As 5 tensões relacionadas à IA que os líderes precisam administrar

Quando os endoscopistas poloneses começaram a utilizar IA para detectar câncer, sua precisão aumentou. No entanto, seu desempenho em procedimentos sem IA diminuiu. Quando os estudantes utilizaram IA para redigir ensaios no estilo SAT, sua criatividade inicialmente aumentou. No entanto, aqueles que começaram com ideias geradas por IA apresentaram redução na atividade das ondas alfa (um marcador do fluxo criativo),“tenderam a convergir para palavras e ideias comuns” e seus “resultados foram muito, muito semelhantes” entre si. E em um estudo de 2025 abrangendo 20 países europeus, trabalhadores em empregos altamente automatizados relataram menos propósito, menos controle e mais estresse, mesmo quando seu trabalho se tornou tecnicamente mais fácil. Juntos, esses estudos capturam algumas das muitas dualidades do uso da IA no trabalho. As mesmas ferramentas que aliviam o trabalho árduo também podem remover o atrito desafiador que dá sentido ao trabalho. Essas ferramentas podem facilitar o trabalho, mas também eliminam a luta que desenvolve habilidades e satisfação. Desejamos compreender como essas tensões se manifestam dentro de organizações reais — e como líderes inteligentes estão construindo sistemas e barreiras de proteção para lidar com elas. Em meio ao entusiasmo e à agitação, decidimos descobrir o que realmente está funcionando. Reunimos estudos e lições de mais de 100 pessoas (entrevistando 35 delas) dentro de nossas redes que estão auxiliando suas próprias organizações e outras a incorporar a IA no local de trabalho, ou estudando como os desafios e as soluções estão se desenrolando. Esses construtores, executivos, investidores, consultores e pesquisadores de todo o mundo variam em suas áreas de especialização e otimismo em relação à IA no local de trabalho. No entanto, todos são pessoas que admiramos por sua sabedoria e bom senso. O resultado é o“AI Transformation 100”, uma lista comentada de 100 ideias sobre como a IA pode acentuar os aspectos positivos e atenuar os negativos em nossos locais de trabalho. Este é o nosso primeiro projeto do novo Work AI Institute da Glean, uma plataforma de IA empresarial que auxilia equipes a encontrar conhecimento, tomar medidas inteligentes e automatizar o trabalho. Nossos objetivos eram começar a separar a experimentação da execução e o hype da transformação tangível, bem como entender onde a IA está impulsionando o progresso, onde está ficando estagnada e onde está silenciosamente (ou ruidosamente) tendo um efeito contrário. Houve muito ruído e muitas inconsistências nos estudos e relatos que reunimos para criar o AI Transformation 100. No entanto, um padrão se destacou. Os melhores líderes não falam sobre IA em termos absolutos. Eles não a tratam como salvadora ou sabotadora. Eles permanecem curiosos... e um pouco céticos. Eles perguntam: estamos indo longe demais ou não o suficiente? Ao longo de nossa pesquisa, cinco tensões continuaram surgindo, cada uma delas um equilíbrio de IA que todo líder precisa navegar. Tensão 1: Especialistas x Novatos A IA está mudando quem pode ser considerado um especialista. O que antes exigia anos de treinamento — escrever códigos, analisar dados, redigir linguagem jurídica — agora pode ser feito por quase qualquer pessoa com o prompt certo. A linha entre especialista e novato está se tornando cada vez mais tênue. Essa mudança traz oportunidades e riscos. Ela amplia o número de pessoas que podem contribuir, mas também torna mais fácil confundir fluência em IA com domínio de uma arte ou área de conhecimento. O desafio não é escolher entre especialistas e novatos, mas saber quando recorrer a cada um deles. Por um lado, os especialistas trazem rigor e profundidade. Eles observaram as falhas, os casos extremos, as razões pelas quais as coisas não funcionam. Esse conhecimento é essencial, mas também pode inibir a criatividade prematuramente. John Lilly, membro do conselho do Duolingo, nos contou sobre dois não engenheiros sem nenhuma experiência em xadrez que utilizaram IA para criar um protótipo de curso para aprender a jogar xadrez