Corey Spencer, GM e GVP de IA na UKG – Série de Entrevistas

Corey Spencer é Vice-Presidente Executivo e Gerente Geral de Gerenciamento de Produtos para IA e Plataforma na UKG. Ele lidera a estratégia de produto e inovação em toda a IA, plataforma e iniciativas de inteligência de força de trabalho da UKG, ajudando as organizações a transformar os dados da força de trabalho em insights ações que moldam resultados de negócios positivos. Com mais de 20 anos de experiência, Spencer é um respeitado líder de pensamento sobre o futuro da IA, inteligência de força de trabalho e a aplicação da IA ao trabalho de linha de frente.

UKG é um fornecedor global de software de gerenciamento de capital humano, folha de pagamento e gerenciamento de força de trabalho projetado para ajudar as organizações a gerenciar e apoiar seus funcionários de forma mais eficaz. Sua plataforma combina recursos humanos, folha de pagamento, agendamento, tempo e frequência, conformidade, análise e insights de força de trabalho impulsionados por IA, atendendo a empresas que variam de pequenas empresas a grandes empresas globais. Com 50 anos de experiência na indústria, a UKG apoia mais de 80.000 organizações em 150 países, com dezenas de milhões de pessoas usando suas soluções todos os dias.

Você passou mais de duas décadas ajudando as empresas a entender os dados dos clientes, análise e força de trabalho em empresas como Adobe, Alteryx e UKG. O que o convenceu de que os trabalhadores de linha de frente, e não os trabalhadores do conhecimento, representam uma das oportunidades mais importantes e negligenciadas para a IA hoje?

O que me convenceu é simples: a linha de frente é onde a economia realmente funciona.

Vimos um tremendo progresso aplicando a IA ao trabalho do conhecimento. Mas a maior e mais dinâmica parte da força de trabalho foi frequentemente subatendida. Os trabalhadores de linha de frente representam a maioria dos trabalhadores globalmente — até 80%, segundo algumas estimativas — e impulsionam as indústrias de que todos dependemos todos os dias: saúde, varejo, manufatura, logística, hospitalidade e serviços públicos.

Para muitas empresas, a linha de frente também é uma das maiores partes do P&L. É onde o custo do trabalho, a experiência do cliente, a conformidade, a segurança, a qualidade do serviço e o engajamento dos funcionários todos se reúnem. E, no entanto, permanece uma das partes menos otimizadas da empresa.

Não porque o trabalho é simples. Porque é incrivelmente complexo.

O trabalho de linha de frente pode ser planejado por semana ou mês, mas muda a cada minuto de cada turno. Alguém se ausenta. A demanda dispara. A carga de pacientes muda. Um envio é atrasado. Uma regra de conformidade se aplica de forma diferente com base no papel, localização, certificação ou horas trabalhadas.

Os sistemas de empresa tradicionais foram projetados para registrar o que aconteceu. A linha de frente precisa de tecnologia que possa ajudar as organizações a agir enquanto a decisão ainda importa.

É por isso que a IA é tão importante. A IA agente pode entender o contexto, a intenção e as restrições, e então ajudar a orquestrar a ação em programação, tempo, pagamento, RH e operações — com as pessoas no controle.

Para mim, a oportunidade é fechar a lacuna entre o planejamento da força de trabalho e a execução da força de trabalho. Quando fazemos isso, os funcionários obtêm melhores experiências, os gerentes obtêm suporte em uma escala que nenhum indivíduo pode lidar sozinho, e as empresas podem operar com mais velocidade, precisão e confiança.

Isso não é apenas uma história de produtividade. É uma história de execução.

Os funcionários de linha de frente compõem a maioria da força de trabalho global, mas grande parte do boom de IA se concentrou em ferramentas de produtividade de escritório. Por que você acha que a indústria subestimou a complexidade e a importância dos ambientes de linha de frente por tanto tempo?

Acho que a indústria subestimou a linha de frente porque foi mais fácil construir IA para o trabalho que já era digital.

