Como a IA pode ajudar a tomar melhores decisões de projeto

Galen Low: De certa forma, os projetos são apenas um conjunto de decisões. Na verdade, as decisões são uma grande parte do que faz os projetos avançar. Mas como podemos esperar que os seres humanos tomem boas decisões quando os projetos avançam a grande velocidade e existe uma quantidade avassaladora de informação e dados para avaliar? Sem dúvida, a IA pode ajudar, mas nem sempre tem o contexto, e responsabilizá-la pelas decisões não é uma opção.

Entretanto, por vezes, as decisões rápidas baseadas no instinto acabam por ser as melhores. Então, qual é o equilíbrio certo entre a tomada de decisões orientada por dados e apoiada por IA e simplesmente conversar sobre o assunto? Onde começam a surgir rendimentos decrescentes e, mais importante ainda, como tomamos efetivamente decisões? Para aprofundar este tema, convidei uma especialista em IA e gestão do conhecimento, cuja experiência inclui tudo, desde psicologia e estimativas empresariais até empreendedorismo e funções de gestão de produto em empresas da Fortune 50, como a Meta e a ExxonMobil.

Juntos, vamos analisar exemplos concretos de como a IA pode apoiar uma tomada de decisões de qualidade, como a rastreabilidade pode ajudar os seres humanos a tomar melhores decisões, como a responsabilização muda com a presença da IA e o que acontece ao papel do gestor de projeto se a IA estiver a facilitar as decisões que antes passavam pela nossa responsabilidade.

Espero que goste do episódio.

Bem-vindo ao Podcast do Digital Project Manager — o programa que ajuda os líderes de entrega a trabalhar de forma mais inteligente, entregar com maior fluidez e liderar as suas equipas com confiança na era da IA. Eu sou o Galen e, todas as semanas, exploramos estratégias do mundo real, tendências emergentes, estruturas comprovadas e, ocasionalmente, uma história de guerra das linhas da frente dos projetos.

Quer esteja a liderar grandes projetos de transformação, a gerir fluxos de trabalho com IA ou simplesmente a tentar manter o caos sob controlo, está no sítio certo. Ah, e se tem gostado do que tem ouvido da nossa parte, considere seguir-nos onde quer que esteja a ouvir ou a ver o programa e, talvez, deixar-nos uma avaliação. Muito bem, vamos começar.

Hoje, vamos falar sobre a tomada de decisões apoiada por IA e sobre a razão pela qual a qualidade das decisões pode ser o fator que determina o sucesso ou o fracasso de um projeto ou iniciativa. Vamos analisar como as decisões desligadas entre si criam riscos, como os líderes de projeto podem melhorar a qualidade das decisões em equipas complexas e como a IA pode ajudar-nos a tomar melhores decisões — e vice-versa.

Hoje, tenho comigo Cali Collins, cofundadora e diretora de produto da Optimality. A Cali é uma líder de produto experiente, cuja carreira abrangeu infraestruturas de IA, sistemas de conhecimento, transformação empresarial e execução de projetos de capital de grande escala. Antes de cofundar a Optimality, liderou o desenvolvimento de produtos em organizações como a Meta e a ExxonMobil, o que lhe deu uma perspetiva única sobre a forma como as decisões são — ou não são — tomadas em ambientes tecnológicos de ritmo acelerado e em empresas complexas da Fortune 50.

Hoje, através da Optimality, tem defendido o valor de uma plataforma de infraestrutura de decisões nativa de IA, que ajuda as organizações a estruturar, otimizar e expandir a tomada de decisões numa era de dados avassaladores e prioridades concorrentes.

Cali, obrigado por estar aqui comigo hoje.

Cali Collins: Claro. Muito obrigada pelo convite.

Galen Low: Estou muito entusiasmado por a ter connosco. Vou começar com uma pergunta um pouco provocadora. Muitas organizações têm, na realidade, muito pouca estrutura ou disciplina em torno da forma como as decisões são tomadas e, por vezes, decisões com consequências são tomadas numa cadeia de e-mails ou verbalmente num campo de golfe.

Na maioria das vezes, as equipas estão demasiado ocupadas a reagir a essas decisões para parar e pensar: «Esta é uma decisão bem informada?» Simplesmente avançam com ela. Por isso, a minha pergunta é a seguinte: tendo em conta que nós, seres humanos, não conseguimos realmente explicar uns aos outros como e por que razão as decisões são tomadas, não será um pouco ilusório pensar que a IA pode melhorar subitamente a tomada de decisões nas organizações?

