Inteligência artificial gerativa: é poderosa, é acessível e está prestes a mudar o modo como trabalhamos. Neste episódio do podcast McKinsey Talks Talent, os líderes de talentos Bryan Hancock e Bill Schaninger conversam com a presidente do McKinsey Technology Council, Lareina Yee, e a diretora editorial global, Lucia Rahilly, sobre as promessas e perigos do uso da IA gerativa em RH – desde o recrutamento até a gestão do desempenho e o crescimento profissional possibilitado por chatbots. Segue uma versão editada dessa conversa.
Mais insights da McKinsey em português
Confira nossa coleção de artigos em português e assine nossa newsletter mensal em português.
O que é tão diferente – e tão disruptivo
Lucia Rahilly: Tem se falado muito nos últimos meses sobre IA gerativa e ferramentas como o ChatGPT. Muitas pessoas parecem estar ricocheteando entre admiração pelo potencial dessas ferramentas e temor de seus riscos inerentes. Lareina, o que há de diferente na IA gerativa e o que está por trás de seu potencial disruptivo?
Lareina Yee: Algumas coisas se destacam na IA gerativa. Em novembro de 2022, a OpenAI lançou o ChatGPT 3.5, que em cinco dias já tinha um milhão de usuários. Nunca se viu tal velocidade de adoção.
Para mim, o que houve de mais profundo foi que, a partir daquele momento, qualquer pessoa – de qualquer idade, nível educacional ou nacionalidade – podia acessar o GPT, fazer uma ou duas perguntas e encontrar algo prático ou divertido, como um poema ou um ensaio. Ali estava uma experiência acessível a todos. Houve muitos e muitos avanços na tecnologia desde então, e só se passaram alguns poucos meses.
Uma segunda coisa superinteressante é que ninguém precisa ser um cientista da computação para fazer uso dessa tecnologia – ela pode ser usada em qualquer tipo de trabalho. Pesquisas da OpenAI estimam que 80% dos empregos já podem incorporar os recursos e a tecnologia da IA gerativa em atividades hoje presentes no trabalho. É um impacto profundo nos talentos e no trabalho, e é diferente do que havíamos conversado antes.
De certa forma, entramos num caminho sem volta. O gênio escapou da garrafa, como se diz, e tentar colocá-lo de volta provavelmente não é a melhor estratégia. Melhor é tomar a iniciativa e descobrir como aproveitar a IA gerativa de maneira produtiva e segura.
Lucia Rahilly: O imediatismo dos casos de uso é inédito e sua rapidez foi espantosa. Explique-nos o que é a IA gerativa, para que possamos conversar com base numa definição comum desse termo.
Lareina Yee: A inteligência artificial gerativa é uma tecnologia que induz à melhor resposta subsequente possível. Muitas pessoas têm utilizado o ChatGPT para resumir informações, para esboçar respostas a algo, reunindo um volume gigantesco de dados públicos. Mas a tecnologia também possui recursos imagéticos incríveis. Ou talvez eu queira uma música, um áudio, um vídeo ou um código de programação. Os códigos de programação são um exemplo fantástico. É inacreditável a variedade de coisas que a IA gerativa pode fazer no mundo – e está apenas começando.
Bryan Hancock: Perguntei ao ChatGPT sobre mim mesmo e ele relatou com exatidão que trabalho bastante com talentos. No entanto, afirmou incorretamente que estudei em Cornell, pois pressupôs que Cornell fosse a resposta mais apropriada com base em minha formação, não a Universidade de Virgínia – onde de fato me formei. Achei muito interessante o fato de não captar necessariamente o que é certo, mas sim o que é lógico.
Lareina Yee: De certa forma, é uma emulação do modo como nós pensamos. Não estou sugerindo que o Chat GPT pensa como um ser humano, mas sim que, de variadas maneiras, nós utilizamos atalhos, insinuações e dicas para fazer suposições. É por isso que as pessoas se espantam e dizem: “Puxa, parece muito inteligente”. Mas, como no seu caso, Bryan, a tecnologia não foi 100% precisa. Existe um ótimo termo para isso: “alucinatório”.
