leadership

LEADERSHIP

negociacao-2

NEGOCIACAO

gestao-3

GESTAO

consultoria-2

CONSULTORIA

falandobem

FALANDOBEM

financasessenciais

FINANCASESSENCIAIS

Seja Premium e tenha acesso ao nosso arsenal de cursos

Administradores PREMIUM

Não existe na literatura uma data onde demarca o nascimento da inovação, no entanto, desde o domínio do fogo e a invenção da roda que demarcaram a transição do período paleolítico para o neolítico, a evolução trazida pela inovação passa a fazer parte da vida do ser humano e, posteriormente, das empresas.
Acontecimentos como o lançamento da Ford Company em 1903, o primeiro voo de Santos Dumont em 1906, o surgimento da televisão em 1930, a criação do telefone e posteriormente do telefone móvel em 1973, a primeira música a ser lançada apenas para download em 2006 e, o anúncio do primeiro smartphone em 2007, são revoluções que demarcam o histórico da inovação e demonstram que a velocidade com que as mesmas impactam a sociedade é cada vez mais crescente.
No entanto, foi apenas com o advento da internet, o surgimento das redes sociais e das empresas de crescimento exponencial – Startups, que a inovação passou a ser discutida com maior profundidade e tornou-se o assunto principal em todos os setores da economia mundial. O Facebook, com 800 milhões de usuários, é tecnicamente o terceiro país mais populoso do mundo, isto representa a mudança nas formas de consumo e de convivência, consequentemente influencia também nos diferenciais competitivos que o setor empresarial precisa apresentar ao mercado.
Apesar de não haver um consenso sobre a definição exata do termo inovação, se sabe que sua natureza é fundamentalmente o empreendedorismo, que envolve elementos como conhecimento técnico, conhecimento em gestão e cultura empreendedora, fazendo com que a inovação passe a ser um dos principais temas para a competitividade empresarial. Autores renomados reforçam que a inovação tem se transformado no elemento central da política econômica mundial.
Não obstante, há 10 anos, é publicado pela Universidade de Cornell em parceria com a escola de negócios Insead e a Organização Mundial de Propriedade Intelectual, o Índice Global de Inovação, qual fornece, através de 81 indicadores, métricas detalhadas sobre o desempenho da inovação em 127 nações. Países como Suíça, Suécia, Noruega e Estados Unidos ocupam, há sete anos, as primeiras posições. O Brasil, apesar de ser considerado um país com um potencial altamente criativo, está estagnado na posição 69º há três anos, atrás dos vizinhos latino americanos Chile (46º), Costa Rica (53º), México (58º), Panamá (63º), Colômbia (65º) e Uruguai (67º) (sim, concordo, é vergonhoso para o nosso país!).
Ok, mas ainda não definimos o que é a tal da inovação. Calma, já explico!
Conceitualmente a inovação é uma técnica orientada pela habilidade de estabelecer relações, detectar oportunidades e tirar proveito das mesmas. No entanto, vai além de apenas apresentar ao mercado novos produtos, envolve a cultura organizacional e as ações desenvolvidas pela empresa, a criatividade atrelada ao processo juntamente com a forma de resolver os problemas e a própria postura frente ao tema inovação.
Pode também ser definida como a combinação de conhecimentos, técnicas e tecnologias aplicados a um processo organizacional ou a um público específico, onde resulte em um produto ou processo novo ou fortemente modificado, que gere valor econômico para a empresa ou ente que concebeu a ideia.
Ou ainda, se baseia em ações comportamentais desenvolvidas pelas empresas que, potencializadas pelo ambiente, resultem na criação de novos produtos, serviços ou ainda na melhoria em processos.
Apesar de não haver um consenso definitivo ao termo, a inovação pode ser resumida em algo novo que gere retorno econômico ou financeiro (fácil, não é?).
A última edição do Manual de Oslo, publicado pela OCDE em 2005 (sim, é velho pro tema! Mas é o mais atualizado que temos), que orienta o tema inovação ao redor do mundo, reconhece quatro tipos de inovação: de produto ou serviço, de processo, de marketing e organizacional.
As inovações de produto envolvem mudanças significativas nas potencialidades de produtos ou serviços, resultando em produtos ou serviços totalmente novos ou fortemente modificados. As inovações em processos, envolvem mudanças significativas nos métodos de produção ou distribuição. As inovações organizacionais envolvem mudanças no modelo de negócios, nas práticas mercadológicas, na organização do local de trabalho ou nas relações externas da empresa. Já as inovações em marketing, incluem as mudanças no design do produto ou em sua embalagem, na promoção do mesmo ao mercado e nas relações com os consumidores finais.
E quem faz a inovação acontecer em uma empresa? A gestão!
Mas cuidado, a gestão empresarial pode ser um inibidor interno da inovação se não conseguir equilibrar a gestão diária, pautada em processos e rotinas, com a gestão de futuro, qual desenvolve cenários e cria novas ideias. É nesse momento que entra a Governança da Inovação, para auxiliar nesse equilíbrio.
E, sobre Governança da Inovação já discutimos muito, não é mesmo?
Se você ainda não leu o artigo sobre Governança da Inovação, é só <a href="https://administradores.com.br/artigos/afinal-o-que-e-governanca-da-inovacao">clicar aqui.</a>

Afinal, o que é inovação?

O que é essa tal de inovação e de onde ela surgiu?

