Como criar clareza na tomada de decisões durante a transformação com IA

Galen Low: Um quadro RACI é uma daquelas coisas que as pessoas adoram ou detestam — na maioria dos casos, detestam. Não porque não seja útil, mas porque é demasiado fácil deixarmo-nos levar a documentar quem é responsável, quem tem autoridade, quem é consultado ou quem é informado sobre cada aspeto do negócio, em vez de simplesmente realizarmos o trabalho. Mas, à medida que as organizações avançam na sua jornada de transformação com IA e começam a reimaginar as próprias estruturas em que o trabalho assenta, a clareza sobre papéis, responsabilidades e tomada de decisões torna-se um pouco mais importante.

Por isso, hoje convidei a pessoa que considero especialista no tema da clareza na tomada de decisões orientada pelo RACI e que, além disso, trabalha muito de perto com empresas e agências governamentais na sua transformação com IA. Juntos, vamos explorar se o RACI pode ser utilizado não apenas como uma ferramenta para registar como as decisões são tomadas atualmente, mas também como uma linguagem e uma mentalidade para conceber as organizações do futuro. Espero que desfrute do episódio.

Bem-vindo ao Podcast do Gestor de Projetos Digitais — 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, mergulhamos em estratégias do mundo real, tendências emergentes, estruturas comprovadas e, ocasionalmente, numa história de guerra vinda da linha da frente dos projetos.

Quer esteja a conduzir grandes projetos de transformação, a gerir fluxos de trabalho com IA ou simplesmente a tentar manter o caos sob controlo, está no lugar certo. E, se tem gostado do que tem ouvido ultimamente, considere seguir-nos onde quer que nos encontre e talvez deixar-nos uma avaliação. Muito bem, vamos começar.

Hoje falamos de IA, tomada de decisões e da razão pela qual a clareza em torno dos papéis e responsabilidades é mais importante do que nunca. Está comigo Cassie Solomon, amiga do podcast, presidente e diretora executiva da The New Group. A Cassie é uma autora premiada e consultora empresarial especialista em liderar mudanças bem-sucedidas.

Ajudou dirigentes de topo a transformar as suas operações em organizações como a Twitter, Pandora, Bayer Pharmaceuticals, Penn Medicine, Geisinger Health Systems e ChristianaCare Health Systems. Além disso, ensina executivos na Wharton School of Business e o seu livro, Leading Successful Change: Eight Keys to Making Change Work, continua a ser o manual que ajuda muitos líderes a navegar pelo ritmo atual da disrupção.

Mas, para quem acompanha este podcast há vários anos, a Cassie é a pessoa certa para falar sobre a utilização do RACI como ferramenta e linguagem para clarificar papéis, responsabilidades e tomada de decisões, permitindo às organizações acelerar a velocidade da transformação.

Cassie, muito obrigado por estar comigo hoje.

Cassie Solomon: Muito obrigada, Galen, por me receber. É sempre muito divertido conversar consigo.

Galen Low: Antes de mais, queria começar com uma pergunta provocadora que os meus ouvintes gostariam de ver respondida e, depois, espero que possamos transformá-la em algumas dicas práticas para evitar o caos relacionado com papéis e responsabilidades da IA nos projetos e, de forma geral, na tomada de decisões organizacionais.

Talvez, para terminar, possamos olhar para o futuro da tomada de decisões, do trabalho em equipa e das estruturas organizacionais com a IA incorporada, e para aquilo que temos de fazer bem hoje para que isso seja positivo, e não negativo. Que lhe parece?

Cassie Solomon: Parece-me excelente.

Galen Low: Então começo com uma pergunta provocadora. Neste preciso momento, quase todas as organizações com que falo estão a tentar criar agentes de IA e incorporá-los no seu modelo operacional. Esses agentes devem funcionar com relativa autonomia, o que inclui especificamente tomar decisões por si próprios.

E a Cassie é, na minha opinião, uma especialista na utilização do RACI como linguagem para criar uma compreensão partilhada sobre quem é responsável, quem tem autoridade, quem é consultado e quem é informado relativamente às decisões tomadas ao longo do processo de colaboração. Por isso, a minha pergunta é: o RACI continua a ser relevante na era da IA?

Cassie Solomon: Acho que sim.

Quero agradecer-lhe por mencionar o livro, Leading Successful Change. É uma forma de descrever um sistema. Uma das oito alavancas é precisamente a tomada de decisões e uma das coisas que gosto de salientar quando ensino esse modelo é que este é um aspeto da nossa vida organizacional que permanece em grande parte invisível.