em apenas quatro meses, superando outras iniciativas internas do Duolingo. “Se você trouxer especialistas muito cedo”, disse ele, “eles lhe dirão todas as razões pelas quais isso não funcionará. A IA permitiu que os não engenheiros mostrassem o que era possível, rapidamente”. E no Google, as equipes passaram de documentos longos que detalham os requisitos do produto para uma abordagem “protótipo primeiro”. Com a “codificação vibrante” alimentada por IA, vários funcionários nos informam que agora criam demonstrações funcionais antes de redigir propostas, acelerando a iteração e evitando que boas ideias sejam descartadas em comitês. No entanto, ir muito longe na direção oposta traz novos riscos. Como tanto os líderes na linha de frente quanto os pesquisadores enfatizaram para nós, os novatos que utilizam a IA para imitar a expertise podem criar “AI slop” — resultados que parecem convincentes, mas que se desmoronam sob um exame minucioso. Uma pesquisa da Stanford sobre quais desenvolvedores de software estão conseguindo empregos (e quais não estão) sugere que as empresas estão contando com especialistas para combater essa má qualidade. Embora as contratações de desenvolvedores iniciantes tenham diminuído, a demanda por engenheiros seniores continua aumentando. A IA pode gerar um rascunho aceitável, mas não consegue replicar o julgamento, a elegância ou o pensamento sistêmico dos desenvolvedores veteranos. Para estimular a imaginação dos novatos sem abrir as portas para a desordem da IA, experimente o seguinte: Permita que os generalistas comecem, mas não concluam. Utilize a IA para reduzir as barreiras à entrada de protótipos iniciais, mas certifique-se de que especialistas intervenham para testar, refinar e dimensionar o que funciona. Na Stitch Fix, o ex-diretor de algoritmos Eric Colson descreveu como os algoritmos analisavam o inventário e as preferências dos clientes para identificar necessidades não atendidas (como estilos, cores ou tecidos ausentes na linha). Algoritmos personalizados desenvolvidos pela equipe de Colson geravam sugestões de design com base nessas lacunas. No entanto, em vez de permitir que o sistema aprovasse a produção, a Stitch Fix encaminhava essas sugestões a designers humanos, que decidiam quais se encaixavam na marca, atendiam aos padrões de qualidade e tinham repercussão junto aos clientes. Os algoritmos ampliavam o conjunto de opções criativas; os especialistas reduziam-no ao que valia a pena ser feito. Não exclua seus melhores profissionais do treinamento do modelo. O vice-presidente de IA da TELUS, Alexandre Guilbault, alertou-nos sobre manter os profissionais de alto desempenho excessivamente presos às suas tarefas diárias. Ele afirmou: “Os melhores profissionais são aqueles que podem impulsionar a maior transformação... mas, muitas vezes, as organizações desejam manter seus melhores profissionais nas operações”. Os líderes precisam trazer seus melhores funcionários — como médicos, técnicos, profissionais de RH e especialistas em dados — das trincheiras para testar modelos de IA e participar de pilotos desde o início, mesmo que isso retarde a execução a curto prazo. Deixá-los de fora corre o risco de construir sistemas baseados nos hábitos dos funcionários com desempenho médio, em vez das ações que tornam seus melhores funcionários excelentes. Incorpore especialistas nas equipes locais. Na Glean, a equipe “Glean on AI” é composta por especialistas que representam e fazem parte formalmente de diferentes funções na organização, como marketing, finanças e engenharia. Esses especialistas são responsáveis por identificar processos manuais dentro de suas funções especializadas que valem a pena automatizar e criar planos de ação para transformar esses processos em agentes orientados por IA. A equipe “AI Outcomes” da Glean aplica um manual semelhante, incorporando funcionários de vendas nas organizações dos clientes para entender como eles trabalham e desenvolver soluções com eles, não para eles. Tensão 2: Centralizado x Descentralizado À medida que a IA se espalha, os líderes enfrentam uma questão familiar: quanto controle deve permanecer no