por

Tendências Tecnológicas para 2024

Fonte da imagem: artigo original do Gartner

O Gartner divulgou as 10 principais tendências tecnológicas estratégicas para 2024. Essas inovações podem levar líderes, gestores e colaboradores mais rapidamente em direção aos seus objetivos de negócios, especialmente na era da IA em rápida evolução. Integre propositalmente algumas selecionadas para ajudar a construir e proteger sua organização digital e, ao mesmo tempo, gerar valor.

Essas tendências tecnológicas estratégicas serão levadas em consideração nas decisões de negócios e tecnologia nos próximos três anos.

O Gartner recomenda que você avalie os impactos e benefícios de cada uma dessas tendências tecnológicas para determinar qual inovação — ou combinação estratégica — terá o impacto mais significativo no sucesso da sua organização. Segue os tópicos das 10 estratégias do documento:

– Gerenciamento de confiança, risco e segurança de IA (AI TRiSM)

A democratização do acesso à IA tornou a necessidade da Gestão de Confiança, Risco e Segurança da IA (TRiSM) ainda mais urgente e clara. Sem barreiras de proteção, os modelos de IA podem gerar rapidamente efeitos negativos agravados que ficam fora de controle, ofuscando qualquer desempenho positivo e ganhos sociais que a IA permite.

AI TRiSM fornece ferramentas para ModelOps, proteção proativa de dados, segurança específica de IA, monitoramento de modelo (incluindo monitoramento de desvio de dados, desvio de modelo e/ou resultados não intencionais) e controles de risco para entradas e saídas para modelos e aplicativos de terceiros.

O Gartner prevê que, até 2026, as empresas que aplicam controlos AI TRiSM aumentarão a precisão da sua tomada de decisão, eliminando até 80% de informações defeituosas e ilegítimas.

– Gerenciamento contínuo de exposição a ameaças (CTEM)

O gerenciamento contínuo de exposição a ameaças é uma abordagem pragmática e sistêmica que permite às organizações avaliar a acessibilidade, exposição e explorabilidade dos ativos digitais e físicos de uma empresa de forma contínua e consistente. Alinhar os escopos de avaliação e remediação do CTEM com vetores de ameaças ou projetos de negócios, em vez de um componente de infraestrutura, traz à tona não apenas as vulnerabilidades, mas também ameaças incorrigíveis.

Até 2026, o Gartner prevê que as organizações que priorizam seus investimentos em segurança com base em um programa CTEM perceberão uma redução de dois terços nas violações.

– Tecnologia Sustentável

A tecnologia sustentável é uma estrutura de soluções digitais utilizadas para permitir resultados ambientais, sociais e de governação (ESG) que apoiam o equilíbrio ecológico e os direitos humanos a longo prazo. A utilização de tecnologias como IA, criptomoedas, Internet das Coisas (IoT) e a computação em nuvem está gerando preocupações sobre o consumo de energia e os impactos ambientais relacionados. Isto torna mais crítico garantir que a utilização da TI se torne mais eficiente, circular e sustentável. Na verdade, a Gartner prevê que, até 2027, 25% dos CIOs verão a sua remuneração pessoal ligada ao impacto tecnológico sustentável.

– Engenharia de Plataforma

Engenharia de plataforma é a disciplina de construção e operação de plataformas de desenvolvimento interno de autoatendimento. Cada plataforma é uma camada, criada e mantida por uma equipe de produto dedicada, projetada para dar suporte às necessidades de seus usuários por meio da interface com ferramentas e processos. O objetivo da engenharia de plataforma é otimizar a produtividade, a experiência do usuário e acelerar a entrega de valor comercial.

– Desenvolvimento Aumentado por IA

Trata-se do desenvolvimento aumentado por IA, é o uso de tecnologias de IA, como GenAI e aprendizado de máquina, para auxiliar engenheiros de software no projeto, codificação e teste de aplicativos. A engenharia de software assistida por IA melhora a produtividade do desenvolvedor e permite que as equipes de desenvolvimento atendam à crescente demanda por software para administrar os negócios. Essas ferramentas de desenvolvimento baseadas em IA permitem que os engenheiros de software gastem menos tempo escrevendo código, para que possam dedicar mais tempo a atividades mais estratégicas, como o design e a composição de aplicativos de negócios atraentes.