Posso mostrar-lhe o meu plano de remuneração, o meu organograma e a minha tecnologia, mas é muito difícil mostrar-lhe como tomo decisões — apesar de essa ser uma parte muito importante do sistema. Por isso, é uma lente muito interessante para observar a transformação com IA, porque estamos prestes a entrar num tipo de mudança que, na minha opinião, vai transformar profundamente as nossas práticas de tomada de decisões, e nem sequer sabemos falar sobre isso metade das vezes.

Galen Low: Gosto do facto de ter mencionado a transformação por duas razões, especialmente a transformação com IA. Concordo consigo. Estas não são coisas que escrevamos sempre. Em muitos aspetos, são informais, invisíveis e documentadas apenas de forma muito limitada.

Isso é mau por duas razões. Primeiro, é mau para a IA, porque, se não a treinámos com essa informação e ela não a conhece nem consegue encontrá-la, não saberá até que lha expliquemos. A outra razão é que a transformação exige esta clareza. Toda a gente está a avançar rapidamente, a tentar fazer as coisas depressa e a manter-se competitiva. Este é o momento em que a tomada de decisões, os papéis, as responsabilidades e tudo o que está em mudança precisam de ser discutidos e registados, para podermos continuar a avançar sem ficarmos presos num limbo decisório ou numa enorme ambiguidade.

Cassie Solomon: Sim. A forma como a IA é abordada na imprensa popular leva muitas vezes a pensar: “Isto é substituir o trabalho de alguém? Vou substituir este trabalhador porque já não preciso dele?” E depois surge outra palavra: mas e o discernimento? E o discernimento humano?

A palavra discernimento refere-se, na verdade, a conhecimento especializado e autoridade. O discernimento surge muitas vezes no momento em que alguém diz: “Essa é uma boa decisão”, “Essa é uma má decisão” ou “Espere, é melhor ser eu a tomar essa decisão, porque tenho 25 anos de experiência em...” Embutida nessa palavra, discernimento, está a indicação de que estamos a falar de tomada de decisões.

É como se nos apontasse na direção certa: “Olhe para aqui. Este é o território da tomada de decisões.”

Também quero falar do livro Power and Prediction, de Ajay Agrawal, Josh Gans e Avi Goldfarb. Foi publicado em 2022, antes do lançamento do ChatGPT, mas aponta para uma compreensão da IA como um motor de previsão e uma forma de tomar melhores decisões.

Estamos atualmente inundados por projetos e conversas sobre IA. Um estudo muito bom realizado em 2025 mostrou que cerca de 80% dos projetos de IA não estavam a alcançar ganhos de produtividade. Foi um estudo do MIT. E um estudo da McKinsey, realizado em 2026, chegou basicamente à mesma conclusão.

Estes autores apresentam um modelo que considero muito útil para compreender de que tipo de projeto de IA estamos a falar. A estrutura é simples. Primeiro, temos uma solução pontual, em que pegamos numa única tarefa que era realizada por pessoas e passamos a realizá-la com IA. Por exemplo, pedir à IA para criar o plano das refeições da semana ou fazer a pesquisa para um trabalho.

É algo muito útil, mas limitado. O segundo nível chama-se solução de aplicação: mudamos várias coisas ao mesmo tempo, o que talvez esteja mais próximo do que fazemos atualmente com agentes de IA. O nível mais elevado são as aplicações sistémicas, em que recuamos e perguntamos: “Como podemos transformar todo o sistema utilizando esta tecnologia?”

Essas transformações são muito mais difíceis e existem menos exemplos. Mas a teoria dos autores, com a qual concordo, é que será aí que veremos um verdadeiro impacto nos resultados financeiros, se conseguirmos alcançar uma transformação total.

Galen Low: Gosto muito desta estrutura porque nos ajuda a compreender que nem todos os projetos de transformação com IA, nem todas as aplicações de IA, são iguais.

Seria fácil dizer: “Agora posso substituir esta ferramenta pelo ChatGPT” ou “Agora posso acrescentar um agente a este fluxo de trabalho”. Mas existe outro nível que exige uma forma diferente de pensar, porque as implicações, os desafios de conceção e o próprio problema são maiores.

Entramos num território em que já não estamos agarrados à borda da piscina. Deixamos de ter uma zona de conforto para onde regressar. Estamos em território novo e temos de o compreender não com base no que existia antes, mas com base em algo completamente novo.