O que a IA gerativa significa para os recrutadores…
Lucia Rahilly: Falaremos mais adiante sobre alguns dos riscos, mas vejamos agora o que as capacidades da IA gerativa significam para os talentos em particular. Vocês esperam que a IA gerativa reconfigure ou modifique significativamente o processo de recrutamento?
Bryan Hancock: Acho que irá reconfigurar o recrutamento de pessoal de duas maneiras significativas. A primeira, ajudando os gerentes a definir melhor os requisitos de cada função. A tecnologia gerativa pode inclusive considerar as habilidades necessárias para se ter sucesso no emprego. Isso não quer dizer que os gerentes não precisem verificar o produto final. Eles têm que ser o elemento humano do processo que garantirá que cada requisito do cargo faça sentido. Mas a IA gerativa poderá aumentar drasticamente a velocidade e a qualidade.
A segunda aplicação no recrutamento é a personalização dos candidatos. Atualmente, uma organização que tenha dezenas de milhares de candidatos pode ou não ter maneiras supercustomizadas de lidar com os inscritos. Com a IA gerativa, é possível incluir muito mais personalização sobre o candidato, o trabalho e possíveis outras funções caso o candidato não se encaixasse na primeira por algum motivo. Tudo isso fica imensamente mais fácil e rápido por meio da IA gerativa.
Bill Schaninger: A melhor aplicação da IA gerativa ocorre quando se tenta preencher uma vaga razoavelmente conhecida e há um grande pool de talentos. Precisamos de uma maneira mais produtiva e eficiente de examinar todos os perfis que chegam até nós. Só fico um pouco ansioso no caso de um novo tipo de trabalho – um novo cargo – ou mesmo, pela lei dos Estados Unidos, um emprego que mudou mais de 25% ou 33%. Nessas situações, você tem que voltar e revalidar o critério pelo qual julgaria as pessoas dentro ou fora do pool.
O desafio da validação é que você precisa de um critério de desempenho a partir do qual possa regredir e perguntar: “Qual é a diferença?” Em alguns casos, isso significa descobrir como extrair esse critério de um “lago de dados” [uma infraestrutura de dados flexível] sem infringir os dados de desempenho proprietários de outras pessoas. Se você disser: “Bem, como empregador, utilizaremos apenas os nossos dados”, estará baseando o critério somente nas pessoas que já contratou. E para haver validação, é preciso olhar também as pessoas que não foram contratadas.
Mas isso não significa que a tecnologia não possa ser usada. Significa apenas que aplicá-la a novos empregos provavelmente exigirá um pouco mais de trabalho inicial, mas também que há uma enorme oportunidade para grandes pools de talentos.
Lucia Rahilly: Temos conversado muito sobre o quanto superestimamos as credenciais e subestimamos as habilidades no processo de recrutamento. A IA gerativa contribuirá para reduzir a importância das credenciais (p.ex., diplomas universitários) e fortalecer o papel das habilidades que os candidatos possam efetivamente contribuir para a empresa?
Lareina Yee: Estou otimista que sim. Uma coisa que essa tecnologia faz muito bem é o tagging – a marcação de dados não estruturados com palavras. Muitas empresas estão pensando em aplicar isso ao comércio eletrônico, a diferentes tipos de experiências de varejo. Mas você também pode aplicar tagging à aquisição de talentos ou à busca de capacidades. Com isso, você não precisa mais buscar credenciais ou diplomas; basta pesquisar capacidades e habilidades por palavras-chave.
Nas mídias sociais, como as pessoas se referem a certas capacidades? Se prestar atenção, talvez descubra que existem palavras melhores para associar a quem possui tais habilidades. Pense em um mundo em que você quer encontrar candidatos que tenham uma experiência incrível de aprendizado no trabalho, mas não possuem doutorado ou mesmo diploma universitário. Estou otimista de que isso abrirá mais portas para pessoas assim.
