Como a inteligência artificial está revolucionando o treinamento

59

Pressionadas pela necessidade de preencher lacunas de habilidades, as organizações estão recorrendo à inteligência artificial para transformar abordagens de treinamento estagnadas em estratégias de upskilling em constante evolução.

kentoh / Getty Images

O treinamento de funcionários é uma questão de importância crítica para as empresas. Desafiado a encontrar funcionários qualificados, abalados por altas taxas de rotatividade, atolados em transformações massivas, a necessidade de upskill e cross-train para os funcionários é primordial — e quase demais para abordagens tradicionais de treinamento para lidar.

Inteligência artificial e machine learning estão cada vez mais sendo apoiados para ajudar nas estratégias de upskilling das empresas, verificando conjuntos de habilidades, recomendando caminhos de aprendizagem, fornecendo treinamento no trabalho — até mesmo ajudando a determinar o que pagar pelas habilidades adquiridas.

Com mais de 345.000 funcionários e uma necessidade sempre presente de ficar à frente da curva de tecnologia, a IBM é uma dessas empresas que colocam a IA para trabalhar para manter sua força de trabalho afiada.

“A meia-vida das habilidades agora é de cinco anos”, diz Anshul Sheopuri, diretor de tecnologia de dados e IA da IBM HR. “Metade do que você aprende é esquecida ou se torna obsoleta em cinco anos.”

A demanda por conjuntos de habilidades novas e especializadas de domínios em rápida evolução, como computação em nuvem e IA, está, em grande parte, alimentando essa compressão de vidas de prateleira de habilidades. Portanto, encontrar uma maneira escalável de melhorar continuamente as habilidades dos funcionários “não é um bom ter, mas um imperdível”, diz ele.

Anatomia de uma estratégia de treinamento baseada em IA

O primeiro passo de qualquer estratégia de upskilling é identificar quais habilidades os funcionários têm atualmente. No passado, isso envolveria uma autoavaliação de habilidades. Mas, como sheopuri aponta, quando testado, a precisão desse método foi de cerca de 75%. “É altamente subjetivo e as avaliações se tornam obsoletas rapidamente.”

Anshul Sheopuri, diretor de tecnologia para dados e IA e RH, IBM

Hoje, a IBM está usando a IA para inferir habilidades, digitalizando 220 milhões de documentos internos, incluindo currículos, blogs, artigos publicados e comunicações corporativas. O sistema se apoia no próprio sistema de IA da IBM, o Watson, e inclui técnicas naturais de processamento de linguagem, clustering e técnicas de aprendizagem semi-supervisionadas.

“Dizemos: ‘Essas são as habilidades que achamos que você tem, nos dê seu feedback’, e descobrimos que a precisão aqui é mais próxima de 90%”, diz ele, acrescentando que essas avaliações automatizadas de habilidades são mais fáceis de manter em dia.

Os funcionários então recebem recomendações de aprendizagem com base nas habilidades que têm, nas habilidades que a IBM precisa e nas habilidades que os clientes da IBM estão pedindo.

“Em certas áreas estratégicas, como IA ou nuvem, queremos que todos tenham conhecimento fundamental nesse espaço”, diz ele.

O sistema também faz recomendações com base no que outros funcionários com o mesmo estudo de fundo em seguida, semelhante à maneira como os usuários recebem recomendações sobre quais filmes assistir a seguir em serviços de streaming de vídeo.

“Esse sistema é usado por 98% dos IBMers a cada trimestre”, diz Sheopuri, acrescentando que tem uma pontuação de Net Promoter de 58. De acordo com a Bain & Co, que criou o sistema NPS, qualquer coisa acima de 50 é excelente.

Com o pagamento dos funcionários na IBM vinculado a conjuntos de habilidades, há também um sistema de IA que faz recomendações salariais aos gestores, como uma forma de recompensar os funcionários por upskilling, e para resolver problemas de iniquidades salariais. “Isso é uma coisa enorme para nós”, diz Sheopuri. “Queremos ter certeza de que somos muito atenciosos com o preconceito.”

O sistema de recomendação salarial também oferece transparência, fornecendo explicações para suas recomendações para que os gestores tenham todas as informações que precisam para tomar uma decisão final.

Além dos aumentos, os funcionários também recebem recomendações de emprego — novamente, alimentadas pela IA. “Há dezenas de milhares de empregos sempre abertos na IBM”, diz ele. “É um ganha-ganha para nós. É uma redução de atrito, e estamos ajudando nossos funcionários a alcançar suas aspirações.”

