O cenário atual das empresas está cada vez mais impulsionado pela adoção de tecnologias avançadas, como a inteligência artificial, para melhorar a produtividade e eficiência nos processos de trabalho. No entanto, essa integração traz consigo desafios significativos, especialmente em relação à mensuração e governança da produtividade gerada pela inteligência artificial. Diovani Merlo, Líder de Transformação e Tecnologias da Montreal, abordou essa questão durante o CIOs Connection, realizado pela SUCESU-SP, destacando a necessidade de criar mecanismos capazes de relacionar o uso da tecnologia às entregas realizadas pelas equipes.
Desafios na Mensuração da Produtividade com IA
A discussão parte de uma diferença importante entre utilizar inteligência artificial e conseguir demonstrar seus resultados. Muitas organizações já adotaram a inteligência artificial, mas poucas conseguem mensurar seus efeitos de forma eficaz. A ausência de rastreabilidade dificulta responder perguntas básicas de governança, como quem realizou determinada atividade, quando ela foi executada e como ocorreu a participação da tecnologia no processo. Isso torna fundamental a criação de modelos que permitam medir e acompanhar as entregas de forma integrada, considerando tanto a atuação humana quanto a participação da inteligência artificial.
A Importância da Governança
A governança desempenha um papel crucial nesse contexto, pois as empresas precisam estabelecer regras capazes de determinar o que a inteligência artificial pode fazer e como ela participa das atividades. É necessário encontrar um equilíbrio entre estabelecer diretrizes claras e evitar uma governança excessivamente rígida que impeça o uso efetivo da tecnologia. A abordagem deve considerar a interação entre profissionais e agentes de inteligência artificial, garantindo que a atuação da IA seja transparente e que os profissionais estejam envolvidos nas entregas.
Integração entre Profissionais e Agentes de IA
A integração entre profissionais e agentes de inteligência artificial é um dos principais pontos a ser considerado. A Montreal trabalha com a perspectiva de que as equipes do futuro não serão exclusivamente humanas nem exclusivamente baseadas em IA, mas sim uma combinação entre os dois. Isso significa que os gestores precisarão liderar equipes que trabalham com o apoio de agentes de inteligência artificial, modificando o papel da liderança de tecnologia e exigindo uma função de coordenação dessa nova relação.
Relacionando Tokens às Entregas
O consumo de tokens também é uma questão relevante, pois medir apenas o consumo de tokens não é suficiente para compreender o resultado obtido pela organização. É fundamental relacionar o investimento em tecnologia aos resultados gerados para o negócio, considerando unidades concretas de entrega. A proposta é relacionar o consumo de tokens a essas unidades, permitindo uma análise mais precisa do resultado efetivamente produzido.
Experiência da Montreal com IA
Durante a palestra, Diovani Merlo apresentou a Dev AI Suite, plataforma da Montreal utilizada na abordagem de mensuração e governança. A plataforma reúne resultados relacionados ao trabalho de mais de 3 mil profissionais de desenvolvimento de software e áreas de negócio que interagem com esteiras de agentes. Os dados apresentados mostram que 73% do código era gerado por IA, enquanto 81% era aceito sem retrabalho. No entanto, Diovani ressaltou que o percentual de código gerado por inteligência artificial, isoladamente, não é suficiente para avaliar produtividade, destacando a importância de relacionar a atuação da tecnologia às entregas e criar rastreabilidade sobre o processo.
Desafios para os Líderes
A discussão apresentada no CIOs Connection mostra que a produtividade com IA envolve mais do que acelerar atividades. Para que o resultado possa ser administrado, é necessário saber o que foi produzido, como a tecnologia participou, qual foi o consumo envolvido e como a atuação dos agentes se relaciona às entregas. Isso exige dados e informações capazes de apoiar quem precisa coordenar equipes e tomar decisões. A liderança precisa encontrar formas de reger essa relação, medir os resultados e estabelecer uma governança que acompanhe a evolução do modelo de trabalho.