– Plataformas de nuvem industriais (ICPs)

Até 2027, o Gartner prevê que mais de 70% das empresas usarão plataformas de nuvem industriais para acelerar suas iniciativas de negócios, contra menos de 15% em 2023. Os ICPs abordam resultados de negócios relevantes para o setor, combinando serviços SaaS, PaaS e IaaS subjacentes. em uma oferta completa de produtos com recursos combináveis. Isso normalmente inclui uma estrutura de dados do setor, uma biblioteca de pacotes de recursos de negócios, ferramentas de composição e outras inovações de plataforma. Os ICPs são propostas de nuvem personalizadas específicas para um setor e podem ser adaptadas às necessidades de uma organização.

As principais tendências tecnológicas estratégicas deste ano destacam as tendências que gerarão disrupções e oportunidades significativas para os CIOs e outros líderes de TI nos próximos 36 meses.

– Aplicativos Inteligentes

O Gartner define Aplicações Inteligentes como adaptação aprendida para responder de forma adequada e autônoma – como uma capacidade. Essa inteligência pode ser utilizada em muitos casos de uso para melhorar ou automatizar o trabalho. Como capacidade fundamental, a inteligência em aplicações compreende vários serviços baseados em IA, como aprendizado de máquina, armazenamento de vetores e dados conectados. Consequentemente, os aplicativos inteligentes proporcionam experiências que se adaptam dinamicamente ao usuário.

Existe uma clara necessidade e demanda por aplicações inteligentes. Vinte e seis por cento dos CEOs na pesquisa Gartner CEO and Senior Business Executive de 2023 citaram a escassez de talentos como o risco mais prejudicial para suas organizações. Atrair e reter talentos é a principal prioridade da força de trabalho dos CEOs, enquanto a IA foi eleita a tecnologia que terá um impacto mais significativo nas suas indústrias nos próximos três anos.

– IA generativa democratizada (GenAI)

A IA generativa a tornar-se-á democratizada pela confluência de modelos massivamente pré-treinados, computação em nuvem e código aberto, tornando estes modelos acessíveis a trabalhadores em todo o mundo. O Gartner prevê que até 2026 mais de 80% das empresas terão usado APIs e modelos GenAI e/ou implantado aplicativos habilitados para GenAI em ambientes de produção, contra menos de 5% no início de 2023.

Os aplicativos GenAI podem tornar vastas fontes de informações – internas e externas – acessíveis e disponíveis para usuários empresariais. Isto significa que a rápida adoção da GenAI democratizará significativamente o conhecimento e as competências na empresa. Grandes modelos de linguagem (LLMs) permitem que as empresas conectem seus trabalhadores ao conhecimento em um estilo conversacional com uma rica compreensão semântica.

– Força de trabalho conectada aumentada (ACWF)

A força de trabalho conectada aumentada é uma estratégia para otimizar o valor derivado dos trabalhadores humanos. A necessidade de acelerar e dimensionar talentos está impulsionando a tendência ACWF. A ACWF utiliza aplicações inteligentes e análises da força de trabalho para fornecer contexto diário e orientação para apoiar a experiência, o bem-estar e a capacidade da força de trabalho de desenvolver as suas próprias competências. Ao mesmo tempo, o ACWF impulsiona resultados empresariais e impacto positivo para as principais partes interessadas.

Até 2027, 25% dos CIOs usarão iniciativas de força de trabalho conectada aumentada para reduzir o tempo de aquisição de competência em 50% para funções-chave.

– Clientes Máquinas (custobots)

Os clientes-máquina são atores económicos não humanos que podem negociar e adquirir autonomamente bens e serviços em troca de pagamento. Até 2028, existirão 15 mil milhões de produtos conectados com potencial para se comportarem como clientes, com mais milhares de milhões a seguir nos próximos anos. Esta tendência de crescimento será a fonte de triliões de dólares em receitas até 2030 e acabará por se tornar mais significativa do que a chegada do comércio digital. As considerações estratégicas devem incluir oportunidades para facilitar estes algoritmos e dispositivos, ou mesmo criar novos custobots.