topo e no centro — e quanta liberdade pertence às margens e aos níveis inferiores da organização? Algumas organizações apostam na centralização, criando centros de excelência em IA para aplicar padrões, gerenciar riscos e controlar o acesso. No entanto, quando cada projeto piloto precisa passar por um labirinto de análises jurídicas, de segurança e de aquisições, a inovação é prejudicada por comitês, gargalos e transferências malfeitas. Quando as aprovações são concedidas, a tecnologia já está ultrapassada. Por outro lado, quando o desenvolvimento da IA se torna amplamente descentralizado, a inovação pode ultrapassar a integração. As equipes avançam em diferentes direções, os painéis se multiplicam e as soluções automatizadas se sobrepõem e, às vezes, entram em conflito. A sobrecarga resultante e a alternância incessante entre aplicativos e ferramentas fragmentadas alimentam o que o professor Paul Leonardi, da UC Santa Barbara, denomina exaustão digital. Para criar uma governança suficiente sem impedir todas as boas ideias com procedimentos, tente o seguinte: Centralize para obter escala e segurança; descentralize para obter aprendizado e velocidade. Em uma universidade dos Estados Unidos, o centro de excelência de TI central gerencia domínios de alto risco — governança de dados, integração e infraestrutura — para garantir consistência e segurança. As escolas individuais executam pilotos descentralizados para agir mais rapidamente e testar ideias. O CIO da universidade sugeriu a aplicação da seguinte regra prática: Alto risco, baixa experimentação (por exemplo, segurança de dados, conformidade): centralizar. Baixo risco, alta experimentação (por exemplo, automações de fluxo de trabalho, testes de prompt): descentralizar. Tenha cuidado com novas funções atraentes. Em momentos de transformação, é tentador centralizar o progresso criando novos cargos relacionados à IA, como diretores de IA, engenheiros de prompt e líderes de ética em IA. No entanto, muitas vezes, essas funções tornam-se simbólicas, não estratégicas — meras fachadas sem orçamento, autoridade ou influência real. Vários líderes e acadêmicos nos explicaram como centralizar a liderança em IA sob um ou dois chefes com novos títulos pode retardar o aprendizado e criar gargalos burocráticos, enquanto a descentralização excessiva pode dispersar a responsabilidade por entre funções muito leves, descoordenadas e, às vezes, conflitantes. Em vez de adicionar mais camadas, líderes, equipes e títulos que aumentam a complexidade desnecessária ou que são vistos por pessoas internas e externas como símbolos vazios, distribua as responsabilidades de IA entre as equipes e funções existentes, onde já existem autoridade, compreensão do trabalho e confiança. Escolha uma tecnologia que imponha uma governança de nível empresarial, mas permita que as pessoas realizem seu trabalho sem atritos. As melhores plataformas de IA fornecem proteções (por exemplo, segurança, permissões e trilhas de auditoria), permitindo que equipes individuais criem, testem e iterem com segurança em seus próprios domínios. Antes de implementar uma plataforma de pesquisa interna alimentada por IA, as equipes de RH da Booking.com estavam “extremamente nervosas” com a introdução da IA. Elas temiam que isso pudesse expor informações confidenciais dos funcionários aos colegas quando usassem a ferramenta para pesquisar recursos da empresa, como políticas e formulários de RH. Como explicou o gerente sênior de engenharia Tadeu Faedrich, “não queríamos que as pessoas encontrassem documentos aos quais não deveriam ter acesso”. Eles tiveram o cuidado de implementar um sistema que garante que as pesquisas de IA revelem apenas informações que os funcionários têm permissão para visualizar ou acessar. Dessa forma, os funcionários podem usar a ferramenta livremente como parte de seu trabalho diário, sem se preocupar com aprovações ou riscos à privacidade. Tensão 3: Hierarquia mais plana versus mais elevada Organogramas com muitas camadas de gestão restringem o dinamismo, prendendo as decisões em níveis acima daqueles onde se encontram os melhores dados, experiência e