Nem todos os problemas precisam de IA

Abdulrhman AlOdhayb

Consultor sénior de tecnologia do Gabinete do Ministro da Defesa da Arábia Saudita

Abdulrhman Alodhayb explica por que razão a adoção bem-sucedida da IA depende do discernimento humano, da governação e da mudança organizacional — e não simplesmente de ter uma estratégia de IA.

Key Takeaways

Discernimento humano: A adoção da IA é bem-sucedida quando os líderes utilizam os modelos para aperfeiçoar as decisões, mantendo simultaneamente a responsabilidade pelos resultados com consequências significativas.

Resultados comprovados: A governação apoiada por IA reduziu em 60 por cento o tempo de preparação das avaliações e identificou os principais riscos dos programas várias semanas mais cedo.

Obstáculos ocultos: As instituições complexas enfrentam dificuldades quando a IA não dispõe de relações não documentadas, contexto partilhado e mecanismos para disseminar aprendizagens entre equipas.

Fluxo de trabalho melhorado: Um fluxo de trabalho disciplinado de IA seleciona os dados de entrada, testa contradições, aplica uma revisão especializada e regista os resultados para uma melhoria contínua.

Mudança na liderança: Os líderes tecnológicos de amanhã precisarão mais de discernimento, humildade, competências de gestão da mudança e clareza estratégica do que apenas de autoridade técnica.

Abdulrhman AlOdhayb trabalha em tecnologia e transformação num ambiente institucional complexo. É Consultor Sénior de Tecnologia do Gabinete do Ministro da Defesa da Arábia Saudita.

Conversámos com Abdulrhman para conhecer as oportunidades e as armadilhas da adoção de IA em ambientes complexos e de elevado risco. Eis o que nos disse.

A tecnologia nunca é a parte difícil

Sou Abdulrhman Alodhayb, um executivo de tecnologia e transformação com 19 anos de liderança num dos ambientes institucionais mais complexos que se possa imaginar: a defesa nacional. Passei quase duas décadas no Ministério da Defesa da Arábia Saudita, liderando a transformação digital na área da saúde, a arquitetura empresarial e, mais recentemente, desempenhando funções como Consultor Sénior de Tecnologia do Gabinete do Ministro da Defesa.

A minha carreira desenvolveu-se numa interseção que a maioria dos líderes tecnológicos raramente encontra — onde as decisões de engenharia têm implicações para a segurança nacional, onde o alinhamento das partes interessadas implica ligar estruturas de comando militar a sistemas clínicos e plataformas empresariais, e onde o custo de uma transformação falhada é medido não em receitas perdidas, mas na confiança institucional e na prontidão operacional.

O fio condutor de tudo isto tem sido uma única convicção: a tecnologia nunca é a parte difícil. A parte difícil é criar as condições organizacionais para que a tecnologia gere valor. Concebi estratégias de TIC para hospitais, contribuí para uma reformulação do Modelo Operacional Alvo de todo o Ministério com a BCG e orientei iniciativas digitais à escala empresarial em que o fracasso simplesmente não era uma opção.

Hoje, à medida que a inteligência artificial passa da experimentação para o núcleo da arquitetura de sistemas, do desenvolvimento de software e da capacitação organizacional, encontro-me no momento mais interessante da minha carreira. Preocupo-me sobretudo com questões que não dizem respeito à tecnologia em si, mas à forma como os líderes desenvolvem o discernimento, a governação e as arquiteturas resilientes que permitem à IA acelerar a concretização sem comprometer a qualidade ou a segurança.

É sobre isso que venho falar.

More Articles

Trabalhar na camada estratégica

Trabalhar na camada estratégica

O ecossistema tecnológico em que trabalho é substancial em todas as dimensões. Operamos sistemas à escala empresarial que abrangem hospitais militares, plataformas de comando e controlo, infraestruturas de comunicações unificadas e estruturas de dados da defesa nacional. A arquitetura é inerentemente híbrida: implementações soberanas no local, onde a residência dos dados e a classificação de segurança são inegociáveis, integradas com plataformas modernizadas nas quais impulsionamos ativamente a transformação digital.