Cada uma das tendências está relacionada com um ou mais temas-chave para os negócios: proteger e preservar investimentos passados e futuros, construir as soluções certas para as partes interessadas certas no momento certo e agregar valor ao ambiente em mudança dos clientes internos e externos.

Para saber mais, baixe o e-book: seu guia detalhado para as 10 principais tendências tecnológicas estratégicas do Gartner para 2024.

Abraço, @neigrando

Referência

Texto traduzido e levemente adaptado de “Gartner Identifies the Top 10 Strategic Technology Trends for 2024“, by Gartner, 16 de outubro de 2023.

Artigos relacionados

por

Explicado a IA Generativa

Como funcionam os poderosos sistemas de IA generativa, como o ChatGPT, e o que os torna diferentes de outros tipos de inteligência artificial?

O que as pessoas querem dizer quando falam em “IA generativa” e por que esses sistemas parecem estar entrando em praticamente todas as aplicações imagináveis? Os especialistas em IA do MIT ajudam a analisar os meandros dessa tecnologia cada vez mais popular e onipresente.

Uma rápida olhada nas manchetes faz parecer que a inteligência artificial generativa está em toda parte atualmente. Na verdade, algumas dessas manchetes podem ter sido escritas por IA generativa, como o ChatGPT da OpenAI, um chatbot que demonstrou uma capacidade incrível de produzir texto que parece ter sido escrito por um ser humano.

Mas o que as pessoas realmente querem dizer quando falam em “IA generativa”?

Antes do boom da IA generativa dos últimos anos, quando as pessoas falavam sobre IA, normalmente falavam de modelos de aprendizagem automática que podem aprender a fazer previsões com base em dados. Por exemplo, esses modelos são treinados, utilizando milhões de exemplos, para prever se um determinado raio X mostra sinais de um tumor ou se um determinado mutuário tem probabilidade de não pagar um empréstimo.

A IA generativa pode ser considerada um modelo de aprendizado de máquina treinado para criar novos dados, em vez de fazer uma previsão sobre um conjunto de dados específico. Um sistema de IA generativo é aquele que aprende a gerar mais objetos que se parecem com os dados nos quais foi treinado.

“Quando se trata do maquinário real subjacente à IA generativa e a outros tipos de IA, as distinções podem ser um pouco confusas. Muitas vezes, os mesmos algoritmos podem ser usados para ambos”, diz Phillip Isola, professor associado de engenharia elétrica e ciência da computação no MIT e membro do Laboratório de Ciência da Computação e Inteligência Artificial (CSAIL).

E apesar do entusiasmo que surgiu com o lançamento do ChatGPT e seus equivalentes, a tecnologia em si não é totalmente nova. Esses poderosos modelos de aprendizado de máquina baseiam-se em pesquisas e avanços computacionais que remontam a mais de 50 anos.

Um aumento na complexidade

Um dos primeiros exemplos de IA generativa é um modelo muito mais simples conhecido como cadeia de Markov. A técnica leva o nome de Andrey Markov, um matemático russo que em 1906 introduziu este método estatístico para modelar o comportamento de processos aleatórios. No aprendizado de máquina, os modelos de Markov têm sido usados há muito tempo para tarefas de previsão da próxima palavra, como a função de preenchimento automático em um programa de e-mail.

Na previsão de texto, um modelo de Markov gera a próxima palavra em uma frase observando a palavra anterior ou algumas palavras anteriores. Mas como esses modelos simples só podem olhar para trás até certo ponto, eles não são bons para gerar textos plausíveis, diz Tommi Jaakkola, professor Thomas Siebel de Engenharia Elétrica e Ciência da Computação no MIT, que também é membro do CSAIL e do Institute for Dados, Sistemas e Sociedade (IDSS).

“Já estávamos gerando coisas muito antes da última década, mas a principal distinção aqui está em termos da complexidade dos objetos que podemos gerar e da escala em que podemos treinar esses modelos”, explica ele.