O trabalho de escritório acontece em documentos, e-mails, reuniões, calendários e ferramentas de colaboração. Isso tornou-o uma onda natural para a IA. Mas a linha de frente é diferente. É física, distribuída, altamente regulamentada, sensível ao tempo e constantemente mudando. E, no entanto, representa até 80% da força de trabalho global — pessoas que geralmente não sentam em mesas, mas que mantêm os negócios, as comunidades e as economias funcionando todos os dias.

A complexidade não é apenas o trabalho em si. É os dados em torno do trabalho. Somos afortunados porque a UKG sempre se concentrou na linha de frente, então temos uma vantagem de várias décadas nessa área.

Os dados da força de trabalho de linha de frente são incrivelmente de alto volume e barulhentos. Eles vêm de agendas, relógios de ponto, regras de pagamento, certificações, previsões de mão de obra, ausências, sinais de demanda, requisitos de conformidade, decisões de gerentes, preferências de funcionários e mudanças operacionais que ocorrem em milhares de locais e turnos. Esses sinais estão constantemente se movendo e dependem profundamente do contexto — papel, localização, habilidade, política, regulação, demanda e cronograma.

Isso tornou os ambientes de linha de frente muito mais difíceis de analisar de forma significativa. Até que muitas organizações possam entender o que aconteceu, o momento para influenciar o resultado já passou. Uma lacuna de contratação, um risco de horas extras, um problema de conformidade, uma exceção de pagamento ou um sinal de cobertura perdida não importa uma semana depois. Importa enquanto ainda há tempo para agir.

É por isso que a IA de linha de frente tem que ser fundamentalmente diferente da IA de produtividade de escritório. Ela não pode apenas resumir informações ou gerar conteúdo. Tem que entender o contexto operacional, interpretar os sinais barulhentos da força de trabalho e ajudar as pessoas a tomar ação em tempo real.

Para a UKG, essa é a oportunidade central de nosso negócio e soluções como o Hub de Inteligência de Força de Trabalho da UKG. A linha de frente não precisa de outro sistema de registro. Precisa de um sistema de ação — um que ajude as organizações a transformar os dados da força de trabalho em melhores decisões, execução mais rápida e resultados mais confiáveis para os funcionários, gerentes e o negócio.

Por anos, o software de empresa foi construído em torno do trabalho que era mais fácil de digitalizar: mesas, documentos, reuniões, fluxos de trabalho e trabalho do conhecimento. Mas o trabalho de linha de frente é diferente. É físico, distribuído, regulamentado, sensível ao tempo e altamente específico da indústria.

Um associado de varejo, uma enfermeira, um técnico de manufatura, um trabalhador de armazém e um gerente de hotel são todos funcionários de linha de frente, mas o ambiente operacional ao redor de cada um deles é completamente diferente. As equipes de varejo podem precisar ajustar a mão de obra com base no tráfego, promoções, clima ou eventos locais. As equipes de saúde precisam da pessoa certa com a credencial certa na unidade certa à medida que as necessidades dos pacientes mudam ao longo do dia. As equipes de manufatura equilibram habilidades, segurança, horas extras, cronogramas de produção e regras de mão de obra.

Essa é a complexidade real. O trabalho pode ser planejado por semana ou mês, mas muda a cada minuto de cada turno. Uma programação que parecia certa na segunda-feira pode estar errada na quarta-feira. Um plano de contratação que funcionou às 8h pode estar quebrado ao meio-dia.

Historicamente, a maioria dos sistemas só podia registrar o que aconteceu após o fato. A linha de frente precisa de mais do que relatórios. Precisa de ação no momento.

É por isso que a IA é tão importante. A IA agente pode entender o contexto, a intenção, as restrições e as regras de negócios, e então ajudar os gerentes e os funcionários a tomar ação em programação, tempo, pagamento, RH e operações.

Passamos décadas trabalhando nesses desafios de linha de frente. O que é diferente agora é que a IA nos dá uma forma de transformá-los em um novo nível de velocidade, precisão e relevância para a indústria.

