A adoção da IA está em alta. Mas e o desempenho empresarial?

As empresas têm dificuldade para transformar os investimentos em IA em retornos significativos. O uso está crescendo, mas apenas 13% das organizações relatam obter um valor transformador significativo com a IA. Essa diferença deve levar os líderes a dar um passo atrás e se perguntar se estão medindo a atividade ou uma mudança significativa.

Pressionadas a demonstrar claramente o retorno sobre o investimento em IA, as organizações costumam recorrer a métricas fáceis de apresentar, como o uso de ferramentas, o número de usuários ativos ou as taxas de adoção. Essas medidas mostram se os funcionários estão usando a IA. Mas dizem pouco sobre a melhoria do trabalho ou sobre o valor que os investimentos estão gerando.

A PwC, por exemplo, constatou que 64% dos trabalhadores entrevistados usaram IA no trabalho nos últimos 12 meses, um aumento de dez pontos percentuais em relação ao ano anterior. À primeira vista, esse é um sinal promissor de crescimento, mas não comprova impacto nos resultados financeiros. A adoção da IA se torna uma métrica de vaidade quando os líderes a tratam como prova de transformação. Uma medida mais robusta é avaliar como a IA ajuda a transformar os aprendizados de projetos anteriores em estruturas, ferramentas e aceleradores que aprimoram a forma como as equipes alcançam resultados.

O problema oculto: a IA pode acelerar um trabalho que precisa mudar

Antes de incorporar a IA, as organizações precisam entender o propósito do fluxo de trabalho, identificar etapas desnecessárias e reconsiderar como o trabalho deve ser realizado. Isso é importante porque a implementação da IA pode acelerar um processo ineficiente, deslocando gargalos para etapas posteriores e gerando mais revisões ou retrabalho.

Esse mesmo entendimento deve orientar o que as organizações medem. Analisar o fluxo de trabalho como um todo ajuda as equipes a perceber como as mudanças em uma tarefa afetam tudo o que vem depois e se os ganhos aparentes realmente reduzem o esforço ou apenas o transferem para outra pessoa.

A IA pode acelerar tarefas individuais, como redigir conteúdo, resumir informações ou analisar dados mais rapidamente, sem melhorar os processos. Por exemplo, a geração mais rápida de conteúdo pode aumentar o trabalho de quem precisa revisá-lo e aprová-lo nas etapas seguintes. O gargalo apenas muda de lugar, mesmo que os funcionários relatem economizar tempo.

É nesse ponto que as métricas de produtividade podem se tornar métricas de vaidade. Concluir uma tarefa mais rapidamente pode parecer uma vitória imediata, mas talvez não leve em conta o esforço necessário para transformar o resultado em algo útil nas etapas seguintes. A reformulação do fluxo de trabalho deve começar pelo resultado pretendido; em seguida, é preciso determinar onde a IA agrega valor e quais etapas precisam mudar.

A produtividade das tarefas e a produtividade do fluxo de trabalho são importantes. Para medi-las em conjunto, as equipes precisam ir além da economia de tempo em tarefas individuais e avaliar a qualidade, o retrabalho e o esforço humano total necessários para alcançar o resultado.

O que aprendemos ao nos tornarmos nosso próprio cliente de IA

Na Arionkoder, criamos o Socrates, nosso programa interno de transformação, para nos tornarmos uma organização nativa em IA. Testar a IA em nosso próprio “caso zero” revelou como os ganhos de produtividade em tarefas individuais podiam mascarar problemas em todo o fluxo de trabalho. Por exemplo, nos fluxos de trabalho de gerenciamento de projetos, inicialmente presumimos que usar IA para gerar resumos de reuniões, listas de ações e atualizações de projetos tornaria essas tarefas mais eficientes. No entanto, o volume maior de informações ainda exigia revisões manuais, priorização e coordenação entre as equipes. Isso transferiu o trabalho para as etapas seguintes, em vez de reduzi-lo. Percebemos que tornar tarefas individuais mais rápidas não torna necessariamente o fluxo de trabalho geral mais eficiente. O objetivo do Socrates continuava relevante, mas o programa precisava ajudar as equipes a deixar de apenas acelerar tarefas isoladas e passar a reformular fluxos de trabalho de ponta a ponta.

Esse revés se mostrou útil quando analisamos o que havia acontecido e aplicamos as conclusões à nossa tentativa seguinte. Ele reforçou que a transformação com IA depende de mais do que simplesmente introduzir tecnologia. É preciso mudar a forma como as pessoas aprendem com os experimentos, tomam decisões e trabalham juntas. O Socrates precisava ajudar os funcionários a conectar o que desenvolviam individualmente à forma como o trabalho era realizado.

A abordagem revisada estabelece uma progressão clara para essa experimentação. Um funcionário poderia começar usando IA para resolver um pequeno problema real. A etapa seguinte seria testar se outra pessoa conseguiria usar o que ele desenvolveu. A partir daí, a empresa poderia analisar o fluxo de trabalho mais amplo, identificar pontos de atrito e conectar o trabalho às capacidades desenvolvidas por outras equipes. A troca de aprendizados entre funcionários ajuda a avaliar se uma melhoria continua sendo útil além da tarefa que foi originalmente concebida para apoiar.