Há apenas alguns anos, os pesquisadores tendiam a se concentrar em encontrar um algoritmo de aprendizado de máquina que fizesse o melhor uso de um conjunto de dados específico. Mas esse foco mudou um pouco, e muitos investigadores estão agora utilizando conjuntos de dados maiores, talvez com centenas de milhões ou mesmo milhares de milhões de pontos de dados, para treinar modelos que podem alcançar resultados impressionantes.

Os modelos básicos subjacentes ao ChatGPT e sistemas semelhantes funcionam da mesma maneira que um modelo de Markov. Mas uma grande diferença é que o ChatGPT é muito maior e mais complexo, com bilhões de parâmetros. E foi treinado com base numa enorme quantidade de dados – neste caso, grande parte do texto disponível publicamente na Internet.

Neste enorme corpus de texto, palavras e frases aparecem em sequências com certas dependências. Essa recorrência ajuda o modelo a entender como cortar o texto em pedaços estatísticos que tenham alguma previsibilidade. Ele aprende os padrões desses blocos de texto e usa esse conhecimento para propor o que pode vir a seguir.

Arquiteturas mais poderosas

Embora conjuntos de dados maiores tenham sido um catalisador que levou ao boom da IA generativa, uma variedade de avanços importantes na pesquisa também levou a arquiteturas de aprendizagem profunda mais complexas.

Em 2014, uma arquitetura de aprendizado de máquina conhecida como rede adversária generativa (GAN) foi proposta por pesquisadores da Universidade de Montreal. As GANs usam dois modelos que funcionam em conjunto: um aprende a gerar uma saída alvo (como uma imagem) e o outro aprende a discriminar dados verdadeiros da saída do gerador. O gerador tenta enganar o discriminador e, no processo, aprende a obter resultados mais realistas. O gerador de imagens StyleGAN é baseado nesses tipos de modelos.

Os modelos de difusão foram introduzidos um ano depois por pesquisadores da Universidade de Stanford e da Universidade da Califórnia em Berkeley. Ao refinar iterativamente seus resultados, esses modelos aprendem a gerar novas amostras de dados que se assemelham a amostras em um conjunto de dados de treinamento e têm sido usados para criar imagens de aparência realista. Um modelo de difusão está no centro do sistema de geração de texto para imagem Stable Diffusion.

Em 2017, pesquisadores do Google introduziram a arquitetura do transformador, que tem sido usada para desenvolver grandes modelos de linguagem, como aqueles que alimentam o ChatGPT. No processamento de linguagem natural, um transformador codifica cada palavra em um corpus de texto como um token e, em seguida, gera um mapa de atenção, que captura os relacionamentos de cada token com todos os outros tokens. Este mapa de atenção ajuda o transformador a compreender o contexto ao gerar um novo texto.

Estas são apenas algumas das muitas abordagens que podem ser usadas para IA generativa.

Uma gama de aplicações

O que todas essas abordagens têm em comum é que convertem entradas em um conjunto de tokens, que são representações numéricas de blocos de dados. Contanto que seus dados possam ser convertidos nesse formato de token padrão, então, em teoria, você poderia aplicar esses métodos para gerar novos dados semelhantes.

“Sua milhagem pode variar, dependendo do nível de ruído dos seus dados e da dificuldade de extração do sinal, mas está realmente se aproximando da maneira como uma CPU de uso geral pode receber qualquer tipo de dados e começar a processá-los de forma unificada”, diz Isola.

Isso abre uma enorme variedade de aplicações para IA generativa.

Por exemplo, o grupo de Isola está utilizando IA generativa para criar dados de imagens sintéticas que poderiam ser utilizados para treinar outro sistema inteligente, por exemplo, ensinando um modelo de visão computacional a reconhecer objetos.

O grupo de Jaakkola está usando IA generativa para projetar novas estruturas proteicas ou estruturas cristalinas válidas que especifiquem novos materiais. Da mesma forma que um modelo generativo aprende as dependências da linguagem, se em vez disso forem mostradas estruturas cristalinas, ele pode aprender as relações que tornam as estruturas estáveis e realizáveis, explica ele.

