Sam Jenkins, Sócio-Gerente da Punchcard Systems – Série de Entrevistas

Sam Jenkins, Sócio-Gerente da Punchcard Systems, passou mais de duas décadas trabalhando na interseção da tecnologia, empreendedorismo e transformação organizacional. Desde que co-fundou a Punchcard Systems em 2016, ele ajudou a guiar o crescimento da empresa, aconselhando organizações sobre estratégia de local de trabalho digital, software personalizado, inteligência artificial e tecnologias emergentes. Sua experiência anterior inclui co-fundar a Startup Edmonton e a Wellnext, liderar iniciativas de desenvolvimento de negócios e tecnologia de trabalho da Microsoft na iomer internet solutions, e servir em posições executivas e de conselho em tecnologia, saúde, segurança pública e organizações comunitárias. Essa experiência lhe deu uma perspectiva ampla sobre como a tecnologia muda a forma como as pessoas colaboram, tomam decisões e realizam seu trabalho.

Punchcard Systems é um parceiro de software e tecnologia canadense que trabalha com empresas em crescimento e de médio porte para projetar, desenvolver e implementar soluções digitais vinculadas a objetivos de negócios mensuráveis. Atendendo a mais de 150 clientes no Canadá e nos Estados Unidos, as capacidades da empresa incluem software personalizado para web e móvel, inteligência artificial, infraestrutura de nuvem, dados e análise, design de experiência do usuário e tecnologias de trabalho, como Microsoft 365, Azure, Copilot, Teams, SharePoint e Power Platform. A Punchcard se concentra em ajudar as organizações a modernizar suas operações, melhorar as experiências dos funcionários e dos clientes e integrar novas tecnologias em processos de negócios práticos.

Sua carreira seguiu a evolução da tecnologia de local de trabalho, desde plataformas de funcionários baseadas no Microsoft SharePoint até a criação da Startup Edmonton e, finalmente, a Punchcard Systems. Como essa experiência moldou sua visão da mudança de software que os funcionários operam sozinhos para agentes de IA que realizam o trabalho em seu nome?

Quando eu comecei a trabalhar com tecnologias de local de trabalho digital, como o SharePoint (em 2003!), o foco era criar melhores maneiras para os funcionários encontrarem informações, compartilharem conhecimentos e colaborarem. No final do dia, o funcionário ainda fazia o trabalho: navegava nos sistemas, produzia os resultados. Hoje, estamos indo além da IA como uma ferramenta de produtividade individual e entrando em uma nova era de IA agente, onde os sistemas podem realizar tarefas mais complexas e multietapas em nome dos funcionários.

Essa é a parte que está mudando. Como um ecossistema, estamos passando da IA como uma ferramenta de produtividade pessoal para sistemas agente que realizam trabalho complexo em nome de seres humanos reais. O Claude Cowork e o ChatGPT Work estão tornando essa abordagem agente bastante mainstream.

Eu observei algumas dessas mudanças tecnológicas agora, e o padrão se mantém sempre. As organizações que ganham não tratam a nova tecnologia simplesmente como uma implantação. Elas a tratam como uma oportunidade de repensar como as pessoas, os processos e a tecnologia trabalham juntos.

O ChatGPT Work pode coletar informações de aplicativos e arquivos conectados, completar tarefas multietapas e produzir documentos, planilhas e apresentações finalizados. Como isso mudará as responsabilidades diárias dos trabalhadores do conhecimento que anteriormente criavam esses materiais sozinhos?

Acho que o trabalho está mudando de “produzir resultados” para “governar resultados”. Isso muda fundamentalmente o papel dos trabalhadores do conhecimento, mas isso não substitui a necessidade de insight e supervisão humanos. Em vez disso, os funcionários mudarão de criar cada peça de trabalho sozinhos para gerenciar, revisar e orquestrar resultados gerados pela IA.

Muito do trabalho repetitivo será transferido para o agente: coletar informações, construir apresentações ou documentos, ou resumir dados. Isso libera as pessoas para o trabalho que realmente precisa de uma pessoa: estratégia, criatividade, pensamento crítico e colaboração.

A habilidade que se torna cada vez mais valiosa é saber como direcionar a IA bem, dando a ela o contexto certo e reconhecendo quando a resposta parece certa, mas não é.

Você descreveu uma necessidade crescente de “gerentes de IA”. Qual seria o papel desse gerente na prática e como ele diferiria das responsabilidades de um administrador de TI, gerente de produto ou gerente tradicional de pessoas?

Os gerentes de IA desempenharão um papel importante em ajudar as organizações a adotar a IA de forma responsável e eficaz. Sua responsabilidade será gerenciar e governar os resultados da IA, garantindo que o trabalho gerado pela IA seja preciso, confiável e alinhado com os objetivos de negócios.

Isso é um trabalho diferente do tradicional TI, que possui infraestrutura e sistemas técnicos, ou de um gerente de produto, que se concentra em desenvolver e melhorar produtos. Cada departamento precisará de alguém que entenda como a IA se aplica a suas áreas específicas, seja finanças, jurídico, RH ou operações.