Trabalho na camada estratégica, prestando aconselhamento a nível ministerial, liderando funções de gestão estratégica do PMO e das TI e alinhando roteiros tecnológicos entre múltiplas direções e unidades organizacionais. A complexidade humana rivaliza com a complexidade técnica. Coordenar a transformação numa força de trabalho militar e civil com várias camadas, em que cada grupo tem diferentes culturas operacionais e diferentes tolerâncias ao risco, é, por si só, uma disciplina.

A complexidade dos produtos aqui é diferente da tecnologia comercial. Não lançamos funcionalidades. Estamos a reformular a forma como uma instituição nacional funciona. Isto inclui sistemas de registos clínicos eletrónicos para uma rede de hospitais militares, plataformas de recursos empresariais e, mais recentemente, a contribuição para um Modelo Operacional Alvo à escala de todo o Ministério, que reimagina a forma como a tecnologia estrutura e capacita todo o setor da defesa.

O modelo de implementação é necessariamente orientado para a soberania. A segurança, a classificação e a governação nacional dos dados não são limitações que contornamos. São a arquitetura. Essa realidade molda a forma como penso sobre resiliência, redundância e o que significa uma adoção responsável da IA quando o que está em jogo é nacional e não comercial.

Como a IA torna visível o invisível

Abdulrhman AlOdhayb

Partilhas de Abdulrhman

Alterámos a própria camada de governação. Introduzimos uma análise assistida por IA no processo de revisão dos programas… Isto não substituiu o discernimento humano. Deu aos decisores uma visão mais rica e rápida da realidade organizacional…

Introduzi pontos de controlo de governação informados por IA no nosso ciclo de revisão dos programas tecnológicos no ano passado. Antes desta mudança, as revisões dos programas centravam-se em métricas tradicionais de execução: cumprir marcos, acompanhar orçamentos e registar riscos. O processo era disciplinado, mas inerentemente voltado para o passado. Medíamos o que já tinha acontecido, em vez de anteciparmos o que poderia correr mal.

A mudança aconteceu quando percebi que vários programas empresariais geravam volumes enormes de dados estruturados e não estruturados — através da documentação dos projetos, das comunicações com fornecedores, dos pedidos de alteração e dos relatórios operacionais — mas ninguém sintetizava este sinal para fundamentar decisões de liderança em tempo real. Tratávamos esta informação como um arquivo.

Alterámos a própria camada de governação. Introduzimos análise assistida por IA no processo de revisão dos programas, utilizando as capacidades dos modelos de linguagem para sintetizar documentação transversal aos programas, detetar anomalias nos padrões de execução e gerar indicadores de alerta precoce antes de estes se tornarem questões de escalada. Isto não substituiu o discernimento humano. Deu aos decisores uma visão mais rica e rápida da realidade organizacional, permitindo-lhes aplicar o seu discernimento no momento e no nível certos.

Os resultados foram significativos. Os ciclos de revisão tornaram-se mais focados porque a liderança chegava com uma visão previamente sintetizada das áreas que realmente necessitavam de atenção, em vez de passar a primeira metade de cada sessão a reconstruir o estado a partir de relatórios brutos. Mais importante ainda, detetámos dois riscos significativos dos programas mais cedo do que o nosso processo tradicional teria permitido, possibilitando uma intervenção antes do impacto, em vez de uma resposta após o facto.

Esta experiência reforçou um princípio que hoje defendo firmemente: a IA não transforma as organizações ao substituir processos. Transforma-as ao tornar visível o que é invisível e ao dar aos líderes a clareza necessária para agir com precisão, em vez de reagir com urgência.