Cassie Solomon: Se começarmos pelas soluções pontuais, o que me parece lógico por serem as mais simples de imaginar, isso leva-nos a pensar: “Já não preciso daquela força de trabalho de 8 000 pessoas para realizar esta tarefa.” Mas analisei recentemente uma investigação muito interessante do Reino Unido. No ano passado, cerca de 30% das organizações que dispensaram pessoas por planearem implementar IA acabaram por voltar a contratá-las. Um segundo estudo concluiu que, quando as voltaram a contratar, essas pessoas eram mais caras.

Se formos mais abrangentes na nossa forma de pensar e avançarmos para as soluções e para a transformação, podemos começar a fazer perguntas melhores. Se estes trabalhadores já não passam tempo a fazer isto, que outras coisas poderiam fazer?

O exemplo clássico é o aparecimento das caixas automáticas. As pessoas disseram: “Meu Deus, já não haverá funcionários bancários, porque a máquina pode dar-nos dinheiro.” Mas isso não significou o fim da profissão. Os bancos perceberam que os funcionários continuavam a ser importantes porque podiam conversar com os clientes e passaram a utilizá-los mais no desenvolvimento do negócio.

Esse tipo de pensamento ajuda a reduzir alguns dos pesadelos que temos sobre a força de trabalho e sobre a possibilidade de a IA substituir todos os empregos. A tecnologia deve eliminar o trabalho repetitivo e permitir que as pessoas utilizem melhor a sua experiência e capacidade de julgamento.

Galen Low: Gosto da ideia de que a solução pontual pode ser a mais assustadora, porque parece apenas uma substituição: “Agora um robô faz o meu trabalho.” É importante olhar para o que aconteceu na história recente com a disrupção e perceber que, quando ampliamos a visão para o sistema, encontramos novas formas de criar valor.

Cassie Solomon: É sobretudo uma questão de mentalidade. Uma das transições que mais me fascina é a passagem do motor a vapor para o motor elétrico. Demorou 20 ou 25 anos. As pessoas tinham dificuldade em imaginar aquilo de que a nova tecnologia era capaz.

As empresas que perceberam isso prosperaram; as que não perceberam ficaram para trás. Mesmo depois de adotarem o motor elétrico, muitas construíam novas fábricas colocando os motores no mesmo local central onde antes estava o enorme motor a vapor, porque não conseguiam imaginar uma disposição diferente.

Grande parte da questão é a mentalidade: o que conseguimos imaginar de forma diferente?

Galen Low: Isso é muito relevante hoje. Quando perguntamos onde colocar o novo motor, respondemos: “No mesmo local de sempre.” O mesmo acontece com as decisões. Onde vamos colocar a tomada de decisões no novo modelo? Exatamente onde estava antes. É a nossa melhor hipótese, porque não sabemos o que não sabemos.

Cassie Solomon: Há um exemplo muito interessante da McKinsey sobre uma grande empresa chamada Blackstone. A empresa queria transformar o trabalho jurídico e de conformidade porque previa um enorme crescimento do volume de trabalho e processava tudo manualmente. Não podia contratar mais 25% de pessoas e procurou a McKinsey, dizendo que deveria conseguir fazer aquilo com IA.

A McKinsey respondeu: “Não vamos simplesmente colocar esta tecnologia por cima do vosso processo antigo.” Primeiro era necessário simplificar o processo, reduzir as camadas de aprovação, otimizar a tomada de decisões baseada em regras e criar uma via de escalamento para os casos em que alguém discordasse da automatização. Só depois faria sentido aplicar a IA.

Depois de corrigirem o processo e adotarem a IA, registaram ganhos de produtividade extraordinários, cerca de 30%. As pessoas mais experientes deixaram de fazer várias revisões e ficaram disponíveis para outras tarefas.

É aí que regressamos ao RACI. Podemos utilizá-lo para representar o processo atual, identificar quantas aprovações existem e simplificar tudo antes de adotar a tecnologia.

Galen Low: “Tormento” é uma palavra forte, mas muito adequada para algumas situações relacionadas com a tomada de decisões.

Está agora a lançar um programa de certificação RACI, o primeiro de que tenho conhecimento. A ideia é ajudar organizações empresariais a formar pessoas de diferentes níveis para harmonizar a forma como as decisões são tomadas em toda a operação. O que é fundamentalmente diferente na utilização do RACI durante a era da IA?

Cassie Solomon: O curso de certificação está atualmente em versão beta. A ferramenta em si é simples, mas estamos a ensiná-la como uma competência e uma capacidade, com muitas aplicações na criação de equipas empenhadas e de elevado desempenho.