No ano passado, diz Sheopuri, cerca de 200.000 funcionários da IBM analisaram as recomendações de emprego, e milhares conseguiram novos empregos com base em suas correspondências personalizadas.

Aumento no trabalho

Para o treinamento em si, a IBM conta com uma mistura tradicional de cursos de terceiros, materiais de aprendizagem desenvolvidos internamente e alguns novos canais educacionais descentralizados onde o conteúdo é criado por outros funcionários. Mas ele se apoia na IA para fornecer treinamento no trabalho para alguns tipos de trabalho. Por exemplo, no RH, um chatbot pode responder perguntas relacionadas a benefícios, planos odontológicos e políticas de onboarding. Há também inteligência em funções de suporte técnico.

“Somos uma grande empresa de tecnologia que gerencia a infraestrutura de TI para milhares de clientes”, diz ele. “Estamos minerando registros para entender questões históricas de bilhetes e caminhos de resolução e disponibilizamos esse conhecimento aos agentes.”

É o equivalente digital de ter um funcionário experiente sentado na cadeira ao lado, pronto para ajudar se alguém ficar preso.

Swaminathan Chandrasekaran, chefe de arquitetura de soluções para soluções digitais, KPMG

Na verdade, ajudar a treinar os funcionários fornecendo ajuda quando o funcionário precisa é o uso mais comum da IA para upskilling, diz Swaminathan Chandrasekaran, chefe de arquitetura de soluções para soluções digitais da KPMG.

Isso é especialmente importante em centros de contato, onde as taxas de atrito são altas.

“As taxas de atrito são de 18% para os centros menores para 40% em centros maiores”, diz Chandrasekaran. “O custo de substituir um agente é de US$ 5.000 a US$ 7.000 – sem incluir o tempo no trabalho onde eles estão tentando aumentar.”

Digamos, por exemplo, que um agente precisa explicar como substituir as baterias em um MacBook Pro. Um novo agente se beneficiaria de ver as instruções aparecerem na tela, prontas para se referir. Aqui, a IA pode verificar a pergunta de um chamador e recuperar as informações mais relevantes de manuais, guias, manuais de produtos, manuais de suporte — todos os documentos que uma empresa teria disponíveis.

Além disso, a IA também pode ser usada para prever o que uma chamada provavelmente será baseada em interações passadas e obter informações relevantes desde o início — como ter um funcionário experiente em mãos que já lidou com esse cliente antes e pode orientar um estagiário através do processo de resolução do problema desse cliente.

Esses sistemas também podem ser usados para fornecer novas informações a um grande número de funcionários no contexto de seus trabalhos, para que eles não precisem ser enviados para treinamento quando, digamos, um novo produto for lançado.

A KPMG, por exemplo, recentemente teve que treinar seus funcionários sobre mudanças no sistema de Taxa de Oferta Interbancária de Londres (LIBOR). A KPMG usou a IA para ler contratos, em todos os formatos, e extrair referências a taxas bancárias e outras linguagens específicas do LIBOR e empurrá-los para os fluxos de trabalho dos funcionários. Os sistemas também recebem treinamento de especialistas no assunto para prestar assistência adicional aos funcionários.

Esse novo estilo de aprendizagem se encaixa na geração que agora está entrando na força de trabalho, diz Chandrasekaran. “Você não pode dizer: ‘Vá para este programa de treinamento de seis semanas e depois volte e faça o trabalho.’

Assistentes virtuais

O aumento da IA no trabalho aponta para um futuro no qual cada funcionário em todos os lugares tem seu próprio assistente pessoal para ajudá-los a se capacitar em seu trabalho, diz Chandrasekaran. “É como ter um treinador pessoal movido a IA.”

A ideia não é nova. Há 20 anos, a Microsoft tentou fazer com que todos aprendessem com a Clippy, sua assistente de Escritório. Não foi bem. As pessoas odiavam tanto que, em 2010, Clippy entrou na lista das piores invenções da revista Time de todos os tempos. Mas desta vez é diferente, diz Chandrasekaran.

As empresas agora têm linguagem e reconhecimento de voz razoavelmente confiáveis, tecnologia de análise de sentimentos e mecanismos de recomendação. E com a digitalização, eles agora têm os dados necessários para treinar esses sistemas com base nos requisitos específicos da empresa.

