Sarah Philipp, Lider Global de Habilitação e Adoção de IA na Altimetrik – Série de Entrevistas

Sarah Philipp, Lider Global de Habilitação e Adoção de IA na Altimetrik, se concentra em ajudar as organizações a superar a lacuna entre a inovação rápida em IA e a adoção real no local de trabalho. Seu trabalho centra-se em construir programas de alfabetização em IA, estratégias de habilitação de fluxo de trabalho e iniciativas de treinamento baseadas em funções que ajudam os funcionários e gerentes a integrar a IA geradora em operações diárias. Na Altimetrik, ela ajudou a moldar programas de adoção de empresas em torno de tecnologias como o ChatGPT Enterprise, o SDK de Agentes da OpenAI e fluxos de trabalho de IA em escala empresarial, enquanto também co-criou o “LAByrinth”, uma plataforma de simulação de IA geradora baseada em projetos projetada para engenheiros e gerentes de programa técnico. Antes de se juntar à Altimetrik, ela passou anos liderando iniciativas de educação e implementação de clientes em plataformas de SaaS, como o Nudge Coach, o que lhe deu uma forte base em sistemas de aprendizado, habilitação comportamental e transformação digital. Sua carreira reflete uma tendência crescente dentro da IA empresarial, onde o sucesso depende cada vez mais não apenas da implantação de modelos, mas também de tornar os funcionários confiantes, capazes e produtivos com as ferramentas de IA em seu trabalho diário.

Altimetrik é uma empresa de engenharia digital e soluções de dados com foco em IA, que ajuda as empresas a modernizar sistemas legados e escalar a IA geradora em toda a operação comercial. A empresa atua em várias indústrias, incluindo serviços financeiros, saúde, manufatura, varejo e ciências da vida, combinando engenharia de produtos, modernização de nuvem, infraestrutura de dados e serviços de implantação de IA. A Altimetrik se posicionou como um parceiro importante de implantação de IA empresarial por meio de colaborações com a OpenAI, com um forte ênfase em IA agente, orquestração de fluxo de trabalho, governança e sistemas de IA prontos para produção. Seu laboratório de IA ALTI serve como um hub de inovação interno, onde a empresa prototipa aplicações de IA empresariais que variam de assistentes inteligentes a fluxos de trabalho multimodais e operações de negócios nativas em IA. Nos últimos anos, a Altimetrik expandiu-se agressivamente por meio de parcerias e aquisições, fortalecendo sua pegada de engenharia global e capacidades de entrega de IA empresarial.

Você construiu sua carreira na interseção da transformação empresarial, design de aprendizado e tecnologia emergente — qual experiência crucial a first convenceu de que a adoção responsável de IA dependeria tanto da habilitação humana quanto da capacidade técnica?

Normalmente, acabo sendo uma adotante tardia de coisas. Eu tendo a ser cética em relação à hipe e teimosa em relação a manter a forma como estou acostumada a fazer as coisas. Isso foi verdadeiro com a IA. Eu era uma adotante tardia e me movi muito lentamente no início.

O que mudou para mim foi ouvir, em linguagem humana e não técnica, como as pessoas estavam realmente usando a IA em suas vidas e trabalho diário. Uma vez que eu pude conectar isso a pontos de fricção reais e pessoais, a curiosidade simplesmente seguiu.

Essa experiência reforçou algo que eu vi em todos os esforços de transformação dos quais fiz parte: a adoção raramente começa com capacidade sozinha. Ela começa com relevância, confiança e significado. As pessoas precisam primeiro se ver na mudança e é por isso que a adoção responsável de IA depende tanto da habilitação humana quanto da prontidão técnica.

Em seu papel como lider de habilitação global de IA na Altimetrik, como você define o que é uma adoção de IA geradora de escala empresarial bem-sucedida além de pilotos e experimentos de conceito?

A adoção de escala empresarial bem-sucedida não vive em silos. Um dos padrões mais comuns que vemos é a adoção compartimentalizada. Uma equipe se torna muito avançada em sua maturidade em IA, enquanto outra equipe na mesma organização não tem uma estratégia clara ainda e pode até estar usando ferramentas fragmentadas ou contas pessoais. Esse tipo de adoção desigual cria inconsistência e risco.

O verdadeiro sinal de maturidade é quando os fluxos de trabalho funcionam suavemente de ponta a ponta e entre equipes, e não apenas dentro de bolsos isolados.

Muitas organizações investem em ferramentas de IA geradora, mas lutam para operacionalizá-las. Quais são as lacunas de execução mais comuns que você vê entre a ambição e o impacto empresarial mensurável?