A oportunidade não é fazer com que o trabalho de linha de frente pareça com o trabalho de escritório. É construir tecnologia que respeite como o trabalho de linha de frente realmente acontece — e ajude as pessoas e os negócios a tomar melhores decisões em tempo real.

Construir IA para um associado de varejo, enfermeira, trabalhador de armazém ou empregado de hospitalidade é muito diferente de construir IA copiloto para trabalhadores de escritório. Quais são as principais diferenças técnicas e operacionais entre esses ambientes?

A maior diferença é que a IA de linha de frente não pode simplesmente viver em um documento, caixa de entrada ou janela de chat. Tem que viver no fluxo de trabalho.

Para os trabalhadores de escritório, a IA frequentemente ajuda a criar, resumir, procurar ou analisar informações. Para os trabalhadores de linha de frente, a IA tem que entender o que está acontecendo na operação agora — quem está trabalhando, quem está qualificado, quem está disponível, como é a demanda, quais regras se aplicam e qual ação deve acontecer em seguida. Isso é um problema técnico muito diferente.

Então, a IA tem que ser contextual, consciente da indústria e orientada para a ação. Tem que entender papéis, políticas, regras de mão de obra, implicações de pagamento, programações, certificações e prioridades de negócios — e tem que fazer isso com confiança, explicabilidade e supervisão humana.

A diferença operacional é igualmente importante. Os gerentes de linha de frente não têm tempo para interpretar painéis enquanto o turno está em andamento. Os funcionários não querem outro sistema para navegar. A IA tem que ser incorporada, rápida, intuitiva e útil no momento.

É por isso que a IA de linha de frente não é simplesmente um copiloto para o trabalho. É inteligência que ajuda as organizações a sentir, decidir e agir em tempo real.

Você falou sobre a importância dos dados da força de trabalho em tempo real, incluindo turnos, programação, pagamento e sinais de contratação. Por que a execução em tempo real é especialmente crítica para os sistemas de IA de linha de frente?

O desafio não é se uma organização tem os dados. A maioria das empresas está criando mais dados da força de trabalho do que nunca. O desafio é traduzir esses sinais em recomendações, orientação e ação em tempo real — enquanto a decisão ainda importa.

É por isso que a execução em tempo real é tão crítica para a IA de linha de frente. A IA precisa entender o que está acontecendo, quais restrições se aplicam e qual a melhor ação seguinte. Devemos ajustar uma programação? Preencher um turno aberto? Alertar um gerente? Prevenir um problema de conformidade? Corrigir uma exceção de pagamento antes que se torne um problema de experiência do funcionário?

Essas podem parecer decisões pequenas, mas em milhares de funcionários, turnos e locais, melhorias pequenas se somam rapidamente. Melhor cobertura, menos exceções, decisões de mão de obra mais inteligentes e ação de gerente mais rápida podem criar um impacto significativo para os funcionários e para o negócio.

Isso é o propósito do Hub de Inteligência de Força de Trabalho da UKG: ajudar as organizações a transformar os dados da força de trabalho em melhores decisões e ação mais rápida, especialmente para a linha de frente.

Temos uma visão única e rica em RH, pagamento e gerenciamento de força de trabalho — as áreas onde a estratégia de força de trabalho se torna realidade operacional. Quando esses dados são combinados com benchmarks de indústria e de pares, insights de custo de mão de obra, e IA que pode destacar as principais conclusões e ações recomendadas, os líderes obtêm uma visão muito mais clara do que está acontecendo, por que importa e onde agir.

Para os executivos, esse é o valor real. Não é mais um painel para revisar. É uma ferramenta para ajudar a gerenciar a mão de obra com mais precisão, identificar riscos mais cedo, benchmarkar o desempenho de forma mais eficaz e tomar decisões com mais confiança nos momentos que importam.

Muitas organizações estão explorando a IA agente, mas há preocupação em torno da autonomia, governança e confiança. Quais guardrails são necessários antes que as empresas possam permitir que os agentes de IA tomem ação nos sistemas de gerenciamento de força de trabalho?

