Ankur Dhingra, CEO da ProHance – Série de Entrevistas

Ankur Dhingra, CEO da ProHance, é um executivo experiente em tecnologia e operações, com mais de duas décadas de liderança em produtividade empresarial, serviços financeiros e operações globais de negócios. Ele lidera a ProHance desde 2020, concentrando‑se na construção de uma plataforma unificada para observar, governar e melhorar a produtividade de trabalhadores humanos, fornecedores e sistemas de IA. Antes de se tornar CEO, Dhingra foi sócio da FutureIP, onde a ProHance foi desenvolvida como uma plataforma de gestão e análise de operações. Anteriormente, passou mais de oito anos na American Express, atuando como Vice‑Presidente e Gerente Geral de Operações de Back Office Global e, antes disso, liderando operações de engajamento com clientes que englobavam telefonia em larga escala, chat, regulamentação e funções de garantia de negócios. Sua carreira também inclui cargos de liderança sênior na Genpact, onde gerenciou uma prática bancária de 1.100 pessoas e um P&L de US$ 35 milhões, e na GE Capital, onde liderou as operações de serviços financeiros na Índia.

ProHance é uma empresa de inteligência de força de trabalho corporativa e análise de produtividade que fornece às organizações visibilidade em tempo real de como o trabalho é realizado por funcionários, fornecedores externos, copilotos de IA e agentes autônomos. Sua plataforma, posicionada como uma “Sala de Controle de Produtividade”, combina análise de força de trabalho, planejamento de capacidade, alocação inteligente de tarefas, medição de produtividade e ferramentas de governança para ajudar as empresas a identificar gargalos operacionais, otimizar a utilização de recursos e entender o impacto da IA no desempenho organizacional. A ProHance afirma que sua tecnologia é usada por mais de 450 mil usuários em 220 empresas em 55 países, com aplicações que abrangem bancos e serviços financeiros, terceirização de processos de negócios, centros de capacidade global, saúde e tecnologia da informação.

Você passou mais de duas décadas liderando operações em grande escala na GE Capital, Genpact e American Express antes de se tornar CEO da ProHance. O que essas experiências lhe ensinaram sobre as limitações da gestão tradicional de força de trabalho e produtividade, e como essas lições moldaram a forma como você está construindo a ProHance para uma empresa orientada por IA?

Minha experiência na GE Capital, Genpact e American Express me mostrou que uma das maiores lacunas na gestão tradicional de força de trabalho não estava necessariamente na frente, mas no back office.

Na American Express, eu havia trabalhado anteriormente no lado de atendimento ao cliente, onde o centro de contato tinha acesso a tecnologias bastante sofisticadas para medir produtividade – onde as pessoas estavam gastando seu tempo, taxa de utilização, volumes de interação e como os processos poderiam ser otimizados. Mas, quando passei a liderar as operações de back office, vi uma realidade muito diferente.

Uma enorme quantidade de trabalho em grandes empresas acontece nos bastidores – processamento de transações, gestão de casos, entrada de dados e outras atividades orientadas por processos – porém havia muito pouca medição significativa de como esse trabalho realmente era realizado. A tecnologia e a visibilidade que existiam para a frente não haviam sido transferidas para o back office.

Tornei‑me quase irracionalmente obcecado pelo problema. Comecei a analisar as tecnologias disponíveis e a conversar com players consolidados, mas o que encontrei era ou muito engessado, muito caro ou simplesmente não projetado para a realidade das operações de back office. Continuei pensando: isso é uma indústria de mais de US$ 150 bilhões, e esse problema existe há anos. Alguém deve estar resolvendo isso de forma melhor.

Essa busca acabou me levando à ProHance, onde Rajesh Sharma e Kishore Reddy (co‑fundadores da ProHance) já haviam construído uma tecnologia que abordava muitos dos desafios que eu havia identificado como usuário avançado desses sistemas. Eu sabia exatamente o que a tecnologia precisava fazer – capturar a atividade automaticamente, operar em diferentes sistemas operacionais, medir o tempo tanto dentro quanto fora do sistema e oferecer uma visão confiável de como o trabalho realmente acontecia.

Essa experiência moldou a forma como penso na ProHance hoje. A lição é que não se pode criar uma empresa orientada por IA simplesmente adicionando IA às ferramentas de gestão de força de trabalho existentes. Primeiro é necessário ter um entendimento confiável e granular do próprio trabalho. A IA pode então transformar a forma como esse trabalho é analisado, otimizado e, finalmente, redesenhado.

Para mim, a ProHance trata de trazer o mesmo nível de visibilidade e inteligência que as empresas historicamente tinham na frente para toda a organização – e usar a IA para obter uma medida melhor de produtividade, o que melhorará fundamentalmente a forma como o trabalho é realizado.

