Tomemos como exemplo esta cena real: refletindo a respeito dos momentos difíceis da semana, o novo CEO de uma empresa de produtos industrializados do Reino Unido estava irritado. Sua atenção se voltava repetidamente aos momentos de tensão vivenciados em várias reuniões que havia tido com a equipe executiva. Sua vontade era de chacoalhar as pessoas para ver se conseguia forçar muitos dos membros da equipe – que estavam envolvidos em uma variedade de conflitos antigos – a parar com as rusgas e começar a colaborar para que pudessem resolver os problemas reais da empresa. Ao mesmo tempo, ele estava ciente de que uma abordagem desta natureza, centrada na ‘força bruta’, provavelmente não seria a melhor forma de conseguir mudar os hábitos ou gerar os insights criativos de que a empresa necessitava desesperadamente para ser capaz de acompanhar o ritmo acelerado de mudanças do ambiente competitivo em que operavam. Assim, em vez de dar um ataque, o CEO se acalmou, parou de culpar sua equipe e se perguntou se, ao seguir abordagens verdadeiramente novas para solucionar os problemas da empresa, conseguiria sair daquele impasse. E foi neste momento que lhe ocorreu – dentre tantas possibilidades – utilizar inteligência artificial.
Assim como muitos líderes, o CEO estava tentando lidar com o estresse causado por momentos de incerteza, pelo aumento da complexidade e por mudanças rápidas no ambiente. E este cenário é parte integrante do ambiente de negócios atual, tão diferente daquele em que muitos de nós crescemos que acaba por desafiar as abordagens de liderança que trazemos entranhadas em nosso modo de agir. Em um artigo recente, descrevemos cinco práticas que podem ajudá-lo a largar as formas usuais de operar para tornar-se mais ágil internamente (ver “Leading with inner agility”). Aqui, buscamos descrever a relação entre algumas dessas ideias e uma tecnologia que, embora à primeira vista pareça agregar complexidade, na verdade pode se tornar uma espécie de solução mágica: inteligência artificial (IA), que consideramos incluir a próxima geração de aplicativos de análises avançadas de dados. Agilidade interna e IA podem parecer elementos estranhos de serem combinados, mas quando levamos em consideração fatos fundamentais sobre inteligência artificial, entendemos o potencial que ela tem para ajudar as pessoas a liderar com clareza, especificidade e criatividade.
O primeiro fato crucial sobre IA é que não há como saber antecipadamente o que os dados irão revelar. A própria natureza de IA indica que ela é um salto no escuro, assim como o são aceitar sua ignorância e fazer uma reestruturação radical. E da mesma forma que é preciso aprender a se livrar de algumas coisas, prestar atenção na IA pode ajudar a achar insights genuinamente novos e disruptivos em áreas inesperadas e surpreendentes.
Um segundo fato sobre IA é que ela, ao fazer o filtro entre sinal e ruído, cria tempo e espaço para pensar. Deixamos os algoritmos soltos em um ambiente amplo, repleto de dados, e eles retornam trazendo aquilo que precisamos saber, no momento em que precisamos saber.
Voltemos ao exemplo do CEO para entender como estas dinâmicas funcionam na prática. O CEO em questão sabia que o principal produto da sua empresa teria de ser desenvolvido de forma mais eficiente para que pudesse competir com seus rivais mais agressivos, provenientes de mercados emergentes. Ele precisava urgentemente reduzir o tempo e o custo envolvidos no processo de desenvolvimento do produto. A abordagem mais usual teria sido cortar o número de funcionários ou investir em automação, mas ele não estava seguro de que estas opções seriam as mais adequadas para a sua empresa, já esgotada depois de diversas medidas recentes visando ao corte de custos.