Na operação de força de trabalho, os agentes de IA precisam de limites claros porque as decisões são profundamente humanas. Elas afetam programações, pagamento, conformidade, cobertura, fadiga, justiça e confiança dos funcionários. Isso significa que os agentes não podem simplesmente otimizar para velocidade ou eficiência. Eles têm que operar dentro de política, permissões e propósito.

Os guardrails mais importantes são contexto, controle e responsabilidade.

Contexto significa que a IA entende o funcionário, o papel, a localização, as regras de mão de obra, a necessidade de negócios e o impacto downstream. Controle significa que o agente age apenas dentro de permissões definidas, com o nível certo de aprovação humana com base no risco. Responsabilidade significa que cada recomendação ou ação é explicável, auditável e reversível.

Algumas ações podem ser apropriadas para um agente executar automaticamente, como destacar um turno aberto para funcionários qualificados ou alertar um gerente para um risco de horas extras. Ações de maior impacto, especialmente aquelas que afetam pagamento, conformidade, disciplina ou mudanças significativas de programação, devem exigir revisão humana.

O objetivo não é remover os gerentes ou equipes de RH do processo. É dar a eles suporte inteligente em uma escala que nenhum indivíduo pode gerenciar sozinho.

A IA agente confiável deve transformar a intenção em ação — mas sempre com transparência, governança e pessoas no loop.

Cada capacidade deve passar por uma validação rigorosa de modelo, revisão de segurança, avaliação de privacidade e monitoramento contínuo antes de chegar à produção.

A UKG discutiu aplicações de IA que podem reequilibrar programações, detectar anomalias de pagamento e acelerar a contratação. Quais desses casos de uso já estão entregando valor operacional mensurável hoje, e quais ainda estão em estágio inicial?

Os casos de uso que entregam valor mais rápido são aqueles que removem a fricção das decisões que os gerentes e as equipes já têm que tomar todos os dias.

A detecção de anomalias de pagamento é um exemplo com que todos provavelmente podem se relacionar. O pagamento é um dos processos de maior confiança em qualquer negócio, e é especialmente complexo para os funcionários de linha de frente e horistas. Uma falta de batida, um problema de horas extras, uma exceção de regra de pagamento ou um problema de conformidade pode criar horas de trabalho manual e afetar diretamente a confiança do funcionário. A IA pode ajudar a identificar problemas mais cedo, explicar o que parece errado e orientar as equipes em direção à resolução antes que o pagamento seja fechado.

Há exemplos muito mais avançados que estamos muito animados. Um deles é a otimização de mão de obra e programação em tempo real. É aqui que as Operações Dinâmicas de Força de Trabalho da UKG são tão importantes. O valor não é simplesmente ver que uma loja, unidade, armazém ou hotel está com mão de obra insuficiente. O valor é entender o que mudou, quais restrições se aplicam e qual ação um gerente pode tomar no momento — seja preencher um turno aberto, evitar o risco de horas extras ou proteger a cobertura. Essas decisões são tomadas hoje por instinto, frequentemente horas atrasadas. Agora, os gerentes podem obter uma recomendação respaldada por dados antes que um ser humano sequer saiba que há um problema.

O terceiro é o suporte de linha de frente no fluxo de trabalho. Através da Rede de Trabalhadores de Linha de Frente da UKG, os dados da força de trabalho podem ajudar a conectar os funcionários ao suporte em torno de riqueza, saúde e necessidades essenciais do dia a dia quando essas necessidades são mais relevantes. Isso ainda é uma categoria emergente, mas é importante porque a experiência do funcionário não pode viver em um portal separado que ninguém tem tempo para usar.

A aceleração da contratação também está se tornando muito prática, especialmente em ambientes de linha de frente de alta volume onde a velocidade importa. Nosso UKG Contratação Rápida de IA reduziu o tempo de interesse do candidato a entrevista agendada de semanas e dias para horas e até minutos em alguns casos. Reduzimos o trabalho repetitivo em todo o processo de contratação, triagem, agendamento, integração e preparação para o primeiro dia de trabalho para a contratação de linha de frente em escala.

