Um referencial de IA, vinte contextos locais: adaptar sem perder a comparação

O pedido chega quase sempre pela mesma ordem. Primeiro: «queremos saber em que ponto estamos relativamente à IA, em toda a organização». Depois, poucas semanas mais tarde, quando chegam as primeiras avaliações: «isto não é comparável, as nossas filiais não fazem o mesmo trabalho». As duas frases são verdadeiras ao mesmo tempo, e é aí que está todo o problema.

Uma direção de grupo precisa de um número que se leia de uma entidade para outra. Um responsável local precisa de um diagnóstico que fale da sua realidade concreta. Responder a um sacrificando o outro é fácil, e as duas formas de errar são simétricas.

O primeiro consiste em impor um referencial único, escrito na sede, idêntico em todo o lado. Produz resultados perfeitamente comparáveis e perfeitamente inúteis: a filial que não tem um serviço jurídico dedicado responde «não» a uma pergunta de governação que não lhe diz respeito, e acaba penalizada por ter a organização certa para a sua dimensão. Ao fim de dois ciclos, já ninguém preenche o referencial a sério.

O segundo consiste em deixar cada entidade adaptar o referencial. Cada uma obtém então um diagnóstico justo, e o grupo obtém vinte diagnósticos que não consegue somar. O painel de controlo mostra resultados lado a lado, dando a ilusão de que se comparam, o que é mais perigoso do que não mostrar nada.

Vale a pena identificar com precisão o que varia, porque a lista é mais curta do que se poderia pensar. O enquadramento regulatório, em primeiro lugar: uma entidade estabelecida na União aplica o regulamento europeu sobre a IA, uma entidade fora da União só o aplica se colocar sistemas no mercado europeu. O ponto de partida, depois: uma equipa de três pessoas que está a experimentar não está no mesmo ponto que uma direção de sistemas de informação com duzentas pessoas. Os usos, por fim: detetar um defeito numa linha de produção e redigir respostas a clientes não colocam as mesmas questões de controlo.

Em contrapartida, uma boa parte do referencial não varia. Saber que sistemas de IA estão em funcionamento na organização, quem responde por eles, em que dados se apoiam, como se mede a sua qualidade, o que acontece quando falham: estas perguntas colocam-se de forma idêntica em Hamburgo, em Lyon e no Porto. Constituem a base comum.

Daí a única construção capaz de segurar as duas pontas. Uma camada comum, decidida uma única vez, idêntica para todas as entidades, que sustenta a comparação. Uma camada local, acrescentada por cada entidade, que sustenta a pertinência. Os resultados da base comum comparam-se, consolidam-se, alimentam a pilotagem de grupo. Os resultados da camada local não se comparam, e ninguém o exige.

A regra que torna o dispositivo honesto é simples: a camada local acrescenta temas, nunca retira nenhum da base comum. Uma entidade que considere uma pergunta da base fora de contexto não a elimina: responde-lhe e documenta por que razão está no nível em que está. É muitas vezes aí que se encontra a informação mais útil para o grupo.

Segunda regra, menos óbvia: a base comum tem de ser curta. Quanto mais cresce, maior a tentação de a contornar, e mais as entidades pressionam para incluir as suas particularidades, o que a esvazia de sentido. Uma base que se mantém em cerca de trinta perguntas vale mais do que uma base exaustiva que ninguém preenche duas vezes.

O reflexo é pensar que comparar serve para classificar. É a leitura menos interessante, e a que afasta as equipas. Comparar serve antes de mais para identificar onde uma entidade já resolveu aquilo que outra enfrenta, e depois para fazer circular a resposta. Uma filial que montou um registo dos seus sistemas de IA produziu um ativo transferível; o resultado serve para o encontrar, não para o premiar.

E a comparação mais útil não é entre entidades, é com o próprio percurso. Um resultado comparado com o do ano anterior, com o objetivo que se tinha fixado e com o plano de ação que se tinha escrito diz algo que nenhuma classificação diz: se o dinheiro investido produziu o efeito esperado. É a única medida que interessa a uma comissão de investimento.

O ponto de entrada depende da questão mais urgente. Se o prazo é regulatório, o quadro europeu sobre a IA dá o perímetro e o calendário, e o diagnóstico serve para saber o que já está em vigor. Se a questão é organizacional, um referencial de sistema de gestão da IA estrutura a governação a longo prazo. Se a questão é mais aberta, um diagnóstico de maturidade em IA diz simplesmente em que ponto está a organização antes de se avançar com o que quer que seja.

Nos três casos, a abordagem é a mesma: medir o que existe, definir o objetivo, quantificar o desvio e depois avançar passo a passo. O referencial não é o fim, é o instrumento de medida. O que conta é o que se faz a seguir, e o facto de se poder repetir o exercício no ano seguinte com a mesma regra.