Mas embora os modelos generativos possam alcançar resultados incríveis, eles não são a melhor escolha para todos os tipos de dados. Para tarefas que envolvem fazer previsões sobre dados estruturados, como os dados tabulares em uma planilha, os modelos generativos de IA tendem a ser superados pelos métodos tradicionais de aprendizado de máquina, diz Devavrat Shah, professor Andrew e Erna Viterbi em Engenharia Elétrica e Ciência da Computação no MIT. e membro do IDSS e do Laboratório de Sistemas de Informação e Decisão.

“O maior valor que eles têm, na minha opinião, é se tornarem uma interface incrível para máquinas que sejam amigáveis ao ser humano. Anteriormente, os humanos tinham que falar com as máquinas na linguagem das máquinas para fazer as coisas acontecerem. Agora, esta interface descobriu como falar tanto com humanos quanto com máquinas”, diz Shah.

Levantando bandeiras vermelhas

Os chatbots generativos de IA agora estão sendo utilizados em call centers para responder a questões de clientes humanos, mas esta aplicação sublinha um potencial sinal de alerta na implementação destes modelos: o deslocamento de trabalhadores.

Além disso, a IA generativa pode herdar e proliferar vieses que existem nos dados de treino ou amplificar o discurso de ódio e as declarações falsas. Os modelos têm a capacidade de plagiar e podem gerar conteúdo que parece ter sido produzido por um criador humano específico, levantando potenciais problemas de direitos autorais.

Por outro lado, Shah propõe que a IA generativa poderia capacitar os artistas, que poderiam usar ferramentas generativas para ajudá-los a criar conteúdos criativos que, de outra forma, não teriam meios para produzir.

No futuro, ele vê a IA generativa mudando a economia em muitas disciplinas.

Uma direção futura promissora que Isola vê para a IA generativa é seu uso para fabricação. Em vez de um modelo fazer a imagem de uma cadeira, talvez pudesse gerar um design para uma cadeira que pudesse ser produzida.

Ele também vê usos futuros para sistemas generativos de IA no desenvolvimento de agentes de IA mais geralmente inteligentes.

“Existem diferenças na forma como estes modelos funcionam e como pensamos que o cérebro humano funciona, mas penso que também existem semelhanças. Temos a capacidade de pensar e sonhar mentalmente, de apresentar ideias ou planos interessantes, e acho que a IA generativa é uma das ferramentas que capacitará os agentes para fazer isso também”, diz Isola.

Referência

Texto traduzido e levemente adaptado de “Explained: Generative AI” por Adam Zewe | MIT News, Novembro 2023

Observação: Este texto foi mantido o mais fiel possível ao original, para uso na disciplina Fundamentos de Inteligência Artificial que ministro na pós-graduação da ESPM em São Paulo – aproveitei para compartilhá-lo com os leitores deste blog.

Artigos relacionados

por

A IA está mudando os departamentos de RH, veja como

Segundo o Gartner, que tem como foco fornecer insights práticos e objetivos para executivos e suas equipes, 76% dos líderes de RH acreditam que se a sua organização não adotar e implementar soluções de IA, como a IA generativa, nos próximos 12 a 24 meses, ficarão atrás no sucesso organizacional em comparação com aqueles que o fazem.

A evolução da inteligência artificial (IA) refez o departamento de recursos humanos (RH), permitindo aos profissionais de RH aproveitarem a aprendizagem de máquina e os algoritmos para agilizar os seus processos de trabalho, reduzir os seus vieses e melhorar a sua análise e tomada de decisões.

A maioria dos gestores de RH hoje em dia usa IA em uma ampla gama de tarefas, como gerenciamento de registros de funcionários, folha de pagamento, recrutamento, integração e gerenciamento de desempenho.

Como as equipes de RH estão adotando a IA

No relatório da Eightfold AI, The Future of Work: Intelligent by Design, a maioria dos 250 líderes de RH entrevistados disseram que estão usando IA em funções de RH, para:

  • gerenciamento de registros de funcionários (78%),
  • processamento de folha de pagamento e administração de benefícios (77%),
  • recrutamento e contratação (73%),
  • gestão de desempenho (72%) e
  • integração de novos funcionários (69%).

