Nem tudo é problema da IA: às vezes falta confiança nos dados
Construir confiança em dados não exige perfeição tecnológica e sim honestidade sobre limitações, clareza sobre incertezas e um caminho visível para correção
Um dos principais motivos para você continuamente usar aplicativos como o Waze é a confiança que deposita nos resultados que ele te entrega. Essa confiança foi construída em momentos em que você foi informado sobre alterações de tempo ou de rota, ou quando a interface te pede para confirmar informações das quais ela não tem certeza (há mesmo um policial ali?).
Os erros, atrasos ou dúvidas que o aplicativo "tem" não são motivo para você parar de usar – muito pelo contrário: te fazem confiar ainda mais. As falhas, os erros de cálculo ou os limites da ferramenta são vistos como problemas identificados ou antecipados o mais rápido possível.
Em resumo, por você não se sentir enganado, mas sim informado, você perdoa os atrasos, pois sabe que não são culpa do aplicativo, mas sim de fatores externos, como o trânsito.
Existe um estudo famoso que compara pessoas que sabem quanto tempo estarão em uma sala de espera versus pessoas que não sabem. Quando sabemos o tempo que vamos esperar, nos tornamos muito mais dispostos do que quando não sabemos. O mesmo se aplica ao cenário contrário: você tem zero paciência para esperar um vídeo carregar.
Um sistema bancário pode ter sido seguro por anos, mas basta alguém que você conhece ter um caso de fraude para você considerar tirar todo seu dinheiro e colocar em outro banco (mesmo que os princípios do sistema que eles usam seja o mesmo).
A quebra de paradigma ou de crença que você sofre te faz colocar todo seu conhecimento sobre um sistema, pessoa ou organização em xeque.
E não é à toa que isso se aplica a dados em uma empresa. Se recebermos um relatório que contém erros uma vez, não só perdoamos como tendemos a querer apoiar na correção. Mas se os erros são constantes e quem provê a informação fica o tempo todo justificando por que a informação não é a mesma entre diferentes sistemas – mesmo que não seja culpa dessa pessoa diretamente –, a desconfiança passa a ser a norma.
Existem três pilares que fazem uma empresa ser orientada por dados: as pessoas precisam ter autonomia e conhecimento para buscar as informações necessárias; precisam de processos e de governança que garantam que os dados são seguros e de qualidade; e, por último, de ferramentas e da infraestrutura que apoie a autonomia e os processos implementados.
A maioria das empresas com as quais trabalho segue presa buscando o alinhamento entre os dados na camada mais básica de infraestrutura, na qual o somatório da linha de resultado não é igual entre sistemas.
Isso não só gera um efeito de desconfiança em dominó de forma horizontal e vertical como cria silos de conhecimento: em vez de usar os dados para buscar soluções, as pessoas de diferentes áreas começam a disputar por que o dado que elas têm é "mais correto".
A quebra de paradigma nos faz colocar todo nosso conhecimento sobre um sistema, pessoa ou organização em xeque.
Essa disputa leva a retrabalho, desalinhamento de objetivos e a uma cultura de competitividade negativa, na qual quem fala mais alto ou tem mais poder, ganha. Ou seja, nada orientada a dados, mas 100% orientada a percepções e opiniões que desfavorecem o elo mais fraco na cadeia hierárquica.
Agora, pegue esse cenário de desconfiança e adicione nele uma camada de inteligência artificial. Sua empresa decide comprar uma ferramenta que vai te ajudar a fazer buscas nos dados existentes e a gerar relatórios de forma mais rápida.
Em vez de usar fórmulas ou sistemas de queries complexos, você só precisa fazer perguntas para que te retorne respostas sobre os resultados da organização.
O único problema é que você nem confia nos dados da base para começar. Como podemos ter sistemas que, por si só, podem alucinar e gerar respostas fictícias, se nem os dados de base estão corretos?
Existe solução para esse contexto de caos? Existe, mas requer trabalho e você pode usar o Waze como exemplo.
1. Mapeie e controle os problemas identificados e sinalize onde está correto e onde ainda há dúvida e trabalho a fazer
O Waze usa cores diferentes para mostrar o status do trânsito em tempo real: verde para livre, amarelo para lento, vermelho para congestionado. Na sua empresa, crie um "mapa de confiabilidade" dos dados: quais relatórios são confiáveis, quais estão em processo de validação e quais ainda precisam de correção.
2. Mantenha uma fonte de relatoria e de dados sagrada
Assim como o Waze tem um único sistema de GPS como referência, sua empresa precisa de uma única fonte da verdade. Quando há divergências entre sistemas, todos precisam saber qual é o dado oficial enquanto as discrepâncias são corrigidas.
Mesmo que você tenha sistemas diferentes para propósitos diferentes (o sistema de incentivos usa outra fonte de dados, por exemplo), os resultados precisam ser únicos e centralizados.
3. Dê clareza às diferentes fórmulas, exceções e potenciais erros
O Waze avisa quando há um desvio de rota e explica o motivo: acidente, obra, trânsito intenso. Documente e comunique as exceções nos seus dados: por que determinado número difere entre sistemas, quais ajustes são feitos nas fórmulas, onde há limitações conhecidas.
4. Permita que pessoas chave façam parte da correção das informações
O Waze permite que usuários reportem problemas em tempo real e valida as informações por meio da comunidade. Crie um board de governança de dados com representantes de diferentes áreas e comunique as mudanças realizadas para toda a organização, de forma transparente e regular.
5. Permita que outras pessoas possam reportar problemas e erros
Assim como qualquer usuário do Waze pode reportar um problema na via, crie canais para que qualquer pessoa da empresa possa sinalizar inconsistências nos dados. Faça com que o sistema seja transparente e autoalimentado, transformando todos em guardiões da qualidade.
Temos uma tolerância ao erro, mesmo que ela seja limitada. O que não toleramos é a sensação de sermos enganados ou deixados no escuro. A diferença entre um sistema confiável e um sistema abandonado não está na ausência de falhas, mas na transparência sobre elas.
A inteligência artificial não vai resolver o problema de confiança nos dados da sua empresa – vai amplificá-lo. Se os dados não são confiáveis hoje, adicionar uma camada de IA só vai acelerar a disseminação de informações incorretas, agora com a autoridade adicional de parecerem "inteligentes".
Leia mais: Escassez de dados confiáveis ameaça a evolução da inteligência artificial
A boa notícia é que construir confiança em dados não exige perfeição tecnológica. Exige o mesmo que o Waze faz: honestidade sobre limitações, clareza sobre incertezas e um caminho visível para correção.
Quando sua equipe sabe onde os dados são sólidos e onde ainda há trabalho a fazer, ela pode tomar decisões informadas sobre quando confiar e quando questionar.
Antes de investir em mais ferramentas de IA ou dashboards sofisticados, pergunte-se: se eu pedisse para três pessoas diferentes da minha empresa me darem o mesmo número, receberia a mesma resposta?
Se a resposta for não, você não tem (só) um problema de tecnologia. Tem um problema de confiança. E esse nenhuma IA vai resolver por você.
