Está a acompanhar as métricas erradas? Como a IA pode reduzir o risco da entrega

Leia a transcrição:

Estamos a experimentar transcrever os nossos podcasts através de um programa de software. Perdoe quaisquer erros tipográficos, uma vez que o sistema automático não está correcto a 100%.

Galen Low: Como pode uma organização ou uma equipa determinar se está a acompanhar as métricas certas e o que pode fazer se perceber que esteve a medir a coisa errada durante todo este tempo?

Lior Gerson: É preciso acompanhar tudo o que o ajude a chegar onde quer chegar. Tudo o resto é ruído.

Galen Low: Pode dar-nos um exemplo, seja de uma métrica que talvez fosse a métrica errada, seja do processo através do qual mudaram para medir a coisa certa?

Lior Gerson: Um dos nossos clientes queria melhorar a forma como previa aquilo que iria entregar em cada trimestre. Conseguiu pegar na nossa plataforma, automatizar o processo e isso demorou-lhe cerca de um dia. Mas agora, sempre que quer, tem essa informação à sua frente: “O que vou entregar este mês?”

Acha que existe uma fase em que um agente de IA se torna um gestor de projectos ou substitui completamente o gestor de projectos?

Galen Low: Penso que, para algumas definições daquilo que um gestor de projectos faz, sim.

Bem-vindo ao podcast The Digital Project Manager — o programa que ajuda os líderes de entrega a trabalhar de forma mais inteligente, entregar mais depressa e liderar melhor na era da IA. Eu sou o Galen e, todas as semanas, exploramos estratégias do mundo real, novas ferramentas, estruturas comprovadas e, ocasionalmente, uma história de guerra das linhas da frente dos projectos.

Quer esteja a conduzir grandes projectos de transformação, a gerir fluxos de trabalho de IA ou simplesmente a tentar manter o caos sob controlo, está no sítio certo. Vamos começar.

Hoje vamos falar sobre a forma como as perspectivas tradicionais de medir o sucesso dos projectos estão a ser postas em causa e sobre o motivo pelo qual as ferramentas de gestão de indicadores-chave de desempenho baseadas em IA podem ser a sua única oportunidade de acompanhar o ritmo da lista crescente de variáveis que podem determinar o sucesso ou o fracasso dos resultados do seu projecto.

Hoje tenho comigo Lior Gerson, cofundador e director executivo da TargetBoard.ai. O Lior começou a sua carreira na mySupermarket, que era o maior sítio Web de comparação de preços do Reino Unido, servindo dezenas de milhões de utilizadores todos os meses. Aí, foi responsável por projectos multimilionários, colaborando com gigantes como a Walmart, a WPP e a Dentsu.

Depois, fundou a Vroom.com como director de tecnologia, um concessionário automóvel em linha que abriu o capital com uma avaliação de 2,5 mil milhões de dólares. Em seguida, liderou o produto da Placer.ai, uma empresa unicórnio de análise de localização que processava petabytes de dados. E, claro, hoje lidera a TargetBoard, uma ferramenta de gestão de indicadores-chave de desempenho baseada em IA.

Lior, muito obrigado por se juntar a nós hoje.

Lior Gerson: Obrigado, Galen. É um prazer estar aqui.

Galen Low: Estou muito entusiasmado por falar consigo, porque é alguém profundamente envolvido no mundo dos indicadores-chave de desempenho e na tomada de decisões informadas por dados para alcançar o sucesso. Sinceramente, espero que esta conversa tome rumos que não tinha planeado, mas este é o roteiro que preparei para hoje. Para começar, queria tirar do caminho uma grande questão premente, aquela pergunta que toda a gente quer ver respondida.

Mas, depois disso, gostaria de recuar e falar sobre três coisas. Primeiro, queria falar sobre o desalinhamento cultural em torno dos indicadores-chave de desempenho e sobre como traduzir métricas entre diferentes níveis de uma organização. Depois, gostaria de falar sobre a forma como os indicadores-chave de desempenho dos projectos estão a mudar e sobre onde pensa que irão chegar. Por fim, pensei que poderíamos concentrar-nos em algumas formas práticas de as empresas e as equipas de projecto começarem a tirar partido do acompanhamento de indicadores-chave de desempenho optimizado por IA e no impacto que isso poderá ter nos seus fluxos de trabalho, para melhor ou para pior.

O que lhe parece?

Lior Gerson: Parece-me bem. Penso que vai ser uma discussão fascinante.

Galen Low: Óptimo. Também acho. Muito bem, eis a pergunta premente. Ultimamente, tem-se falado muito do facto de muitos projectos e, na verdade, organizações inteiras poderem estar a medir e a acompanhar a coisa errada.

No caso dos projectos, tenho visto muita discussão a pôr em causa tudo, desde o anteriormente sagrado Triângulo de Ferro — âmbito, calendário e orçamento — até métricas ágeis como a velocidade. E, a nível organizacional, tenho visto pessoas questionarem indicadores como a receita por colaborador a tempo inteiro, a margem bruta e a utilização. O grande tema de que se fala no meu mundo, pelo menos no mundo da gestão de projectos, é a ideia de que os líderes de projecto não devem medir apenas a saúde do projecto, mas também o impacto do projecto.