Cali Collins: Sim, sem dúvida. Penso que grande parte da questão se resume ao preconceito. Se me perguntar por que tomei uma determinada decisão, aquilo que lhe disser pode não ser, na realidade, a razão pela qual tomei essa decisão. Todos temos as nossas próprias perspetivas. Tem a sua perspetiva sobre a forma como ouviria essa decisão se eu a repetisse e também falámos um pouco sobre isto durante a preparação.

Tudo o que fazemos é uma decisão. Não podemos documentar tudo à medida que o fazemos. Tomei a decisão de iniciar esta chamada. Vou escrever isso? Porque teria de tomar uma decisão sobre quando escrever a decisão que acabei de tomar. As nossas vidas são uma sequência de decisões e, ao termos algo como a IA a captá-las automaticamente enquanto as tomamos, sem termos de as documentar conscientemente, é aí que ela nos pode ajudar.

Galen Low: Gosto muito disso, porque começa com o preconceito e eu sou alguém que acredita que o preconceito pode ser positivo e negativo. Temos preconceitos inconscientes que, sem dúvida, nos limitam enquanto espécie, mas também existe o preconceito de conhecermos aquilo que conhecemos. Falamos muito sobre tomar decisões por instinto e sobre se isso é bom ou mau, mas, fundamentalmente, muitas decisões são tomadas com alguma lógica por detrás, mesmo quando as pessoas não mostram o seu raciocínio.

É certo que existem decisões rápidas que correm mal. Mas, muitas vezes, passamos por cima do processo porque não temos tempo para o reconstruir e explicar cada detalhe. Temos de confiar nos decisores para tomarem boas decisões. Além disso, há muita coisa envolvida no processo, e isso não é necessariamente algo negativo.

Cali Collins: É absolutamente verdade. Existe ciência relacionada com a parte do cérebro que usamos para diferentes tipos de decisões. É uma parte diferente do cérebro que toma decisões rápidas e impulsivas, baseadas no instinto, em comparação com aquelas sobre as quais temos tempo para refletir.

Galen Low: Gosto muito dessa ideia de dois modos de tomada de decisão. Por um lado, existe a urgência de tomar uma decisão rápida, que pode ultrapassar toda a lógica e todos os fundamentos que temos. Por outro, existe um estado de calma que nos permite tomar uma decisão informada, avaliando e analisando.

Ter a informação disponível pode ajudar-nos a regressar a esse estado e a evitar decisões precipitadas, porque sabemos que podemos parar e dedicar algum tempo ao processo. É possível receber rapidamente a informação de que precisamos e tomar uma decisão de forma informada.

A sua experiência é particularmente interessante porque vem da área de produto. É uma especialista de produto profundamente experiente que fez uma mudança significativa, afastando-se de organizações como a Meta e a ExxonMobil para criar, essencialmente, um sistema operativo de decisões nativo de IA.

Cali Collins: Sim.

Galen Low: Porque é que as decisões se tornaram o foco? Onde viu decisões deficientes fazerem ruir um projeto ou um plano estratégico? Quais foram as causas subjacentes que a levaram a criar uma solução para esse problema?

Cali Collins: Tudo o que fazemos envolve decisões. É um problema que abrange toda a humanidade e eu queria fazer algo que tivesse realmente impacto na forma como trabalhamos diariamente. Existem decisões orientadas por dados e decisões rápidas e imediatas.

Quando falou em segurança, comecei a pensar na segurança de uma forma diferente, porque venho de uma área de projetos e pensei na segurança de saúde, segurança e ambiente, quando alguém está prestes a ficar ferido.

Galen Low: Exatamente.

Cali Collins: Há decisões em que, se vemos uma atividade insegura, temos de intervir e agir imediatamente. Mas existem outras decisões em que precisamos de recuar, analisar e refletir um pouco mais.

Passei muitos anos a trabalhar com estimativas. Comecei nessa área e, embora também tivesse uma vertente de produto, as estimativas eram o meu trabalho diário. Isso deu-me contacto com muitos executivos e líderes seniores. Estava à mesa de negociações, a analisar o que estava por detrás das grandes decisões.

Via estes executivos colocados num pedestal, com as pessoas a perguntar-lhes: «O que pensa? O que devemos fazer?» Quando tive oportunidade de conversar individualmente com alguns deles, perguntei: «Como sabe qual é a decisão certa? É por causa de todos os dados que tem? Quando começa a existir um ponto de rendimentos decrescentes?» Alguns responderam: «Vou contar-lhe um segredo: metade das vezes não sei. Estou apenas a improvisar.»