A propriedade da governança é frequentemente incerta. Quem é responsável por documentar o que está sendo usado, versão de prompts ou fluxos de trabalho, monitorar a qualidade e manter o rastreamento de onde a IA está realmente aparecendo nos negócios? Sem essa clareza, as organizações acabam com uso disperso e muito pouca disciplina operacional.

Muitas organizações não decidiram que tipo de uso de IA elas realmente querem encorajar. Estão visando hábitos de prompt específicos de função, casos de uso de produtividade individual, como brainstorming e rascunho, ou agentes de propósito específico vinculados a fluxos de trabalho definidos? Se isso não estiver claro, a habilitação permanece vaga e o impacto se torna difícil de medir.

Você trabalha em estreita colaboração com equipes de liderança executiva — o que a fluência eficaz em IA parece no nível da C-suite, e como o comportamento de liderança influencia a adoção em toda a organização?

Isso parece modelagem, curiosidade e uma mentalidade de iniciante. Isso parece líderes sendo vulneráveis em uma sala com as pessoas que relatam a eles.

Os líderes que fazem a maior diferença são aqueles que demonstram uma mentalidade de iniciante. Eles estão dispostos a aprender publicamente. Eles estão confortáveis em dizer: “Eu ainda estou descobrindo isso também.” Essa vulnerabilidade é mais importante do que as pessoas percebem, porque dá a todos os outros permissão para se envolver sem se sentir como se tivessem que ser especialistas primeiro.

O que uma estrutura de experimentação estruturada para IA geradora parece na prática, e como as empresas podem encorajar a inovação sem criar fragmentação ou exposição a riscos?

Nós queremos começar com pontos de dor reais de fluxo de trabalho, e não sugestões aleatórias. As equipes devem ser encorajadas a identificar tarefas repetitivas, gargalos de decisão ou lacunas de conhecimento existentes. A partir daí, as organizações podem priorizar experimentos com base na relevância comercial, viabilidade e risco.

Você co-criou o LAByrinth, uma plataforma de simulação de IA geradora projetada para dar aos engenheiros experiência prática em construir com ferramentas de IA em um ambiente seguro e orientado. O que inspirou sua criação, e como a aprendizagem baseada em simulação acelera a capacidade real de IA?

Eu sempre amei formas de aprendizado prático e experimental. Especificamente, o tipo de mentoria “por cima do ombro” que existe em ambientes de estúdio de arte.

Quando Martin Gaida e eu começamos a brincar com ideias para essa estrutura de treinamento, o projeto todo acabou sendo muito divertido para criar. Sentimos que estávamos criando um quebra-cabeça para as pessoas resolverem. É assim que eu sabia que estávamos no caminho certo. As pessoas são mais propensas a se envolver com material novo quando o encontram interessante e se sentem apoiadas.

Como as empresas devem abordar a capacitação da força de trabalho de forma diferente na era da IA geradora em comparação com ondas anteriores de transformação digital?

Colaborativamente e de forma criativa. Com ferramentas como Notebook LM e Figma make, há muitas maneiras de criar conteúdo atraente e fresco. Nós amamos uma apresentação de slides, mas também amamos criar cadernos interativos, vídeos animados e outros métodos de entrega do currículo.

A IA responsável é frequentemente enquadrada em torno da governança e conformidade. Do ponto de vista da habilitação, o que a adoção responsável parece no fluxo de trabalho diário?

Consulte as pessoas que realmente usam as ferramentas sobre o que as torna úteis, então certifique-se de que todos que usam as ferramentas saibam o que a política realmente significa. Como isso se traduz em como elas estão usando a IA diariamente?

A adoção responsável significa um modelo de comando humano. A IA pode ajudar a criar, resumir, analisar ou acelerar, mas as pessoas ainda possuem o julgamento, a verificação de qualidade e a decisão final. Essa responsabilidade humana é fundamental.

À medida que a IA geradora evolui rapidamente, como as organizações podem projetar programas de habilitação que permaneçam adaptáveis em vez de se tornarem obsoletos dentro de meses?

É um desafio, mas há muitas ferramentas ótimas por aí.

O maior erro é construir a habilitação inteiramente em torno do atual paisagem de ferramentas.

Nós somos frequentemente questionados se oferecemos treinamento agnóstico de ferramentas, e a resposta é sim. Absolutamente. Nós nos concentramos em habilidades de IA duráveis e, em seguida, ensinamos as pessoas a aplicar essas habilidades dentro de qualquer ferramenta que a organização esteja usando hoje. Essa abordagem dá aos programas uma vida útil muito mais longa.

Olhando para a frente, quais mudanças você acredita que definirão a próxima fase da adoção de IA empresarial nos próximos dois anos?

Baseada em funções e agente. As empresas já estão abraçando o uso de agentes. Essas organizações querem garantir que suas equipes técnicas sejam capacitadas em todas as maneiras necessárias para construir e governar esse tipo de uso de IA.

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