Interação entre o homem e a máquina Issawarat Tattong/Getty Images Quando a IA generativa começou a ganhar força, muitos líderes correram para financiar projetos-piloto. Apesar disso, vários não conseguiram gerar valor mensurável, pois faltou a estrutura organizacional necessária para conectar o potencial técnico ao impacto nos negócios. É o que argumentam Ayelet Israeli e Eva Ascarza, ambas professoras de Administração de Empresas na Harvard Business School, em artigo publicado na Harvard Business Review. No texto, as pesquisadoras defendem o uso do sistema dos 5Rs para que os projetos de inteligência artificial sejam bem-sucedidos. O primeiro R é a função (role). Esse componente esclarece quem é responsável por cada etapa do ciclo de vida dos projetos, reduzindo a complexidade interfuncional para evitar que pilotos sejam interrompidos pela falta de comunicação entre equipes. Os papéis incluem o patrocinador do negócio, o dono do produto, os cientistas de dados, os tradutores, a equipe de risco/conformidade e os responsáveis pela experiência do cliente. Segundo Israeli e Ascarza, definir esses limites elimina falhas na transição de responsabilidades, perda de comprometimento e potenciais conflitos entre equipes técnicas e de negócios. Papéis claros garantem que os incentivos estejam alinhados em toda a organização e ao longo do ciclo de vida do projeto, permitindo que os projetos sejam lançados dentro do prazo e sigam até a conclusão. O segundo componente essencial é a responsabilidade (responsibilities). Ele define o que significa sucesso para cada função além do lançamento inicial, incluindo adoção, responsabilidade pelos KPIs, monitoramento e treinamento contínuo. A responsabilidade é atribuída ao criador do projeto desde o momento da aprovação da iniciativa até a mensuração do valor — e não apenas até a conclusão da execução. Já o terceiro R envolve os rituais (rituals), fundamentais durante o processo de adoção da IA. Eles estabelecem uma cadência consistente de interações necessárias para o lançamento do produto e para o monitoramento e adaptação de modelos de IA, que tendem a aprender e mudar ao longo do tempo. Isso inclui o início do projeto, revisões operacionais semanais, reuniões quinzenais do comitê executivo e encontros cruciais de monitoramento pós-lançamento. Quanto aos recursos (resources), Israeli e Ascarza afirmam que é necessário o uso de modelos e estruturas reutilizáveis, evitando que as equipes precisem começar do zero e reinventar a roda a cada projeto. Uma arquitetura de IA compartilhada, por exemplo, reduz a complexidade da implantação dessas soluções em escala, diminuindo riscos como perda de informações e alucinações — algo que tem sido fundamental para acelerar a execução e a adoção. O último componente são os resultados (results). Eles exigem que as equipes definam métricas que relacionem a adoção ao impacto nos negócios antes mesmo do início do projeto. Isso garante que o sucesso não seja medido apenas pelo valor técnico ou por métricas superficiais, mas sim por indicadores que se traduzam em valor real para o negócio. Muito além de treinamentos pontuais, os 5Rs constituem um sistema operacional para a IA, segundo as pesquisadoras. Funções, responsabilidades e rituais formam uma base consistente e padronizada em todos os projetos, mesmo com diferentes indivíduos se alternando entre as funções. Ao mesmo tempo, garantem que os recursos e resultados sejam adaptados a cada iniciativa. Esse equilíbrio é o que permite a escalabilidade do modelo e explica por que projetos de IA avançam de experimentos isolados para gerar impacto em toda a empresa. Mais Lidas Interação entre o homem e a máquina Issawarat Tattong/Getty Images Quando a IA generativa começou a ganhar força, muitos líderes correram para financiar projetos-piloto. Apesar disso, vários não conseguiram gerar valor mensurável, pois faltou a estrutura organizacional necessária para conectar o potencial técnico ao impacto nos negócios. É o que argumentam Ayelet Israeli e Eva Ascarza, ambas professoras de Administração de Empresas na Harvard Business School, em artigo publicado na Harvard Business Review. No texto, as pesquisadoras defendem o uso do sistema dos 5Rs para que os projetos de inteligência artificial sejam bem-sucedidos. O primeiro R é a função (role). Esse componente esclarece quem é responsável por cada etapa do ciclo de vida dos projetos, reduzindo a complexidade interfuncional para evitar que pilotos sejam interrompidos pela falta de comunicação entre equipes. Os papéis incluem o patrocinador do negócio, o dono do produto, os cientistas de dados, os tradutores, a equipe de risco/conformidade e os responsáveis pela experiência do cliente. Segundo Israeli e Ascarza, definir esses limites elimina falhas na transição de responsabilidades, perda de comprometimento e potenciais conflitos entre equipes técnicas e de negócios. Papéis claros garantem que os incentivos estejam alinhados em toda a organização e ao longo do ciclo de vida do projeto, permitindo que os projetos sejam lançados dentro do prazo e sigam até a conclusão. O segundo componente essencial é a responsabilidade (responsibilities). Ele define o que significa sucesso para cada função além do lançamento inicial, incluindo adoção, responsabilidade pelos KPIs, monitoramento e treinamento contínuo. A responsabilidade é atribuída ao criador do projeto desde o momento da aprovação da iniciativa até a mensuração do valor — e não apenas até a conclusão da execução. Já o terceiro R envolve os rituais (rituals), fundamentais durante o processo de adoção da IA. Eles estabelecem uma cadência consistente de interações necessárias para o lançamento do produto e para o monitoramento e adaptação de modelos de IA, que tendem a aprender e mudar ao longo do tempo. Isso inclui o início do projeto, revisões operacionais semanais, reuniões quinzenais do comitê executivo e encontros cruciais de monitoramento pós-lançamento. Quanto aos recursos (resources), Israeli e Ascarza afirmam que é necessário o uso de modelos e estruturas reutilizáveis, evitando que as equipes precisem começar do zero e reinventar a roda a cada projeto. Uma arquitetura de IA compartilhada, por exemplo, reduz a complexidade da implantação dessas soluções em escala, diminuindo riscos como perda de informações e alucinações — algo que tem sido fundamental para acelerar a execução e a adoção. O último componente são os resultados (results). Eles exigem que as equipes definam métricas que relacionem a adoção ao impacto nos negócios antes mesmo do início do projeto. Isso garante que o sucesso não seja medido apenas pelo valor técnico ou por métricas superficiais, mas sim por indicadores que se traduzam em valor real para o negócio. Muito além de treinamentos pontuais, os 5Rs constituem um sistema operacional para a IA, segundo as pesquisadoras. Funções, responsabilidades e rituais formam uma base consistente e padronizada em todos os projetos, mesmo com diferentes indivíduos se alternando entre as funções. Ao mesmo tempo, garantem que os recursos e resultados sejam adaptados a cada iniciativa. Esse equilíbrio é o que permite a escalabilidade do modelo e explica por que projetos de IA avançam de experimentos isolados para gerar impacto em toda a empresa. Mais Lidas