Perante este cenário, a minha pergunta é: como pode uma organização ou uma equipa determinar se está a acompanhar as métricas certas e o que pode fazer se perceber que esteve a medir a coisa errada durante todo este tempo?

Lior Gerson: Sim, é uma excelente pergunta. As iniciativas de projecto que utiliza devem estar alinhadas com uma estratégia empresarial, certo? Com uma estratégia de produto.

Seja qual for a direcção que a empresa queira tomar. Mas, quando se coloca isso no contexto da gestão de projectos, aquilo que realmente se quer alcançar é dizer: “Está bem, quero atingir os meus marcos dentro do prazo e do orçamento, com o mínimo de fricção possível e com o máximo de precisão e previsibilidade”, certo? Portanto, toda a magia que precisa de acompanhar são as métricas que o vão ajudar a chegar a esse estado, certo?

Pode ser qualquer coisa. Pode ser a rapidez com que os testes avançam, onde existem bloqueios, os dias de férias, a forma como as pessoas estão a utilizar a IA. Pode acompanhar qualquer coisa, desde que isso o mantenha dentro desse quadro daquilo que está realmente a tentar alcançar. Mas, se não estiver a acompanhar as coisas que o vão ajudar a chegar lá, está a acompanhar as coisas erradas.

Galen Low: Gosto dessa perspectiva porque penso que tendemos a gravitar em torno das coisas certas para medir. Até o disse na pergunta: qual é a coisa certa para medir? O que está a dizer é que, na realidade, seja qual for a coisa que o ajude a avançar, essa é a coisa certa para medir. Mesmo que seja muito diferente daquilo que outra equipa está a fazer.

Mesmo que seja muito diferente daquilo que fazia noutra organização. Deve estar alinhada com a missão.

Lior Gerson: É preciso acompanhar tudo o que o ajude a chegar onde quer chegar. Tudo o resto é ruído.

Galen Low: É justo. Para as pessoas que estão a pensar: “Uau, Lior, está a falar a minha língua; definitivamente não estamos a acompanhar as coisas certas”, precisamos de começar. Como é que se definem as coisas certas para avançar? Existe alguma boa prática ou processo?

Lior Gerson: É preciso compreender o negócio. É preciso compreender o projecto. É preciso perceber o que está a fazer a diferença. Quais são os factores decisivos? O que vai causar impacto?

São as pessoas? São os recursos? É a complexidade? Como se desmonta tudo? Diz-se: “Está bem, estes são os componentes. É isto que precisa de acontecer. Agora, como se acompanha se isso está realmente a acontecer e não está a ficar perdido pelo caminho?”

Os dados vão estar espalhados por todo o lado. Não estarão actualizados. E vai dizer: “As pessoas não estão a actualizar o sistema, por isso é lixo à entrada e lixo à saída, e eu não consigo fazer isto.” Vai gastar todo este tempo sem obter qualquer retorno. Há um milhão de formas e um milhão de razões pelas quais pode não funcionar, mas precisamos que funcione. Portanto, a responsabilidade é sua.

Galen Low: Está bem. Isso faz sentido. Poderia talvez dar-nos um exemplo, seja de uma métrica que talvez fosse a métrica errada e do processo através do qual mudaram para medir a coisa certa, ou até de alguma métrica pouco convencional que alguém com quem trabalhou estivesse a acompanhar e que tivesse efectivamente contribuído para avançar em direcção aos objectivos, mas que fosse uma coisa bastante não tradicional para medir?

Lior Gerson: Deixe-me falar de um dos nossos clientes, chamado Versa. É uma pessoa brilhante. Adoramos trabalhar com ele e queria melhorar a forma como previam aquilo que iriam entregar em cada trimestre. O plano era melhorar a precisão do planeamento e das previsões.

Estavam a trabalhar muito depressa e as coisas mudavam constantemente. As prioridades mudavam, as capacidades mudavam e as pessoas mudavam de equipa. Por isso, tudo se tornava realmente complicado. O que ele criou foi uma fórmula que utiliza o desempenho anterior de cada colaborador e de cada equipa e o acrescenta à capacidade actual dessa equipa ou grupo.

Em vez de ter de processar todos esses dados no Excel, o que demora muito tempo — dados sobre dias de férias, tarefas, prioridades e muitas outras coisas — decidiu utilizar a nossa plataforma para automatizar o processo.

E isso demorou-lhe cerca de um dia. Mas agora, sempre que quer, tem essa informação à sua frente: “O que vou entregar este mês?” Assim, quando o director executivo ou o director de produto chega e diz: “Preciso de alterar uma prioridade”, ele consegue ver imediatamente o que vai mudar e como isso afecta todas as iniciativas que estão a tentar impulsionar.

Achei brilhante a forma como utilizou os dados e os colocou no contexto certo para contar a história que precisava de contar.

Galen Low: Estive recentemente numa conferência sobre Agile. E mencionei a velocidade anteriormente. Toda a gente dizia que é uma medida fraca do impacto. E, por vezes, é simplesmente uma medida fraca porque, em muitas equipas ágeis, é suposto existir uma equipa dedicada.