Uma das competências que estamos a incluir é a realização de uma auditoria às decisões: recuar, observar as práticas de tomada de decisões e mapeá-las como se estivéssemos a mapear um fluxo de trabalho. Quase nunca mapeamos os nossos processos de decisão. Damos muita atenção ao que fazemos e a como o fazemos, mas muito pouca atenção a onde está o poder, onde está a autoridade e como são utilizados na organização.

Primeiro temos de compreender o estado atual. Depois, temos de perguntar por que razão as coisas são tão lentas. O PMI diz que devemos ter apenas uma pessoa A em cada projeto, mas isso nem sempre é realista. Se queremos velocidade, devemos muitas vezes fazer descer as decisões na organização.

O primeiro passo é diagnosticar o estado atual da tomada de decisões. O segundo é recuar e analisá-lo. O terceiro é redesenhá-lo com o objetivo de capacitar as pessoas e aproximar as decisões da linha da frente.

Galen Low: Gosto muito dessa agilidade. Ter uma única pessoa responsável por todas as decisões pode tornar-se um estrangulamento. Essa pessoa pode não ter informação suficiente ou a competência adequada para decidir. Quando não é claro quem deve decidir, ou quando há espera, tudo abranda.

Ao mesmo tempo, há muitos exemplos de equipas capacitadas para tomar decisões junto das margens ou mais perto do local onde o valor é criado. Isso torna a organização mais ágil. O RACI não é apenas um acrónimo; é uma ferramenta, uma estrutura e uma mentalidade para equipas de elevado desempenho compreenderem onde as decisões são tomadas.

Também pode ser uma ferramenta de conceção. Permite compreender o estado atual, mas também decidir, no novo mundo, onde reside a autoridade, quem pode tomar decisões e como criar um sistema novo.

Cassie Solomon: Uma única pessoa a tomar decisões funciona muito bem nas empresas em fase inicial. Quando a empresa cresce, essa abordagem começa a ser dolorosa. A equipa fundadora está habituada a tocar em todas as decisões e, de repente, juntam-se centenas de pessoas novas, muitas delas com grande experiência. É aí que surgem normalmente os problemas relacionados com os direitos de decisão.

As organizações estão a tornar-se mais horizontais porque a informação está mais acessível. Quando a informação chega à linha da frente, a tomada de decisões também deve acompanhar essa informação. No entanto, ainda queremos manter uma pessoa no circuito, especialmente nas decisões importantes. Isso é fundamental na nossa evolução com a IA.

Galen Low: Não é apenas a tecnologia que aproxima a inteligência das pessoas que realizam o trabalho. Também há confiança e formação. Ter a informação certa não significa necessariamente ter a formação ou a visão global necessárias para tomar boas decisões.

Cassie Solomon: Criámos um modelo de capacitação baseado em anos de consultoria RACI. Uma das componentes é a competência, com base na investigação de Dreyfus. Uma pessoa principiante precisa de listas de verificação detalhadas. À medida que ganha experiência, desenvolve discernimento e passa a reconhecer padrões de forma intuitiva.

O mesmo é relevante para a IA. Temos de decidir quando é que um agente pode tomar uma decisão sozinho e quando é necessária uma pessoa no circuito. Na medicina, por exemplo, os sistemas de IA podem superar profissionais menos experientes, mas isso não significa que todas as decisões devam ser entregues à máquina.

Galen Low: A experiência resulta de estar exposto ao trabalho, participar na tomada de decisões, receber apoio e aprender com os erros. A aprendizagem automática acontece de forma muito mais rápida, mas continua a existir a questão do nível de conforto humano e da confiança.

Até agora, as ferramentas não apareciam no RACI porque não tomavam decisões. Agora isso está a mudar. A IA deve ser tratada como membro da equipa ou como ferramenta?

Cassie Solomon: Como ambos. Numa solução pontual, é uma ferramenta. Por exemplo, os bancos utilizam IA para detetar fraude, analisando milhares de milhões de transações e identificando padrões invulgares. Nesse caso, não é necessária uma pessoa no circuito para cada transação.

Mas, quando falamos de decisões mais importantes, como transplantar um pulmão ou lançar um drone, continuamos a precisar de uma pessoa no circuito. Nesse caso, a IA é mais uma ferramenta do que um membro da equipa.

A IA pode estar no quadro RACI. Podemos decidir que um agente recebe a primeira autorização e que os casos que cumpram determinadas condições são escalados. Dessa forma, tornamos visíveis os parâmetros da sua autoridade e definimos quais as decisões que devem permanecer com as pessoas.

