O progresso da Humanidade esteve, desde sempre, associado aos desenvolvimentos científicos e tecnológicos. Nesta nova “Era Digital” a tecnologia está, de novo, a mudar o modo como atuamos e vivemos. A começar pelos meios empresariais, naturalmente.

As novas tecnologias e as diferentes metodologias, com elas relacionadas ou por elas potenciadas, acabaram quase sempre por impactar, também, as áreas de Gestão de Pessoas. Com assinalável sucesso em algumas situações. Sem sucesso noutras, já que nem tudo é aplicável a tudo.

Falando das diversas metodologias, há décadas que as áreas de Gestão de Pessoas, sempre procurando dar o seu melhor contributo para o negócio, se ufanam na aplicação das diversas metodologias que, a cada momento, se apresentam como o Santo Graal da gestão. Estas diferentes metodologias, na sua generalidade, surgiram em setores e áreas específicas dos negócios. Mais concretamente, quase todas tiveram as suas origens nas áreas de desenvolvimento de produtos e serviços e nas áreas de produção. Fizeram a diferença e permitiram grandes ganhos. Metodologias de “Project Management”, “Lean”, “Kanban”, “Six Sigma”, “SCRUM” e “Agile” permitiram e permitem ganhos de produtividade, fiabilidade, controlo de custos e satisfação do cliente.

Foi, contudo, necessário estudá-las e percebê-las. Nem todas se aplicam com vantagem em todos os setores, negócios e áreas das organizações (e.g., Gestão de Pessoas). Nem todas se aplicam a todas as fases de todos os projetos. Situações existem, em que a sabedoria nos manda não aplicar qualquer delas! A figura 1, com um toque de humor, ilustra este ponto.

metodologias de gestão de projeto aplicadas à gravidez

Figura 1 – “Making babies”.

 

Voltando às tecnologias, do Cloud Computing ao Blockchain e da Inteligência Artificial à Realidade Aumentada, são várias as que chegam, promissoras, aos domínios da Gestão de Pessoas. Os investimentos, fortes, começam a ser notícia e a expectativa, em termos do crescimento da sua utilização e dos resultados a obter, são enormes.
Destas, a Inteligência Artificial e o Machine Learning estarão, muito provavelmente, entre as mais apelativas. Redução de custos, de tempo e de erros humanos estão na primeira linha do retorno esperado. Mas também a obtenção de novos outputs e insights, que permitam robustas análises preditivas a partir da cada vez maior quantidade dos dados disponíveis, serão incontornáveis numa gestão moderna, mais eficaz e eficiente.

Os bons resultados, contudo, tardam em chegar. Por um lado, não existe, nem nunca existirá, essa coisa de “Big Data” em termos de dados de recursos humanos, o que, de per se, condiciona enormemente todo e qualquer tipo de algoritmo de aprendizagem automática. Por outro, as áreas de Gestão de Pessoas necessitam urgentemente de se preparar e dotar do know-how adequado.
Tal como (ou, ainda mais do que) na utilização das diferentes metodologias, é crucial conhecer estas novas tecnologias de Inteligência Artificial e Machine Learning, acompanhar o estado da arte e perceber o que funciona e o que não funciona.

Apenas para clarificar os conceitos, e sem cair em aforismos “lapalicianos”, Inteligência Artificial e Machine Learning não são a mesma coisa, sendo que a segunda se integra na primeira…

Artificial Intelligence – The ability of a digital computer, or computer-controlled robot, to perform tasks commonly associated with intelligent beings. – in https://www.Britannica.com

Machine Learning – In Artificial Intelligence, is the discipline concerned with the implementation of computer software that can learn autonomously. – in https://www.Britannica.com

Como referido, todos os algoritmos de aprendizagem e predição dependem da quantidade e qualidade dos dados. Estes são a base para qualquer modelo de Machine Learning estatisticamente robusto. Dados insuficientes ou de má qualidade implicam, necessariamente, análises estatísticas deficientes. Na Gestão de Pessoas, contudo, a quantidade de dados gerada é manifestamente pequena. Por outro lado, fruto de anos de integração de legacy systems, de erros humanos e, mesmo, de maneiras diferentes de tratar e registar factos, a coerência dos dados atualmente existentes é bastante baixa.