Essa distinção é importante. Criar algo que funcione para uma pessoa é o ponto de partida. Gerar valor para a organização exige entender como outras pessoas usam essa solução e o que muda quando ela passa a fazer parte de um processo mais amplo.

Por isso, nossa reformulação começou pelo resultado pretendido. O que a equipe precisava alcançar? Quais etapas contribuíam para esse resultado e quais existiam apenas por fazerem parte de um processo estabelecido que já não cumpria sua função? Essas perguntas ajudaram a mudar o foco: em vez de adicionar IA a tarefas individuais, passamos a reformular o fluxo de trabalho em torno de um objetivo mais claro.

A partir daí, definimos parâmetros de referência e critérios adequados a cada fluxo de trabalho. Analisamos a qualidade, o retrabalho e o esforço dos funcionários, além do tempo de conclusão. Essas medidas nos ajudaram a avaliar as melhorias em todo o processo.

Em toda a Socrates, reformulamos mais de 20 fluxos de trabalho, transformando experimentos voltados a problemas reais de negócios em recursos que outras pessoas poderiam usar. O tempo para gerar relatórios financeiros caiu de quatro horas para 20 minutos, enquanto a equipe de TI informou uma redução de 40% nas tarefas repetitivas e de 60% nos tempos de resposta. Esses resultados demonstraram avanços operacionais. Para entender como essas métricas se traduzem em valor para os negócios, é preciso avaliar se o esforço diminuiu ao longo do fluxo de trabalho e como as equipes usaram a capacidade que ganharam.

Para nós, a lição foi acompanhar as melhorias até o fim. A economia de tempo individual importa, mas se converte em valor para a organização quando ajuda a próxima pessoa a fazer um trabalho melhor e aproxima a equipe do resultado pretendido.

O que os CIOs deveriam medir em vez disso

Acompanhar uma melhoria até seu impacto nos negócios exige mais do que monitorar o uso da IA ou o tempo economizado. Os líderes precisam relacionar a adoção a melhorias na forma como o trabalho é realizado e aos resultados que ele proporciona. O progresso deve ser medido em três níveis distintos:

1. Adoção: os funcionários estão usando IA?

   A adoção continua sendo uma medida diagnóstica útil. O uso, a participação em experimentos e o feedback dos funcionários podem revelar onde as pessoas estão ganhando confiança e onde precisam de apoio.

   Esses sinais ajudam os líderes a entender o grau de preparo da organização, mas não comprovam o ROI. O uso elevado é um ponto de partida para investigação, não uma prova de transformação.

2. Desempenho do fluxo de trabalho: o trabalho está realmente melhorando?

   Os critérios de sucesso devem refletir o objetivo pretendido do fluxo de trabalho. Dependendo do caso de uso, a melhoria pode significar informações mais precisas, menos erros ou uma resolução mais rápida.

   Compare o desempenho com uma linha de base considerando o processo completo. Acompanhe as etapas desnecessárias eliminadas, o retrabalho, a qualidade e o esforço total dos funcionários. Inclua as pessoas que recebem e utilizam os resultados gerados por IA. Uma tarefa não se torna necessariamente mais eficiente se gerar trabalho adicional de revisão ou correção em outra parte do processo.

3. Impacto nos negócios: o fluxo de trabalho com IA está melhorando os resultados da empresa?

   Relacione as melhorias no fluxo de trabalho a resultados que já são importantes para a liderança, como retenção de clientes, receita, qualidade do serviço ou custo por problema resolvido. Produzir mais conteúdo, por exemplo, demonstra um aumento na produção. Seu valor para os negócios depende do que esse conteúdo alcança.

   Acompanhe como o tempo economizado é aproveitado. A capacidade adicional melhorou o serviço, apoiou o crescimento ou reduziu os custos operacionais? Avalie o valor em relação ao custo total para obtê-lo, incluindo o esforço humano, o consumo de IA, a integração, a supervisão, o treinamento e a manutenção.

Em conjunto, essas medidas ajudam os líderes a acompanhar a adoção da IA até chegar a fluxos de trabalho melhores e a resultados para os negócios. Se o uso da IA aumentar sem reduzir o esforço humano, melhorar a qualidade ou gerar valor para os negócios, os líderes precisam reavaliar a abordagem antes de ampliá-la.

Os líderes precisam redefinir o que significa progresso em IA

Os dados de adoção ajudam as empresas a identificar quem está usando IA e onde é preciso oferecer mais apoio. Para entender seu valor, é necessário ouvir as pessoas que realizam o trabalho e avaliar se os ganhos melhoram o fluxo de trabalho como um todo. Os líderes precisam dar aos funcionários confiança para sinalizar abordagens que aumentam o esforço sem trazer melhores resultados e, em seguida, agir com base nessas informações. Mudar ou interromper uma abordagem ineficaz é progresso quando o aprendizado melhora a decisão seguinte.

Uma transformação significativa se traduz na eliminação de trabalho desnecessário, na obtenção de melhores resultados e em maior capacidade para realizar o trabalho que importa. Esses são os resultados que os líderes devem usar para avaliar o progresso da IA e orientar novos investimentos.