As pessoas esperam que estes líderes saibam sempre o que fazer, mas nem sempre têm o conhecimento e os dados necessários para tomar a decisão certa. Pensei que, se pudesse capacitar as pessoas que tomam decisões enormes — como decidir onde investir milhares de milhões —, poderia ajudá-las a perceber onde está o ponto de rendimentos decrescentes. O que é que os dados nos dizem? Como podemos fornecê-los rapidamente para que possam tomar decisões rápidas, confiando também nos seus instintos?

Galen Low: Gosto desse momento de vulnerabilidade. É razoável pensar que acontece o mesmo com muitos de nós: estamos sob pressão para tomar uma decisão, já tomámos boas decisões no passado, mas não temos qualquer garantia de que tomaremos sempre a decisão certa. Temos simplesmente uma boa taxa de sucesso e foi isso que nos trouxe até à posição em que estamos.

Mas será que podemos aumentar a probabilidade de tomar a decisão certa? Mesmo a ansiedade de estar numa posição de responsabilidade, por vezes com milhares de milhões de euros em jogo, pode ser enorme. Temos de recorrer ao que sabemos, mas também podemos apoiar-nos em dados adicionais para informar a decisão. Essa é, talvez, uma das grandes vantagens da IA: a capacidade de reunir grandes volumes de informação e dados e de os sintetizar de acordo com aquilo de que precisamos.

Talvez seja uma boa transição para falar da Optimality. Pode explicar-nos o que faz, como ajuda e quais são alguns dos casos de utilização que reduzem, ou pelo menos minimizam, o risco na tomada de decisões?

Cali Collins: Claro.

Estamos a trabalhar na Optimality há cerca de dois anos e meio. A ideia central sempre foi melhorar a tomada de decisões, que evoluiu para otimizar a tomada de decisões — daí o nome Optimality. Existe uma teoria matemática da otimização relacionada com o ponto de rendimentos decrescentes: qual é a decisão ideal que deve ser tomada?

A Optimality assenta num grafo de contexto. Quando colabora na plataforma, utiliza o sistema para compreender em que deve trabalhar hoje e o que fez ontem. Mas é muito mais do que isso. Inclui o conteúdo e os resultados que produz, bem como todas as decisões em que está a trabalhar.

Lançámos recentemente um novo assistente de decisões. Se tiver de tomar uma decisão complexa, pode utilizá-lo e seguir um processo passo a passo. Enquanto percorre esse processo, tem o Opti Chat ao seu lado e pode perguntar: «Estou a escolher entre esta opção e aquela. O que pensa?» O sistema ajuda a estruturar o problema.

Depois pode perguntar quais são as incertezas associadas à decisão, onde pode existir um preconceito pessoal ou quando foi tomada anteriormente uma decisão semelhante e qual foi o resultado. O Opti consulta o seu grafo de contexto para compreender quando trabalhou anteriormente numa decisão semelhante.

Está a mapear a inteligência organizacional e de execução para o sistema. A plataforma absorve continuamente essa informação para o cérebro do Opti, tornando-o mais inteligente e capaz de fornecer melhores perspetivas quando precisa de decidir entre A e B — ou quando existe uma opção C em que ainda não tinha pensado.

Galen Low: Gosto muito de perceber que o nome tem uma base tão técnica. Não se trata apenas de otimizar a tomada de decisões; existe uma teoria matemática para determinar o ponto de rendimentos decrescentes. Também gosto da ideia de o grafo de contexto funcionar como uma espécie de rede neural para algumas das ferramentas de IA.

O Opti absorve toda esta informação ao longo do caminho. Não é necessário dizer: «Precisamos de tomar uma decisão; pode reunir tudo e falar com estas pessoas?» A informação já está disponível. Num ambiente de projeto, o que significa exatamente contexto de decisão e o que falta por vezes às equipas nos seus processos de tomada de decisões?

Cali Collins: O cérebro humano é excelente em determinadas tarefas, mas também tem limitações. Não podemos estar presentes em todas as reuniões para recolher todos os dados que estão a ser partilhados. Imagine poder ter um delegado presente nessas reuniões, a absorver também essa informação.

É aí que entra a IA. Mas, do lado humano, baseamo-nos na colaboração e na comunicação. As pessoas partilham ideias, fazem parte de comunidades e desenvolvem os seus pensamentos através da interação com outras pessoas. Essa continua a ser uma parte essencial da tomada de decisões.

Temos de manter os seres humanos envolvidos no processo. Cada pessoa tem as suas próprias experiências e precisamos de colaborar para chegar à melhor decisão possível.

