Inteligência Artificial na Prática

Funcionários estão cada vez mais recorrendo à inteligência artificial para obter aconselhamento de carreira, apoio emocional e até mesmo companhia. No entanto, as pesquisadoras Constance Noonan Hadley, do Institute for Life at Work, e Sarah Wright, da University of Canterbury, descobriram que, apesar dessas interações, mais da metade dos 1.545 trabalhadores do conhecimento nos Estados Unidos entrevistados relataram sentir solidão no trabalho — um fator associado a menor satisfação profissional e maior intenção de sair do emprego.

A pesquisa sugere que a IA não substitui os benefícios das conexões humanas e pode, ao longo do tempo, enfraquecer a colaboração, a confiança e as habilidades sociais. As autoras recomendam cinco medidas para evitar esses problemas: monitorar o impacto social da IA, estabelecer diretrizes para seu uso, projetá-la para estimular a interação humana, utilizá-la na organização de atividades sociais e treinar funcionários para um uso saudável da tecnologia.

Continuar lendo Funcionários estão recorrendo à IA para apoio pessoal. Isso é arriscado.

Como os robôs com IA generativa estão remodelando os serviços

Ao incorporar inteligência artificial generativa, os robôs estão evoluindo de máquinas baseadas em scripts para sistemas adaptativos que interpretam contexto, aprendem por demonstração e ajustam seus comportamentos em tempo real. Avanços em modelos de linguagem de grande escala e tecnologias relacionadas estão ajudando os robôs a oferecer resultados consistentes e personalizados em escala. Veículos autônomos e assistentes humanoides em fábricas demonstraram que os robôs podem lidar com instruções complexas e colaborar com pessoas em ambientes físicos.

Mas, para implementar com sucesso robôs movidos por IA generativa, as empresas precisam escolher casos de uso vinculados a restrições reais de trabalho, projetar interações que pareçam naturais, posicionar os robôs como parceiros — e não substitutos — dos funcionários, alinhar as capacidades dos robôs à variabilidade das tarefas e definir métricas de sucesso. Privacidade, transparência e segurança também devem permanecer prioridades à medida que os robôs coletam dados e influenciam decisões.

Continuar lendo Como os robôs com IA generativa estão remodelando os serviços

Por que o modelo de produto digital supera as abordagens baseadas em projetos

As empresas precisam fazer a transição do gerenciamento tradicional de projetos de TI para a gestão de produtos digitais. Abordagens baseadas em projetos — sejam em cascata ou ágeis — apresentam altas taxas de fracasso, e tecnologias emergentes como a IA podem tornar os resultados ainda menos previsíveis. Normalmente, os projetos terminam quando um novo sistema ou aplicativo é entregue, limitando as oportunidades de aprendizado e melhoria. A gestão de produtos digitais, em contraste, depende de equipes permanentes e multifuncionais que se concentram em resultados de longo prazo e no valor para o cliente.

O sucesso dessas equipes é avaliado pela adoção, retenção de usuários e receita. Para realizar a transição, as empresas devem começar com pequenas vitórias, definir uma visão de produto, capacitar as equipes, construir uma infraestrutura duradoura para apoiá-las e assumir um compromisso de vários anos, como fizeram empresas como o The New York Times, CarMax e Capital One.

Continuar lendo Por que o modelo de produto digital supera as abordagens baseadas em projetos

Por que a IA generativa parece tão ameaçadora para os trabalhadores

À medida que a IA generativa passa a executar mais tarefas cognitivas, criativas e interpessoais, muitos funcionários a percebem como uma ameaça à sua competência, autonomia e senso de pertencimento no trabalho. Essas perturbações psicológicas estão produzindo resistência generalizada, desengajamento e até oposição velada às iniciativas de IA. O desafio para os líderes não é apenas a integração técnica, mas também a adaptação emocional e social. Para enfrentar esse desafio, os autores propõem a estrutura AWARE, que ajuda líderes a atender às necessidades psicológicas dos funcionários: reconhecer as preocupações dos empregados, observar comportamentos adaptativos e desadaptativos de enfrentamento, alinhar sistemas de apoio às necessidades psicológicas, redesenhar fluxos de trabalho em torno das sinergias entre humanos e IA e capacitar os trabalhadores por meio de transparência e inclusão. Líderes que aplicam essa estrutura podem garantir que as ferramentas de IA generativa fortaleçam — e não enfraqueçam — a motivação e o comprometimento dos trabalhadores.

Continuar lendo Por que a IA generativa parece tão ameaçadora para os trabalhadores

A IA generativa não tornará seus funcionários especialistas

A IA generativa pode ajudar trabalhadores a executar tarefas desconhecidas com mais rapidez, mas não elimina a diferença de desempenho entre novatos e especialistas.