Afinal, o que é inovação? | Administradores

https://cdn.administradores.com.br/app/uploads/2022/01/28175626/images2Fposts2FBfsH7yI3TqwSw4tn4RCw-43quptswo7mss0wc-scaled.jpeg

Home

Artigos

Informação e Educação para líderes e suas equipes. Notícias, artigos, cursos, palestrantes, mentorias e treinamentos personalizados para profissionais e empresas

Administradores

https://cdn.administradores.com.br/app/uploads/2023/06/06200454/Logo-administradores.png

Administradores | Conhecimento para Resultados

Já escrevi por aqui alguns artigos falando sobre inovação, governança e a junção de ambas, mas nessa semana ‘navegando’ pela internet encontrei uma associação bem interessante entre esses assuntos e um carro. O artigo da ABESE (Associação Brasileira das Empresas de Sistemas Eletrônicos de Segurança) dizia:<blockquote>“ Se a gestão da inovação é como o pedal para acelerar a velocidade do carro, então a governança da inovação é o volante para manter uma linha reta ou dar uma guinada naquela velocidade dos processos de planejamento estratégico e do cenário de execução de negócios; os faróis para fazer previsões do que está por vir (risco ou oportunidade); o medidor de combustível (custo), velocímetro (métricas) ou os freios para desacelerar ou continuar a jornada (gerenciamento de recursos), etc. O mecanismo de governança pode ser incorporado ao processo de negócios de forma integrada, e a prática de governança deve ser compartilhada entre a empresa colaborativamente.”</blockquote>Dessa forma, a governança não se trata apenas de colocar restrições sobre o que você pode fazer, mas também de monitorar e saber quando as coisas não estão indo de acordo com o planejamento, para que você possa tomar as medidas adequadas no momento certo.De fato, escolher o melhor modelo de governança é uma árdua tarefa e, por anos, diversas empresas têm tentado buscar o melhor equilíbrio entre a gestão tradicional e a gestão da inovação, a fim de criar mecanismos que proporcionem a longevidade da empresa.Já escrevi aqui sobre os modelos mais praticados no mercado, os mais eficientes, aqueles menos eficientes, mas, mas afinal, o que faz com que esses modelos falhem?Posso elencar 4 problemas principais que podem levar um modelo de governança da inovação a não trazer os resultados que a Organização necessita, independentemente de qual seja: Problema 1: Não definir o escopo de trabalhoO trabalho com inovação, apesar de ser transversal (ou pelo menos deveria ser transversal), precisa estar organizado como qualquer outro setor dentro da empresa, com atividades definidas, metas, rotinas, orçamento, etc. Todas essas regras não tem o intuito de engessar a criatividade e inovação, mas de organizar um processo de modo que aumente as chances dele trazer resultados.Pois, caso contrário, algumas pessoas podem estar buscando inovações radicais, enquanto outras estão buscando melhorias incrementais. Se a equipe não tiver um escopo sob qual poderá trabalhar, o alinhamento será muito difícil. Problema 2: Falta de clareza na estratégiaComo qualquer outra área da Organização, a inovação precisa ter uma estratégia traçada. Objetivos e metas claras que definem quais os caminhos precisam ser percorridos para que a inovação, de fato, gere resultados, sejam eles financeiros, econômicos ou de posicionamento.Quando não há estratégia definida, independentemente da estrutura ou grupo a assumir a Governança, tenderão a falhar simplesmente por falta de orientação clara. Problema 3: Escolher o modelo de Governança que não se comunica com a cultura da empresaÉ muito comum empresas falarem em mudança de cultura quando iniciam os trabalhos com o tema inovação. Ainda mais comum buscarem na estrutura de governança essa mudança. No entanto, a Governança da inovação deve seguir os preceitos da própria Organização.Se a mesma tiver uma gestão centralizada, o indicado é que a Governança da inovação também seja mais centralizada e, dentro do seu escopo, se assim for a estratégia da empresa, esteja buscando organizar uma estrutura menos centralizada que permita a tomada de decisão quanto à inovação de maneira descentralizada.Se, logo de cara a empresa aplicar uma estrutura descentralizada, certamente as pessoas que estiverem trabalhando com o tema inovação terão pouca autonomia, não conseguindo levar os projetos adiante e, por consequência, não gerando resultados para com o tema. Problema 4: Não definição dos papeis dos envolvidosQuando falamos em Governança da Inovação, falamos em atribuir 3 níveis de poder: - Articulação: quem orquestra a inovação?- Decisão: quem define o que será priorizado e o que não?- Operação: quem irá executar os programas?Esses três papeis precisam estar definidos e com responsabilidades claras. Preferencialmente as pessoas que estão envolvidas em cada uma das funções devem ser diferentes, para que não haja sobreposição ou conflito de interesses (a transparência é um dos pilares fundamentais da Governança Corporativa e acaba espelhando também a Governança da Inovação). Cabe ressaltar que o principal lema da Governança da Inovação é se adaptar, portanto, no momento de escolher um modelo ou estrutura para a sua empresa, busque analisar o que fará sentido para ela, e ajuste os modelos conforme sua realidade.

Por que os modelos de Governança falham?