Galen Low: Gosto dessa interação. A posição não é que os seres humanos são maus a tomar decisões porque não conseguem absorver toda a informação ou prever o futuro. Somos seres que dialogam, têm emoções e tomam decisões com base nelas. A tecnologia, especialmente a IA, pode fazer aquilo que o nosso cérebro não consegue: reunir todas as conversas e informações e sintetizá-las.

Mas a IA deve aconselhar e informar, não substituir a conversa sobre como vamos tomar a decisão. A colaboração humana continua a ser essencial. Devemos conversar para tomar uma boa decisão e, ao mesmo tempo, apoiá-la com tarefas que o nosso cérebro não consegue realizar.

Cali Collins: Exatamente. Eu converso com o Opti a toda a hora. Numa empresa em fase de arranque, a equipa é pequena e, por vezes, é útil conversar com a IA e trocar ideias com ela. O Opti sabe aquilo em que estou a trabalhar porque se baseia num grafo de contexto. Sabe o que eu e todos os elementos da equipa estamos a fazer.

Galen Low: Para muitas pessoas, a IA já está presente e parece, de certa forma, inevitável. Quanto mais contexto tem, mais sabe e melhor consegue ajudar. Isso pode parecer assustador: será que o Opti está simplesmente a ouvir tudo e a absorver tudo? Será uma espécie de cenário orwelliano?

É possível escolher o que partilhamos com a IA para que ela nos aconselhe melhor? Ou é tudo ou nada? Que informações devemos partilhar, mesmo que não lhe demos acesso total a todas as teclas que premimos e a todas as conversas que temos através dos computadores?

Cali Collins: Quando começámos a construir a Optimality, ligámos a plataforma às minhas mensagens de correio eletrónico e conversas. Rapidamente percebemos que, se quiséssemos expandir a solução, isso poderia assustar as pessoas. As pessoas querem ter mais controlo sobre aquilo que partilham.

Isto também está relacionado com a governação da IA. Não queremos necessariamente que a IA recolha informação, tome decisões e envie mensagens por nós. Se der à IA acesso ao gestor de palavras-passe, ao envio de e-mails e à conta bancária, estará a criar muitos riscos.

Se algo secreto for divulgado num e-mail, a pessoa que autorizou o agente será responsável. Do ponto de vista jurídico e de governação, essa pessoa pode ser responsabilizada, mesmo que nunca tenha visto o e-mail antes de este ser enviado. É essencial manter o controlo sobre aquilo que fornecemos à IA e sobre o que lhe permitimos fazer.

Por isso, na Optimality, é possível escolher se o texto desta reunião deve ser incluído ou não. Também é possível escolher se uma conversa de correio eletrónico deve ser incluída. Isso permite controlar melhor a informação que fornecemos.

Quando é treinada apenas com informação de baixa qualidade da internet, a IA não sabe distinguir o que é bom do que não é. Se mantivermos o contexto limpo e fornecermos informação de qualidade, estaremos também a aumentar a sua utilidade.

Além disso, mantemos sempre uma pessoa envolvida no processo. A Optimality pode gerar documentos, preparar e-mails e atualizar estados, mas existe sempre uma pessoa no final a dizer: «É isto que quero que faça.»

Acreditamos que deve existir colaboração entre seres humanos e IA. Se quiser trabalhar em marketing, pode assumir a função de responsável de marketing e ter consigo um assistente de marketing especializado, que o orienta ao longo do processo, mas continua a ser a pessoa que toma as decisões.

Galen Low: Gosto muito disso. É novamente a interação entre a tecnologia e a nossa humanidade. Gostaria de regressar à ideia de selecionar aquilo que partilhamos no grafo de contexto, porque isso é muito interessante para compreender a forma como os seres humanos tomam decisões.

Mas talvez possamos começar por um caso de utilização concreto. Como pode a IA, e especificamente a Optimality, ajudar-nos a tomar melhores decisões? Podemos analisar passo a passo como funciona? Por exemplo, a Optimality trabalha em segundo plano, recolhe informação e, quando precisamos de desenvolver uma campanha ou preparar a publicação semanal no LinkedIn, como é essa interação e como melhora o trabalho em comparação com uma situação em que não tivéssemos IA?

Cali Collins: Um dos casos de utilização em que estamos a trabalhar é um sistema operativo empresarial assente na Optimality. A Optimality é uma plataforma que permite diferentes casos de utilização, um pouco como o Excel. O Excel pode ser utilizado para muitas coisas, mas não lhe diz que tem de usar determinadas fórmulas para criar uma folha de orçamento.

A Optimality permite essa capacidade, oferecendo mais estrutura do que o Excel e suportando diferentes casos de utilização. Um dos casos mais interessantes é ajudar as pessoas a criar empresas.