A verdadeira oportunidade não é a automação isolada. É uma plataforma de operação de força de trabalho que possa sentir o que está mudando, recomendar a próxima melhor ação e ajudar as organizações a moverem-se da intenção para a ação com a governança e a supervisão humana certas.

Em setores como saúde, manufatura e logística, pequenas perturbações da força de trabalho podem ter consequências downstream imediatas. Como você projeta sistemas de IA que possam responder rapidamente sem criar riscos operacionais adicionais?

A velocidade importa, mas em ambientes de linha de frente, a velocidade sem controle é risco.

Na saúde, manufatura, logística e outros setores complexos, uma pequena perturbação da força de trabalho pode se espalhar rapidamente. Uma ausência pode afetar a cobertura de pacientes. Uma lacuna de habilidades pode desacelerar uma linha de produção. Um sinal de contratação perdido pode atrasar as entregas ou criar exposição de horas extras.

Então, o objetivo não é construir IA que simplesmente se mova mais rápido. O objetivo é construir IA que se mova mais rápido dentro das restrições certas.

Isso começa com o contexto. A IA tem que entender quem está qualificado, quais regras se aplicam, qual cobertura é necessária, quais riscos de conformidade existem e qual impacto downstream cada ação pode ter.

Também requer autonomia baseada em risco. Algumas ações podem ser recomendadas ou executadas com risco muito baixo, como alertar um gerente, identificar substitutos qualificados ou destacar um turno aberto. Outras ações devem exigir revisão humana, especialmente quando afetam pagamento, conformidade, segurança ou mudanças significativas de programação.

Os melhores sistemas de IA de linha de frente são projetados para serem explicáveis, auditáveis e reversíveis. Os gerentes precisam saber por que uma recomendação foi feita. Os funcionários precisam confiar no processo. E o negócio precisa ter confiança de que a IA está melhorando a execução sem introduzir novos riscos.

Para nós, o princípio de design é simples: a IA deve ajudar as organizações a sentir, decidir e agir em tempo real — com pessoas, política e governança incorporadas desde o início.

Há uma preocupação crescente entre os trabalhadores de que a IA possa substituir os empregos, particularmente em indústrias de linha de frente. Como você equilibra a automação com o empoderamento dos funcionários, em vez de criar medo ou incerteza em torno da adoção da IA?

Acho que temos que separar o hype da automação da realidade operacional.

Nas últimas décadas, vimos muitos exemplos em que substituir o trabalho de linha de frente provou ser muito mais difícil do que o esperado. O autoatendimento tem tido resultados mistos. O fast food totalmente automatizado tem sido mais um piloto do que um paradigma. A entrega por drone ainda parece, para a maioria das pessoas, algo do futuro.

Isso não é porque a tecnologia não é poderosa. É porque uma grande parte do trabalho de linha de frente permanece profundamente humana.

Os funcionários de linha de frente lidam com exceções, julgamento, cuidado, segurança, serviço, empatia e confiança. Uma enfermeira não está apenas completando uma tarefa. Um associado de varejo não está apenas movendo inventário. Um trabalhador de restaurante não está apenas atendendo a um pedido. Esses papéis estão na interseção de pessoas, operações, conformidade e experiência do cliente.

A IA pode remover a fricção em torno do trabalho de linha de frente: programações confusas, falta de batidas, dúvidas sobre pagamento, turnos abertos, complexidade de conformidade, lacunas de contratação e tarefas administrativas que afastam os gerentes de suas equipes. Pode ajudar os funcionários a obter respostas mais rápidas, ajudar os gerentes a tomar melhores decisões e ajudar as organizações a operar com mais precisão.

O futuro da IA de linha de frente não é sobre tirar as pessoas do trabalho. É sobre dar às pessoas melhores ferramentas, melhor orientação e mais suporte nos momentos que importam.

Você descreveu a IA como movendo o software de empresa de sistemas de registro para sistemas de ação inteligente. Como você vê as plataformas de força de trabalho evoluindo nos próximos cinco anos à medida que a IA agente se torna mais incorporada nas operações diárias?