Galen Low: O RACI torna-se, de certa forma, um documento da nossa tolerância ao risco. Essa tolerância muda, por isso precisamos de manter a mentalidade e o diálogo. Muitas decisões que são claras para os seres humanos continuam invisíveis para a IA, que precisa de saber como decidimos.

Cassie Solomon: Uma das partes mais difíceis do trabalho entre áreas é que cada pessoa chega à equipa com as prioridades do seu departamento. Todos querem preservar alguma autoridade decisória. Se simplesmente colocarmos a ferramenta RACI por cima do problema, ela ajudará a revelar a desorganização, mas a verdadeira competência está em negociar um sistema mais simples e capaz de avançar.

O RACI pode ser utilizado como ferramenta de conceção. Podemos colocar o fluxo de trabalho na parte superior e o quadro RACI correspondente por baixo. Os fluxos de trabalho descrevem o que acontece, mas muitas vezes não mostram as pessoas, os papéis nem quem toma as decisões.

Podemos começar por identificar todo o trabalho que tem de ser realizado — esses são os R. Depois perguntamos: “Que decisões fazem parte deste papel?” O conhecimento especializado necessário para esse trabalho pode ser representado na coluna C. Assim, redesenhamos papéis com base no trabalho, nas decisões e nas competências, e não apenas nos títulos profissionais.

Galen Low: Isso é particularmente interessante porque, nos diagramas de fluxos de trabalho, as decisões aparecem apenas como losangos. O RACI acrescenta as pessoas, a autoridade, a responsabilidade e o conhecimento especializado.

Cassie Solomon: Há um caso muito interessante da IKEA. A empresa substituiu muitas pessoas por chatbots para responder a perguntas simples dos clientes. Quando analisou as perguntas, percebeu que muitas pessoas procuravam, na realidade, aconselhamento de design, algo que o chatbot não conseguia oferecer.

A IKEA teve de formar novamente 8 500 pessoas para prestarem aconselhamento básico de design e ganhou muito dinheiro. Temos de continuar abertos à possibilidade de a IA revelar lacunas no sistema. Temos mais dados e inteligência disponíveis do que em qualquer outro momento da história humana. A resposta não deve ser despedir pessoas, mas utilizar esses dados para perceber onde estão as lacunas e como as podemos preencher.

Galen Low: Podemos identificar essas lacunas através de uma mentalidade RACI, compreendendo como as decisões são tomadas e onde surgem falhas quando criamos algo completamente novo.

Cassie Solomon: O futuro exige que todos nos tornemos especialistas na utilização desta ferramenta, para iluminar as partes invisíveis da organização que nos estão a impedir de avançar ou que representam oportunidades para inovar.

Não consigo prever o futuro, mas os sinais do que está para vir já estão a aparecer. Se aprendermos a reconhecer exemplos em que a tomada de decisões acompanha a informação para um novo local, podemos começar a construir uma compreensão do que será o novo modelo.

Galen Low: Temos agora uma abundância de informação, mas precisamos de uma linguagem que nos permita dialogar sobre a tomada de decisões e sobre a forma como o trabalho funciona.

Cassie Solomon: É um momento simultaneamente assustador e entusiasmante para tentar conceber o futuro com esta nova tecnologia.

Galen Low: Cassie, esta conversa foi incrível. Aprendi imenso. Obrigado por voltar ao programa e partilhar os seus conhecimentos. Para quem quiser saber mais sobre si, sobre o seu trabalho com RACI e sobre a certificação RACI, onde pode encontrar mais informação?

Cassie Solomon: O site chama-se RACI Solutions e foi criado em torno da nossa prática de consultoria RACI. Dentro de algum tempo, também terá informação sobre o curso de certificação. Estamos a limitar cada grupo a 20 pessoas porque queremos promover o diálogo e a aprendizagem entre participantes.

Galen Low: Perfeito. Também vou incluir o seu perfil nas notas do programa. Cassie, mais uma vez, obrigado.

Cassie Solomon: Obrigada, Galen.

Galen Low: Muito bem, é tudo por hoje neste episódio do Podcast do Gestor de Projetos Digitais. Se gostou desta conversa, subscreva o programa na plataforma onde nos ouve.

E, se quiser ainda mais ideias práticas, estudos de caso e guiões, crie uma conta gratuita em thedigitalprojectmanager.com. Até à próxima e obrigado por nos ouvir.