À medida que a IA generativa e os agentes de IA assumem uma fatia crescente do trabalho intelectual, sinais tradicionais de produtividade, como horas trabalhadas ou uso de aplicativos, podem perder significado. Como as empresas devem redefinir produtividade quando um humano pode concluir em 30 minutos o que antes levava várias horas?

A produtividade precisa passar de medir atividade para medir resultados. Se a IA permite que alguém complete em 30 minutos o que antes levava três horas, a referência de três horas deixa de ser relevante. O foco deve estar no que foi alcançado, na qualidade do resultado e em quão eficazmente tempo e habilidades foram utilizados.

Isso também significa que as empresas precisam entender onde a IA realmente elimina trabalho repetitivo e onde o julgamento humano continua crítico. A produtividade deve refletir cada vez mais resultados, capacidade, qualidade e impacto nos negócios, em vez de horas passadas na mesa ou uso de aplicativos.

Você descreveu a inteligência de força de trabalho como cada vez mais crítica na empresa orientada por IA. O que “inteligência de força de trabalho” realmente significa na prática, e como ela difere das ferramentas de monitoramento de funcionários e de análise de força de trabalho que as empresas usaram historicamente?

Inteligência de força de trabalho trata essencialmente de proporcionar à organização uma compreensão mais clara de como o trabalho realmente acontece. Ela reúne sinais sobre carga de trabalho, capacidade, utilização, processos e resultados para ajudar os líderes a identificar onde as equipes estão sobrecarregadas, onde há capacidade disponível e onde o trabalho está travado.

Isso difere do monitoramento tradicional de funcionários, que frequentemente se concentrava na atividade individual. A inteligência de força de trabalho deve operar em um nível muito mais amplo. O objetivo não é perguntar “O que este funcionário está fazendo a cada minuto?”, mas sim “Como o trabalho está fluindo na organização e o que podemos fazer para melhorá‑lo?”.

A ProHance está cada vez mais combinando dados determinísticos da força de trabalho com aprendizado de máquina para gerar insights preditivos, incluindo a identificação de possíveis riscos de desengajamento e retenção. Como você garante que esses modelos de IA distinguem padrões significativos de variações normais no comportamento dos funcionários, e quão importante é a explicabilidade quando os gestores tomam decisões sobre pessoas?

Na ProHance, acreditamos que a qualidade e o contexto dos dados subjacentes são críticos. O comportamento dos funcionários varia naturalmente conforme projetos, cargas de trabalho, equipes, estações e ciclos de negócios. Uma mudança na atividade, por si só, não indica necessariamente desengajamento ou risco de retenção.

A abordagem consiste em buscar padrões em múltiplos sinais e ao longo do tempo, em vez de tirar conclusões a partir de um único comportamento. A IA pode ajudar a identificar padrões que merecem atenção, mas não deve ser tratada como decisora final.

A explicabilidade tem importância equivalente. Se um sistema sinaliza um risco potencial, os gestores precisam entender os fatores por trás desse sinal e aplicar seu próprio julgamento. Quando a tecnologia é usada para informar decisões sobre pessoas, transparência e supervisão humana são essenciais.

Há uma preocupação compreensível dos funcionários quando as organizações introduzem tecnologia capaz de analisar padrões de trabalho, uso de aplicativos, tempo ocioso ou desempenho. Onde as empresas devem traçar a linha entre obter visibilidade operacional útil e criar uma cultura de vigilância?

A linha é determinada principalmente pela intenção, transparência e uso dos dados. Os funcionários ficam naturalmente desconfortáveis quando a tecnologia é introduzida sem clareza sobre o que está sendo medido e por quê.

O objetivo deve ser compreender o trabalho em nível organizacional e operacional, e não observar constantemente indivíduos. Se os dados da força de trabalho ajudam a identificar cargas excessivas, gargalos ou processos ineficientes, isso pode, na verdade, melhorar a experiência do colaborador.

As empresas também devem deixar claro o que não pretendem fazer. A tecnologia deve ajudar os gestores a ter conversas melhores com suas equipes, não substituir essas conversas ou criar um sistema de observação constante.

Copilotos de IA e agentes autônomos estão se tornando cada vez mais parte da própria força de trabalho. Você acha que as plataformas de inteligência de força de trabalho precisarão eventualmente medir a produtividade de humanos e agentes de IA juntos, e como poderia ser uma métrica significativa de produtividade humano‑IA?

Sim, acredito que isso se tornará cada vez mais importante. À medida que agentes de IA assumem partes dos fluxos de trabalho, medir apenas a atividade humana deixará as empresas com uma visão incompleta de como o trabalho é realizado.

Mas não acho que chegaremos a um único “placar de produtividade humano versus IA”. Uma abordagem mais útil seria entender o output combinado de pessoas, ferramentas de IA e agentes ao longo de um fluxo de trabalho.