julgamento. Muitas organizações — especialmente empresas de tecnologia — estão aderindo à tendência de que “mais horizontal é melhor”. À medida que a IA automatiza relatórios e decisões rotineiras, muitos líderes presumem que podem remover camadas e permitir que suas empresas avancem mais rapidamente. No entanto, hierarquia não é sinônimo de burocracia sufocante; é a forma como as organizações aproveitam e compreendem a complexidade. Reduzir camadas sem redesenhar o fluxo de trabalho no sistema simplesmente altera e, muitas vezes, amplia o atrito destrutivo. Um dos nossos entrevistados, Michael Arena, ex-diretor de talentos da General Motors e pesquisador veterano de redes sociais, descobriu que o excesso de horizontalização resulta em gerentes sobrecarregados, que criam gargalos ao não conseguirem acompanhar as decisões, crises e tarefas diárias. Especificamente, quando os gerentes lideram equipes com mais de sete subordinados diretos, eles frequentemente trabalham de 10 a 13 horas por dia e ainda assim têm dificuldade para concluir seu trabalho, o que os deixa sobrecarregados e esgotados. Para decidir se é sensato achatar seu organograma, dada a realidade confusa de como seu trabalho é realizado, considere o seguinte: Tenha cuidado com a meia verdade de que “a simplificação é mais rápida”. Muitas empresas simplificaram suas organizações para agir mais rapidamente, mas a pesquisa de Arena e seus colegas mostra como essa estratégia pode ser contraproducente, sobrecarregando os gerentes e retardando a coordenação. Portanto, antes de simplificar, Arena sugere avaliar o quanto as pessoas em sua organização trabalham em dois modos: Trabalho que não requer coordenação e colaboração complexas, como codificação, redação ou análise de dados. Trabalho que requer interdependência (frequentemente em tempo real) e comunicação bidirecional, como construir relacionamentos com clientes, debater novas ideias para produtos e serviços com uma equipe ou gerar e comunicar a estratégia da organização. Se a maior parte do trabalho for executada por pessoas que podem trabalhar sem coordenação rigorosa e comunicação constante, utilize agentes de IA para assumir tarefas rotineiras e aliviar a carga dos gerentes, permitindo que eles liderem equipes maiores. Se o trabalho for mais complexo, mantenha o número de pessoas subordinadas a cada gerente menor e reinvista os ganhos de eficiência da IA para que os gerentes possam dedicar mais tempo à comunicação, prevenindo conflitos destrutivos, exercitando o julgamento e fortalecendo relacionamentos. Utilize a IA para aliviar, e não eliminar, a gestão. Descarregue tarefas repetitivas e administrativas, como atualizações de status, agendamento e relatórios, para que os gerentes possam se concentrar no que apenas os seres humanos fazem bem: coaching, coordenação e julgamento. Na Workday, o vice-presidente de análise de pessoas, Phil Wilburn, nos informou que deixou de exigir que as equipes criassem apresentações e documentos de atualização semanais. Em vez disso, os dados não estruturados das conversas no Slack e dos planos de projeto agora fluem para um único sistema de IA. Antes das reuniões, Wilburn solicita à IA que compile um resumo ou aprofunde um tópico. Como resultado, sua equipe não perde mais horas reunindo atualizações para ele ou respondendo a suas perguntas rápidas. A IA não substituiu a gestão, mas removeu a burocracia administrativa que a atrapalhava. Tensão 4: Rápido x Lento Os líderes de praticamente todas as empresas desejam ser vistos como “utilizadores de IA” — e fazê-lo rapidamente tornou-se um sinal de que estão a fazê-lo corretamente. No entanto, mais rápido nem sempre é melhor. O entusiasmo e as conversas inteligentes podem ser produzidos muito mais rapidamente do que o trabalho lento e meticuloso de reformular a forma como as pessoas realmente trabalham. O verdadeiro desafio não é avançar cada vez mais rápido, mas saber onde avançar rapidamente e onde abrandar. Em muitas organizações, a velocidade excessiva e a impaciência alimentam lacunas na implementação de decisões: os líderes agem rapidamente para adotar novas ferramentas, mas