A mudança real é a propriedade. Atualmente, a maioria das organizações não designou alguém que seja claramente responsável por garantir que esses sistemas entreguem valor e permaneçam dentro de riscos aceitáveis. Essa lacuna, em termos de identificar indivíduos diretamente responsáveis, é o que esses tipos de funções preencherão.

A KPMG Canada descobriu que os agentes de IA já estão influenciando como as organizações contratam funcionários de nível de entrada e experientes. Quais habilidades se tornarão mais valiosas à medida que os empregadores começarem a avaliar os candidatos com base em sua capacidade de delegar trabalho à IA, avaliar sua saída e intervir quando necessário?

As habilidades que se tornarão cada vez mais valiosas são aquelas que permanecem exclusivamente humanas, como pensamento crítico, julgamento, comunicação, criatividade, resolução de problemas e liderança.

A literacia técnica em IA continuará a importar, mas os empregadores estão procurando por pessoas que entendam como a IA se encaixa no ambiente de negócios mais amplo. Isso inclui habilidades como gestão de mudanças, gestão de riscos e pensamento estratégico.

A linha entre funções técnicas e não técnicas está se tornando menos nítida. As organizações estão se afastando da contratação apenas para as habilidades que alguém já possui e se aproximando de pessoas que estejam dispostas a aprender, se adaptar e melhorar continuamente. Os funcionários mais valiosos serão aqueles que puderem usar as capacidades da IA enquanto entendem onde o julgamento humano permanece essencial.

Muitos funcionários tradicionalmente desenvolviam julgamento profissional completando tarefas de nível de entrada repetitivas. Se os agentes de IA absorverem grande parte desse trabalho fundamental, como as organizações podem redesenhar o treinamento e o desenvolvimento de carreira para que os funcionários mais jovens ainda ganhem a experiência necessária para se tornarem tomadores de decisão eficazes?

Isso é uma verdade que me preocupa um pouco. As pessoas costumavam construir julgamento e experiência passando por tarefas de nível de entrada. Se os agentes estiverem fazendo esse trabalho, a escada perde alguns degraus.

As organizações terão que ser mais deliberadas do que nunca sobre construir talentos juniores por meio de mentorias, treinamento, exercícios de tomada de decisão e exposição a projetos de alto valor mais cedo na carreira de alguém.

Existe também uma oportunidade para mentorias reversas, onde funcionários mais jovens que são mais familiarizados com as ferramentas de IA podem ajudar as equipes a entender como essas tecnologias podem ser aplicadas, enquanto os funcionários experientes continuam a fornecer o contexto de negócios e o julgamento que a IA não pode replicar.

O objetivo deve ser redesenhar o processo de aprendizado para um local de trabalho onde humanos e IA trabalham juntos.

A Punchcard tem uma ampla experiência na implementação do Microsoft 365 e tecnologias de local de trabalho relacionadas. Como o ChatGPT Work muda o cenário competitivo para o Microsoft Copilot e o Google Gemini, e quais fatores as organizações devem considerar ao selecionar uma plataforma de IA para o trabalho diário?

O cenário está evoluindo rapidamente, e as organizações têm mais opções do que nunca. A decisão deve ser baseada em qual solução se alinha melhor com o ambiente de tecnologia existente da organização, fluxos de trabalho, requisitos de segurança e objetivos de negócios.

Para organizações já investidas no Microsoft 365, ferramentas como o Copilot podem oferecer vantagens por meio da integração com aplicativos e dados existentes. Outras podem encontrar plataformas diferentes melhor adaptadas às suas necessidades.

Acho que a pergunta-chave que os líderes devem fazer não é “qual ferramenta?” É “qual problema estamos resolvendo, e qual plataforma nos ajuda a resolver de forma responsável?”

Aqui está o que aprendemos em primeira mão: a adoção bem-sucedida é sobre mais do que a ferramenta. Implementamos plataformas de IA em toda a empresa, com modelos personalizados para como realmente trabalhamos. Cada funcionário usa, mas isso não veio de escolher o produto certo; veio de fundamentos de dados sólidos, governança e construção da IA em como a empresa opera.

O desempenho do modelo frequentemente domina as conversas sobre IA no local de trabalho, mas as organizações também precisam considerar permissões, acesso a dados, auditoria e responsabilidade. Quais controles de governança devem ser estabelecidos antes que um agente de IA seja permitido operar em e-mails, documentos, bancos de dados internos e aplicativos de negócios?

Um dos maiores erros que vejo as organizações cometem é tratar a governança da IA como uma afterthought. À medida que os sistemas de IA se tornam mais capazes e conectados a dados de negócios, as organizações precisam estabelecer princípios claros sobre como essas ferramentas são usadas antes de escalá-las amplamente.

Isso começa com a compreensão do que os sistemas de IA podem acessar, garantindo que as permissões sejam adequadamente dimensionadas e colocando controles no lugar em torno de monitoramento e responsabilidade.