Em termos de utilização futura, 92% dos líderes de RH pretendem aumentar a utilização da IA em pelo menos uma área de RH. As cinco principais áreas são:

  • gestão de desempenho (43%),
  • processamento de folha de pagamento e administração de benefícios (42%),
  • recrutamento e contratação (41%),
  • integração de novos funcionários (40%) e
  • gestão de registros de funcionários (39%).

A maioria planeja aumentar seu uso nos próximos 12 a 18 meses.

Estes dados estão alinhados com outras pesquisas que sugerem que o uso da IA em RH deverá crescer nos próximos anos. A pesquisa Future of Work 2022 da IDC previu que este ano, 60% das empresas globais de 2.000 implantarão ferramentas de IA e aprendizado de máquina (ML) para apoiar toda a experiência do ciclo de vida dos funcionários. Até 2024, prevêem os autores, 80% das 2.000 organizações globais usarão “gerentes” habilitados para IA/ML para contratar, demitir e treinar funcionários.

Na verdade, houve notícias de que a Amazon estava usando algoritmos ou bots para demitir pessoas há dois anos. Tal prática é utilizada em RH atualmente por meio de classificação de pilha, uma abordagem estatística que compara o desempenho dos funcionários entre si, onde, após a análise do desempenho do pessoal, o software recomenda que os indivíduos com baixo desempenho recebam formação adicional, e aconselhem os gestores a fazer intervenções ou, na pior das hipóteses, demitam pessoas que estejam abaixo do limiar de desempenho aceitável. Para mitigar esta tendência, a cidade de Nova Iorque aprovou uma lei que exige que as empresas auditem o seu software de recrutamento baseado em IA em busca de preconceitos, e aplica multas às empresas que violarem tal lei.

Como as equipes de RH estão usando IA

As ferramentas de IA são versáteis e oferecem às equipes de RH uma série de aplicações, ajudando-as a concluir muitas funções importantes de maneira mais rápida e completa do que nunca. Segue algumas das formas que as equipes de RH estão empregando a tecnologia de IA atualmente.

Recrutamento e contratação

O recrutamento e a aquisição de talentos estão entre as primeiras tarefas de RH para melhorar. Desde a publicação de empregos até o envio de ofertas de emprego, a IA reduziu significativamente o tempo gasto no recrutamento de novos funcionários, automatizando tarefas manuais, por exemplo: Profissionais que contratam desenvolvedores de TI, designers de UI/UX e outras funções técnicas costumam usar ferramentas como LinkedIn e GitHub e outras plataformas especializadas em RH para encontrar e interagir com candidatos em potencial. Com a ajuda da IA, esses profissionais podem gerar sequências customizadas de mensagens e comunicações para cada candidato, ajudando a melhorar o engajamento e as taxas de resposta. Além disso, a IA pode ser usada para rastrear e analisar taxas de conversão, permitindo que recrutadores e gerentes de contratação identifiquem e refinem suas estratégias de divulgação mais bem-sucedidas.

Existem plataformas que estão usando o potencial do ChatGPT e da IA generativa e até mesmo com modelos de linguagem grande específicos para impulsionar os chatbots de recrutamento, e para geração de perguntas de entrevista de emprego mais seguras e confiáveis.

Integração de novos funcionários (onboarding)

A IA pode desenvolver e automatizar a integração de profissionais que vieram de novas contratações com:

  • Verificação de documentos de funcionários,
  • Realização de treinamento de indução, e
  • Lidando com tarefas administrativas, como fornecer IDs e acesso ao hardware e software da empresa.

A integração é uma parte essencial do RH e a IA pode tornar o processo mais tranquilo e personalizado. Os chatbots com tecnologia de IA podem orientar novos funcionários durante o processo de integração, respondendo a perguntas e fornecendo informações e orientações. Isso reduz a possibilidade de que num processo um candidato fique em suspenso ou esquecido, mantendo assim uma imagem e reputação positiva para a marca.  Além disso, a equipe de RH terá mais tempo para se concentrar em tarefas mais complexas.

