Pular para o Conteúdo
Este artigo foi traduzido do japonês usando IA
Ler em japonês
Este artigo está em Domínio Público (CC0). Sinta-se à vontade para usá-lo livremente. CC0 1.0 Universal

Conversão de Trabalho de Fluxo e Sistemas: A Essência da Utilização da IA Generativa

Já alguma vez considerou a diferença entre uma ferramenta e um sistema?

As ferramentas são o que utilizamos para realizar tarefas. Os sistemas, de forma semelhante, otimizam as tarefas.

Alguns poderão imaginar um sistema como sendo simplesmente uma ferramenta mais complexa.

No entanto, quando as tarefas são categorizadas em dois tipos — trabalho de iteração e trabalho de fluxo — a distinção entre ferramentas e sistemas torna-se clara.

Iteração e Fluxo

O trabalho de iteração é o processo de criar entregas gradualmente, através de tentativa e erro flexíveis.

No trabalho de iteração, um conjunto de ferramentas que pode ser usado de forma intercambiável para tarefas específicas é útil.

Por outro lado, o trabalho de fluxo é um processo que progride incrementalmente, produzindo uma entrega na fase final.

No trabalho de fluxo, ter um sistema para guiar o fluxo da tarefa melhora significativamente a produtividade e a qualidade.

Conversão de Trabalho de Fluxo e Sistematização

Muitas tarefas realizadas por humanos são trabalho de iteração ou parte de um trabalho de fluxo sistematizado.

Ao converter o trabalho de iteração em trabalho de fluxo e, em seguida, sistematizá-lo, a produtividade e a qualidade podem ser significativamente melhoradas.

A Revolução Industrial e a Revolução da TI

A Revolução Industrial e a Revolução da TI são exemplos primordiais de como a conversão do trabalho de iteração em trabalho de fluxo, e a sua posterior sistematização, melhoraram dramaticamente a produtividade e a qualidade.

Antes da Revolução Industrial, a produção era realizada como trabalho de iteração, com os humanos a utilizar habilmente ferramentas e a alterar livremente os arranjos e procedimentos de cada vez.

Da mesma forma, antes da Revolução da TI, o processamento de informação envolvia humanos a utilizar ferramentas de forma não estruturada e iterativa.

Ao sistematizar estes processos, tal como as linhas de produção fabris ou os sistemas de TI empresariais, a produtividade e a qualidade foram significativamente melhoradas.

No entanto, não só a sistematização, mas também a conversão do trabalho de fluxo das tarefas iterativas é extremamente crucial. Foi a capacidade de converter para trabalho de fluxo que tornou a sistematização possível em primeiro lugar.

A Revolução da IA Generativa

Ao visar a melhoria da produtividade e da qualidade através da utilização da IA generativa em operações empresariais, a mera utilização da IA como ferramenta não irá revelar o seu verdadeiro valor.

O objetivo central é a conversão do trabalho de iteração em trabalho de fluxo, seguida da sistematização desse trabalho de fluxo.

A IA generativa pode lidar com o trabalho de iteração devido à sua adaptabilidade. No entanto, quer seja realizado por humanos ou por IA generativa, existem limites para a produtividade e qualidade do trabalho de iteração.

Portanto, visar a conversão do trabalho de fluxo e a sistematização é crucial.

Poder-se-ia argumentar que, se a conversão do trabalho de fluxo pudesse melhorar a produtividade e a qualidade para os trabalhadores humanos, tais iniciativas poderiam ter sido empreendidas mesmo antes do advento da IA generativa.

No entanto, a conversão do trabalho de fluxo, quando baseada em trabalhadores humanos, é, na verdade, um problema muito difícil. Os trabalhadores humanos não conseguem adaptar-se imediatamente a mudanças nas atribuições de tarefas ou no conteúdo.

Pelo contrário, quando o trabalhador é uma IA generativa, é fácil reconfigurar iterativamente papéis e conteúdo de tarefas.

Ao contrário dos humanos, a IA generativa pode esquecer passos anteriores, ler e compreender instantaneamente novos procedimentos, e realizar tarefas com base neles.

Por esta razão, a abordagem predominante para alavancar a IA generativa nos negócios será a conversão do trabalho de iteração em trabalho de fluxo e a sua subsequente sistematização.

Eficiência Empresarial Usando IA Generativa

Consideremos um exemplo de eficiência empresarial alcançada através da IA generativa.

Como exemplo, consideremos a tarefa de responder a perguntas de funcionários sobre as regras internas da empresa.

A IA generativa pode ser usada para pesquisar regras internas e rascunhar respostas.

No entanto, existe a possibilidade de a IA generativa consultar regras desatualizadas ou, por engano, gerar respostas com base em informações imaginadas que não constam nas regras.

Além disso, as perguntas podem chegar por vários canais, como e-mail, ferramentas de mensagens, telefone ou pessoalmente.

Portanto, o funcionário que lida com as perguntas ainda precisa recebê-las como antes.

É concebível que a eficiência possa ser melhorada ao fazer com que os funcionários respondam às perguntas no local, quando possível, e para aquelas que exigem verificação de regras, inserindo o conteúdo da pergunta na IA generativa para gerar rascunhos de respostas.

Adicionalmente, para perguntas frequentes, é necessário publicá-las no website interno da empresa como FAQs.

A IA generativa também pode ser usada para inserir perguntas e respostas representativas e gerar rascunhos em formato de lista para publicação no website.

Além disso, a IA generativa pode ser aproveitada para rever a redação dos rascunhos quando são necessárias alterações nas regras.