As pessoas deveriam estar a trabalhar a tempo inteiro nesse projecto. E as pessoas com quem falo dizem-me: “Isso nunca acontece.” As pessoas vão de férias ou são deslocadas para outros projectos. Por isso, olha-se para esta métrica de velocidade, que sobe e desce, e tenta-se planear com antecedência, perguntando: “O que se está a passar?”

Não é uma métrica muito boa. E diria que a maioria das pessoas provavelmente não pensaria em criar uma métrica agregada baseada em dados dinâmicos ou não saberia como a construir. Mas faz muito sentido. É quase como a noção de afectação de recursos em tempo real: esta pessoa vai estar ausente, por isso devemos esperar esta quebra na métrica de produção, desempenho ou impacto. Está-se realmente a recolher dados de outros locais, em vez de tentar ter uma única medida, a métrica que governa todas as outras. Funciona como tal, mas é uma métrica agregada. Acho isso muito interessante.

Lior Gerson: É interessante que mencione isso. Pense na forma como os dados se propagam pela empresa. Quando uma pessoa se ausenta, demora algum tempo até as pessoas saberem disso. O gestor vai saber, mas, até essa informação chegar à pessoa certa, que compreende como irá afectar os prazos do projecto e quais serão os efeitos secundários ou terciários, podem passar dias ou semanas. Esse tempo não é recuperável.

Adicionar mais recursos vai simplesmente prolongar o prazo. Não significa que o vá encurtar. Existe uma curva de aprendizagem. Por isso, quanto mais depressa conseguir fazer chegar essa informação a toda a organização e às pessoas certas, maior será o impacto. É um efeito de juros compostos.

Galen Low: Esse atraso é muito real. Na nossa comunidade, há sempre muita conversa sobre “Quem me dera que alguém me tivesse dito que o meu programador principal ia de férias durante três semanas”. Vejo esse atraso constantemente no meu trabalho: recebe-se um pedido de férias, entra-se no sistema e existe todo um processo, um fluxo e estrangulamentos antes de alguém sequer saber que as férias dessa pessoa foram aprovadas.

Gosto da ideia de transmitir essa informação directamente.

Lior Gerson: As férias são fáceis. Pense no trabalho remoto, numa reunião no Zoom e em alguém que desaparece. Quem desapareceu? Ninguém lhe disse nada.

Galen Low: Sim, percebo.

Lior Gerson: Duas semanas depois, essa pessoa não atende as minhas chamadas.

Penso: “O que se passa?” E alguém responde: “Já não está aqui.”

Galen Low: Já não está aqui. Sim. Também estamos a ouvir muito isso na comunidade. É como se a produção fosse afectada sem que houvesse comunicação. E, em termos gerais, poderia explicar-me como funciona essa integração?

Porque estou a imaginar-me a abrir o Excel e a pensar: “Preciso de utilizar o Zapier ou o Make, fazer algum tipo de transformação de dados, colá-los numa folha e escrever uma fórmula.” Teria de fazer tudo isso na TargetBoard ou a integração é mais automática?

“Automática” talvez não seja a palavra certa, mas exigiria menos trabalho manual.

Lior Gerson: A TargetBoard.ai funciona de uma forma muito diferente de qualquer outro sistema existente. Ligamo-nos ao seu sistema de origem e criamos automaticamente todas as métricas e todos os indicadores-chave de desempenho relevantes para aquilo que precisa de fazer.

Depois utilizamos a IA para os gerar. Não importa se está a analisar métricas sobre a alteração da capacidade, da velocidade ou da qualidade. Não importa se está a analisar um projecto ou vários projectos, nem a forma como trabalha. Não tem de alterar nada na sua forma de trabalhar.

Aprendemos automaticamente como utiliza os seus sistemas. Não importa se utiliza o Monday, o Jira ou qualquer outra ferramenta. Depois, todas as suas métricas, relatórios e informações são gerados automaticamente e pode personalizá-los. É uma personalização autónoma ou pode fazê-la com uma equipa.

Obtém exactamente as métricas e a forma exacta de acompanhar tudo aquilo que pretende. Não exige qualquer esforço: no primeiro dia já está a funcionar e pode ter plena confiança de que os dados de que precisa estão disponíveis e são precisos. Já não precisa de se preocupar com ficheiros Excel.

Aliás, se utiliza ficheiros Excel para acompanhamento manual e essa é a sua fonte de verdade, não há problema. Ligamo-nos ao Excel e importamos também esses dados. Mas já não precisa de os actualizar. Não precisa de explicar como as coisas funcionam, como mediu determinado valor ou em que se baseia. Todas essas perguntas são respondidas na plataforma.

Pode partilhá-la com o seu executivo ou com a sua direcção. Eles terão respostas sobre a forma como as coisas são medidas, de onde vêm, para onde vão e o que está a fazer a diferença. Não terá de estar numa reunião a receber uma pergunta difícil sem saber a resposta e dizer: “Deixe-me voltar a falar consigo.”