Pesquisadores exploraram essa dinâmica ao realizar um experimento controlado de redação com funcionários de uma empresa fintech, dividindo os participantes em três grupos com base no nível de expertise relevante. Cada grupo concebeu e redigiu um artigo com e sem assistência de IA. O desempenho na fase de conceituação foi semelhante entre os grupos quando utilizaram IA, indicando que a tecnologia ajudou as pessoas a gerar ideias consistentes mesmo sem experiência profunda. Durante a fase de escrita, porém, surgiram diferenças. O grupo com expertise intermediária quase igualou os especialistas ao usar IA, mas o grupo com baixa expertise apresentou melhora mínima, sugerindo que ter experiência na tarefa era crucial para interpretar e refinar os resultados da IA. As conclusões indicam que a capacidade da IA generativa de qualificar trabalhadores depende da “distância de expertise” entre a pessoa e a tarefa. As organizações devem combinar ferramentas de IA com orientação estruturada, treinamento básico e fluxos de trabalho redesenhados, em vez de presumir que a tecnologia, sozinha, pode transformar novatos em especialistas.

Continuar lendo A IA generativa não tornará seus funcionários especialistas

Uma abordagem sistemática para experimentar com IA generativa

As ferramentas de IA generativa oferecem oportunidades sem precedentes, mas as organizações que as adotam frequentemente enfrentam uma queda inicial de produtividade antes de observar ganhos sustentados. Essa “curva J da produtividade” reflete as dores de crescimento associadas à integração de novos sistemas, à reorganização de fluxos de trabalho e ao investimento em capacidades complementares. Para preencher a lacuna entre a adoção e o impacto mensurável, algumas empresas inteligentes estão adotando uma abordagem disciplinada: a experimentação organizacional. Ao desenhar experimentos direcionados e utilizar métodos científicos para testar, refinar e escalar soluções promissoras, empresas como Siemens, Procter & Gamble e Google estão reduzindo riscos e acelerando o aprendizado. O caminho para a geração de valor impulsionada por IA generativa não é rápido nem linear, mas as organizações que investem em experimentação acabam navegando melhor pela incerteza e transformando potencial em ganhos reais de desempenho.

Continuar lendo Uma abordagem sistemática para experimentar com IA generativa

Alinhe sua estratégia de IA à realidade da sua organização

A inteligência artificial é frequentemente anunciada como um divisor de águas, mas muitas empresas descobrem que seus ousados projetos-piloto de IA entram em colapso quando seus modelos operacionais não conseguem sustentá-los. Neste artigo, os autores argumentam que o sucesso da IA depende menos dos algoritmos e mais do alinhamento entre as ambições de uma empresa e sua realidade organizacional. Com base em pesquisas e em exemplos de empresas de diversos setores, eles apresentam um framework construído sobre duas dimensões — controle da cadeia de valor (o grau de influência que uma empresa exerce sobre o percurso da ideia até o mercado) e amplitude tecnológica (o alcance e a interdependência das tecnologias que uma empresa precisa integrar para competir). Eles analisam as quatro estratégias resultantes que as empresas podem usar para transformar o potencial da IA em desempenho: diferenciação focada, integração vertical, ecossistema colaborativo e liderança de plataforma.

Continuar lendo Alinhe sua estratégia de IA à realidade da sua organização

Parem de executar tantos projetos-piloto de IA

As empresas ansiosas para adotar a IA generativa costumam lançar inúmeros projetos-piloto em diferentes departamentos, buscando ganhos rápidos e eficiências marginais. Mas uma abordagem dispersa não gera impacto transformador. A empresa global de bens de consumo Reckitt adotou um caminho diferente. Ela escolheu se aprofundar em um único domínio — marketing — onde a IA generativa poderia ser aplicada em tarefas interconectadas, como geração de insights, criação de conteúdo e desenvolvimento de produtos.

A lição? Para liberar todo o potencial da IA generativa, as organizações devem resistir à tentação de experimentar amplamente e, em vez disso, adotar uma abordagem profunda e focada — concentrando esforços onde a escala e a sinergia podem impulsionar mudanças significativas. Devem começar escolhendo um único domínio estratégico em que a IA generativa possa ser aplicada em tarefas interconectadas. Em seguida, devem aproveitar suas forças existentes — como ativos de dados ou capacidades técnicas — para ampliar a adoção de IA de forma significativa. Ao repensar processos centrais dentro desse domínio e alinhar as equipes em torno da transformação, e não da experimentação, as empresas podem obter insights mais profundos, acelerar a inovação e alcançar impacto mensurável.

Continuar lendo Parem de executar tantos projetos-piloto de IA

Como monetizar seus dados

Muitas organizações possuem dados proprietários valiosos, mas carecem de um plano claro para comercializá-los. À medida que o interesse em vender dados cresce — impulsionado pelos avanços em IA, pela pressão para encontrar novas fontes de receita e pelo sucesso de empresas como Amazon, Mastercard e Instacart — os líderes precisam de uma abordagem estruturada. As estratégias mais eficazes começam próximas de casa: com os negócios principais, parceiros existentes e foco em dados que apoiam a missão principal da empresa. Para ter sucesso, as empresas devem primeiro esclarecer quem são seus clientes de dados e quais problemas os dados vão resolver. Também precisam escolher entre monetização direta, como assinaturas ou licenciamento, e abordagens indiretas que incorporam os dados em ofertas existentes. E, independentemente do método, privacidade de dados, conformidade regulatória e risco reputacional devem ser tratados desde o primeiro dia. Finalmente, a forma como os dados são apresentados importa. As empresas podem vender dados brutos, agrupar insights ou oferecer produtos comercialmente prontos. Quanto mais completa for a oferta, maior o potencial de diferenciação estratégica e retorno sustentável.

Continuar lendo Como monetizar seus dados