“Não há substituto para dados”, diz ele. “Por exemplo, em centros de contato, você tem que dar-lhe bons dados com acentos ruins, com palavras mal pronunciadas, com ruído de fundo, para que ele obtenha um bom mecanismo de transcrição de fala. Com contratos, você tem que dar exemplos de contratos em diferentes idiomas e diferentes formas e sabores. Não há substituto para bons dados, para dados anotados humanamente.”

As empresas também precisam garantir que tenham um mecanismo de feedback para continuar a treinar e melhorar o sistema. “Quando você constrói aplicativos tradicionais, o melhor dia é o primeiro dia porque tudo funciona e os problemas acontecem depois”, diz Chandrasekaran. “Com a IA, o primeiro dia é o pior dia. As empresas têm que estar preparadas para as primeiras iterações.”

Em muitas áreas, os sistemas de IA já estão em um ponto bastante estável e podem ser colocados para fazer um trabalho útil, diz ele. “Ainda existem áreas emergentes, como como extrair notas manuscritas em um documento.”

Aprendizado de microdose

Carmen Fontana, membro do IEEE e líder de práticas tecnológicas emergentes da Centric Consulting, chama a nova abordagem do aprendizado baseado em IA de “microdosagem”.

Carmen Fontana, líder de cloud e prática tecnológica emergente, Centric Consulting

“Não gostamos de sentar em uma aula por 40 horas por semana para aprender algo”, diz ela. “Com IA, você pode fazê-lo em pequenos pedaços, com pequenos prompts, no momento – por isso é oportuno e fácil de absorver.”

Na Centric, fontana é uma criadora e consumidora desse tipo de aprendizado.

“Na verdade, crio conteúdo baseado na minha área de atuação para que as pessoas de fora da minha área possam entender o que fazemos”, diz ela. “É menos trabalho para mim, e em vez de ter aulas formais de treinamento sobre o que minha equipe faz, eu posso colocar esse conteúdo para cima e as pessoas podem obter essas microdoses.”

A empresa também possui um mecanismo de recomendação e pode criar caminhos de aprendizagem para os colaboradores. A própria Fontana, por exemplo, aprendeu recentemente sobre os valores e a cultura de sua empresa.

“É sempre embaraçoso quando você está aqui há nove anos”, diz ela. “Mas eles não tinham esse treinamento quando eu comecei, então eu queria voltar e revisitá-lo e entender como nos posicionamos em nossos valores e cultura.”

A nova abordagem dá aos funcionários a propriedade sobre seu aprendizado, diz ela.

“Este é um grande diferencial comparado com quando me tornei consultora.”

Riscos potenciais de treinamento baseado em IA

Kamlesh Mhashilkar, chefe da prática de dados e análises da Tata Consultancy Services, vê a IA sendo usada para a construção de habilidades conscientes do contexto, para identificar funcionários que se beneficiariam de um determinado curso ou conferência e para planos educacionais personalizados para assuntos individuais.

Kamlesh Mhashilkar, chefe da prática de dados e análises da Tata Consultancy Services

Mais recentemente, a IA tornou-se útil para ajudar nos exames proctor. Nos bons velhos tempos, as pessoas podiam viajar fisicamente para centros de testes para fazer exames de certificação.

“Com o COVID, a IA realmente ajudou com a proctorização da máquina ou auto-proctoring ou proctoring duplo”, diz Mhashilkar. “Se a pessoa está movendo os olhos aqui ou ali continuamente – a pessoa está realmente fazendo o exame, ou está tentando fazer fraude?”

Algumas escolas já estão usando IA para classificar os alunos — e recebendo má publicidade quando não vai bem.

“Houve uma reação por causa da forma como ela é implementada”, diz Joe Tobolski, CTO da Nerdery, uma consultoria de serviços digitais. “Eu tenho um pouco de medo sobre isso, por causa da capacidade de vieses de introduzir falsos negativos ao sistema.”

Joe Tobolski, CTO, Nerdery

O uso da IA para transferir conhecimento de funcionários experientes para novos, cada vez mais relevantes para indústrias com mão-de-obra, também traz riscos.

“Vemos isso agora em acordos de terceirização onde os trabalhadores foram convidados a ensinar seu trabalho a uma organização de terceirização, e eles sabotaram isso”, diz ele.

Com uma máquina, uma que é menos provável de chamar alguém para dar obviamente maus conselhos, isso é provavelmente ainda mais provável de acontecer, diz ele.

“Há consequências não intencionais”, diz ele. “Alguém poderia usar isso de forma indevida? Claro, e eles provavelmente vão.

você pode gostar também