Onde as equipas técnicas devem utilizar a IA

A fronteira entre decisões fundamentadas pela IA e decisões da responsabilidade humana não é estática. Muda à medida que a confiança é conquistada, as capacidades amadurecem e os riscos associados a cada domínio de decisão se tornam mais claros.

No meu contexto, recorro ativamente à IA para fundamentar ou potenciar o trabalho técnico em várias áreas. Uma delas é a síntese de documentação e a inteligência transversal aos programas. Além disso, recorro à IA para apoiar a análise de padrões de arquitetura, avaliando especificamente se as soluções propostas estão alinhadas com as normas empresariais estabelecidas ou se introduzem dívida técnica que se irá acumular ao longo do tempo. Atualmente, a IA consegue identificar, em horas, aquilo que antes exigia dias de revisão por parte de um arquiteto sénior — não como veredicto final, mas como um contributo estruturado que aperfeiçoa a revisão humana subsequente.

Também utilizo bastante a IA na camada do planeamento estratégico: para sintetizar avaliações do panorama tecnológico, comparar com as melhores práticas globais e elaborar a estrutura analítica dos roteiros e dos modelos operacionais-alvo. Quando o volume de informação é elevado e o tempo para a sintetizar é limitado, a IA proporciona um valor desproporcional.

No domínio da segurança, a monitorização e a deteção de anomalias fundamentadas pela IA tornaram-se uma expectativa básica, não uma inovação. O reconhecimento de padrões à velocidade e à escala exigidas pelos ambientes de ameaças modernos está simplesmente para além da capacidade humana sem assistência. Aqui, confio na IA para identificar e sinalizar. Não confio nela para tirar conclusões ou responder.

Onde as tarefas devem continuar a ser humanas

E a própria governação continua a ser humana. Sou profundamente cauteloso em relação a qualquer organização que permita à IA governar a IA. As pessoas que podem ser responsabilizadas pelos resultados devem assumir a camada de supervisão, os pontos de controlo éticos e as decisões sobre onde a IA deve e não deve operar.

Abdulrhman AlOdhaybConsultor sénior de tecnologia do Gabinete do Ministro da Defesa da Arábia Saudita
Share This Quote on:

Tudo o que tem consequências institucionais continua explicitamente sob responsabilidade humana. As decisões de arquitetura que irão moldar a organização durante cinco a dez anos continuam a ser da responsabilidade humana. A análise da IA fundamenta-as, mas as pessoas que compreendem o contexto organizacional, as dinâmicas políticas e as implicações a longo prazo acabam por avaliá-las de formas que nenhum modelo consegue atualmente reproduzir. As decisões de resposta a incidentes que afetam a continuidade operacional, especialmente num contexto de defesa, exigem autoridade de comando humana. Não existe automatização da responsabilização.

As decisões relativas a fornecedores e parcerias continuam a ser humanas. Avaliar a confiança, o alinhamento de valores e a adequação organizacional a longo prazo exige um discernimento humano que vai muito além daquilo que a IA consegue avaliar de forma fiável atualmente.

E a própria governação continua a ser humana. Sou profundamente cauteloso em relação a qualquer organização que permita à IA governar a IA. As pessoas que podem ser responsabilizadas pelos resultados devem assumir a camada de supervisão, os pontos de controlo éticos e as decisões sobre onde a IA deve e não deve operar.

O meu princípio operacional é o seguinte: confio na IA para alargar o âmbito do discernimento humano, nunca para substituir o próprio discernimento. No momento em que uma organização confunde as duas coisas, não adotou a IA. Simplesmente externalizou a sua responsabilização.