Eu reformularia isso ligeiramente. A pergunta não é como as plataformas de força de trabalho parecerão daqui a cinco anos. A pergunta é quais organizações estão construindo a fundação hoje para serem líderes daqui a cinco anos.

O ritmo de mudança na IA é rápido demais para tratá-lo como uma transformação distante. A vantagem irá para as organizações que se moverem agora de sistemas desconectados, suítes desajeitadas e soluções pontuais para uma verdadeira plataforma de operação de força de trabalho — uma que conecte RH, pagamento, tempo, programação, inteligência de força de trabalho e execução.

Isso é outro exemplo de onde o Hub de Inteligência de Força de Trabalho da UKG se torna importante. À medida que a IA se torna mais incorporada nas operações diárias de força de trabalho, a inteligência não pode ficar ao lado como relatórios estáticos. Tem que se tornar parte de como o trabalho é entendido, priorizado e agido. As organizações precisam de uma camada de inteligência para as operações de força de trabalho de linha de frente para trazer o conteúdo certo para o momento certo.

Isso importa porque as operações de força de trabalho estão cheias de ganhos marginais e perdas marginais. Uma lacuna de contratação, uma exceção de pagamento, um problema de conformidade, um turno aberto ou uma decisão de gerente atrasada pode parecer pequena em isolamento. Mas em milhares de funcionários, locais e turnos, esses momentos se somam rapidamente.

A IA agente dá às organizações uma forma de fechar essa lacuna. Pode entender o que está mudando, interpretar o contexto de negócios, recomendar a próxima melhor ação e ajudar as pessoas a executar em tempo real com a governança e a supervisão humana certas.

Nos próximos cinco anos, os líderes não serão as organizações que simplesmente adicionaram recursos de IA aos fluxos de trabalho existentes. Eles serão aqueles que repensaram o gerenciamento de força de trabalho como um sistema de ação inteligente.

Para os executivos, essa é a urgência: a linha de frente já está se movendo em tempo real. Sua tecnologia precisa se mover com ela. As organizações que construírem essa capacidade agora terão uma vantagem significativa.

Olhando para o futuro, você acredita que as empresas que vencerão na IA de empresa serão aquelas com os melhores modelos, ou aquelas com os dados operacionais e de força de trabalho mais profundos ligados diretamente a fluxos de trabalho do mundo real?

Os melhores modelos importarão, mas não acredito que os modelos sozinhos definirão os vencedores na IA de empresa.

Na empresa, a inteligência é valiosa apenas se entender o contexto do trabalho e puder ajudar as pessoas a tomar a ação certa. Isso é especialmente verdadeiro nas operações de força de trabalho, onde uma recomendação pode depender de quem está programado, quem está qualificado, quais regras se aplicam, como é a demanda, quais implicações de pagamento existem e qual risco ou problema de conformidade pode ser criado downstream.

Um modelo sem esse contexto operacional pode gerar uma resposta. Uma plataforma com os dados de força de trabalho certos, regras de negócios, contexto de fluxo de trabalho e governança pode ajudar a impulsionar um resultado.

É por isso que uma camada de inteligência, que é o que criamos com nosso Hub de Inteligência de Força de Trabalho, é tão importante. A IA sentada em cima de um sistema tem valor limitado. A inteligência deve ser incorporada ao fluxo de trabalho, capaz de interpretar sinais, entender restrições operacionais e destacar decisões que importam mais.

É para onde acho que o mercado está indo. À medida que os modelos se tornam mais poderosos e mais acessíveis, a diferenciação virá de quão bem a IA está enraizada em fluxos de trabalho do mundo real e de quão seguramente pode se mover da percepção para a ação.

Para a linha de frente, essa distinção é crítica. O trabalho muda constantemente, e as decisões têm consequências imediatas para os funcionários, gerentes, clientes, pacientes, e o negócio.

As empresas que vencerão na IA de empresa não terão apenas IA que soe inteligente. Terão IA que entenda como o trabalho realmente acontece — e ajudará as organizações a operar com mais velocidade, precisão, confiança e humanidade.

Obrigado pela grande entrevista, leitores que desejam aprender mais devem visitar UKG.