Diretora de Gestão de Programas de Tecnologia afirma que a IA sem contexto suficiente pode resultar em decisões perigosas
Descubra como uma líder de programas de tecnologia utiliza a IA para reduzir o trabalho administrativo relacionado com relatórios, identificar riscos na entrega e ajudar as equipas a concentrarem-se nas decisões em vez da administração.
Anika Banakh
Diretora de Gestão de Programas de Tecnologia na ACV Auctions
Liderança centrada nas pessoas: Anika salienta que a adoção eficaz da IA começa por capacitar as equipas, e não apenas pela tecnologia.
Ganhos de eficiência: As ferramentas de IA simplificaram tarefas repetitivas, melhorando a eficiência dos relatórios e a visibilidade da entrega em todas as equipas.
Evitar a dependência excessiva: A intervenção humana é essencial para interpretar corretamente os resultados da IA e garantir que o contexto empresarial é mantido.
Simplificar os fluxos de trabalho: O excesso de engenharia pode prejudicar a clareza; concentrar-se em decisões de elevado valor facilita uma adoção mais rápida das ferramentas de IA.
A responsabilidade é importante: A definição clara da responsabilidade pelas decisões melhora a integração da IA, ajudando as organizações a evitar confusões e a obter melhores resultados.
Anika Banakh é a Diretora de Gestão de Programas de Tecnologia na ACV Auctions. Liderou várias equipas de entrega multifuncionais distribuídas globalmente. E agora centra-se em tornar a adoção da IA não intrusiva, tornando simultaneamente a entrega mais eficaz.
Falámos com a Anika para saber como está a implementar a IA nos seus fluxos de trabalho de entrega. Eis o que nos disse.
Liderança da IA centrada nas pessoas
Sou uma canadiana de origem ucraniana que faz as coisas acontecer. A maioria das pessoas parte do princípio de que o meu percurso na transformação orientada pela IA começou com a tecnologia, mas começou com as pessoas — recrutar talento, criar confiança entre equipas globais e aprender como as organizações se comportam sob pressão.
Continue Reading for Free
Create a free account to finish this article, plus get ongoing access to timely insights and practical resources.
Have an account? Log In
Desde então, liderei várias equipas de entrega multifuncionais distribuídas globalmente, que apoiavam iniciativas de transformação de mercados digitais e operações à escala empresarial. As equipas variavam entre seis pessoas e alguns milhares. A maioria destas organizações avançava rapidamente — aplicando a entrega ágil nas áreas de produto, engenharia, operações e entre as partes interessadas do negócio, enquanto geria integrações complexas, expansão rápida e trabalho de plataformas orientado por dados para clientes que abrangiam concessionários automóveis, bancos, retalhistas, organizações sem fins lucrativos e empresas globais.
Liderar a entrega em diferentes organizações ensinou-me que a maior barreira à inovação raramente é a própria tecnologia; é saber se as pessoas se sentem suficientemente capacitadas para mudar a forma como trabalham. É por isso que a minha perspetiva sobre a liderança da IA é pouco convencional: o futuro da entrega não pertencerá aos líderes que mais automatizam, mas àqueles que conseguem fazer com que a IA pareça profundamente humana, colaborativa e criativamente estimulante para as equipas que a utilizam todos os dias.
Como as ferramentas de IA aumentam a eficiência no local de trabalho
No último ano, substituí as tarefas mais repetitivas e previsíveis do processo de entrega, libertando tempo para o trabalho verdadeiramente importante — sobretudo através da integração de resumos e priorização orientados por IA nos processos de elaboração de relatórios de estado, acompanhamento de dependências e comunicação com as partes interessadas.
Como resultado da IA, observei melhorias na eficiência dos relatórios, na visibilidade da entrega e na identificação de riscos em equipas distribuídas, ao mesmo tempo que reduzi o esforço de coordenação manual e melhorei a previsibilidade da execução.
Como resultado da IA, observei melhorias na eficiência dos relatórios, na visibilidade da entrega e na identificação de riscos em equipas distribuídas.
No entanto, embora possa contar com a IA para acelerar atividades de entrega que envolvem muitos dados, como informações para a priorização, síntese do estado, identificação de padrões de risco, acompanhamento de dependências e elaboração de relatórios operacionais, não posso contar com ela para tudo.
As decisões que envolvem o alinhamento das partes interessadas, a dinâmica das equipas, a mudança organizacional, a resolução de conflitos e os compromissos estratégicos continuam intencionalmente sob liderança humana. Isto porque uma entrega bem-sucedida continua a depender da confiança, do contexto, da empatia e do discernimento que a IA não consegue replicar totalmente.
Porque é que os resultados da IA requerem intervenção humana
Na verdade, o meu maior desafio tem sido impedir que as equipas dependam excessivamente de resultados automatizados sem aplicarem o contexto empresarial. Para evitar que o fizessem, questionei os seus resultados e salientei a importância da experiência prática com o contexto do produto e do negócio. É a diferença entre algo bom e algo excelente.