Os resultados positivos da integração da IA

Do lado positivo, a integração da IA nos nossos fluxos de trabalho melhorou de forma mais mensurável a eficiência do ciclo de revisão dos programas. Depois de introduzirmos a síntese assistida por IA no nosso processo de governação, a liderança passou aproximadamente menos 60% de tempo a reconstruir o estado dos projetos a partir da documentação em bruto por sessão de revisão. Este não é um número insignificante num ambiente onde os decisores seniores trabalham simultaneamente em vários programas em curso. Devolvemos efetivamente horas de atenção executiva por ciclo, redirecionando-a para a avaliação e a intervenção, em vez da reconstrução do estado.

O segundo resultado mensurável foi a deteção de riscos. Como referi anteriormente, identificámos dois riscos significativos dos programas mais cedo do que o nosso processo de revisão tradicional teria permitido. Em ambos os casos, o intervalo entre a deteção precoce e um impacto material na execução foi medido em semanas. Num ambiente comercial, isto traduz-se em custos evitados. Num ambiente de defesa, traduz-se em prontidão operacional — um número mais difícil de quantificar, mas muito mais consequente.

Na planificação estratégica, a integração da IA reduziu aproximadamente em 70% o tempo necessário para produzir avaliações tecnológicas preliminares e a estrutura inicial dos roteiros. Isto não significa que o resultado final tenha exigido menos 70% de esforço. Significa que o esforço humano passou da geração para a avaliação, da redação para a edição, da síntese para a validação. A qualidade dos resultados melhorou porque as mentes seniores dedicaram o seu tempo àquilo que exigia a sua experiência, em vez de o dedicarem ao que era mecânico.

Os resultados negativos da integração da IA

Abdulrhman AlOdhayb

Abdulrhman Shares

O primeiro desafio foi a adoção. O segundo desafio foi a consistência da qualidade dos resultados. A terceira e mais importante lição foi sobre as expectativas…

Agora, um relato honesto do que funcionou menos bem do que o esperado — porque a comunidade de liderança tecnológica é mal servida por histórias que apenas celebram as vitórias.

O primeiro desafio foi a adoção. Num ambiente institucional de grande dimensão, com culturas operacionais profundamente enraizadas, introduzir a IA nos fluxos de trabalho não é um problema tecnológico. É um problema de gestão da mudança. Tivemos programas nos quais implementámos as ferramentas, concedemos acesso e a capacidade permaneceu em grande parte sem utilização porque não tínhamos reformulado os sistemas humanos à sua volta — os incentivos, os hábitos e a confiança — para a acomodar. A adoção tecnológica sem adoção comportamental é apenas software dispendioso abandonado numa prateleira.

O segundo desafio foi a consistência da qualidade dos resultados. Nas primeiras implementações, observámos uma variação significativa na qualidade das análises geradas por IA, dependendo da qualidade e da estrutura dos dados de entrada. Entra lixo, sai lixo não é um princípio novo, mas a IA faz com que o lixo pareça mais credível. Um pedido mal estruturado que produz um resultado bem formatado, mas analiticamente fraco, é, de certa forma, mais perigoso do que uma página em branco, porque cria uma falsa confiança. Aprendemos a investir fortemente no rigor dos pedidos e na governação dos dados de entrada antes de confiar nos resultados em contextos de grande risco.

A terceira e mais importante lição foi sobre as expectativas. As organizações que encaram a integração da IA como um exercício de redução de custos tendem a obter resultados dececionantes porque otimizam o resultado errado. As organizações — incluindo os nossos próprios programas — que observaram um impacto genuíno encararam a IA como um amplificador de capacidades . A questão não era: “Como podemos fazer o mesmo trabalho com menos pessoas?” Era: “Como podemos fazer um trabalho que antes era impossível, ou fazê-lo a um nível de qualidade que anteriormente não era possível alcançar com os nossos recursos?”

Esta reformulação é a diferença entre a IA como ferramenta de eficiência e a IA como alavanca de transformação. E, na minha experiência, apenas a segunda versão produz resultados dignos de discussão.