Tudo isso passava pela cabeça do CEO enquanto ele considerava a dinâmica problemática da relação entre seus executivos observada durante a reunião – o que, na verdade, tornava vários deles fontes de informação pouco confiáveis. Foi a necessidade de obter insights objetivos e criativos que aumentou o interesse do CEO por análises avançadas de dados baseadas em IA. Alguns dias depois, ele conversou com uma equipe de especialistas em análises de dados e apresentou a eles algumas perguntas genéricas e abertas. Quais as causas das ineficiências em nosso fluxo de trabalho envolvendo o design e o desenvolvimento de produtos? Quais são e onde estão as oportunidades de melhoria de desempenho?
A equipe de IA rodou seus algoritmos passando por uma ampla variedade de fontes de dados, cobrindo temas como gestão do ciclo de vida do produto, documentos detalhados de design e fabricação, dados financeiros e de RH, fornecedores e subcontratantes e dados de comunicação. Padrões escondidos nas redes de comunicação levaram à análise detalhada das interações entre dois departamentos fundamentais: desenho e engenharia. Por meio do uso de dados agregados, que não identificavam as comunicações individuais, a equipe analisou o número de e-mails enviados após as reuniões ou para outros departamentos, o uso de grupos de conversa corporativos e a duração destas conversas, o volume de textos e os índices de resposta a convites para reuniões. E o que os algoritmos descobriram foi importante e alarmante: os dois departamentos praticamente não colaboravam! Na verdade, o processo era estático: os designers criavam um modelo, os engenheiros avaliavam e comentavam, os designers remodelavam, e assim por diante. Cada um cuidava somente de sua própria área. A equipe de análises de dados entregou ao CEO mais um fato crítico: ao analisar dados de cinco anos e fazer referências cruzadas de dados de comunicação e lançamento de produtos, os analistas trouxeram evidências incontestáveis de que a falta de colaboração retardou o momento de lançamento de produtos no mercado e aumentou os custos.
Leading with inner agility
Ao liberar a equipe de IA para seguir um direcionamento, e não necessariamente chegar a um destino específico, a pergunta original do CEO – como podemos melhorar a produtividade? – tornou-se algo com um viés muito mais humano: como estamos trabalhando enquanto equipe, e por quê? Com base nesses novos fundamentos empíricos, ele envolveu os líderes de design e engenharia para formar uma equipe multidisciplinar que pudesse reinventar a colaboração entre todos. Trabalhando com os cientistas de dados, a equipe foi capaz de identificar e colocar como meta uma redução de 10% no tempo necessário para colocar novos produtos em desenvolvimento no mercado e uma diminuição de 11% nos custos. Mas o CEO não parou por aí – ele também usou essa experiência para pedir à sua equipe executiva que criasse uma nova agilidade. A equipe – antes tão rachada – trabalhou duro para construir uma base de confiança e escuta verdadeira. Verificações regulares ajudaram o grupo a pausar, formular novas perguntas, incentivar uma oposição saudável e se perguntar “o que estamos realmente solucionando aqui?”. A equipe passou a ser mais robusta e capaz de lidar com os desafios cada vez mais complexos da empresa.
Nossa experiência mostra que a inteligência artificial pode ser de grande auxílio para líderes que tentam se tornar mais ágeis internamente e estimular abordagens criativas para transformação. Quando um CEO coloca a IA para trabalhar nos desafios estratégicos de maior complexidade e dificuldade, ele (ou ela) precisa confiar no mesmo conjunto de práticas que desenvolvem a agilidade interna pessoal. Ao liberar a IA para vasculhar uma massa de complexidades, sem saber antecipadamente o que virá deste processo, o CEO está abraçando a descoberta de ideias originais, inesperadas e potencialmente explosivas. Esta é uma forma de testar, e finalmente deixar para trás, crenças e preconceitos antigos sobre a organização, podendo reformular radicalmente as perguntas para conseguir obter soluções completamente novas. E o melhor das soluções de IA é que elas podem ser testadas. A IA cria seu próprio processo de feedback empírico, permitindo que o CEO pense em sua empresa como se fosse um laboratório experimental de ciências, com foco em melhoria de desempenho e transformação. Em outras palavras, a solidez científica trazida pela IA pode ser exatamente o que você precisa para passar a fazer as perguntas mais amplas e abertas que estão na base do progresso real.