Bill Schaninger: Este é um trade-off interessante no mundo dos negócios, que gosta de conjuntos de dados proprietários e de agrupamentos de perfis. O verdadeiro poder talvez esteja em: “Quantas informações podemos obter no domínio público antes de começarmos a esbarrar em paywalls?”
Muito tempo atrás, quando o LinkedIn foi comprado, as APIs foram limitadas aos nomes dos cargos – que não incluíam necessariamente todas as especificações subjacentes. Há poder nesses pools – em particular, nos perfis de cargos – porque você pode ir lá e examinar as tarefas e habilidades. Imagino que aqui haverá uma corrida para descobrir quem conseguirá juntar tudo isso para formar uma nuvem ontológica, por assim dizer, das “17 coisas que descrevem uma habilidade”. Porque o realmente importante são as habilidades, não as credenciais.
...e o que ela significa para a evolução profissional
Bryan Hancock: Você também pode pensar na IA gerativa como algo capaz de ajudar na elevação das habilidades, não apenas da perspectiva do empregador, mas também da perspectiva do candidato ou funcionário. No mundo atual, se você possui certas habilidades, mas não tem uma visão muito clara de quais são suas oportunidades profissionais, ficará muito dependente de que um gerente ou outra pessoa se interesse por você e queira ajudá-lo a percorrer caminhos “não tradicionais”.
Mas um mundo de IA gerativa permite que você converse com um chatbot altamente inteligente e explique: “Estas são minhas habilidades e experiências; quais vagas de emprego estão abertas para mim?” O chatbot então lhe dirá: “Bem, a maioria das pessoas com seu perfil de habilidades faz isso e isso e isso, mas algumas fazem A, B, C”, sendo que “C” é a capacidade de programar em código. Ao que você responderá: “Diga-me quais são esses empregos de codificação”. O chatbot responderá com descrições dos empregos disponíveis, não em jargão de TI, mas traduzidas em palavras que você entende. Por fim, você dirá: “OK, isso é ótimo. Estou interessado. De quais experiências de aprendizado eu preciso?” E a IA gerativa lhe dirá quais são as experiências de aprendizado necessárias.
Portanto, para pessoas que têm certas habilidades inatas, mas pouca visibilidade, a IA gerativa pode iluminar uma série de trajetórias profissionais e ajudá-las a entender como chegar lá.
Lareina Yee: Imagine que eu esteja há dez anos na mesma carreira, me sentindo meio sem perspectivas. E se houvesse uma IA que me assistisse no desenvolvimento profissional e me ajudasse a pensar em questões como: “Que tipo de emprego devo procurar? Quais são os cargos disponíveis em minha empresa? O que acho dessas funções?” e “Que cursos devo fazer?” em vez de ficar esperando que alguém me ofereça uma oportunidade de requalificação – o que soa horrível… Eu então perguntaria: “Depois de dez anos no cargo, como posso tomar a iniciativa de adquirir os conjuntos de habilidades necessários e entender a variedade de empregos compatíveis com minhas capacidades?” Seria genial.
Bill Schaninger: Dependendo do ambiente regulatório, não estamos autorizados a tomar decisões de seleção de pessoal sem que haja um ser humano envolvido. Isto é particularmente verdadeiro na UE. É uma boa maneira de ampliar escopo do trabalho humano sem eliminar a tomada de decisão. Do lado dos funcionários, [a IA gerativa] deverá proporcionar muito mais transparência; até já dá para ver o quão perto estamos de muitas coisas. Acho isso ótimo no que diz respeito à experiência dos funcionários, mas fico um pouco ansioso no que diz respeito à seleção de pessoal, pois ainda não sabemos ao certo o que há no lago de dados e qual a qualidade das indagações que as pessoas fazem à IA.