não diminuem o ritmo o suficiente para corrigir sistemas defeituosos ou compreender como a tecnologia se encaixa nas restrições, hábitos e fluxos de trabalho existentes. Como resultado, as decisões de “fazer algo novo” levam muito mais tempo para serem implementadas do que o esperado (se é que são implementadas). A adoção se torna desigual, atrasada ou silenciosamente abandonada. A promessa da IA de maior eficiência e confiabilidade desaparece quando os líderes tentam impô-la a organizações que carecem dos sistemas, incentivos e habilidades necessários para colocá-la em prática. Ouvimos falar de um exemplo de discrepância entre decisão e implementação de Hatim Rahman, professor da Northwestern University, que descreveu um projeto hospitalar no qual sua aluna de doutorado, Jodie Koh, está estudando como a IA está sendo introduzida para melhorar o acesso a diagnósticos médicos. O treinamento dos modelos de IA requer milhares de imagens de ultrassom, especialmente exames repetidos dos mesmos pacientes ao longo do tempo. Mas as pressões por eficiência na área da saúde ensinaram os médicos a minimizar o número de imagens para cada paciente, a fim de economizar tempo e dinheiro. Obter o consentimento do paciente para usar suas imagens cria atrasos adicionais. E o progresso é ainda mais retardado porque os departamentos de imagem que precisam colaborar para implementar ferramentas de IA muitas vezes não o fazem. Rahman nos disse que eles têm pouco incentivo para fazê-lo — e, às vezes, têm um histórico de conflitos interdepartamentais desagradáveis. Os técnicos também resistem ao projeto de IA porque temem que os dados resultantes sejam usados para monitorar seu desempenho, aumentar a carga de trabalho ou justificar cortes de empregos. Como resultado, o processo de montagem das imagens necessárias está demorando muito mais do que os líderes esperavam quando a implementação começou. O investidor James Cham, sócio da Bloomberg Beta, nos contou sobre uma start-up nativa de IA que tentou evitar esse tipo de obstáculo. Eles isolaram uma pequena equipe do resto da empresa, transferiram-na para um escritório separado e deram-lhe uma missão clara: criar fluxos de trabalho completos que o software pudesse executar sem envolvimento humano. Na prática, isso significava mudar o trabalho de “gestão” de supervisionar pessoas para supervisionar ferramentas baseadas em IA que realizavam o trabalho por conta própria — ferramentas que, por exemplo, podiam revisar, escrever e corrigir códigos com base em bugs detectados na produção. (Matt Beane, professor da UC Santa Barbara, e seus colegas descrevem esse trabalho como gerenciamento de “frotas” de agentes autônomos.) A separação e o isolamento dessa equipe na start-up de IA permitiram que ela se movesse mais rapidamente do que o resto da organização, mas ainda é muito cedo para dizer se essa velocidade se traduzirá em algo que a empresa como um todo possa adotar e manter. Para equilibrar a pressa em agir rapidamente com a disciplina de desacelerar quando necessário, considere as seguintes sugestões: Proteja o modo lento. Incorpore obstáculos ao trabalho criativo e estratégico, incluindo pontos de verificação, períodos de incubação e rituais de reflexão. Perry Klebahn lidera o acelerador Launchpad da Stanford d.school, onde mais de 100 empresas foram fundadas na última década. Klebahn relata que a IA torna muito mais fácil do que no passado para os fundadores do Launchpad que ele treina gerar protótipos e iterar rapidamente. Mas essa mesma facilidade e rapidez, diz Klebahn, às vezes diminui o profundo comprometimento, determinação e senso de propriedade que os fundadores precisam para desenvolver ideias promissoras em empresas viáveis. Ele explica: “Os fundadores costumavam dizer ‘minha ideia’ ou ‘nosso protótipo’. Agora eles dizem ‘essa ideia’”. Essa mudança preocupa Klebahn, pois ele acredita que, quando as ideias surgem com muita facilidade, as pessoas deixam de lutar por elas. É uma versão moderna do que os psicólogos chamam de efeito“trabalho leva ao amor”:quanto mais nos esforçamos por algo, mais valorizamos esse algo, a fim de justificar