No meu último artigo, escrevi sobre os melhores modelos de Governança da Inovação segundo a pesquisa publicada pela IMD - International Institute for Management Development. Nesse artigo irei falar um pouco sobre os piores modelos, também segundo a mesma pesquisa. No entanto, cabe ressaltar que esse resultado provém do nível de satisfação das empresas quanto ao modelo adotado, sendo analisado esforço x resultado, isso não necessariamente representa que esses são modelos ruins. Cada empresa precisa analisar os modelos e alinhá-los com os objetivos e cultura de inovação que já existem na organização.Há um modelo em específico, chamado "Não Estruturado", que possui 100% de insatisfação. No entanto, não irei relatar sobre o mesmo, pois, de fato, ele representa a não existência de uma organização para a inovação, qual normalmente acontece em empresas que ainda não conseguiram enxergar o quanto esse tema impacta em seus negócios. Portanto, irei abordar os outros dois com menor grau de satisfação: Head de Inovação e Campeões da Inovação. HEAD DE INOVAÇÃO (65% de insatisfação) Apesar de a denominação Head ser bastante nova, o cargo Gestor/Diretor/Responsável por inovação já é adotado desde a década de 90 em grandes empresas. Esse cargo consiste em ter uma pessoa totalmente dedicada ao tema inovação, sendo responsável por concatenar as iniciativas e distribuí-las dentro da empresa.A eficácia desse modelo acaba sendo atrelada diretamente às capabilities do próprio Head, qual, além de possuir conhecimento técnico aprofundado sobre as metodologias atreladas à inovação, precisa possuir alto grau de relacionamento com o ecossistema e conseguir entender o mercado de atuação da própria empresa. Apenas com esse conjunto de habilidades, o modelo de Head de Inovação passa a ser efetivo para a geração de resultados.A escolha de Heads que não possuem ou não conseguem desenvolver todas essas habilidades em um curto espaço de tempo, faz com que a empresa se frustre em relação aos resultados, fazendo com que, consequentemente, esse seja o modelo em que há grande insatisfação por parte da Alta Diretoria. CAMPEÕES DA INOVAÇÃO (60% de insatisfação) Esse é o modelo mais bottom-up que existe, ficou bastante conhecido e estudado no mercado após a 3M passar a adotá-lo. O modelo Campeões da Inovação não delega a responsabilidade pelo tema a um conjunto de pessoas ou departamento, mas faz com que toda a empresa seja responsável pela temática, desde a área de marketing até a controladoria.Esse modelo precisa ser regado por uma forte cultura de inovação e incentivos diários para que a mesma, de fato, gere resultados. Dessa forma, todos os colaboradores possuem um tempo em sua jornada reservada para que consigam trabalhar em projetos de inovação, além de treinamentos, sessões de brainstorming e incentivos diversos sobre a temática.Apesar de ser o grande desejo por grande maioria das empresas, esse não é um modelo indicado para aquelas que estão iniciando o trabalho com inovação, pois para que o mesmo gere resultados, precisam haver pilares fundamentais no ecossistema corporativo para que as pessoas consigam, de fato, se envolver com o tema. Além disso, é extremamente necessário o engajamento, alinhamento e disponibilidade da liderança para fomentar a cultura de inovação. Sem esses requisitos, é provável que o modelo não dê certo e gere insatisfação na Organização.

