O programa AIOps@People traduz a abordagem da MC Sonae à inteligência artificial: identificar casos de uso concretos, testar soluções e preparar a organização para uma nova forma de trabalhar.
Por: Diana Moreira, expert Data analyst da MC Sonae
A inteligência artificial generativa entrou nas organizações a um ritmo invulgar. A promessa é particularmente sedutora: reduzir tarefas administrativas, acelerar a criação de conteúdos, apoiar a análise de informação e libertar tempo das equipas para trabalho de maior valor acrescentado. Mas, antes de escolher ferramentas, importa perceber que trabalho queremos melhorar, que decisões queremos suportar e que valor queremos criar.
Na MC, é precisamente esta perspectiva que tem orientado a nossa abordagem à inteligência artificial. Não como uma agenda tecnológica isolada, mas como uma agenda de trabalho, orientada por valor, dependente da adopção pelas pessoas e suportada pela tecnologia. A ambição não é apenas introduzir novas ferramentas, mas melhorar a forma como trabalhamos, executamos e tomamos decisões, com impacto real nas pessoas e no negócio.
Foi neste contexto que surgiu o AIOps. Mais do que um conjunto de ferramentas, é uma forma estruturada de identificar oportunidades, priorizar casos de uso, testar soluções em ciclos curtos e medir impacto antes de avançar para uma adopção mais alargada. Esta disciplina é particularmente relevante na área de People, onde a utilização de IA exige equilíbrio entre eficiência, qualidade da informação, experiência dos colaboradores, privacidade, transparência e responsabilidade.
Entre a promessa e a prática há uma distância que só se percorre com método. Por isso, no AIOps@People, partimos do trabalho concreto: mapeámos tarefas, processos e oportunidades da área e traduzimos necessidades reais em casos de uso, testados numa lógica de experimentação e aprendizagem contínua. A pergunta inicial não foi “que ferramenta podemos usar?”, mas “que tarefas do nosso dia-a-dia podem, de facto, beneficiar do apoio de IA?”. Esta diferença ajuda a separar o entusiasmo em torno da tecnologia do que faz sentido experimentar, com limites claros, supervisão humana e critérios de impacto.
A experiência mostrou-nos que a IA cria mais valor quando é aplicada a tarefas reais, muitas vezes pouco visíveis, mas que consomem tempo, fragmentam a atenção e reduzem a capacidade das equipas para se focarem no que mais importa. Falamos, por exemplo, de consolidar informação dispersa, preparar documentos, estruturar notas de reuniões, apoiar a criação de conteúdos de aprendizagem, organizar relatórios de entrevista ou uniformizar respostas em processos administrativos.
Casos de uso e aprendizagem
Um dos campos onde os resultados têm sido mais promissores é Learning, Development & Inclusion. As equipas enfrentam, hoje, um volume crescente de pedidos, maior complexidade técnica e a necessidade de produzir conteúdos em formatos diversos, mantendo qualidade e consistência. Neste contexto, testámos soluções que apoiam a criação de scripts formativos, testes de conhecimento, e-learnings e vídeos de aprendizagem, acelerando tarefas que tradicionalmente exigiam um investimento significativo de tempo e recursos.
Em alguns destes pilotos, os ganhos de tempo foram relevantes. Mas o benefício não se esgota na eficiência. Ao reduzir trabalho repetitivo na produção de conteúdos, as equipas conseguem dedicar mais atenção ao desenho pedagógico e à adequação das experiências de aprendizagem. Existe também a possibilidade de internalizar parte deste esforço, reduzindo dependências externas em determinadas fases do processo. Estes ganhos ainda estão a ser consolidados, mas os resultados iniciais são promissores.
Na área de People Management, testámos também casos de uso com impacto prático. Por exemplo, uma das soluções apoia a transformação de transcrições de entrevistas de recrutamento em relatórios estruturados, factuais e padronizados. O objectivo não é substituir o parecer técnico do recrutador, nem emitir recomendações de contratação. Pelo contrário: procura libertar tempo na análise pós-entrevista, aumentar a consistência da documentação e permitir maior foco na condução da entrevista e na interacção com o candidato. A decisão mantém-se onde deve estar: nas pessoas responsáveis pelo processo.
Este ponto é essencial. A IA pode apoiar decisões com impacto nas pessoas, mas não deve transferir a responsabilidade por essas decisões. Sempre que estão em causa temas sensíveis, com impacto em pessoas, a intervenção humana não é apenas desejável, é uma condição de responsabilidade.
Outro exemplo é uma solução que consolida indicadores críticos na Gestão de Pessoas, por loja e por responsável People, identifica sinais de alerta e envia um resumo accionável por e-mail e áudio. O impacto centra-se na redução do tempo dedicado à recolha e leitura de dados dispersos, permitindo que as equipas identifiquem mais rapidamente onde devem concentrar a sua atenção. A solução não substitui a análise humana, mas ajuda a orientá-la melhor e a tornar as interacções com o negócio mais focadas.
Algumas das aprendizagens mais importantes vieram, contudo, dos casos de uso que não avançaram para adopção imediata. Essa decisão faz parte de uma abordagem responsável: um piloto só deve escalar quando a solução demonstra utilidade, quando os dados e processos de suporte têm qualidade suficiente e quando existem condições para integrar a nova forma de trabalhar no dia-a-dia das equipas.
Este artigo faz parte da edição de Julho (n.º 187) da Human Resources.
Disponível nas bancas e online, na versão em papel e na versão digital.