Além disso, a IA pode ajudar a personalizar o processo de integração, analisando dados sobre cada funcionário, como suas habilidades e preferências, e adaptando seu treinamento de acordo.

Monitoramento de funcionários

Os melhores softwares de monitoramento de funcionários agora incorporam IA para identificar gargalos na produtividade dos trabalhadores, monitorando seus movimentos online. Isso pode ajudar os administradores a gerenciarem facilmente grandes forças de trabalho sem monitorar manualmente as atividades, fornecendo-lhes, em vez disso, notificações e alertas quando a IA detecta anomalias ou violações da política da empresa. Nesse sentido a IA pode analisar dados de funcionários, como e-mails, chats e padrões de trabalho, para detectar sinais de esgotamento, desinteresse ou até mesmo má conduta, insights valiosos para as equipes de RH na resolução de problemas antes que se tornem mais significativos. Algumas ferramentas baseadas em IA possibilitam monitorar a produtividade dos funcionários, fornecendo dados sobre quanto tempo os funcionários gastam em tarefas específicas. Isso pode ajudar as equipes de RH a otimizarem fluxos de trabalho e identificar áreas de melhoria.

Aprendendo e desenvolvendo

A IA na aprendizagem e desenvolvimento pode ajudar a criar treinamento personalizado para cada funcionário. Pode ainda auxiliar a criar planos de carreira baseados em dados para cada indivíduo, em vez do foco genérico tradicional em ajudar os funcionários a adquirir habilidades de negócios exigidas.

Mobilidade interna

A promoção e o desenvolvimento de carreira dos funcionários são facilitados pelo uso de ferramentas de IA para buscar talentos dentro da organização. Uma melhor conexão (match or fit) entre funcionários e departamentos nem sempre é a tarefa mais fácil, por isso muitos empregadores tendem a simplesmente publicar um anúncio de emprego em vez de considerar os atuais membros da equipe para cargos vagos. A IA pode lidar com essa tarefa, economizando dinheiro precioso no recrutamento e treinamento de talentos externos.

Como a IA beneficia os departamentos de RH

Mudança sempre assusta, porém as ferramentas de IA oferecem vários benefícios importantes aos departamentos de RH, simplificando os seus fluxos de trabalho e apoiando uma melhor tomada de decisões. Esses benefícios incluem:

Eficiência aprimorada

A IA pode automatizar tarefas repetitivas e demoradas para que os profissionais de RH possam se concentrar na criação de estratégias e melhora da tomada de decisões com insights valiosos usando análises preditivas.

Por exemplo, a IA pode aumentar a eficiência da contratação, simplificando o processo de triagem e seleção. Os algoritmos podem analisar currículos, determinar os candidatos mais qualificados e fornecer informações para ajudar os recrutadores a tomarem melhores decisões de contratação.

Custos reduzidos

Softwares de IA são capazes de analisar grandes quantidades de dados para identificar padrões e tendências e sugerir soluções econômicas. Por exemplo, a IA pode fornecer informações sobre fontes de contratação que geram candidatos da mais alta qualidade, para que você possa alocar seu orçamento de contratação de acordo ou abandonar canais de recrutamento ineficazes.

A Pesquisa Global de IA da McKinsey mostra que 27% dos entrevistados de RH disseram que a adoção da IA resultou em uma redução de custos de até 10%, enquanto 23% relataram um aumento médio de receita entre 6% e 10%. As áreas de RH envolvidas nesta pesquisa foram gestão de desempenho e design organizacional, implantação de força de trabalho e otimização de gestão de talentos.