Os piores modelos de Governança da Inovação

Certamente a inovação consiste em vários processos multifuncionais, desde a geração de ideias até a introdução de tecnologias no mercado. Ela lida com questões de negócios "difíceis", como estratégia de crescimento, investimentos tecnológicos, portfólios de projetos e criação de novos negócios. Mas também se refere a desafios "mais brandos", como promover a criatividade e a disciplina, estimular o empreendedorismo, aceitar riscos, incentivar o trabalho em equipe, promover o aprendizado e a mudança e facilitar a criação de redes e comunicações. Em resumo, requer um tipo especial de cultura organizacional, uma mentalidade que deve permear toda a organização. As técnicas atuais de gerenciamento de inovação e as soluções organizacionais tendem a se concentrar em muitos - não todos - os aspectos “difíceis” da inovação, mas muito menos em seus elementos “mais brandos”. O escopo da inovação é tão amplo que poucas empresas parecem ter pensado profundamente sobre o que é preciso agora e será necessário no futuro para orientar e gerenciar a inovação de forma integrada, em todos os seus aspectos, rígidos e flexíveis. Por isso, em 2014 é introduzido o conceito de Innovation Governance ou Governança da Inovação, que pode ser pensada como um sistema de mecanismos para alinhar metas, alocar recursos e atribuir autoridade de tomada de decisão à inovação, em toda a empresa e com partes externas. Mundialmente, existem 8 modelos para se trabalhar a Governança da Inovação. Recentemente o IMD - International Institute for Management Development, divulgou uma pesquisa sobre o nível de satisfação das empresas com o modelo de Governança adotado para trabalhar com inovação. Neste texto, escolhi falar sobre os 2 modelos com maior nível de satisfação: o Comitê de Inovação e o Diretor de P,D&amp;I. Comitê de Inovação É um grupo formado por pessoas de diversas áreas e níveis hierárquicos da empresa. A escolha leva em consideração o conhecimento sobre o negócio e sobre questões técnicas relacionadas à inovação. Ele é diferente do Comitê de Inovação da Alta Administração, pois a escolha das pessoas não é restrita apenas aqueles que ocupam cargos de Diretoria ou Gerência e sim, naquelas pessoas que são entusiastas pelo tema inovação. Normalmente é composto por 5 ou 7 pessoas. A composição desse mecanismo e a motivação de seus membros fornecem uma primeira explicação possível de por que esse modelo é percebido como mais eficaz do que a maioria dos outros modelos. As principais vantagens dessa abordagem, em comparação com outros modelos de governança da inovação, são três: 1- Permite uma representação abrangente das partes relevantes da empresa no órgão de decisão para inovação. Essa diversidade de conhecimentos técnicos, funcionais e de negócios, e, portanto, de perspectivas, provavelmente enriquecerá as conversas e levará a decisões mais eficazes; 2- Ele oferece um alto grau de flexibilidade, permitindo que a Gerência modifique a composição do Comitê para refletir mudanças nas condições ambientais ou na estratégia da empresa em termos de inovação, ou simplesmente instale um novo espírito, eliminando membros menos produtivos e atraindo entusiastas da inovação; 3- É possível, devido a composição do Comitê, confiá-lo a uma ampla gama de missões e não apenas à seleção, lançamento e supervisão de projetos, como por exemplo: a) Estimular / supervisionar os esforços de desenvolvimento de processos de inovação, por exemplo: Nomear, apoiar e revisar o trabalho dos responsáveis pelo processo; Alocar e monitorar o uso de orçamentos de desenvolvimento de processos de inovação; Estabelecer e monitorar benchmarks de inovação e indicadores de desempenho.b) Tomar medidas para sustentar o desempenho da inovação, por exemplo: Identificar / criar competências críticas à inovação; Identificar e desenvolver líderes em inovação de alto potencial; Promover uma mentalidade de inovação e avaliar/ melhorar o clima. Diretor de P,D&amp;I Os Diretores de Pesquisa, Desenvolvimento e Inovação ou até mesmo Diretores de Tecnologia, são muito comuns em empresas baseadas em tecnologia, ciência e engenharia, por isso, os esforços de inovação dessas empresas são naturalmente confiados aos Líderes com função técnica, independentemente do seu título. A satisfação desse modelo são superiores a todos os outros modelos, refletindo o fato de que ele concentra muito poder nas mãos de um único Líder totalmente dedicado e com maior probabilidade de ter o conhecimento e recursos para decidir e supervisionar todos os projetos - pelo menos os técnicos. O sucesso depende muito da credibilidade e do talento de liderança de um indivíduo específico de alto nível. A aplicabilidade desse modelo é ideal em indústrias de uso intensivo de tecnologia, onde a inovação e os mercados são impulsionados pela tecnologia, e onde as escolhas de tecnologia e os problemas de sua implantação são complexos e críticos. A principal condição para o sucesso desse modelo está ligada à amplitude de recursos do CTO ou Diretor de PD&amp;I. Em todos os casos, eles devem ter uma forte orientação comercial, porque, no final, todos os esforços de inovação se transformam em desafios de criação de negócios. É por isso que eles geralmente são suportados por departamentos competentes, capazes de explorar o potencial de mercado de novas tecnologias e vincular roteiros de tecnologia e produto. Isso também significa que eles devem desenvolver uma forte sensibilidade às questões de comercialização e adoção da inovação para evitar o risco de iniciativas estéreis de “impulso da tecnologia”. E isso, obviamente, implica que eles mantêm excelentes relacionamentos com seus colegas em gerenciamento de negócios. A principal limitação desse modelo é seu foco principal e, às vezes, exclusivo em questões de implantação de tecnologia. Além disso, seu foco tende a ser principalmente o conteúdo, o que significa que seu interesse e envolvimento em processos não técnicos e em melhorias mais brandas da cultura organizacional são frequentemente limitados. Sua empresa adota algum desses modelos de Governança da Inovação? Eles tem gerado resultado?

Eficiência dos modelos de Governança da Inovação

Por Rodrigo Monteiro, idealizador do Clube CDC&nbsp;É comum associarmos a excelência nos negócios a grandes resultados. Um contrato conquistado, um crescimento expressivo ou um reconhecimento do mercado podem parecer sinais de que uma empresa chegou a determinado nível. Mas, na minha visão, excelência não é um momento isolado. É um hábito construído no dia a dia.&nbsp;Ao longo da minha trajetória, percebi que essa construção está em atitudes que parecem pequenas: cumprir um prazo, retornar uma mensagem, acompanhar uma entrega, revisar um processo, ouvir uma reclamação ou simplesmente fazer aquilo que foi combinado. São ações que nem sempre produzem resultados imediatos, mas ajudam a formar a percepção que as pessoas têm de uma companhia.&nbsp;É aí que entra a disciplina. Existe uma diferença entre fazer algo bem quando estamos motivados e manter um padrão de qualidade mesmo quando ninguém está olhando. Excelência está mais próxima desse comportamento. Não significa acertar sempre, mas ter disposição para reconhecer erros e continuar melhorando.&nbsp;Isso também vale para a execução. Uma boa estratégia precisa chegar à operação para produzir resultados. Processos, ferramentas e profissionais preparados são importantes, mas é a qualidade da entrega que transforma planejamento em experiência. E experiências bem executadas ajudam a fortalecer a confiança.&nbsp;Nas relações, essa postura também faz diferença. Clientes, parceiros e outros empresários confiam quando percebem que podem contar com uma empresa. Cada compromisso cumprido e cada entrega bem-feita contribuem para construir credibilidade e reputação.&nbsp;Ser constante, porém, não significa fazer tudo sempre da mesma maneira. O mercado muda, os clientes mudam e novas tecnologias surgem. Processos e estratégias precisam acompanhar essas transformações. O que deve permanecer é o compromisso com a qualidade daquilo que se entrega.&nbsp;Meu conselho é simples: preste atenção naquilo que você consegue fazer bem de forma consistente. É essa postura que, com o tempo, transforma qualidade em confiança.Excelência não é sobre impressionar uma vez. É sobre construir motivos para que as pessoas continuem confiando em você.&nbsp;