Atualmente, muitas pessoas estão a tentar criar atividades paralelas. A criação de empresas tornou-se mais acessível e existem muitas oportunidades para empreender. No entanto, uma pessoa pode perceber muito de uma aplicação, mas não saber de marketing, redes sociais ou planos de negócio. Pode ser excelente em marketing, mas não conhecer suficientemente bem as finanças, os impostos e outras áreas.

Estamos a tentar criar a possibilidade de entrar na Optimality, explicar quais são os seus objetivos e o que pretende fazer, e deixar que o sistema documente essa informação, crie uma estratégia e pergunte: «É isto que pretende fazer?» Pode conversar com o Opti, ajustar o plano e guardá-lo. A plataforma traça um plano para alcançar os objetivos e ajuda a criar alguma estrutura para construir uma empresa.

À medida que avança pelas diferentes etapas, o sistema pode perguntar se quer que o Opti ajude a criar o plano de marketing, a desenvolver conteúdos ou a realizar outras tarefas que os agentes podem executar. Pode trabalhar lado a lado com a IA, tornando o processo mais acessível.

Muitas pessoas gerem pequenas e médias empresas ou estão a pensar criar uma atividade paralela. Têm curiosidade sobre a IA, mas não sabem por onde começar. Queremos tornar isso simples, sem ser necessário abrir uma ferramenta de IA e tentar perceber como funcionam os agentes ou gastar grandes quantidades de créditos.

Galen Low: Isso é excelente. As barreiras à entrada são mais baixas, mas também existe muita publicidade exagerada. É possível criar um produto e uma plataforma completos num dia? Não. Mas é provavelmente muito mais fácil do que era antes. Existe aqui um meio-termo.

O Excel é uma ferramenta muito generalista, enquanto a Optimality coloca algumas tarefas numa estrutura mais orientada. Algumas pessoas poderão dizer que já fazem isto numa ferramenta de IA: pedem ajuda para criar um plano de marketing e recebem respostas. Mas parece que, na Optimality, o trabalho é efetivamente realizado. Não se trata apenas de pedir aconselhamento e depois exportar um documento, lembrar a data de entrega, publicar o conteúdo ou tomar as decisões seguintes. É também uma plataforma de trabalho e colaboração?

Cali Collins: É absolutamente uma plataforma de colaboração. Depois de ajudar uma pessoa a criar uma empresa e a dar-lhe alguma estrutura, o passo seguinte são as empresas que crescem ao ponto de já não ser possível saber exatamente o que todos estão a fazer.

Ao trazer essa informação para o sistema, as pessoas podem colaborar e indicar quem está a trabalhar em cada área. Ao mesmo tempo, estão a construir o grafo de contexto: qual é a visão da empresa, qual é a missão e quais são os princípios?

Tudo isso passa a fazer parte do cérebro do Opti. Quando apresenta sugestões para uma estratégia de marketing, baseia-se no que lhe foi dito e sabe o que é importante e valioso para a organização.

Uma loja de flores quer tornar-se a maior loja de flores do mundo e dominar o mercado? Ou quer ser a melhor loja de flores da sua pequena cidade, porque encontrou um nicho e tem paixão por esse objetivo? O contexto ajuda a enquadrar as recomendações.

É possível pedir a uma ferramenta de IA um plano de marketing, mas ela dará algo genérico. Não compreenderá todos os elementos e todas as partes móveis do sistema e do ecossistema da organização.

Galen Low: Gosto da ideia de que, à medida que uma empresa cresce, a visibilidade pode diminuir. Muitas empresas começam de forma improvisada e, quando chegam a 15 ou 50 trabalhadores, percebem que já não sabem o que está a acontecer. Também precisam de saber se os processos continuam a ser cumpridos de acordo com os seus valores e a sua missão.

Quero regressar à questão de decidir o que fornecemos à IA — e também às pessoas — para que possam tomar decisões. Devem saber tudo? Precisam de saber, por exemplo, que alguém teve uma consulta no dentista na sexta-feira passada? Talvez não seja necessário dar acesso total ao calendário.

Por outro lado, já estive em reuniões em que as decisões são tomadas com base em informação incompleta ou ocultada. Se não fornecermos à IA todo o contexto, não estaremos a limitar as suas capacidades? Como evitamos que as pessoas utilizem a IA para influenciar as decisões numa determinada direção? E haverá decisões que exigem nuances humanas e que devem ser conduzidas de uma forma mais humana, em vez de seguirmos sempre o mesmo processo?

