a cabeça, mas um pensa em menos custos de compra, outro em prazos de entrega mais rápidos, e um terceiro em menos trabalho manual no backoffice. O problema não está na ambição, mas na tradução dela. Melhorar a margem com IA não é uma medida de custos, é uma mudança em quem faz o trabalho e quem controla se foi bem feito.
Essa mudança segue três vias que se cruzam. Uma parte do trabalho a IA pode assumir sozinha: relatórios padrão, reconciliações, primeiras análises de desvios. Outra parte permanece uma colaboração, em que a IA faz uma proposta e um colaborador a aprova ou reprova, com um motivo junto. E uma terceira parte continua a ser trabalho humano, porque exige avaliação, negociação ou contexto que não está contido nos dados. Melhorar a margem significa que a sua empresa tem de conseguir identificar estas três vias, por processo, não em termos gerais.
A diferença raramente está na tecnologia. Duas empresas comparáveis com as mesmas ferramentas de IA obtêm resultados diferentes, porque uma organizou e a outra não organizou quem pode aprovar o resultado de uma proposta de IA, quem vigia a qualidade dos dados em que essas propostas se baseiam, e quem é responsável quando uma melhoria de margem causa um problema noutro lugar, por exemplo na confiabilidade de entrega.
As empresas onde isto já funciona tornaram esse direito de decisão explícito antes de o trabalho se deslocar. Sabiam qual a função que avalia o resultado de um modelo de IA num planeamento de produção, e qual a função que apenas vigia o processo. As empresas onde ainda não funciona só descobrem isto quando surge o primeiro desvio e ninguém sabe quem tem autoridade para se pronunciar.
Melhorar a margem nestas condições exige preparação em oito dimensões, não numa só. Algumas que na prática mais rapidamente atrasam uma ambição:
O teste de ambição fixa esta ambição em quatro camadas: a visão tal como a direção a expressa, o vision state que descreve como fica o trabalho depois da mudança, o target com um objetivo concreto, e o target state que descreve que capacidade fica disponível para isso. Estas quatro camadas são testadas ao longo de oito dimensões e cinco confidence gates, e traduzidas em funções e direitos de decisão que já têm de estar definidos hoje, não só quando algo corre mal.
Melhorar a margem com IA não exige automaticamente novas funções, mas exige novas responsabilidades em funções já existentes. Um controller que atualmente elabora relatórios passa a ser a função que avalia análises de desvios geradas por IA. Um gestor operacional que atualmente aprova planeamentos passa a ser a função que explica porque razão uma proposta de IA foi reprovada, para que o modelo aprenda com isso. Isso exige outro tipo de distribuição de tempo: menos horas a elaborar o panorama, mais horas a avaliá-lo.
Esta mudança toca a questão de quanta capacidade em fte fica disponível e onde essa capacidade é depois utilizada. Trata-se de uma questão sobre trabalho, não sobre pessoal; o que um empregador faz com isso está sujeito aos seus próprios requisitos legais e é da responsabilidade do empregador.
Nenhuma direção precisa de esperar por um relatório anual para ver se isto funciona. Os sinais são visíveis mais cedo: uma equipa que aprova propostas de IA em dias ou as reprova de forma fundamentada, em vez de as deixar semanas em espera. Um controller capaz de identificar que parte da melhoria de margem é atribuível a uma proposta de IA e que parte a uma intervenção própria. Uma organização que já não discute se a IA consegue lidar com o trabalho, mas sim qual o desvio que merece atenção. Mais sobre o que são exatamente esses sinais precoces está descrito em quais são os sinais precoces de que uma mudança está a resultar.
Esta ambição raramente aparece isolada. Melhorar a margem toca frequentemente os mesmos direitos de decisão que quais capabilities exige entregar mais rápido quando a IA assume trabalho, e numa fusão ou aquisição a questão regressa de forma acelerada, tal como descrito em quais capabilities exige integrar uma aquisição quando a IA assume trabalho. Quem nota que um plano estratégico permanece apenas no papel apesar desta ambição encontra uma explicação em como evitar que uma estratégia permaneça apenas um documento.
A questão de fundo normalmente não é se a IA pode melhorar a margem, mas sim que trabalho, nesta empresa específica, é efetivamente possível transferir. Essa questão é respondida por tarefa com o werkscan da FTE TO AI.
Quem quiser primeiro saber onde a organização se encontra pode fazer o teste de preparação gratuito: oito perguntas breves, uma por dimensão, com uma imagem de onde está mais avançado e onde está menos avançado. O teste de ambição completo, com as quatro camadas e os cinco confidence gates, está em preparação.
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.