Excelência nos negócios está no que se repete, não no que acontece uma vez

A inteligência artificial está deslocando uma fronteira importante da gestão: a diferença entre saber executar uma tarefa técnica e saber formular o problema correto. Nesse cenário, a pergunta sobre se o gestor do futuro precisará saber programar talvez esteja mal formulada. A questão estratégica é outra: ele saberá definir objetivos, testar respostas, identificar riscos e responsabilizar-se pelas decisões produzidas por sistemas que não domina integralmente?Para empresas e instituições, essa mudança é decisiva. Se a programação automatiza parte da execução, a capacidade de formular boas perguntas, avaliar evidências e estabelecer limites passa a adquirir valor econômico, jurídico e organizacional. O risco é substituir a antiga dependência do programador por uma nova dependência, igualmente perigosa, do algoritmo.Programar deixa de ser o centro da competência técnicaA expansão da inteligência artificial generativa reduziu o custo de produzir código, analisar dados, redigir documentos e automatizar determinadas rotinas. Isso não significa que programação tenha perdido importância. Significa que a programação pode deixar de ser uma competência exclusiva de quem ocupa posições técnicas.O gestor não necessariamente precisará escrever sistemas complexos, mas precisará compreender suficientemente sua lógica para questionar resultados, avaliar limitações e conversar com profissionais de tecnologia.A distinção é fundamental.Um administrador que sabe programar pode construir uma solução. Um administrador que sabe formular adequadamente um problema pode decidir qual solução deveria ser construída, por que deveria existir e quais consequências não podem ser aceitas.A primeira competência é operacional. A segunda é estratégica.A pergunta como instrumento de governançaA boa pergunta não é simplesmente uma técnica de comunicação com ferramentas de inteligência artificial. Ela é uma forma de governança.Perguntar "qual é a melhor solução?" produz respostas diferentes de "quais premissas tornam essa solução inadequada?". Perguntar "como aumentar a produtividade?" é diferente de perguntar "qual produtividade estamos aumentando, segundo qual métrica e a que custo humano?".Essa diferença interessa diretamente ao Direito.A Constituição Federal, a legislação trabalhista, a Lei Geral de Proteção de Dados e as normas de responsabilidade civil não desaparecem porque uma decisão foi auxiliada por um sistema algorítmico. Ao contrário: quanto maior a participação da tecnologia na decisão, maior pode ser a necessidade de identificar quem definiu os critérios, quem supervisionou o processo e quem responde por seus efeitos.A inteligência artificial pode produzir uma resposta. Não pode, por si só, transferir a responsabilidade jurídica pela decisão.Tese e antítese: perguntar basta?A tese otimista sustenta que a programação tende a se tornar progressivamente abstrata. Assim como a calculadora reduziu a necessidade de realizar manualmente determinadas operações matemáticas, sistemas de IA podem reduzir a necessidade de escrever código para tarefas que antes exigiam especialistas.Há fundamento nessa transformação. O gestor passa a operar em nível mais próximo da intenção: descreve o objetivo, fornece contexto, estabelece restrições e avalia o resultado.Mas existe uma antítese importante.Saber perguntar não substitui saber compreender.Um gestor incapaz de compreender minimamente dados, estatística, segurança da informação, lógica computacional e limitações de modelos de IA pode formular perguntas elegantíssimas e ainda assim receber respostas tecnicamente equivocadas. A linguagem natural facilita o acesso à tecnologia, mas também pode produzir uma perigosa ilusão de competência.O problema, portanto, não é escolher entre programação e perguntas.É definir qual grau de compreensão técnica é necessário para que o gestor possa perguntar, verificar e decidir.A nova competência: alfabetização algorítmicaA competência estratégica emergente pode ser compreendida como uma espécie de alfabetização algorítmica.Ela não exige transformar todo administrador em desenvolvedor. Exige que o gestor compreenda pelo menos cinco dimensões:- qual problema o sistema está tentando resolver;- quais dados alimentam a decisão;- quais premissas e métricas orientam o modelo;- quais erros ou vieses podem surgir;- quem possui autoridade para validar, interromper ou contestar o resultado.Essa competência aproxima tecnologia e governança.Em uma organização que utiliza IA para seleção de candidatos, concessão de crédito, prevenção a fraudes, atendimento ao consumidor ou avaliação de desempenho, a pergunta relevante não é apenas se o modelo funciona.É como se definiu que ele funciona.Essa diferença muda a arquitetura da decisão.O problema psicológico da autoridade algorítmicaExiste ainda uma dimensão comportamental.Pessoas tendem a atribuir autoridade excessiva a sistemas que apresentam respostas com aparência objetiva. Uma recomendação acompanhada de números, gráficos ou linguagem técnica pode adquirir uma aparência de neutralidade que não corresponde necessariamente à qualidade de suas premissas.O gestor pode então cair em uma forma sofisticada de delegação psicológica: não entrega apenas a execução à máquina, mas também entrega a ela parte do próprio julgamento.A consequência administrativa é relevante. O algoritmo deixa de ser ferramenta e começa a funcionar como autoridade informal.