Cali Collins: A IA não sabe, por si só, como definir prioridades. Se colocarmos absolutamente tudo no sistema, precisamos de indicar que determinada transcrição foi feita com um líder sénior e que aquilo que foi dito nessa conversa deve ter mais peso do que informação proveniente de outras fontes.

É necessário fornecer limites e contexto. A IA não sabe necessariamente o que é importante ou importante para cada pessoa, a menos que essa informação lhe seja fornecida.

Quanto às decisões, queremos que a pessoa tome a decisão final. Podemos tomar melhores decisões se tivermos acesso aos dados necessários? Sim, precisamos desses dados.

Quando estava na ExxonMobil, estava a criar um centro de excelência em gestão do conhecimento e uma plataforma nativa de IA para gerir conhecimento e aprendizagens. Um caso de utilização importante era um gestor de produto ou de projeto de construção dizer: «Já participei em cinco projetos em que isto falhou. Não devemos fazer isto.» Talvez esses cinco projetos sejam precisamente os únicos casos em que falhou e, em todas as outras situações, tenha funcionado. A IA pode ajudar a mostrar essa realidade.

Isso reduz alguns preconceitos, mas a perceção pessoal dessa pessoa também tem valor. Ela pode saber algo que os outros desconhecem. Não devemos simplesmente dizer que esses casos representam apenas dois por cento e ignorar a sua opinião. O facto de representarem dois por cento permite à equipa tomar uma decisão mais bem informada.

Galen Low: Gosto disso porque não se trata de decidir quem tem razão e quem está errado. Há algo a aprender. Podemos evitar decisões muito generalizadas baseadas numa amostra de uma pessoa ou de cinco pessoas, mas também precisamos de considerar a informação disponível. Se algo aconteceu cinco vezes, deve haver uma razão que vale a pena analisar.

Este caso de utilização pode ser aplicado antes e depois da decisão. Podemos reunir toda a informação antes de decidir ou verificar os factos depois de uma conversa entre seres humanos. Podemos aplicar pensamento crítico e melhorar a qualidade da decisão, em vez de ouvir apenas a voz mais forte da sala.

Isso é particularmente importante quando existe um gestor de projeto sénior que já viu tudo e que pode dominar a conversa. As outras pessoas podem evitar contrariá-lo, o que pode conduzir a anos de decisões deficientes quando estão em causa riscos muito elevados.

Cali Collins: Exatamente. Algumas pessoas são melhores a tomar decisões rápidas. Outras são muito más nisso e precisam de tempo para pensar, refletir e mapear tudo num quadro. Não tomamos todos decisões da mesma forma nem somos todos bons nos mesmos tipos de decisões.

A IA pode ajudar a equilibrar o campo de jogo e a mostrar que talvez não sejamos muito bons a tomar decisões rápidas. Nesse caso, pode ser melhor recuar e refletir durante mais algum tempo.

Galen Low: Abordei este tema sobretudo do ponto de vista tecnológico e nem sequer pensei em perguntar o que aprendeu sobre a tomada de decisões humanas enquanto construía este produto.

Algumas pessoas são boas a tomar decisões rápidas, outras são más e algumas talvez sejam más, mas pensem que são boas. No caso dos líderes de projeto, muitas vezes temos a responsabilidade de facilitar decisões. Queremos decisões de elevada qualidade, mas também precisamos que sejam tomadas atempadamente. Como podem os líderes de projeto desenvolver hábitos ou técnicas práticas para melhorar a forma como as pessoas envolvidas nos projetos tomam boas decisões sem sacrificar a velocidade?

Cali Collins: Estudei psicologia e tenho também muito interesse por livros de desenvolvimento pessoal, audiolivros, podcasts e tudo o que aborda a mente humana, a razão pela qual pensamos e porque fazemos as coisas da forma como fazemos.

Depois entrei na gestão da construção e obtive uma segunda licenciatura, porque não conseguia fazer grande coisa apenas com a licenciatura em psicologia. Mais tarde, fiz também um MBA. Isso permitiu-me observar a tomada de decisões de diferentes perspetivas.

É necessário captar o conhecimento e compreender qual foi o resultado e por que razão a decisão foi tomada. A IA pode depois regressar a essa informação e refletir sobre ela, porque as pessoas normalmente não dedicam tempo a analisar decisões anteriores, sobretudo quando o resultado não foi positivo.

Também estamos a estudar a proveniência da IA: qual é a linhagem dos dados e como é que estes se movimentam? Quando estava na Meta, criei uma plataforma de linhagem de IA para mapear todos os dados de treino dos modelos de IA em toda a empresa.