Lareina Yee: Certo. Ela é ótima para nos oferecer algumas opções, mas não é um mecanismo para dar respostas ou recomendações. O discernimento humano continua sendo é importante.
Bryan Hancock: Outra coisa que estamos vendo é que o ChatGPT – e a IA gerativa de maneira geral – pode ser particularmente bom para colocar os novos funcionários a par de como a empresa funciona.
Erik Brynjolfsson, de Stanford, juntamente com outros estudiosos do MIT, realizou recentemente um estudo interessante com os trabalhadores de call centers. A pesquisa constatou que a funcionalidade da IA gerativa não chega a ser muito útil para os representantes mais experientes, mas é incrivelmente útil para novos funcionários porque lhes permite adquirir todo o conhecimento institucional muito mais depressa. Tudo fica facilmente ao seu alcance: basta fazerem perguntas que obterão respostas. Com isso, a produtividade dos novos funcionários é dramaticamente maior. A IA gerativa realmente nos leva até 80 a 90% do percurso até a proficiência total.
Lareina Yee: Bryan, adoro isso e compartilho seu otimismo.
O que há de novo para avaliar o desempenho
Bryan Hancock: No que tange a pessoas, uma de minhas utilizações favoritas da IA gerativa são as avaliações de desempenho. Veja bem: não quero que a IA gerativa efetivamente gere a avaliação de desempenho de alguém. Isso requer participação humana, discernimento humano, empatia.
Deixe-me usar como exemplo o que faço como avaliador da McKinsey. Eu utilizo um tipo estendido de feedback e recebo pareceres por escrito de 15 a 20 indivíduos, que os inserem em um sistema digital. Examino as “avaliações” que esses indivíduos fazem de seus superiores, que incluem comentários escritos e também “notas” numéricas do desempenho de seus chefes. Observo com que frequência as pessoas efetivamente cumpriram certas obrigações. Analiso parâmetros relativos a compliance. As tarefas foram concluídas no prazo? Toda uma série de coisas. Para mim, como avaliador, elaborar a versão preliminar do relatório final de avaliação é um processo incrivelmente árduo. E me orgulho do tempo e da atenção que dedico a ele.
Mas, e se eu pudesse apertar um botão e obter essa versão inicial já pronta? Quando fosse conversar com os 15 indivíduos que melhor conhecem a pessoa que estou avaliando, não seria ótimo se eu já tivesse essa versão preliminar em mãos e pudesse trabalhar em cima dela? Claro, isso não substituirá um exame atento dos feedbacks, mas essa síntese inicial me ajudaria a chegar mais depressa ao que realmente preciso saber sobre o desenvolvimento e o crescimento da pessoa sendo avaliada.
Estou muito animado com esse caso de uso, pois elimina muito trabalho. A princípio, muitas pessoas talvez pensem: “Nunca vou querer que a IA gerativa chegue perto das avaliações de desempenho”. Mas é instigante pensar nela como uma ferramenta de produtividade ou como algo que nos ajuda a ser ainda melhores.
Lareina Yee: Vamos falar agora sobre esse funcionário que Bryan está avaliando. O funcionário recebe o feedback (que Bryan provavelmente escreveu com clareza e expressou com empatia) e reflete: “OK, tenho algumas qualidades e alguns pontos que preciso aprimorar”.
Mas, e se eu fosse esse funcionário e pudesse perguntar [à IA gerativa]: “Quais são cinco pessoas que têm esses mesmos pontos fortes e fracos e que se tornaram modelos de sucesso? O que elas estão fazendo hoje? Como posso visualizar meu desenvolvimento profissional? Como devo continuar a evoluir minha carreira?” Eu também poderia ter um assistente que me ajudasse a mapear meu crescimento profissional. Dessa forma, quando refizéssemos a avaliação um ano depois, eu teria realmente melhorado e ampliado minhas aspirações.