É nesse ponto que a pergunta se torna juridicamente relevante.Uma organização não deveria perguntar apenas se determinada decisão foi produzida por IA. Deveria perguntar qual decisão humana foi delegada ao sistema, dentro de quais limites e sob qual mecanismo de supervisão.Jurisprudência, LGPD e responsabilidadeA LGPD introduziu no ordenamento brasileiro uma preocupação específica com decisões tomadas unicamente com base em tratamento automatizado de dados pessoais, estabelecendo mecanismos relacionados ao direito de solicitar revisão e às informações sobre critérios e procedimentos utilizados, nos termos do art. 20.A questão ultrapassa, portanto, o debate tecnológico.Quando sistemas automatizados interferem em relações de trabalho, consumo, crédito ou prestação de serviços, a governança precisa considerar simultaneamente proteção de dados, transparência, segurança, finalidade, proporcionalidade e responsabilidade.O gestor que compreender isso não precisa necessariamente programar o algoritmo.Precisa saber interrogá-lo institucionalmente.O caso hipotético de uma empresaImagine uma empresa que utiliza IA para selecionar currículos.O sistema identifica candidatos com maior probabilidade de desempenho e reduz em 70% o tempo gasto pelo RH na triagem.Sob uma perspectiva exclusivamente operacional, trata-se de sucesso.Sob uma perspectiva de governança, ainda faltam perguntas:Quais características foram consideradas relevantes?Os dados históricos utilizados refletem padrões discriminatórios anteriores?Existe supervisão humana?Como um candidato poderá contestar uma decisão automatizada?Quem responde se o sistema produzir resultados sistematicamente inadequados?O ganho de eficiência compensa o risco jurídico e reputacional assumido?A empresa que pergunta apenas "quanto economizamos?" está administrando eficiência.A empresa que pergunta também "qual risco criamos?" está administrando governança.O futuro do administrador é híbridoA oposição entre programador e gestor provavelmente produzirá uma falsa escolha.O profissional mais valioso tende a ser aquele capaz de transitar entre três níveis:problema → tecnologia → decisão.Não precisa dominar cada linguagem de programação, mas precisa compreender o suficiente para conversar com quem domina. Não precisa construir todos os modelos, mas precisa compreender suas premissas. Não precisa substituir cientistas de dados, mas precisa ser capaz de contestar uma conclusão quando ela contradiz o objetivo institucional.Isso altera inclusive a formação profissional.A educação executiva tende a precisar menos de uma separação rígida entre Administração e tecnologia e mais de competências transversais envolvendo dados, IA, ética, Direito, economia comportamental e tomada de decisão.Não para transformar administradores em programadores, mas para impedir que se tornem usuários passivos de sistemas que influenciam decisões estratégicas.A pergunta que vale mais do que o promptHá uma diferença entre escrever um bom prompt e formular uma boa pergunta gerencial.O prompt procura orientar a máquina.A pergunta gerencial procura orientar a própria decisão.Por isso, a competência central do gestor não será simplesmente saber pedir algo à inteligência artificial. Será saber determinar:1. o que precisa ser conhecido;2. o que pode ser delegado;3. o que precisa ser verificado;4. o que não pode ser automatizado;5. quem possui legitimidade para decidir.A quinta questão é particularmente importante porque recoloca o elemento humano no centro da governança.A síntese: perguntar melhor exige compreender melhorA tese de que a programação perderá importância contém uma parte de verdade. A antítese, porém, lembra que perguntas sem compreensão técnica podem apenas produzir respostas sofisticadamente erradas.A síntese é mais exigente: o gestor do futuro não precisará necessariamente saber programar profundamente, mas precisará compreender suficientemente a tecnologia para formular problemas, avaliar respostas e controlar suas consequências.É uma mudança de competência, não uma substituição completa de competência.Como bem aponta Northon Salomão de Oliveira: “A inteligência artificial pode ampliar a capacidade de responder, mas somente a inteligência humana continua responsável por decidir quais perguntas merecem governar a organização.”Essa talvez seja a fronteira mais importante da gestão algorítmica. O futuro não será necessariamente daqueles que sabem escrever mais código, nem daqueles que sabem produzir os melhores comandos para uma IA. Será daqueles capazes de reconhecer quando uma resposta tecnicamente impecável responde à pergunta errada.Para empresas, conselhos, gestores e profissionais de RH, a consequência é direta: investir em IA sem investir em capacidade crítica pode aumentar a velocidade das decisões sem aumentar sua qualidade.E uma organização que decide mais rapidamente na direção errada não se tornou mais inteligente. Apenas acelerou o erro.