As empresas poderiam observar quanto tempo a IA elimina de tarefas repetitivas, a rapidez com que os processos avançam, a qualidade dos resultados e onde ainda é necessária a intervenção humana. A questão real passa a ser: quão eficazmente humanos e IA trabalham juntos?

A ProHance fala sobre ir além da medição bruta de produtividade, avançando para inteligência operacional, incluindo análise de carga de trabalho, previsões, otimização de processos e alocação de recursos. Quanto do futuro dessa categoria será sobre IA recomendando proativamente o que os gestores devem mudar, em vez de simplesmente apresentar dashboards?

Acho que é para onde a ProHance vê a categoria caminhando. Dashboards são úteis, mas ainda deixam os gestores com a responsabilidade de interpretar as informações e decidir o que fazer a seguir.

A próxima fase será as plataformas identificarem um padrão e ajudarem a responder “o que devemos fazer a respeito?”. Isso pode significar destacar uma equipe sobrecarregada, identificar uma competência subutilizada, prever uma lacuna de capacidade ou sugerir onde um processo poderia ser aprimorado.

Para a ProHance, o valor virá cada vez mais de passar da visibilidade à ação. A IA deve ajudar os gestores a tomar decisões melhores, mantendo a decisão final nas mãos da pessoa que entende o negócio e o contexto.

Você comparou a inteligência de produtividade a um relatório de saúde anual para uma organização. Quais são os sinais mais importantes que os executivos devem observar para determinar se sua força de trabalho está realmente saudável, produtiva e se adaptando com sucesso à IA?

Eu observaria uma combinação de sinais, e não um único número de produtividade. Capacidade e carga de trabalho são pontos de partida óbvios, mas os executivos também devem entender se o trabalho está distribuído de forma eficaz, onde os gargalos estão surgindo, como as equipes estão se adaptando à IA e se as pessoas estão gastando tempo demais em atividades de baixo valor.

Outro sinal importante é a sustentabilidade. Uma equipe que entrega resultados excepcionais porque as pessoas trabalham continuamente além de uma capacidade razoável não está necessariamente saudável ou produtiva a longo prazo.

Uma força de trabalho saudável é aquela em que capacidade, carga de trabalho e resultados estão razoavelmente equilibrados, as pessoas têm espaço para focar em tarefas de maior valor e a organização consegue se adaptar à medida que a natureza do trabalho muda.

“Produtividade” desenvolveu associações negativas para muitos funcionários, pois pode implicar fazer mais trabalho com menos pessoas. Como as organizações podem resgatar o conceito e usar a inteligência de produtividade impulsionada por IA para melhorar a experiência do colaborador, reduzir o burnout e eliminar trabalho de baixo valor, em vez de simplesmente aumentar a produção?

As organizações precisam deixar de definir produtividade apenas como “mais output com menos pessoas”. Essa definição é muito estreita, especialmente em um ambiente de trabalho habilitado por IA.

A IA deve, idealmente, devolver às pessoas o tempo que hoje é consumido por administração repetitiva, processos manuais e tarefas de baixo valor. A oportunidade está em usar esse tempo para resolução de problemas, interação com clientes, inovação e trabalho que requer julgamento humano.

Se a inteligência de produtividade for usada para identificar onde as pessoas estão sobrecarregadas ou gastando tempo de forma ineficiente, ela pode realmente se tornar uma ferramenta de experiência do colaborador. O objetivo deve ser tornar o trabalho melhor, não apenas fazer as pessoas trabalharem mais rápido.

Olhando para o futuro, à medida que a IA se incorpora a quase todos os fluxos de trabalho empresariais, o que você acredita que distinguirá as organizações que aumentam efetivamente sua força de trabalho com IA daquelas que implantam a tecnologia mas não conseguem traduzi‑la em ganhos de produtividade significativos?

As organizações que mais se beneficiarão da IA serão aquelas que olharem além da simples implantação tecnológica. Ter acesso a uma ferramenta de IA não cria automaticamente ganhos de produtividade.

Os líderes entenderão onde a IA está mudando fluxos de trabalho, como os papéis estão evoluindo e se a organização está realmente obtendo resultados melhores com a tecnologia. Eles também medirão continuamente o que está funcionando e ajustarão conforme necessário.

Em última análise, as organizações bem‑sucedidas tratarão a adoção de IA como uma mudança na forma como o trabalho é realizado, e não apenas como mais uma implementação tecnológica. Elas combinarão IA com os processos corretos, habilidades, visibilidade da força de trabalho e práticas de gestão. Isso determinará se a IA se tornará uma vantagem genuína de produtividade ou apenas mais uma camada de tecnologia.

Obrigado pela ótima entrevista. Os leitores que desejam saber mais devem visitar ProHance.