E se Bill for alguém cujo exemplo eu deva ou queira seguir? Em vez de ficar esperando que um dia Bryan me apresente a ele, a própria IA gerativa me ajudaria a perceber que eu tenho tudo para ser um Bill Schaninger. Talvez me sinta inspirada por isso. Acho que há muitos elementos que aprimoram o que temos tentado fazer tão laboriosamente há anos.
Bill Schaninger: Temos conversado sobre colocar os gerentes de volta na gestão do desempenho. Toda vez que você for falar com alguém sobre algo bom ou ruim, registre e guarde. Desse modo, no final do ano, você terá um agregado, uma síntese, e não haverá surpresas para quem quer que seja. Mas isso requer registros regulares. Portanto, embora eu ame o que você está descrevendo, não é a tecnologia que faz isso; são as pessoas, que se comprometeram com a captura de dados em comum e com as abordagens em comum que tornam tudo isso possível.
Bryan Hancock: Você tem toda a razão. De modo que, como avaliador, eu aplico meu discernimento humano.
Bill Schaninger: Os dados normativos são uma coisa boa. Ao obtermos nossos dados sobre patrocínio e mentoria na McKinsey, podemos avaliar como nos comparamos com outros parceiros de determinada região. Porém, se não houver um ponto de referência, como saber o que “bom” realmente significa? Quando se dispõe de dados normativos, é possível começar a se orientar. Eu gosto de tudo isso – e tudo isso é possibilitado por volumes gigantescos de dados.
Se isso permitir uma visão mais robusta e salutar do desempenho efetivo, ficará muito mais fácil ter conversas difíceis sobre desempenho. Precisamos colocar os gerentes de volta na gestão do desempenho. Mas será que podemos lhes facilitar as coisas para que possam dedicar seu tempo a gerenciar, em vez de ficarem escrevinhando cronogramas ou juntando quinze pontos de dados?
Distorções, vieses e outros riscos
Lucia Rahilly: Vamos falar um pouco mais sobre alguns dos riscos. A IA gerativa aprende a partir de dados históricos, mas os padrões históricos de dados refletem distorções históricas. Se confiarmos em ferramentas baseadas na IA gerativa, qual é o risco de propagarmos inadvertidamente esses vieses herdados?
Lareina Yee: Não há dúvida de que hoje a IA gerativa pode amplificar distorções e preconceitos.
Digamos que eu esteja recrutando talentos e que preparei uma descrição das qualificações necessárias. Digamos ainda que eu esteja buscando talentos em centros urbanos e que decidi que quero contratar capitães de basquete; ou talvez, ao invés, digamos que eu esteja precisando de capitães de lacrosse. Ambos são esportes de equipe, ambos têm capitães e líderes, de modo que minhas predileções fazem algum sentido.
Entretanto, com base em dados demográficos, sabemos que as pessoas que jogam basquete numa cidade são muito diferentes das que jogam lacrosse. Assim, se eu enfatizar o lacrosse, tenderei a obter mais líderes brancos jovens do sexo masculino, ao passo que se escolher o basquete eu talvez encontre mais afro-americanos ou latinos. E se eu incluir o softbol na equação, que muitas mulheres jogam? O que acontecerá se eu resolver selecionar todo um outro conjunto de esportes? A simples seleção de uma modalidade esportiva como filtro pode amplificar as distorções ou vieses nas entrevistas. Acho que o xis dessa questão somos nós, seres humanos.
Bryan Hancock: Além disso, é claro, há também questões de propriedade intelectual.
E acho que existe o risco de todos nos tornarmos menos interessantes. Por exemplo, se você atua em algum campo criativo e se vale da IA gerativa para aumentar sua produção de seis para doze artigos por semana, estará gastando menos tempo por artigo. Talvez você tenha que fazer isso para cumprir os prazos de publicação. Mas isso também significa que passará menos tempo no chuveiro, correndo ou no carro pensando sobre os artigos. Sua produtividade aumentará, mas é possível que não disponha de tanto tempo para o pensamento criativo. Sabemos que as ideias mais criativas vêm em momentos de inatividade – quando se está fazendo alguma outra coisa e deixando a mente vagar.