Essa é uma das piores coisas que se pode dizer. “Não sei. Desculpe, não vim preparado. Não estudei para este teste.” Com a plataforma, basta um clique e a resposta está disponível para o seguimento.

Galen Low: Também gosto do componente do erro humano. Eu acompanho muitas coisas numa folha de cálculo.

Houve uma situação em que estava a acompanhar visualizações de páginas no Google Analytics e alguém estava a inserir utilizadores. Tivemos uma discrepância porque pensávamos estar a medir a mesma coisa, mas, na realidade, tínhamos duas fontes de dados diferentes. Eu estava a estragar tudo. Mas gosto da ideia de que alguém pode ter uma interpretação diferente da origem dos dados utilizados para medir uma métrica, em comparação com a ideia de os dados serem directamente obtidos de uma fonte de verdade.

E, além disso, a IA gerou algumas métricas com base nos requisitos, sugerindo que provavelmente deveríamos medir determinada coisa. Isso fica definido e integrado. Já participei em muitas conversas em que não conseguimos decidir qual é a métrica certa de sucesso, em parte porque não sabemos o que podemos medir.

Estamos a escolher de um baralho que só tem quatro opções e perguntamos: “Qual destas quatro?” Quando, na realidade, poderiam existir muitas outras opções.

Lior Gerson: É extremamente comum. Trabalho numa empresa e, quando entrei, estavam a acompanhar cerca de cem mil visitas por mês. Sendo uma grande empresa, perguntei: “De onde vem este número?” Parecia estranho. Eu liderava o produto e descobri que o sítio Web recebia, na realidade, dez mil visitas — 10%. Os outros 90% eram bots de automatização. O negócio não sabia.

E, quando se descobre isso, é preciso explicá-lo. O director de marketing tem de dizer: “A propósito, sabem como comuniquei o custo de aquisição de clientes e tudo o resto no último ano? Na realidade, estava 90% errado.”

Galen Low: Não é uma conversa agradável. Talvez possamos utilizar isso para recuar um pouco, porque as métricas são apenas uma coisa. Mesmo quando uma equipa ou departamento está a medir a coisa certa, existe frequentemente uma tradução que precisa de acontecer entre diferentes níveis de uma organização ou entre diferentes departamentos.

Por exemplo, uma equipa Scrum pode estar a acompanhar a satisfação do cliente, ou CSAT, versão após versão, enquanto a liderança acompanha a receita recorrente, a retenção e a perda de clientes. Uma ferramenta como a TargetBoard pode ajudar a traduzir os indicadores-chave de desempenho para um público de uma forma que os torne relevantes para outros níveis da organização? Ou será que esta é uma daquelas coisas que uma ferramenta, por si só, não consegue resolver?

Lior Gerson: Quero recuar um pouco nesta questão. Se pensarmos nas métricas em geral, a forma tradicional de fazer inteligência empresarial e acompanhar métricas significa que é preciso criar cada métrica. É necessário fazer uma sessão e planear cada uma delas. Existe, portanto, um custo real associado a tudo aquilo que se quer acompanhar, se for necessário desenvolvê-lo.

E, quando pensamos em programas como OKR ou revisão trimestral do negócio, são abordagens muito hierárquicas. Dizem exactamente o que se quer e precisa de acompanhar, criando uma visão limitada: “É isto que vou acompanhar.” Mas podem existir muitas outras coisas importantes para manter o fluxo do negócio.

Podemos não as comunicar e talvez nem sequer as acompanhemos, porque não temos recursos para isso. Com a TargetBoard, acompanhamos tudo e tornamos muito fácil escolher aquilo em que se quer concentrar. Também recomendamos o que deve ser escolhido.

Pode enviar alertas e receber informações e notificações para garantir que aquilo com que se preocupa está a ser acompanhado. Também tornamos muito fácil explicar as coisas. Temos funcionalidades que permitem perguntar: “Como explico isto para cima? Como explico isto para baixo?”

A IA gera a explicação. Pode dizer: “Ajude-me a explicar isto ao meu gestor”, “Ajude-me a explicar isto ao meu programador” ou “Ajude-me a explicar isto ao meu representante de vendas, para que compreenda por que motivo é importante e como deve pensar sobre isso.”

Também oferecemos toda a camada semântica necessária para proteger o significado das métricas e garantir que todos compreendem o que está a ser medido. Recebemos pedidos desta funcionalidade todos os dias: “Posso mudar o nome da minha métrica?” Não, porque outra pessoa já tem essa métrica e ela tem um nome definido.

E, se esse nome não representar aquilo que está a acompanhar, não pode atribuir-lhe esse nome. Temos todas estas funcionalidades para ajudar a garantir que está realmente a acompanhar aquilo que diz acompanhar e que consegue explicar o que está a acompanhar e porquê.

Galen Low: Acho que é uma funcionalidade fantástica. Trabalhei com muitas ferramentas de criação de painéis ao longo dos anos. Normalmente, essa é a lacuna: está tudo muito bem, mas o que é que este painel me está a dizer? Pode explicar isto?