nossos esforços para nós mesmos e para os outros. O segredo é saber quais partes do processo se beneficiam da execução rápida e quais exigem reflexão e esforço, permitindo que as ideias originais alcancem seu potencial. Recompense o aprendizado, não o espetáculo. Rebecca Stern, diretora sênior de aprendizagem e desenvolvimento de liderança da Udemy, nos informou sobre os eventos de aprendizagem de IA em toda a organização da empresa, denominados “U-Days”. Em vez de apenas celebrar demonstrações chamativas, a Udemy divide os prêmios em três categorias: maior impacto nos negócios, melhoria mais mensurável e feedback mais significativo dos colegas. O objetivo não é recompensar quem age mais rápido e é mais brilhante, mas recompensar as pessoas com ideias e que dão feedback que pode impulsionar mudanças mais profundas. Realize o teste de “resíduos de IA”. Uma característica marcante de todas as tendências de gestão e tecnologia é que fornecedores, fundadores e equipes internas utilizam linguagem repleta de jargões da moda para disfarçar pensamentos superficiais, ideias fracas e soluções não testadas. Infelizmente, o termo “IA” é frequentemente utilizado dessa maneira. Sugerimos que, após ouvir uma apresentação, você diminua o ritmo, risque todas as ocorrências do termo IA (e jargões relacionados, como “algoritmos de ponta”, “aproveitamento de big data” e “soluções escaláveis”). Leia novamente. Se o que restar for vazio e sem sentido, parabéns — você pode “rejeitar” a apresentação e economizar seu tempo e dinheiro. Tensão 5: Mudança de cima para baixo vs. mudança impulsionada pelos pares Outra tensão observada foi o quanto a transformação da IA deveria ser liderada pela alta administração em comparação com a iniciativa dos colegas. Políticas, princípios e liderança de cima para baixo são essenciais para impulsionar o uso e o aprendizado de ferramentas de IA (ou qualquer outra mudança sistêmica) em toda a empresa. Dados da Worklytics mostram que as equipes eram duas vezes mais propensas a adotar ferramentas de IA quando seus gerentes as utilizavam primeiro. No entanto, quando há muita pressão de cima para baixo para qualquer mudança, isso pode gerar resistência e conformidade performática: os funcionários apenas marcam as caixas em vez de mudar a forma como trabalham. Por outro lado, confiar excessivamente nos esforços e na energia ascendentes pode resultar em fragmentação e fadiga — experimentos isolados que nunca alcançam escala. Um diretor de tecnologia comparou isso a ter centenas de pequenas lanchas competindo em diferentes direções, o que retarda a empresa porque seus esforços não são coordenados. Os melhores líderes alcançam um equilíbrio, definindo a direção a partir do topo e, ao mesmo tempo, incentivando e recompensando os esforços ascendentes. Para equilibrar a direção de cima para baixo com o entusiasmo e o comprometimento das pessoas em toda a sua organização, tente o seguinte: Crie um ritmo de mudança. Em uma empresa varejista listada na Fortune 20, o CEO mantém a IA como um tema constante em suas reuniões mensais com centenas de vice-presidentes. Um comitê diretor multifuncional se reúne regularmente para alinhar a adoção, a governança e os casos de uso nas áreas de finanças, RH, tecnologia e operações. E as reuniões departamentais terminam com o mesmo ritual: um breve “momento de IA”, em que os líderes se revezam para compartilhar o que tentaram, o que está funcionando e o que não está. O resultado: as iniciativas de IA fluem por todos os níveis da organização e se tornaram parte do ritmo operacional da organização, não um projeto paralelo. Planeje que a maioria dos experimentos fracasse. Um vice-presidente de uma organização da Fortune 500 nos informou que aproximadamente 80% dos projetos de IA não atingem suas metas iniciais de produtividade. Portanto, eles não redesenham ou eliminam cargos até terem evidências convincentes de que a IA aumentará a eficiência e a confiabilidade. Sugerimos que, à medida que os líderes impulsionam mudanças de cima para baixo, eles tratem uma alta taxa de falhas como algo normal, esperado e até mesmo bem-vindo ao fazer algo