Esse risco de nos tornarmos menos interessantes é importante e talvez ainda não tenhamos refletido devidamente a respeito.
Lareina Yee: Exato. Existem muitos riscos. Também temos que pensar nos líderes que estão implementando essa tecnologia. O fluxo de trabalho de muitas pessoas consistia em pensar numa tecnologia, no retorno do investimento e só no final perguntar: “Há algum risco com o qual devemos nos preocupar?” Eu recomendaria enfaticamente que, em nosso fluxo de trabalho, nós pensemos sobre os riscos desde o início.
A outra questão é que existe uma oportunidade real para o que normalmente chamamos de “gestão da mudança”. Se não refletirmos a fundo sobre como a tecnologia muda o trabalho, os fluxos de trabalho ou o modelo de colaboração, é bem provável que não estaremos direcionando esse tempo adicional a algo que agregue mais valor. Precisamos pensar em como isso afeta o restante do dia de trabalho e da semana de trabalho.
Bill Schaninger: Em muitos casos, preferiríamos culpar a tecnologia e ocultar o fato de que deixamos vários problemas pendentes antes de implementá-la. Conseguir uma ferramenta melhor, mais reluzente, mais rápida e mais expansiva não nos livra do fardo de pensar a fundo sobre essas coisas.
Lareina Yee: O mais importante a destacar é que três de nós passamos esse tempo aqui refletindo sobre todas as intenções positivas e as maneiras de usar [a IA gerativa] para o bem. Mas é provável que haja pessoas que refletindo sobre essa mesma tecnologia e se perguntando: “Como posso usá-la para lucrar às custas de alguém?” Tradicionalmente, é por isso que a regulamentação governamental, as políticas públicas e os padrões internacionais sempre desempenharam papel fundamental em nossa sociedade. Não acho que possamos deixar o setor privado completamente à solta para se autorregular.
Preparando-se para o inevitável
Lucia Rahilly: Uma grande preocupação das pessoas é que essas ferramentas eliminarão seus empregos ou, talvez ainda pior, se tornarão suas chefes. O que vocês acham que as pessoas podem fazer hoje para se preparar para as mudanças que estão chegando com a IA gerativa?
Bill Schaninger: Eu tentaria tornar mais fácil para todos aprenderem e se divertirem com ela. É melhor do que continuar tentando resistir. Não devemos permitir que esses medos se imponham a nós.
Lucia Rahilly: E supondo que os processos de RH e de talentos se tornem cada vez mais automatizados, como os líderes poderão garantir que a IA gerativa não prejudicará o que Bryan chamou de “o elemento humano do processo”?
Lareina Yee: Os líderes têm um importantíssimo duplo papel a desempenhar. O primeiro é modernizar e promover, em suas funções, um grande salto de suas próprias capacidades de pessoal. E, segundo, se 80% de sua força de trabalho está mudando, eles precisam acompanhar de perto como isso acontece e como afetará os funcionários de suas empresas. Acho que os líderes têm uma voz poderosa nesse sentido.
Bryan Hancock: É uma oportunidade extraordinária para o RH ampliar o acesso de grupos inteiros da força de trabalho a novas oportunidades. É uma oportunidade de os gerentes atingirem consistentemente o nível de desempenho que os líderes de RH sempre desejaram que alcançassem, em vez de ficarem trabalhando em tarefas administrativas. Espero que o RH veja isso como uma oportunidade de rotinizar e livrar os gerentes do trabalho que eles não precisam fazer. E quanto ao trabalho que precisam fazer, eles poderão utilizar a IA gerativa para encontrar maneiras de obter respostas melhores mais rapidamente.