Porque é que a integração da IA fica aquém do esperado em ambientes complexos

Porque é que a integração da IA fica aquém do esperado em ambientes complexos

A diferença entre aquilo que a IA promete numa apresentação para a administração e aquilo que oferece dentro de um ambiente institucional complexo continua a ser significativa, e fingir o contrário prejudica a profissão.

Para nós, a IA ficou mais claramente aquém do esperado na inteligência de integração entre sistemas. Esperávamos razoavelmente, com base no que a tecnologia demonstrara em ambientes controlados, que a IA pudesse funcionar como uma camada inteligente de orquestração entre as nossas plataformas empresariais, compreendendo as relações entre sistemas, identificando falhas de integração antes de estas se propagarem e recomendando ações corretivas em tempo real.

Descobrimos que a IA tem um desempenho extraordinariamente bom dentro de domínios bem definidos e bem documentados, e extraordinariamente fraco nas fronteiras desorganizadas, pouco documentadas e politicamente complexas entre sistemas empresariais em grandes instituições. Nenhum documento contém o conhecimento necessário para navegar nessas fronteiras. Esse conhecimento vive nas pessoas, nas relações e na memória institucional acumulada ao longo de anos. A IA não tinha acesso a esse conhecimento nem uma forma fiável de o adquirir ao ritmo de que precisávamos.

A IA também ficou aquém nas interfaces de linguagem natural destinadas a utilizadores não técnicos. A teoria era convincente: disponibilizar ao pessoal operacional e aos quadros superiores uma interface conversacional para os dados empresariais, eliminando a dependência de intermediários técnicos para cada consulta e relatório. Na prática, a diferença entre a forma como os utilizadores não técnicos exprimem naturalmente as suas intenções e a forma como os sistemas de IA interpretam essas intenções de forma fiável revelou-se muito maior do que o previsto. Os utilizadores ficavam frustrados quando os resultados não correspondiam às expectativas, e a frustração numa grande instituição não gera ciclos de feedback. Gera abandono. Acabámos por ter uma capacidade que funcionava bem para utilizadores tecnicamente informados e mal para a população mais vasta que deveria servir, precisamente o oposto do que a transformação exige.

A terceira área é o raciocínio sobre documentos estratégicos. Esperávamos que a IA trabalhasse de forma significativa com os documentos de políticas e estratégias longos, altamente contextuais e frequentemente ambíguos que constituem a espinha dorsal da forma como as grandes instituições governamentais tomam decisões. Descobrimos que a IA consegue resumir estes documentos de forma competente, mas tem dificuldade em raciocinar entre eles, identificar contradições genuínas entre uma política redigida numa direção e uma norma adotada noutra, compreender o peso político por detrás de uma determinada cláusula ou reconhecer quando uma recomendação tecnicamente correta é institucionalmente impossível. Essa camada de discernimento, que torna o aconselhamento estratégico útil e não meramente exato, continuou obstinadamente humana.

Por fim, quero mencionar algo que raramente aparece nos estudos de caso dos fornecedores: a IA não proporcionou a velocidade de aprendizagem organizacional que antecipávamos. Partíamos do princípio de que, à medida que a organização adotasse ferramentas de IA, desenvolveria inteligência coletiva mais rapidamente e que os conhecimentos revelados pela IA num programa se propagariam naturalmente e melhorariam a tomada de decisões noutros programas. O que aconteceu foi que os conhecimentos gerados pela IA permaneceram isolados nas equipas que os produziram, porque as estruturas organizacionais, os mecanismos de partilha de conhecimento e as normas culturais relativas à documentação e à transparência não tinham evoluído de modo a captar e distribuir aquilo que a IA estava a produzir. A tecnologia gerou mais sinais do que a organização sabia como absorver.

Partilho tudo isto não como uma crítica ao potencial da IA, que continuo a considerar profundo, mas como um lembrete de que cada lacuna que acabei de descrever é um problema dos sistemas humanos disfarçado de tecnologia.