A narrativa dos dados acaba por ser a lacuna, porque nem toda a gente é boa nisso. Algumas pessoas são excelentes e talvez essa seja a competência extraordinária. Mas gosto da ideia de a IA poder ajudar a explicar por que motivo uma métrica é importante, de onde vem e o que significa se estiver a oscilar.

Gosto da forma como enquadra a ideia de preparar uma pessoa para explicar bem a sua métrica a alguém que não é essa pessoa, que está noutro departamento, tem outras especializações e conhecimentos diferentes, mas que ainda assim consegue construir a narrativa daquilo que tudo isto significa. Assim, não estamos apenas a olhar para um conjunto de números e a dizer: “Uau, isto mudou 45% de uma semana para a outra.”

Lior Gerson: É isso que acontece.

Galen Low: Toda a gente olha para os números e encolhe os ombros. “Uau, é um número grande.” E seguimos em frente. Mas ninguém compreendeu realmente o que aconteceu.

Lior Gerson: As pessoas raramente lêem os relatórios. Terá relatórios de planeamento e um painel.

As pessoas não lêem os relatórios, a menos que tenham uma necessidade muito específica. Querem saber que alguém está a acompanhar determinada coisa e que essa informação está disponível caso precisem dela, mas raramente lêem os relatórios. Quando os enviamos, também temos um agente de IA que os analisa e resume para o utilizador empresarial.

Assim, recebem um resumo daquilo com que realmente se devem preocupar.

Galen Low: Sim. “Pode resumir isto para mim?” Gosto do facto de isso estar integrado. Estou a avançar um pouco, mas lembro-me de me ter dito, nos bastidores, que também existe um aspecto conversacional. Não apenas um resumo do que é importante num relatório, mas a possibilidade de fazer perguntas como: “Quantos visitantes únicos recebi nesta página na semana passada em comparação com o mesmo período do ano passado?”

Ou até: “Explique-me esta métrica.” É uma funcionalidade que desenvolveu ou está a desenvolver, com informações conversacionais?

Lior Gerson: Muitas pessoas estão a tentar resolver isso. O que está a experimentar no GA4 também aparece noutras ferramentas. O problema é que os modelos de linguagem de grande dimensão são muito maus com dados.

Parecem estar a melhorar, mas, se carregar um CSV e perguntar qual é a sua taxa de abertura de correio electrónico, não conseguem responder, a menos que especifique exactamente cada coluna e o significado dos dados.

Nós achamos que resolvemos esse problema. Ainda não adicionámos essa funcionalidade à plataforma, mas será possível fazer perguntas e obter informações fiáveis e dignas de confiança. A IA também verifica os resultados para garantir que não está a inventar informações.

Acreditamos que será uma funcionalidade decisiva, porque as pessoas vão querer processar e consumir dados de várias formas. Não será apenas através de conversas nem apenas através de painéis. Haverá diferentes formas e diferentes necessidades de interagir com os dados.

Galen Low: Sim. Na realidade, talvez nem seja mais rápido.

Lior Gerson: “Quantos negócios fechei no mês passado?” E depois: “Na verdade, só quero uma região. Pode apresentar-me os dados por região?” É muito texto e espera-se por uma resposta, enquanto na Web basta clicar duas vezes.

Galen Low: Gosto da ideia de que os dados são diferentes. Já passei por isso com dados bastante simples, como dados de folhas de horas inseridos no ChatGPT, e ele começa simplesmente a inventar coisas ou a utilizar o campo errado. Os nossos cérebros estão muito habituados a pensar em dados tabulares, mas estes modelos de linguagem não necessariamente.

Gosto da ideia de não se pegar simplesmente num relatório e o colocar no ChatGPT, esperando que seja bom a analisá-lo. É por isso que gosto de estarem a criar a vossa própria funcionalidade de inteligência empresarial e de ela verificar os próprios resultados. Talvez isso seja normal para um cientista de dados, mas gosto da ideia de existir um processo adicional antes de transmitir informação importante sobre desempenho, métricas e impacto.

Lior Gerson: A confiança é tudo. Esse é o risco com os servidores MCP. Está a pedir dados a qualquer sistema, mas não sabe realmente o que a IA vai fazer com eles nem qual será a precisão da resposta.

O que fazemos com o nosso servidor MCP é verificar os dados em todos os seus sistemas. Recolhemos dados de todos eles, combinamo-los e verificamos se a resposta que está a obter é totalmente precisa.

Galen Low: O vosso servidor MCP — protocolo de contexto do modelo — é a espinha dorsal. É aquilo que valida todos os dados que entram, em vez de ser apenas um interveniente a aparecer e a responder.

Isso é muito interessante. Queria explorar o futuro das métricas e conhecer a sua perspectiva. A sensação que tenho nos círculos em que me movimento é que as coisas estão a mudar. Já não é possível ter um quadro de resultados estático com os indicadores habituais. Quais são algumas métricas pouco convencionais que vê a emergir e que podem definir o aspecto dos indicadores-chave de desempenho no futuro?

Ou quais são as suas previsões sobre a forma como as organizações acompanharão os indicadores-chave de desempenho daqui a três, cinco ou dez anos?