Melhor tomada de decisão

A IA permite a coleta e análise de dados em seus processos de RH para eliminar preconceitos e suposições e garantir que você esteja escolhendo o candidato certo ou oferecendo o melhor plano de remuneração e benefícios. Por exemplo, a mineração de dados de recrutamento ajuda a descobrir desafios para que você possa enfrentá-los de forma objetiva. Analisando suas análises de recrutamento, você pode:

  • Concentre-se em métricas associadas a custos, como desempenho de publicidade de empregos e custo por contratação, para reduzir despesas de contratação
  • Concentre-se nos principais indicadores de desempenho (KPIs) relacionados à velocidade, como tempo para preencher e tempo para contratar, para agilizar o recrutamento
  • Preste atenção aos KPIs relacionados à qualidade, como rotatividade de novas contratações e taxa de retenção de novas contratações, para melhorar a qualidade das contratações.

Considerações ao adotar ferramentas de IA

Além do que a IA pode fazer e dos benefícios de usá-la em RH, aqui estão algumas coisas que você deve ter em mente quando decidir investir em ferramentas de RH baseadas em IA:

Lembre-se de que a IA tem limitações.

A Harvard Business School realizou uma pesquisa e descobriu que 88% dos executivos de RH aprenderam que suas ferramentas rejeitam candidatos qualificados. As descrições de cargos têm muitas qualificações, o que criou uma longa lista de requisitos que os algoritmos devem verificar nos currículos. Como resultado, o algoritmo rejeitou muitos candidatos qualificados que podem estar faltando apenas algumas habilidades da lista. Outro fator foi a lacuna de trabalho nos currículos dos candidatos por mais de seis meses. Estas lacunas podem representar acontecimentos legítimos da vida, como gravidez, destacamento militar ou doença.

A IA por si só NÃO pode fornecer uma imagem completa da situação. Os profissionais de RH devem se aprofundar nas razões por trás dos dados para compreender e interpretar corretamente os resultados. Use sua intuição e experiência para tomar as decisões de negócios corretas.

Considere os riscos de privacidade de dados e segurança cibernética.

Com um número crescente de organizações usando IA para armazenar informações comerciais, a segurança dos dados é crítica agora mais do que nunca. O RH deve ser capaz de garantir aos funcionários que suas informações pessoais, como números de Seguro Social e dados bancários, estão seguras.

As organizações devem estabelecer diretrizes robustas de segurança cibernética para ganhar a confiança dos funcionários e evitar violações de dados que possam resultar em ações judiciais ou multas pesadas e prejudicar a reputação da empresa.

Desconfie de ferramentas que “fazem tudo”.

Pode ser tentador comprar um software completo com tecnologia de IA que “faça tudo”. No entanto, é aconselhável a gestão de RH a ter um ceticismo saudável em relação às ferramentas que se orgulham de fazer tudo melhor.

Dica: Sempre que possível, é melhor manter, mas aprimorar, os sistemas que você possui por meio de uma ferramenta de IA. Se a IA tiver dados suficientes e funcionar em tempo real – para que esteja sempre atualizada – poderá fornecer informações realmente valiosas. Isso pode tornar muitos dos sistemas de RH que você possui ainda mais inteligentes e desbloquear muitas informações valiosas deles. Tenha cuidado com as empresas de IA que prometem ser melhores do que todas as ferramentas existentes, pois nenhum produto pode ser o melhor em tudo.

Considerações finais

“Os departamentos de RH adotarão cada vez mais IA para beneficiar os humanos.”

A IA está tendo um enorme impacto no RH. Ela tem melhorado a forma como as empresas atraem, desenvolvem e retêm talentos, desde a automatização de tarefas rotineiras até o fornecimento de insights ricos em dados para tomadas de decisões mais objetivas. No entanto, é importante que os profissionais de RH percebam que a IA não deve substituir o toque humano no RH. As empresas devem ser capazes de encontrar um equilíbrio entre a tecnologia e o envolvimento humano para obter os maiores benefícios.

Ouça podcasts sobre o mundo em transformação digital no TrenDs News.

Sobre mim: aqui. Contato: aqui.

Abraços, @neigrando

Referências

  • Business News Daily: Ways AI is Changing HR Departments, by Gem Siocon (Oct 13, 2023)
  • Eightfold AI’s 2022 Talent Survey [Report]: The Future of Work: Intelligent by Design.
  • AI in HR: A Guide to Implementing AI in Your HR Organization, 2023, by Gartner

Artigos relacionados