novo. Incorpore ciclos de revisão para analisar e capturar o que funcionou, o que não funcionou e por quê, a partir dos funcionários de níveis inferiores, para que o fracasso alimente o aprendizado, em vez de frustração e acusações. Meça o que é importante. Como parte dos esforços de mudança impulsionados de cima para baixo, observamos que muitas empresas medem a atividadede IA — cliques, logins ou contagens de prompt — em vez do impacto. Por exemplo, uma empresa da Fortune 100 chegou a classificar os funcionários pelo uso de ferramentas de IA e enviou tabelas de classificação semanais. Outra vinculou a “atividade de IA” às avaliações de desempenho. Nan Guo, vice-presidente sênior de engenharia da Zendesk, compartilhou como, em vez de acompanhar indicadores superficiais de “uso”, como logins ou número de prompts, sua equipe criou um quadro de resultados equilibrado com seis métricas de produtividade de engenharia: cinco são operacionais (tempo de ciclo, tempo de ciclo de revisão de código, frequência de mesclagem, taxa de falha de alteração e número de implantações) e uma é uma métrica de engajamento que captura como os engenheiros se sentem em relação às suas ferramentas. Em nossa experiência, concentrar-se no impacto em vez da atividade oferece às pessoas uma orientação mais clara sobre o que os líderes valorizam de cima para baixo, permitindo que as equipes de baixo para cima adotem a IA de maneiras que realmente melhorem seu trabalho. Formalize redes de colegas. Na Uber, a líder de estratégia de IA generativa, Manjari Agochiya, nos informou que eles lançaram uma chamada aberta para casos de uso de IA. Surgiram cerca de 150 ideias, mas, mais importante, foram identificados 53 pioneiros em IA em várias funções. Esses eram os funcionários que já estavam experimentando, compartilhando lições e construindo protótipos. Eles se tornaram a primeira rede real de pioneiros em IA da Uber, formando a espinha dorsal de sua comunidade interna de aprendizagem entre pares. Em outras organizações que estudamos, esses tipos de redes de defensores geralmente aumentam o engajamento, fortalecem o moral interfuncional e abrem novas oportunidades de visibilidade e avanço — especialmente para os funcionários não técnicos, que muitas vezes emergem como os primeiros defensores. Em uma organização, por exemplo, um líder de vendas que começou a experimentar a IA em seu trabalho diário rapidamente se tornou o especialista interno de referência e, mais tarde, foi convidado a ajudar a liderar os esforços mais amplos de adoção da IA pela empresa. Liderando bem no mundo obscuro da IA A transformação da IA é um ato de equilíbrio, e os líderes e as organizações precisam lidar com forças concorrentes. Líderes inteligentes não se inclinam cegamente para um extremo ou para outro. Eles permanecem curiosos e tratam as tensões como características e restrições de design — algo a ser gerenciado e explorado — e não como falhas ou problemas incômodos que podem e devem ser eliminados. Por fim, prever exatamente como a IA moldará e deverá moldar as organizações é uma tarefa inútil. Os líderes que terão sucesso não serão aqueles que mantêm crenças fortes, inflexíveis e imutáveis. As pesquisas e lições práticas sobre a implementação da IA no local de trabalho são provisórias, confusas, em constante mudança e (muitas vezes) contraditórias. Qualquer conclusão sobre o melhor caminho a seguir é, na melhor das hipóteses, provisória. O desafio para os líderes nos lembra uma antiga (e provavelmente apócrifa) história sobre a advertência do reitor da Faculdade de Medicina de Harvard aos novos alunos de medicina no primeiro dia de aula: “Cinquenta por cento do que ensinamos a vocês acabará sendo incorreto. O problema é que não sabemos quais 50%.” Da mesma forma, quando se trata de IA, os líderes sábios e bem-sucedidos serão aqueles que forem humildes o suficiente e construírem organizações flexíveis o suficiente para que eles e suas equipes possam continuar aprendendo e se atualizando à medida que o terreno muda sob seus pés.

As 5 tensões relacionadas à IA que os líderes precisam administrar

Resumo.

Partner Center