Um fluxo de trabalho de IA para otimizar avaliações de programas estratégicos

A IA não toma qualquer decisão isolada; processa, sintetiza e apresenta. Cada juízo, cada validação, cada recomendação continua a ser humano.

Abdulrhman AlOdhaybConsultor sénior de tecnologia do Gabinete do Ministro da Defesa na Arábia Saudita
Share This Quote on:

Vou apresentar um fluxo de trabalho que é um dos mais valiosos na minha prática atual: a avaliação estratégica de programas apoiada por IA. Vou descrevê-lo de ponta a ponta, porque o seu valor não reside numa única etapa, mas na forma como as etapas se articulam.

Este fluxo de trabalho é normalmente acionado quando um programa atinge um ponto de decisão crítico. No nosso contexto, isso pode significar uma migração importante de uma plataforma empresarial, a implementação de um sistema de saúde digital numa rede de hospitais militares ou uma revisão da arquitetura empresarial associada à reformulação de um Modelo Operacional de Referência. Trata-se de programas em que a decisão tem consequências para vários anos e em que os elementos de entrada são volumosos, heterogéneos e politicamente condicionados.

O fluxo de trabalho começa com a agregação estruturada dos dados de entrada. Antes de a IA tocar na análise, a minha equipa seleciona criteriosamente os elementos de entrada: reúne documentação do programa, propostas de fornecedores, propostas de arquitetura técnica, conclusões de revisões anteriores, quadros de políticas relevantes e documentos com as posições das partes interessadas num corpus estruturado. Esta etapa é totalmente humana e totalmente intencional. A qualidade do resultado da IA a jusante é diretamente proporcional à qualidade e à estrutura dos dados de entrada a montante. Aprendemos esta lição da forma mais difícil nas primeiras implementações e tratamos agora a governação dos dados de entrada como uma disciplina inegociável.

Em seguida, realizamos uma síntese assistida por IA. Passamos o corpus selecionado por um modelo de linguagem com uma arquitetura de instruções cuidadosamente concebida, que coloca questões analíticas específicas, em vez de solicitar um resumo aberto. Não pedimos ao modelo que nos diga o que os documentos afirmam. Pedimos-lhe, em vez disso, que identifique contradições entre os objetivos declarados e as arquiteturas propostas, revele pressupostos afirmados mas não fundamentados por evidências, assinale dependências que aparecem num documento mas estão ausentes de outro e destaque padrões de risco correspondentes a perfis que vimos falhar em programas anteriores. O resultado é um documento analítico estruturado, não um resumo.

A terceira etapa, e a mais humana, é a revisão crítica e a recontextualização. Um consultor sénior — na maioria dos casos, eu ou um responsável técnico de confiança — lê o documento produzido pela IA não como uma conclusão, mas como um ponto de partida para uma análise crítica. Perguntamos: O que revelou o modelo que ainda não tínhamos articulado conscientemente? O que não identificou, mas que sabemos pela experiência institucional? Onde está tecnicamente correto, mas é institucionalmente ingénuo? Aqui, dezanove anos de trabalho neste contexto acrescentam um valor que nenhum modelo consegue replicar. O documento da IA torna as perguntas mais precisas. O discernimento humano fornece as respostas.

O quarto passo envolve a preparação da decisão. Utilizamos os conhecimentos validados na revisão humana para construir o pacote de decisão executiva: enquadrar a decisão, apresentar opções com os seus verdadeiros compromissos, detalhar os riscos com uma probabilidade e um impacto realistas e apresentar a recomendação com os seus pressupostos explícitos. Como a síntese por IA trata do trabalho mecânico de processar o corpus, este passo é mais rápido e mais rico do que seria num processo exclusivamente manual. Os líderes chegam ao ponto de decisão com uma visão mais clara e questões mais focadas.