Tais utilizações podem otimizar uma certa percentagem das tarefas de tratamento de perguntas.

No entanto, isto trata meramente o tratamento de perguntas como trabalho de iteração e utiliza a IA generativa como uma ferramenta.

Consequentemente, os ganhos de eficiência desta abordagem são muito limitados.

Conversão de Trabalho de Fluxo

Para maximizar a eficiência da tarefa de resposta a perguntas mencionada como exemplo, esta tarefa deve ser convertida em trabalho de fluxo.

Isso requer detalhar e documentar os passos tomados pelo responsável ao lidar com perguntas:

  • Receber perguntas através de vários canais.
  • Se a pergunta for a mesma que uma anteriormente respondida e não houver alterações nas regras relevantes, fornecer a mesma resposta anterior.
  • Para uma nova pergunta, ou uma que envolva uma alteração de regra, rever as regras e preparar um rascunho de resposta.
  • Verificar se o rascunho de resposta se refere a regras antigas ou inclui informações não indicadas nas regras.
  • Verificar se é necessária aprovação antes de responder, e obtê-la se for o caso.
  • Responder através do canal pelo qual a pergunta foi recebida.
  • Registar o conteúdo da pergunta, o resultado da aprovação e o resultado da resposta nos dados do histórico de perguntas.
  • Verificar periodicamente os dados do histórico de perguntas para criar propostas de atualização para perguntas e respostas frequentes.
  • Atualizar o website interno da empresa após obter aprovação.
  • Quando as regras são atualizadas, atualizar os dados das regras referenciadas.
  • Concomitantemente, registar nos dados do histórico de perguntas anteriores que ocorreram respostas relacionadas e atualizações de regras.
  • Verificar se as perguntas e respostas frequentes precisam de revisão devido a alterações de regras, e atualizar se necessário.

Ao clarificar os detalhes destas tarefas e conectá-los, o trabalho de iteração flexível pode ser transformado num trabalho de fluxo claro.

Exemplo de Sistematização

Ao converter as tarefas em trabalho de fluxo, o caminho para a sistematização torna-se claro.

Ao sistematizar, se algum sacrifício na conveniência do funcionário for aceitável, uma opção é consolidar os canais de perguntas.

Por outro lado, se a conveniência do funcionário for a maior prioridade, todos os canais de perguntas devem permanecer abertos.

Fundamentalmente, o sistema deve receber diretamente as perguntas. Apenas no caso de perguntas verbais é que um humano introduziria os detalhes no sistema.

Após a receção de uma pergunta, o sistema de TI e a IA generativa executarão o máximo de tarefas subsequentes possível, de acordo com o fluxo. Inicialmente, as verificações e aprovações humanas devem ser intercaladas por todo o sistema, e os operadores humanos devem poder fazer correções.

Em seguida, à medida que o sistema é usado para lidar com perguntas, se a IA generativa cometer um erro, as instruções para a IA devem ser atualizadas com pontos de cautela, itens a verificar, exemplos de erros e exemplos corretos para evitar que o erro se repita.

Este processo pode reduzir os erros da IA generativa. A atualização destas instruções da IA pode ser tornada ainda mais eficiente, convertendo-a de trabalho de iteração para trabalho de fluxo.

Desta forma, ao sistematizar tarefas convertidas em fluxo, mesmo operações que inicialmente poderiam parecer exigir intervenção humana podem ser substituídas por um sistema centrado na IA generativa.

Equívocos Comuns

Muitas pessoas acreditam que a aplicação empresarial da IA generativa tem, atualmente, pouco efeito ou que é prematura.

No entanto, a maioria destes indivíduos tem frequentemente dois tipos de equívocos.

O primeiro equívoco decorre de se focar na utilização da IA generativa como uma mera ferramenta.

Conforme demonstrado aqui, alavancar a IA generativa como uma ferramenta para o trabalho de iteração não impulsiona significativamente a eficiência empresarial. Este equívoco surge ao experimentar ou observar resultados tão limitados.

O segundo equívoco provém de se focar em fazer com que a IA generativa execute trabalho de iteração.

De facto, tentar que a IA generativa atual execute trabalho de iteração é, muitas vezes, infrutífero. Consequentemente, as pessoas concluem erroneamente que a IA generativa não pode assumir tarefas realizadas por humanos, baseando-se apenas nesta observação.

Conclusão

Conforme discutido, ao converter o trabalho de iteração em trabalho de fluxo e sistematizá-lo, pode-se esperar uma eficiência maior do que com o uso de ferramentas isoladas.

Além disso, mesmo que a IA generativa não consiga realizar trabalho de iteração, ela pode lidar com muitas tarefas individuais dentro de um processo de trabalho de fluxo. Mesmo que existam muitos erros inicialmente, a melhoria contínua pode ser alcançada através da atualização das instruções.

Alternativamente, se necessário, as tarefas podem ser divididas, separando a elaboração da verificação, ou implementando verificações em múltiplas etapas.

Se a sistematização puder ser alcançada desta forma, então as melhorias progredirão a cada tarefa realizada, e as operações tornar-se-ão mais eficientes ao longo do tempo.

Este é um método de trabalho que permite a melhoria contínua do próprio mecanismo, semelhante à produção fabril e à sistematização de TI.

Para utilizar eficazmente a IA generativa, é necessária uma mudança de mentalidade: em vez de tentar melhorar o próprio trabalho de iteração, deve-se converter objetivamente as tarefas em trabalho de fluxo e sistematizá-las.