Incluímos parte dessa abordagem na Optimality. Se a plataforma criar um documento, como um plano de marketing, é possível abrir o documento e ver que um parágrafo veio de determinadas transcrições e que outro veio daquilo que uma pessoa disse numa conversa.

A IA não quer ser uma caixa negra. Quer mostrar de onde veio a informação. Isso pode ser desconfortável, porque, se incluir uma decisão que tomou e essa decisão não resultar, o sistema saberá que foi essa pessoa que a tomou.

Mas não podemos melhorar decisões deficientes se não tivermos consciência do que as causou. Precisamos de reconhecer quando tomámos más decisões numa determinada área para podermos melhorar e ajudar também a organização a melhorar. A IA pode trazer essa informação à superfície, mesmo que isso seja desconfortável.

Galen Low: Quando pensei em como a IA poderia ajudar-nos a tomar melhores decisões, pensei imediatamente em dados. Mas a ideia de fazer retrospetivas sobre as decisões, ter rastreabilidade e utilizar essa visibilidade para refletir e melhorar é igualmente importante.

Não estamos a dizer que a IA acabará por tomar melhores decisões do que os seres humanos e que estes deixarão de ter de decidir. Na verdade, a decisão humana pode tornar-se cada vez mais importante. Muitos líderes são vistos como pessoas que simplesmente tomam boas decisões, quando, na realidade, por vezes sentem que estão a improvisar e apenas têm uma boa taxa de sucesso.

A rastreabilidade pode criar uma oportunidade para melhorar. Isto aplica-se também à segurança física: queremos poder analisar retrospetivamente o que aconteceu e rastrear as decisões, não para culpar alguém, mas para melhorar a forma como todos decidimos.

Galen Low: Gostaria de regressar à governação e à responsabilização. Atualmente, o ser humano será responsabilizado por uma decisão boa ou má, mesmo que a IA tenha dado o impulso final. Que limites devemos estabelecer para ajudar a IA a evitar erros, reforçar bons comportamentos e melhorar a sua tomada de decisões?

Será possível chegar a um ponto em que a IA seja suficientemente boa para tomar decisões e ser responsabilizada por elas? Como seria esse futuro?

Cali Collins: Os grandes modelos de linguagem são uma sequência de decisões. O modelo decide qual é a próxima palavra mais provável com base no que foi treinado para fazer. Tudo o que faz é uma sequência de decisões.

Podemos começar por pedir à IA que prepare rascunhos de e-mails. Inicialmente, talvez não sejam muito bons, mas podemos editá-los e treiná-la, fazendo com que melhore. Para tarefas de baixo risco, pode ser aceitável permitir que responda a determinadas mensagens.

Por exemplo, se uma pessoa vender camisolas e receber um e-mail a perguntar se existe determinado modelo num determinado tamanho, a IA pode provavelmente verificar a informação e responder. No entanto, pode haver outros e-mails aos quais não queremos que responda.

É essencial compreender os limites. A nossa filosofia é manter a pessoa envolvida e transferir gradualmente para a IA tarefas de baixo risco, mantendo o ser humano como responsável final.

Não quero transferir a minha responsabilidade jurídica ou fiduciária para a Optimality, que pode ter acesso aos meus e-mails e enviar uma resposta com informação que prejudique a empresa. Esse não é um risco que esteja disposta a aceitar. Quero manter-me envolvida e permitir que a IA faça outras coisas para otimizar o meu dia.

Galen Low: Existem exemplos fora da IA, como dispositivos médicos que fazem diagnósticos dentro de determinados limites de tolerância. Em alguns casos, a empresa que desenvolveu o dispositivo assume a responsabilidade, mas isso não acontece necessariamente em todos os contextos.

Também podemos pensar nos coordenadores de projeto juniores. Podemos dar-lhes feedback e situações seguras para falhar, em que a tolerância é elevada, como responder a um e-mail sobre o tamanho de uma camisola, uma data ou a clarificação de uma entrega. Se a resposta não for perfeita, não há consequências graves.

Mas existem situações em que não devem prometer uma nova data sem consultar a equipa. Há diferentes níveis de responsabilização. O gestor é responsável pelo que o coordenador promete ao cliente, mas essa situação também pode ser uma oportunidade de aprendizagem.

Cali Collins: Podemos pensar na IA como um estagiário. Somos responsáveis pelas ações desse estagiário com base naquilo que lhe dissemos para fazer.

A IA não pode ser responsabilizada e não tem um sentido de responsabilidade. Não podemos despedi-la ou despromovê-la por ter tomado uma má decisão. Mas podemos utilizá-la em áreas como a conformidade contratual.