O gestor do futuro precisará saber programar ou saber fazer boas perguntas?

A preparação de funcionários para trabalhar com inteligência artificial deixou de ser uma questão exclusivamente tecnológica. Para empresas, o problema central já não é apenas adquirir ferramentas de IA, mas reorganizar competências, responsabilidades e processos para que seres humanos consigam utilizá-las sem transformar velocidade em imprudência.A adoção de inteligência artificial modifica a forma como decisões são produzidas, informações são analisadas e tarefas são distribuídas. Por isso, preparar trabalhadores para a IA exige mais do que treinamento operacional: exige uma arquitetura de governança capaz de definir o que pode ser automatizado, o que deve permanecer sob supervisão humana e quem responde pelo resultado.O problema jurídico-administrativo da preparação para a IAA inteligência artificial introduz uma peculiar assimetria organizacional. O funcionário pode utilizar uma ferramenta extremamente sofisticada sem compreender integralmente seus mecanismos, limitações ou critérios de geração de resultados.Isso cria um risco conhecido em sistemas automatizados: a aparência de precisão pode ser confundida com confiabilidade.No Brasil, a questão encontra fundamentos em diferentes regimes jurídicos. A LGPD (Lei nº 13.709/2018) estabelece princípios como finalidade, adequação, necessidade, segurança, prevenção e responsabilização, que assumem importância particular quando sistemas de IA processam dados pessoais. O problema não desaparece porque a decisão intermediária foi produzida por uma máquina.Na perspectiva administrativa, isso significa que treinamento não deve ser compreendido como simples capacitação para operar um software. Ele deve preparar o funcionário para questionar, verificar, contextualizar e, quando necessário, rejeitar uma recomendação algorítmica.Tese e antítese: eficiência contra supervisãoA tese empresarial mais imediata é sedutora: quanto mais rapidamente os funcionários aprenderem a utilizar IA, maior será o ganho de produtividade.Essa premissa contém parte da verdade. Ferramentas de IA podem reduzir tarefas repetitivas, acelerar análise documental, auxiliar pesquisas, produzir rascunhos, organizar informações e ampliar a capacidade cognitiva de determinadas equipes.A antítese surge quando a busca por eficiência transforma a ferramenta em autoridade.Um funcionário que simplesmente aceita uma resposta produzida por IA pode economizar minutos e criar um risco que custará meses. Uma informação incorreta inserida em um contrato, uma decisão baseada em dado inadequado ou a exposição indevida de informação confidencial podem converter produtividade em passivo jurídico, financeiro ou reputacional.A verdadeira questão, portanto, não é escolher entre IA ou trabalho humano. É estabelecer uma divisão racional entre capacidade computacional e julgamento humano.A competência central não é saber usar IA, mas saber supervisioná-laA preparação profissional para a inteligência artificial deve combinar competência técnica e competência crítica.O trabalhador precisa compreender pelo menos cinco dimensões:- funcionalidade: o que a ferramenta consegue fazer;- limitação: o que ela pode produzir incorretamente;- dados: quais informações podem ou não ser inseridas;- verificação: como conferir uma resposta antes de utilizá-la;- responsabilidade: quem deve revisar e autorizar o resultado.Essa última dimensão é decisiva.A IA pode participar do processo decisório sem necessariamente ser titular da responsabilidade institucional pela decisão.Em termos de governança, pode-se formular uma distinção útil entre automação da tarefa e delegação da responsabilidade. A primeira pode ser desejável; a segunda não ocorre simplesmente porque uma organização incorporou uma ferramenta algorítmica.A psicologia da confiança algorítmicaA preparação dos funcionários também envolve comportamento humano.Sistemas tecnológicos frequentemente produzem uma aparência de objetividade. Quando uma resposta é apresentada de maneira rápida, organizada e linguisticamente convincente, o usuário pode atribuir-lhe uma confiabilidade superior àquela que atribuiria a uma pessoa.Esse fenômeno torna a capacitação mais complexa. Ensinar apenas comandos de utilização pode aumentar a dependência do sistema, enquanto uma formação adequada deve desenvolver ceticismo operacional.O funcionário precisa aprender a perguntar:> A resposta parece correta ou foi efetivamente verificada?&nbsp;Essa diferença é fundamental para setores jurídicos, financeiros, médicos, de recursos humanos, atendimento ao consumidor, segurança da informação e gestão de riscos.Kahneman mostrou, em sua análise dos processos decisórios, como a mente humana utiliza atalhos cognitivos que podem produzir julgamentos sistematicamente equivocados. A utilização de IA não elimina esse problema. Em determinadas circunstâncias, pode criar outro: o ser humano passa a utilizar o próprio sistema como atalho cognitivo.A organização que deseja segurança não deve formar apenas usuários de IA. Deve formar supervisores de IA.Preparação profissional como instrumento de governançaA capacitação deveria ser proporcional ao risco da utilização da tecnologia.Uma ferramenta empregada para resumir reuniões não apresenta necessariamente o mesmo risco de um sistema utilizado para selecionar candidatos, analisar crédito, produzir documentos jurídicos ou apoiar decisões sobre empregados.Por isso, uma política corporativa madura deve estabelecer níveis de supervisão.Baixo riscoAplicações predominantemente auxiliares, como organização de informações, brainstorming ou elaboração preliminar de textos, podem admitir maior autonomia, desde que respeitadas as políticas internas e a proteção de informações.Risco intermediárioQuando a IA influencia documentos, análises financeiras, comunicações externas ou processos relevantes, deve existir revisão humana antes da utilização definitiva.Alto riscoDecisões capazes de produzir consequências jurídicas, econômicas ou pessoais significativas devem receber controles reforçados, documentação, rastreabilidade e supervisão compatível com