Lior Gerson: A nível micro, veremos muito mais indicadores-chave de desempenho relacionados com IA. Já começamos a ver isso. Quantos agentes estou a executar? Qual é a sua eficácia? O que estão a fazer aos indicadores-chave de desempenho do negócio?

Mas, a nível empresarial e mais elevado, penso que haverá menos preocupação com a forma como as coisas são feitas. Se acompanha a receita anual recorrente, a perda de clientes ou os prazos de entrega, as métricas principais continuarão a ser as mesmas. Essa é a linguagem do negócio.

O que acontece por baixo da superfície é que vai mudar. Se dissermos: “Precisamos de entregar A, B e C, mas agora estamos a acompanhar a velocidade ou a qualidade”, então a velocidade e a qualidade são o segundo nível dessas métricas.

Se descermos mais um nível, começamos a perguntar em que consiste a velocidade. É trabalho de desenvolvimento? São coisas bloqueadas? São tarefas presas na revisão? O âmbito mudou e foi necessário voltar atrás? Temos sistemas de IA a executar tarefas e alguns funcionam, enquanto outros não funcionam?

Depois é preciso gastar tempo e recursos a perceber por que motivo o GPT-5 não está a dar os mesmos resultados que esperávamos. Esse é o nível dos pormenores que estão a fazer a diferença nos bastidores.

Galen Low: Gosto muito dessa estrutura por camadas. Se o modelo de negócio permanecer igual, algumas das métricas superiores, aquilo que descreveu como métricas hierárquicas, provavelmente não mudarão muito. Mas, por baixo, podem mudar bastante.

Se o objectivo for ter mais pessoas a utilizar IA para tomar melhores decisões e isso ajudar a alcançar o objectivo, então deve acompanhar isso nesse nível inferior, juntamente com o tempo de ciclo.

Também mencionou que as pessoas nem sempre sabem pedir aquilo que querem. Isso aplica-se ao contexto dos dados, mas também à criação de instruções. Vi recentemente uma publicação no LinkedIn sobre novas métricas, incluindo o índice de qualidade das instruções: medir a qualidade das instruções que as pessoas escrevem.

Só porque as pessoas estão a utilizar IA não significa que estejam a tornar-se mais eficientes. Podem estar presas em conversas circulares com um robô e continuarão a aparecer como utilizadores de IA no trabalho, mas talvez não estejam a criar instruções de qualidade.

Não sei como se mediria isso, mas gosto da ideia de que aquilo que importa medir nos níveis inferiores vai mudar bastante. Nos níveis superiores, talvez não mude tanto em termos de sucesso empresarial, crescimento e receita.

A minha pergunta é: não existe uma grande sobrecarga sempre que se altera uma métrica? É preciso ligá-la a uma fonte, ensinar às pessoas o que significa, criar uma rotina de comunicação e garantir que compreendem como contribui para avançar.

Lior Gerson: É isso que acontece actualmente e tem acontecido durante anos. Existe um analista ou uma equipa de analistas para cada departamento e é isso que fazem: garantem que as métricas funcionam.

Nem sequer são métricas personalizadas. Estão apenas a reinventar a roda. As grandes empresas adoram mudar de plataforma. Passam o dia a migrar de um sistema para outro que faz a mesma coisa.

Cada mudança cria um grande projecto de dados: “Agora temos de actualizar todos os nossos relatórios.” Existe todo um ciclo de segurança profissional associado a isso.

Parte do que fazemos é mostrar que não é necessário tudo isso. Pode mudar de plataforma e todos os seus relatórios e métricas permanecem iguais. Se tiver de actualizar alguma coisa, pode configurar automaticamente uma notificação para todas as pessoas que precisam de saber que a métrica foi actualizada.

O mundo está avariado porque as pessoas têm demasiados sistemas e demasiados dados que não conseguem utilizar. Ferramentas como a TargetBoard vão facilitar a utilização e o acesso a esses dados. Não serão necessários tantos intermediários que, muitas vezes, nem sequer compreendem o negócio.

Falámos com o director de estratégia de uma grande empresa. Ele disse: “Tenho cem pessoas de inteligência empresarial e aprendizagem automática na minha equipa. Sempre que tenho uma pergunta nova, demoro pelo menos seis meses a obter uma resposta.”

A infraestrutura existe, mas a pergunta tem de passar por demasiadas pessoas até estas compreenderem o que ele está realmente a perguntar. Nós poderíamos dar-lhe a resposta hoje, mas ele disse que não podia simplesmente pedir à equipa de dados para aceitar a solução. Esse era outro problema.

Galen Low: Já vi isso acontecer, sobretudo nos serviços financeiros. Também o vi na experiência do cliente, quando se tenta utilizar dados recolhidos por vários departamentos para criar uma experiência inteligente.

Recolhe-se uma enorme quantidade de dados, mas ninguém sabe o que são, o que fazer com eles ou como transformá-los em algo que possa melhorar a experiência do cliente. Os dados ficam simplesmente ali. Por vezes, as pessoas limitam-se a observar o quadro de resultados, ficam desiludidas e mudam de plataforma.