As organizações também precisam de diretrizes claras sobre onde a IA pode operar de forma independente e onde a supervisão humana é necessária.

Ao construir as fundações certas em torno de dados e segurança desde o início, os negócios podem desbloquear o valor da IA enquanto gerenciam os riscos que vêm com sistemas cada vez mais autônomos.

À medida que os agentes de IA tomam ações em vez de apenas fornecer respostas, erros podem ter consequências operacionais. Como as empresas devem validar o trabalho gerado pelo agente, determinar quais ações exigem aprovação humana e atribuir responsabilidade quando um agente produz um resultado impreciso ou toma uma ação não intencional?

Quando a IA muda de responder para agir, o perfil de risco muda. Nem todas as tarefas têm as mesmas apostas, então a barra para a assinatura humana deve aumentar com o que está em jogo.

Simplemente, isso requer propriedade clara. A IA deve apoiar a tomada de decisão, não substituir a responsabilidade. As organizações precisam definir quem monitora o desempenho da IA, valida as saídas e é, em última análise, responsável pelos resultados. O objetivo é combinar a eficiência impulsionada pela IA com o julgamento humano, criando sistemas que sejam escaláveis e confiáveis.

Muitas organizações estão experimentando a IA sem ainda conectar a adoção a resultados de negócios mensuráveis. Como os líderes devem identificar casos de uso agente valiosos, medir o retorno sobre o investimento e determinar se um piloto está pronto para ser escalado por toda a organização?

A lacuna geralmente remonta à sequência. As equipes escolhem a tecnologia primeiro e então procuram por algum lugar para colocá-la, quando as vitórias duradouras vêm de começar com um fluxo de trabalho que já é doloroso e caro e perguntar se um agente é genuinamente a ferramenta certa.

O melhor filtro é a variabilidade. Se um processo é previsível o suficiente para um mecanismo de regras, você não precisa de um agente. Se é tão aberto que ninguém consegue descrever um bom resultado, o agente lutará e você não poderá confiar nele. O valor está no meio, no trabalho que precisa de julgamento em vários sistemas, mas ainda opera dentro de regras limitadas e auditáveis.

Eu adicionaria uma pergunta de triagem que muda o perfil de risco mais do que qualquer outra coisa. O custo de uma ação errada é limitado e reversível? Onde for, deixe o agente agir e vá rápido. Onde um erro for caro ou difícil de desfazer, mantenha uma pessoa na decisão.

Em termos de retorno, o erro comum é medir a coisa errada muito tarde. Horas economizadas é a métrica padrão, mas subestima o impacto. Os retornos mais altos aparecem como compressão do ciclo de tempo, taxas de erro mais baixas e capacidade que antes era racionada se tornando disponível. Uma equipe de suporte que só podia atingir metade de seus tickets se torna um negócio diferente quando pode atingir todos eles. Capture uma linha de base limpa antes de o piloto começar, porque sem isso você ficará preso argumentando sobre anedotas. E quando você totaliza o custo, conte a imagem completa. O trabalho de integração e o tempo de supervisão humana são itens de linha reais, e a supervisão é cronicamente subestimada.

Decidir se é para escalar é onde a disciplina importa mais, e é o passo que as equipes se apressam. Um demonstração em entradas limpas diz pouco. Um piloto está pronto quando se mantém em entradas reais e confusas, quando os modos de falha são compreendidos e limitados, quando a observabilidade está no lugar para que uma falha silenciosa seja capturada em vez de descoberta por um cliente, e quando uma pessoa nomeada é responsável na produção.

Execute uma verificação de economia unitária também, desde que os custos do agente escalonem com o uso de uma maneira que os assentos de software não fazem.

Os sistemas agente falham de maneira diferente do que o software tradicional. Eles falham probabilisticamente e frequentemente em silêncio, então as organizações que se destacam constroem avaliação e monitoramento desde o início, em vez de adicioná-los após algo quebrar.

A Punchcard Systems ajuda as organizações a mudar da experimentação com a IA para a integração em processos de negócios reais. Como você avalia a prontidão de uma organização para a IA, identifica os fluxos de trabalho onde ela pode entregar valor mensurável e ajuda as equipes a implementar esses sistemas de forma responsável sem interromper as operações existentes?

É importante começar entendendo o estado atual da organização. Uma das maiores concepções erradas é que a adoção da IA é simplesmente sobre escolher a ferramenta certa. Na realidade, a implementação bem-sucedida depende de ter fundamentos sólidos: dados de qualidade, processos claros e propriedade definida.

A partir daí, ajudamos as organizações a identificar onde a IA pode criar o maior valor, frequentemente em fluxos de trabalho que consomem tempo desproporcional em relação ao seu impacto, ou em decisões sendo tomadas sem as informações certas em mãos.

As organizações precisam pensar sobre como os papéis e a tomada de decisão evoluirão ao longo da tecnologia. Ao combinar a tecnologia certa com a adoção e a gestão de mudanças dos funcionários, os negócios podem integrar a IA de uma maneira que crie valor mensurável sem quebrar o que já funciona.

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