o risco.Essa classificação não substitui a análise jurídica específica de cada aplicação. Ela funciona como princípio administrativo de organização.O que a empresa deve ensinar aos funcionáriosUma política eficiente de capacitação deve responder a situações concretas, e não apenas oferecer cursos genéricos.O treinamento deveria abordar:1. Uso permitido: quais ferramentas podem ser utilizadas e para quais finalidades.2. Dados confidenciais: quais informações não podem ser inseridas em sistemas externos.3. Proteção de dados pessoais: como evitar tratamento inadequado de informações.4. Verificação de resultados: como identificar erros, omissões e informações sem fonte confiável.5. Direitos autorais e propriedade intelectual: quais conteúdos podem ser utilizados e como devem ser tratados.6. Segurança cibernética: riscos de vazamento, manipulação e engenharia social.7. Supervisão humana: quando a decisão não pode ser delegada integralmente à ferramenta.8. Registro e rastreabilidade: quando a utilização da IA deve ser documentada.9. Responsabilidade profissional: quem revisa, aprova e responde pelo resultado.O treinamento também deve ser contínuo. A velocidade de transformação tecnológica torna inadequado imaginar que uma única capacitação resolverá permanentemente o problema.O caso do RH: quando a eficiência pode produzir discriminaçãoO setor de recursos humanos oferece um exemplo particularmente sensível.Imagine-se uma empresa que utiliza IA para classificar currículos. A ferramenta pode acelerar milhares de análises, mas sua eficiência operacional não demonstra, por si só, que os critérios utilizados sejam adequados.Se dados históricos refletirem padrões discriminatórios, um sistema treinado ou calibrado sobre esses dados pode reproduzir ou amplificar determinados vieses.Nesse contexto, a preparação do profissional de RH não consiste apenas em aprender a utilizar a plataforma. Ele precisa compreender que correlação estatística não equivale automaticamente a critério legítimo de decisão.O gestor deve saber quando interromper o fluxo automatizado, solicitar revisão, investigar uma inconsistência ou consultar as áreas jurídica, de compliance e de proteção de dados.A solução: substituir a cultura do comando pela cultura da supervisãoA preparação para a IA exige uma mudança cultural.No modelo tradicional de treinamento tecnológico, pergunta-se:“Como fazer a ferramenta executar determinada tarefa?”No modelo de governança de IA, a pergunta precisa ser mais ampla:“Em quais condições devemos permitir que a ferramenta execute essa tarefa?”Essa mudança parece pequena, mas altera completamente a posição do funcionário. Ele deixa de ser mero operador de tecnologia e passa a funcionar como elemento de controle institucional.Como bem aponta Northon Salomão de Oliveira: “A verdadeira competência diante da inteligência artificial não consiste em produzir respostas mais rapidamente, mas em saber quais respostas podem ser aceitas sem que a organização abdique de seu próprio julgamento.”Um modelo estratégico de implantaçãoA empresa pode estruturar a preparação dos funcionários em quatro etapas.1. MapearIdentificar onde a IA será utilizada, quais dados serão processados, quais decisões serão influenciadas e quais riscos poderão surgir.2. CapacitarTreinar os usuários de acordo com o nível de complexidade e risco da aplicação, combinando conhecimento técnico, segurança, proteção de dados e capacidade crítica.3. SupervisionarDefinir responsáveis pela revisão, estabelecer critérios de validação e criar mecanismos para registrar incidentes, erros e desvios.4. ReavaliarMonitorar resultados e atualizar políticas conforme mudem as ferramentas, os processos, os riscos e o ambiente regulatório.Esse modelo transforma treinamento em componente permanente de governança.O novo perfil profissionalA inteligência artificial não exige necessariamente funcionários que saibam programar. Exige profissionais capazes de trabalhar em uma relação sofisticada entre conhecimento humano e processamento algorítmico.O diferencial tende a deslocar-se do simples domínio operacional para capacidades como:- formular problemas adequadamente;- avaliar a qualidade das respostas;- identificar inconsistências;- compreender riscos jurídicos e organizacionais;- contextualizar informações;- exercer julgamento;- comunicar limites;- assumir responsabilidade pelas decisões.Nesse sentido, a IA pode alterar não apenas as ferramentas de trabalho, mas a própria definição de competência profissional.O funcionário mais valioso não será necessariamente aquele que produz mais conteúdo com IA. Será aquele que consegue determinar quando utilizar a tecnologia, quando desconfiar dela e quando não utilizá-la.Conclusão: preparar pessoas é preparar a governançaA preparação de funcionários para trabalhar com inteligência artificial não deve ser tratada como treinamento periférico de tecnologia. Ela constitui uma decisão estratégica sobre distribuição de competência, responsabilidade e poder dentro da organização.A empresa que ensina apenas comandos cria usuários. A empresa que ensina critérios cria profissionais capazes de supervisionar sistemas.A síntese entre eficiência e segurança não está em retirar o ser humano do processo nem em rejeitar a automação. Está em construir uma arquitetura na qual a máquina amplie a capacidade humana sem dissolver o julgamento humano.No século XXI, a vantagem competitiva poderá estar menos na capacidade de possuir inteligência artificial do que na capacidade institucional de governá-la.

Afinal, o que é inovação?

Tamiris Dinkowski

Onde está a vantagem competitiva quando todos têm acesso à IA? | Café com ADM #515

Onde está a vantagem competitiva quando todos têm acesso à IA? | Café com ADM #515

Sobre o autor

Tamiris Dinkowski

Seja Premium e tenha acesso ao nosso arsenal de cursos

Mais artigos deNegócios e Gestão

Excelência nos negócios está no que se repete, não no que acontece uma vez

O gestor do futuro precisará saber programar ou saber fazer boas perguntas?

Como preparar funcionários para trabalhar com inteligência artificial: governança, responsabilidade e vantagem estratégica