Podemos treiná-la com os requisitos contratuais e especificações e pedir-lhe que acompanhe o trabalho e nos avise se estivermos potencialmente a violar o contrato. A IA não executa a tarefa por nós; observa o trabalho, ajuda a manter a conformidade e mantém-nos dentro do processo de governação.

Galen Low: É um caso de utilização muito interessante. A IA pode tornar-se mais capaz através do feedback e, mesmo que ainda não possa ser responsabilizada, existem momentos de aprendizagem. Também podemos tirar partido daquilo que faz melhor. Não consigo manter todos os nossos acordos de nível de serviço na cabeça ao mesmo tempo, mas uma ferramenta pode fazê-lo.

Gostaria de terminar falando sobre o futuro. A tecnologia de IA está a melhorar na capacidade de reunir informação e decidir o que é importante. Que impacto terá isso no papel do gestor de projeto, se a IA se tornar melhor a identificar riscos, apresentar dependências e recomendar decisões? O que acontece às funções que desempenhamos enquanto seres humanos?

Cali Collins: O papel torna-se ainda mais importante. O gestor de projeto será muito mais importante. No meu percurso profissional, trabalhava com estimativas e controlo de projetos. O meu trabalho consistia em reunir os dados e fornecê-los ao gestor sénior para que este pudesse tomar decisões.

Esse funil vai ser reduzido. Isto não significa que deixaremos de precisar de profissionais de controlo de projetos. Significa que poderão deixar de passar o tempo a perguntar repetidamente se determinada tarefa foi concluída. Poderão analisar dados, utilizar a sua experiência, melhorar o trabalho e fornecer informação de maior qualidade ao gestor de produto ou de projeto.

Na indústria, especialmente no desenvolvimento de software, costumava haver oito a dez programadores por cada gestor de produto. Essa proporção está a diminuir porque os programadores estão a tornar-se mais eficientes. Precisamos de mais produto e mais gestão de projetos, porque são essas pessoas que orientam a direção e as decisões.

Quando se obtêm muito mais dados, muito mais rapidamente e com melhor qualidade, são necessários mais profissionais capazes de tomar decisões importantes com base nessa informação.

Galen Low: Acho isso excelente. A velocidade do trabalho está a aumentar e, por vezes, menos pessoas conseguem fazer mais coisas. Mas há funções, como produto, projetos e outras áreas de liderança, orientação e facilitação da tomada de decisões, que se tornam mais valiosas.

Se o trabalho acontece mais rapidamente, talvez precisemos de mais pessoas nessas funções. A informação não passa diretamente da IA para o decisor. É necessário compreendê-la, analisá-la e avaliá-la. Continuamos também a tomar decisões conversando sobre elas.

Talvez alguns considerem isso uma falha humana, mas é a nossa forma de trabalhar. Não queremos que uma máquina nos diga como tomar uma decisão. Existe um elemento humano, persuasivo e de verificação. Precisamos de conversar para sentir confiança de que chegámos a uma boa decisão. A IA simplesmente potencia esse processo.

Cali Collins: Sem dúvida.

Galen Low: Cali, foi muito divertido conversar consigo. Obrigado por ter dedicado este tempo. Onde podem as pessoas saber mais sobre si e sobre a Optimality?

Cali Collins: Estamos no LinkedIn e eu também estou no LinkedIn. O website é optimalitypro.com. É possível inscrever-se diretamente para uma avaliação gratuita de 14 dias da Optimality ou consultar aquilo que estamos a desenvolver.

Mantemos a plataforma ativa e atualizada e, à medida que criamos mais casos de utilização verticais, disponibilizaremos a documentação de apoio. As pessoas podem consultar esses recursos à medida que forem construindo mais soluções sobre a plataforma Optimality.

Galen Low: Excelente. Vou incluir nas notas do programa as ligações para o seu perfil e para o website da Optimality. Obrigado novamente por participar. O seu percurso é muito interessante e eu nem sabia da parte relacionada com psicologia. Foi uma conversa muito divertida e esclarecedora.

As decisões fazem o mundo avançar. Agora temos a IA envolvida, mas continuamos a ter seres humanos envolvidos. Que época extraordinária para estar vivo.

Cali Collins: Exatamente. É um momento muito entusiasmante.

Galen Low: Muito obrigado, Cali.

Cali Collins: Obrigada.

Galen Low: Muito bem, pessoal. É tudo por hoje no Podcast do Digital Project Manager. Se gostou desta conversa, subscreva o programa onde quer que o esteja a ouvir. Se quiser ainda mais perspetivas práticas, estudos de caso e guias, crie uma conta gratuita em thedigitalprojectmanager.com. Até à próxima. Obrigado por ouvir.