A intervenção humana é crucial na formulação dos pedidos e na interpretação. É necessário um pedido sólido e estruturado, com o contexto correto de correlação e causalidade, além de uma compreensão profunda dos processos e dos fatores determinantes para interpretar os resultados.
Por exemplo, uma ferramenta pode indicar que o resultado a entregar está em risco, mas a causa pode ser o facto de o engenheiro ter um filho doente, pelo que é necessário aprofundar a análise para compreender a razão por detrás dos dados e a pessoa por detrás da tarefa.
O meu maior desafio tem sido evitar que as equipas dependam excessivamente dos resultados automatizados sem aplicarem o contexto empresarial. A intervenção humana é crucial na criação dos pedidos e na interpretação.
Como o excesso de engenharia prejudica os fluxos de trabalho
No que diz respeito às ferramentas, utilizamos atualmente o Omni para painéis, o Rovo no Jira para a gestão de engenharia e um chat interno de IA para atualizações e sínteses das equipas.
Numa fase inicial, poderíamos ter evitado criar um fluxo de trabalho excessivamente complexo, com demasiados sinais e painéis. Isso criou mais esforço de interpretação do que clareza. Um caso de utilização mais simples e rigorosamente delimitado — centrado numa ou duas decisões de elevado valor — teria promovido uma adoção mais rápida e menos ceticismo por parte das equipas.
Porque é que a IA não consegue melhorar a rapidez das decisões
A IA não produziu o impacto esperado na melhoria do alinhamento entre equipas e da rapidez das decisões simplesmente através da adição de mais informações automatizadas e painéis.
Sim, a IA melhorou a visibilidade, mas não reduziu a ambiguidade nem resolveu prioridades em conflito — em alguns casos, amplificou o ruído, com diferentes equipas a interpretarem os mesmos resultados de forma diferente.
A IA melhorou a visibilidade, mas não reduziu a ambiguidade nem resolveu prioridades em conflito — em alguns casos, amplificou o ruído.
Tomemos um painel como exemplo. Cada equipa concentra-se nos seus próprios KPIs e nas suas necessidades empresariais, pelo que pode criar pedidos para que as ferramentas gerem resultados que sirvam os seus próprios objetivos principais. Criar coesão neste caos é fundamental, tendo em conta o impacto em todas as equipas.
Porque é que um melhor planeamento não conduz necessariamente a melhores resultados
A IA fez-me abandonar a ideia de que um melhor planeamento conduz automaticamente a melhores resultados na execução. Mesmo os planos muito pormenorizados tornam-se menos preditivos quando a IA revela o verdadeiro ritmo da mudança e altera as prioridades e a volatilidade das dependências em tempo real.
Replanear continuamente com base em sinais em tempo real, em vez de procurar mais certezas antecipadamente, melhorou os resultados. A execução deixou de consistir em acertar no plano e passou a consistir em ajustá-lo rapidamente.
O nosso fluxo de trabalho de entrega com tecnologia de IA ingere itens de trabalho e atualizações das equipas, enquanto a IA agrupa temas, assinala riscos e cria automaticamente sínteses do progresso entre equipas. Essas informações alimentam uma sessão de definição de prioridades conduzida por pessoas, na qual as decisões se transformam em planos de sprint. Durante a execução, a IA destaca continuamente desvios e problemas emergentes.
O efeito líquido foi menos tempo a elaborar relatórios e mais tempo a resolver problemas de execução.
Porque é necessário redesenhar os relatórios de estado com IA
Uma área que mais responsáveis pela execução deveriam redesenhar ativamente é a elaboração de relatórios de estado e a governação da execução — continua a ser uma das partes mais manuais, de menor valor e mais suscetíveis a distorções na maioria das organizações.
Estou a trabalhar na substituição das apresentações de estado tradicionais e das consolidações manuais por um fluxo de trabalho apoiado por IA que sintetiza continuamente as atualizações provenientes das ferramentas de execução, assinala riscos e gera sínteses concisas “prontas para decisão” para a liderança. A mudança não representou apenas eficiência — alterou a natureza das conversas de governação, que passaram de “qual é o estado?” para “que decisões precisamos de tomar agora?”
O resultado foi menos tempo gasto a compilar atualizações e mais tempo a resolver os verdadeiros constrangimentos da execução, com uma escalada mais rápida dos riscos reais — mas apenas depois de clarificarmos a responsabilidade pelas decisões, para que os resultados da IA não se tornassem mais uma camada de interpretação.
Porque é que responsabilidades bem definidas são o verdadeiro fator decisivo com a IA
Eis o meu conselho:
Não confundam mais resultados de IA com melhores decisões; isso apenas dá às pessoas mais coisas sobre as quais discordar. O verdadeiro fator decisivo são responsabilidades bem definidas. A IA sugere, as pessoas decidem, sem dramas de comités.
Tenham também isto em mente. Se a adoção parece lenta, normalmente não é o modelo — são as pessoas que o ignoram educadamente.
Acompanhe
Pode acompanhar o trabalho de Anika Banakh no LinkedIn.
Haverá mais entrevistas com especialistas no The Digital Project Manager.