Lior Gerson: Isso leva-me de volta ao que disse antes sobre aquilo que as pessoas acompanham. Muitas acompanham os custos, incluindo os custos da nuvem. Agora também acompanham os custos dos problemas, quanto gastam e como optimizar as instruções.

Há uma grande quantidade de dados nas empresas, com custos de armazenamento e de acompanhamento, mas ninguém sabe porquê. É como as pessoas que guardam coisas na garagem e nunca as utilizam. As empresas tornam-se acumuladoras de sistemas que não utilizam para nada.

Galen Low: Fomos ensinados a pensar que era barato. O armazenamento era barato.

Lior Gerson: Exactamente. Era barato, mas já não é. Agora pensamos no custo por instrução e nessas chamadas transaccionais. O armazenamento também é mais complexo e acumulámos dados durante décadas sem fazer nada com eles.

Galen Low: Consigo identificar-me com isso. Também guardo demasiadas coisas. Tento não apagar praticamente nada. Obrigado, nuvem, por tornares isso possível. Mas, na realidade, não faço nada com grande parte dessas coisas. Conforta-me saber que estão lá.

Lior Gerson: Talvez daqui a dez anos precise delas.

Galen Low: Exactamente. Queria perguntar-lhe sobre a TargetBoard e o seu posicionamento como ferramenta de indicadores-chave de desempenho optimizada por IA. Já explicou algumas funcionalidades baseadas em IA, incluindo as sugestões de métricas e os resumos de informações.

Existe alguma outra funcionalidade de IA sobre a qual queira falar? Ou, por outro lado, o que o levou a apostar tanto na IA? Está no nome — pelo menos no domínio —, por isso é evidente que a IA está no ADN da solução que criou. De que aspecto se orgulha mais e para onde pensa que isto irá evoluir?

Lior Gerson: É uma pergunta complexa. Orgulho-me de muitas coisas. Conseguimos utilizar a IA desde muito cedo para melhorar a experiência que estamos a tentar criar.

Existem vantagens e desvantagens em ser uma empresa que coloca a IA em primeiro lugar. Penso que somos uma empresa que coloca a IA em segundo lugar, mas ela está presente em tudo o que fazemos. Em cada funcionalidade que criamos, perguntamos: “Como pode a IA torná-la melhor?” Não perguntamos como fazer isto com IA, mas sim por que motivo estamos a construir isto e como pode a IA torná-lo melhor do que era antes.

Por exemplo, temos todas as suas métricas. Para qualquer métrica, independentemente da forma como a divide, pode criar notificações, automatizações e alertas. Pode ter um negócio numa fase do funil, um botão em produção ou um pedido de suporte de um cliente específico que não está a cumprir o acordo de nível de serviço.

Cria um alerta e envia-o para onde for necessário. Mas pensar nos alertas que se quer criar é uma tarefa incómoda. É preciso pensar no que se quer criar e como fazê-lo.

Por isso, uma funcionalidade que lançámos esta semana permite que a IA, quando se está a consultar uma métrica, sugira a automatização que pode ser criada para melhorar essa métrica. Já temos recomendações e estratégias para melhorar as métricas. Agora a IA recomenda também a automatização que pode criar, permitindo fazê-lo com um clique.

Antes da IA, isto era muito mais difícil. Agora é muito mais fácil. Hoje avançamos mais depressa do que alguma vez avancei com qualquer outra empresa.

Galen Low: É justo e também impressionante. Penso que existe uma inclusão cultural natural da IA no mundo dos dados, devido aos benefícios da aprendizagem automática e à necessidade de lidar com enormes quantidades de dados.

Nas suas funções anteriores, as ferramentas processavam petabytes de dados. Nem sequer temos um modelo conceptual para compreender o que isso significa. Faz sentido precisar de capacidade computacional.

Gosto especialmente da ideia de a IA sugerir o que fazer a seguir. Quer esteja certa ou errada, posso aprender com a sugestão e continuar a recebê-la. Muitas vezes, faço alguma coisa e fico sem saber qual deve ser o passo seguinte. Uma pequena sugestão pode eliminar o desconforto, a dúvida, a hesitação ou uma lacuna de conhecimento.

E, pelo que percebo, a plataforma também configura essa notificação. Todas as terças-feiras recebo uma notificação sobre a métrica ou quando esta sai dos limites definidos.

Lior Gerson: É uma abordagem muito diferente da ciência dos dados de há três anos. Na Gettacar, por exemplo, tínhamos uma equipa de cientistas de dados dedicada à optimização do financiamento automóvel: sempre que se recebia um pedido de crédito, era necessário decidir para que entidade financiadora o enviar.

Era uma equipa que trabalhava continuamente para aumentar em alguns pontos percentuais o número de pedidos aprovados. Isso era um projecto de ciência dos dados.

Agora, cada funcionalidade que se cria inclui a pergunta: “Como posso torná-la melhor?” Se for bem feito, é possível obter resultados extraordinários muito rapidamente.

Galen Low: Adoro a rapidez com que estas coisas estão a mudar. Talvez por diversão, tem alguma pergunta que queira fazer-me?

Lior Gerson: Quais são as tendências mais impactantes que está a observar actualmente na gestão de projectos?