Tendo tudo isto em mente e investindo na qualidade e quantidade dos dados, um bom algoritmo de Machine Learning pode, ainda assim, ser treinado e produzir importantes outputs de suporte à gestão. De salientar que estes algoritmos são excelentes na deteção de padrões de dados e funcionam bastante bem quando aplicados a sistemas lógicos, onde trabalham numa série imensa de iterações até atingirem um comportamento considerado “ótimo”. As aplicações de algoritmos de Machine Learning a jogos (e.g., Xadrez, Go), à análise de exames médicos (e.g., imagiologia) e à jurisprudência, são casos de sucesso inpiradores.

machine learning life cycle

Figura 2 – Machine Learning lifecycle (https://www.javatpoint.com).

 

De qualquer das formas e no atual estado da arte, estes sistemas não podem ser ainda considerados como substitutos do raciocínio humano. Excelentes na identificação e relacionamento de padrões, são ainda incapazes de determinar se as ditas relações são válidas e legítimas. Correlação não é causalidade e pode ser perigoso confiar cegamente num algoritmo para resolver e decidir em problemas que não possuam uma resposta correcta óbvia!

Dito e reiterando tudo isto, a verdade é que o uso criterioso de sistemas de Machine Learning na Gestão de Pessoas será sempre uma fonte de vantagem competitiva para a organização.
A rápida evolução dos sistemas de processamento de linguagem natural já permite, inclusivé, que bots inteligentes desempenhem com vantagem funções de Gestão de Pessoas, repetitivas e monótonas, usualmente realizadas por humanos.

O mercado começa também a oferecer soluções baseadas em Machine Learning bastante válidas no desempenho de tarefas delimitadas (muito especialmente ainda no contexto da língua inglesa). Sem pretender ser exaustivo, listam-se alguns exemplos:

  • Tarefas de rotina, como sejam o agendamento de entrevistas, reuniões, avaliações de desempenho, marcação de salas, etc.;
  • Análise de dados e produção de relatórios diversos;
  • Procedimentos de atração de talento, seleção e recrutamento;
  • Procedimentos de onboarding;
  • Simplificação de fluxos de trabalho;
  • Formação personalizada;
  • Análise e produção de relatórios de inquéritos de clima organizacional e employee engagement;
  • Predições de turnover;
  • Otimização de programas de recompensa e reconhecimento.

Com o tempo, com a disponibilização de mais e melhores dados e com o crescente know-how das equipas que gerem e operam estes sistemas, os resultados serão mais fiáveis e os desafios mais ambiciosos. Transitar-se-á de uma fase muito marcada pela “colaboração homem-máquina”, para uma fase em que os sistemas, mais evoluídos e melhor treinados, serão muito mais confiáveis.
O elemento humano na Gestão de Pessoas manter-se-á sempre, mas um bom sistema de Machine Learning pode orientar e ajudar na simplificação e rapidez de atuação de determinadas funções, aportando também um maior grau de precisão, quer às decisões estratégicas, quer às do quotidiano.

Inevitavelmente, o mercado passou do primeiro período de entusiasmo e excitação para uma fase de reflexão e realismo, fruto, essencialmente, de uma maior perceção das bases científicas e tecnológicas que suportam estes sistemas de Machine Learning. Para as áreas de Gestão de Pessoas, quer a nível dos seus quadros, quer a nível da gestão de topo, será cada vez mais importante entender o que estes sistemas de Inteligência Artificial já conseguem realizar (e como), assim como perceber quais as situações que ainda estão longe de serem concretizáveis. Acima de tudo, como se diz neste meio, para que o Machine Learning seja útil, há que saber formular-lhe as “perguntas certas” e ter acesso aos “dados certos”.

 


 

Artigos relacionados:

Cultura organizacional na era digital

UX Design, Agile e gestão de pessoas

Ultrapassar o analfabetismo científico e tecnológico