Galen Low: Penso que a maior é a que mencionei no início: a ideia de que os gestores de projectos não são apenas pessoas do Triângulo de Ferro que tentam entregar projectos dentro do prazo, do orçamento e do âmbito.

Existe esta revelação de que podemos ser mais estratégicos, mas precisamos de saber mais e fazer mais. Já fazíamos muito e agora sentimos que temos de ser estrategas, ou estrategas de entrega. Cabe-nos compreender melhor o negócio.

Existe também a questão misteriosa de sermos, de alguma forma, responsáveis pelo impacto, embora nem sempre estejamos envolvidos na sua medição. Muitas vezes lideramos um projecto, este é lançado e passamos ao seguinte.

Agora há uma grande mudança de mentalidade: somos especialistas na entrega de valor. Devemos criar valor, mesmo que o plano estivesse errado e tivesse de ser alterado, mesmo que o âmbito estivesse errado ou mesmo que fosse necessário gerir personalidades na sala de reuniões ou na equipa de desenvolvimento.

Existe um componente muito mais estratégico. Ainda estamos a tentar perceber como funciona, mas isso combina muito bem com a adopção da IA. Neste momento, ela ajuda-nos a ser mais eficientes, a encurtar os fluxos de trabalho, a ganhar velocidade e a lidar com tarefas que nos ocupavam demasiado tempo.

Muitos gestores de projectos dizem: “Estou demasiado ocupado para ser também um parceiro estratégico dos meus intervenientes.” Agora surge a oportunidade de deixar de actualizar relatórios de estado e folhas de cálculo manualmente, porque podemos configurar agentes para isso e procurar soluções através da IA.

A questão seguinte é: o que fazemos com esse tempo? Como aprendemos as competências necessárias para sermos líderes mais estratégicos na entrega de valor?

Num mundo ideal, passaríamos mais tempo a perguntar se estamos a fazer a coisa certa para alcançar a missão e criar impacto. É quase exactamente onde começou a conversa: como sabemos se estamos a medir a coisa certa? Estamos a medir a coisa certa se isso nos ajuda a avançar.

Lior Gerson: Muito interessante. Vou fazer-lhe outra pergunta. Sei o que penso, mas quero saber o que pensa. Falámos sobre a forma como a IA pode ajudar os gestores de projectos a automatizar tarefas e a tornarem-se mais eficientes.

Acha que existe uma fase em que um agente de IA se torna um gestor de projectos ou substitui completamente o gestor de projectos?

Galen Low: Penso que, para algumas definições daquilo que um gestor de projectos faz, sim. Existe uma perspectiva segundo a qual os gestores de projectos são apenas administradores: tiram notas, fazem actas de reuniões, acompanham itens de acção e comparam estimativas com os resultados reais.

Tudo isso pode ser facilmente substituído pela IA. As partes que não podem ser substituídas são a tomada de decisões entre pessoas. Durante algum tempo, pelo menos, algumas das grandes decisões — mudanças de plataforma, riscos de implementação — continuarão a ser conversas entre seres humanos.

É por isso que gosto da funcionalidade de narrativa dos dados. Não será simplesmente um círculo com um ponto de interrogação em que um executivo clica e recebe uma definição da métrica. Em vez disso, está a preparar a pessoa responsável pela métrica para contar a história que lhe está associada.

Penso que essa é a camada de tomada de decisões nos projectos e nos negócios que continuará a ser humana: apresentar argumentos, discutir, convencer e persuadir outras pessoas a tomar boas decisões, pensar de forma diferente e considerar possibilidades que ainda não foram experimentadas.

Esses pensamentos inovadores surgem da interacção entre seres humanos. Não quer dizer que a IA não possa ser inovadora, mas, fundamentalmente, continua a recombinar informação e nós continuamos a tratá-la como uma ferramenta de apoio, não como alguém que toma decisões por nós.

Lior Gerson: Concordo. É também isso que distingue um bom gestor de projectos de um mau gestor de projectos. Não se pode dizer: “Não podemos pagar um gestor de projectos; faça isso como tarefa adicional.” É uma profissão e não pode ser feita apenas ocasionalmente.

Galen Low: Gosto dessa ideia. Talvez a IA não substitua todos os gestores de projectos, mas provavelmente substituirá os maus.

Lior Gerson: Isso é verdade para tudo.

Galen Low: Lior, muito obrigado pelo tempo que passou comigo hoje. Foi muito divertido e adorei esta conversa.

Antes de terminar, onde podem as pessoas saber mais sobre si?

Lior Gerson: No LinkedIn. Respondo a quase todas as pessoas que me contactam e tenho todo o gosto em falar com qualquer pessoa.

Galen Low: Isso é fantástico. O meu LinkedIn está uma confusão. Obrigado mais uma vez.

Lior Gerson: Adeus, Galen. Foi um prazer.

Galen Low: É tudo por hoje no episódio do podcast The Digital Project Manager. Se gostou desta conversa, subscreva o programa na plataforma onde o ouve. E, se quiser ainda mais informações práticas, estudos de caso e guias, visite thedigitalprojectmanager.com.

Até à próxima. Obrigado por nos ouvir.