O quinto passo é o registo dos resultados, onde a maioria das organizações falha. Depois de a decisão ser tomada e o programa avançar, documentamos não só o que foi decidido, mas também o que a análise da IA identificou corretamente, o que não identificou e quais os pressupostos que se revelaram errados. Este feedback não é colocado numa pasta; em vez disso, é reintegrado na nossa arquitetura de prompts e nas normas de governação dos dados de entrada para o programa seguinte. O fluxo de trabalho melhora a cada iteração, porque tratamos cada execução como uma oportunidade de aprendizagem.

Este fluxo de trabalho teve um impacto significativo e mensurável. Reduziu em aproximadamente 65% o tempo do ciclo de avaliação das principais revisões de programas. Melhorou a profundidade da identificação de riscos, revelando problemas mais cedo no processo de decisão, em vez de os descobrir durante a execução. E, talvez mais importante, elevou a qualidade da conversa executiva nos pontos de decisão, porque os líderes dedicam o seu tempo a decisões que exigem verdadeiro discernimento, em vez de reconstruírem o estado do programa a partir de informação em bruto.

Quero salientar a filosofia de conceção deste fluxo de trabalho. A IA não toma nenhuma decisão individual; processa, sintetiza e revela informação. Cada avaliação, cada validação e cada recomendação continuam a ser humanas.

Como evitar armadilhas na adoção da IA

Abdulrhman AlOdhayb

Abdulrhman partilha

Aprendi que, num território genuinamente novo, a honestidade intelectual sobre a incerteza não é uma fraqueza da liderança. É um pré-requisito para criar a confiança que mantém as equipas unidas ao longo dos momentos inevitáveis em que o caminho se revela mais difícil do que o plano previa.

O sistema imunitário organizacional é real, poderoso e ativa-se mais depressa do que qualquer ferramenta de IA é implementada. Todas as grandes instituições desenvolveram, ao longo de anos e décadas, mecanismos informais que resistem a mudanças que ameaçam as estruturas de poder existentes, os fluxos de trabalho estabelecidos e as identidades profissionais. Compreendia isto intelectualmente antes de começarmos, mas subestimei a especificidade e a rapidez com que esses mecanismos seriam ativados em resposta à IA.

Quando as pessoas perceberam que as ferramentas de IA estavam a mudar não só a forma como o trabalho era realizado, mas também quem tinha valor na organização, a resistência não se manifestou como oposição, mas como conformidade sem adoção. As equipas acederam às ferramentas, mas não as utilizaram. Receberam os resultados, mas não agiram com base neles. Os processos foram nominalmente atualizados, mas o comportamento manteve-se inalterado. A resistência passiva numa grande instituição é quase invisível até se medirem os resultados. Quando a medição revela o problema, já se perderam meses de impulso.

Relacionado com isto, gostaria de ter sabido quão profundamente o enquadramento do lançamento moldaria permanentemente a sua receção. Nas nossas primeiras implementações, cometemos um erro de comunicação que considero um dos erros mais consequentes da iniciativa. Para obter o patrocínio executivo e justificar o investimento, enquadrámos as ferramentas de IA na linguagem da eficiência: mais rápidas, mais enxutas, mais produtivas.

Esse enquadramento era exato num sentido técnico restrito, mas profundamente contraproducente em todos os sentidos humanos. Quando as pessoas ouvem falar de eficiência no contexto da implementação de uma nova ferramenta na sua equipa, ouvem falar de número de trabalhadores. Ouvem que o seu papel está a ser avaliado quanto à redundância. Interagem com a ferramenta não como algo que tornará o seu trabalho melhor, mas como algo que poderá tornar a sua posição desnecessária. A postura defensiva criada por esse enquadramento demorou meses a ser desmantelada e nunca desapareceu completamente em algumas partes da organização.

E, pessoalmente, sei agora que deveria ter sido mais transparente com as minhas equipas relativamente à minha própria incerteza. Iniciei esta jornada com mais confiança na minha convicção quanto à direção a seguir do que no meu conhecimento operacional sobre a forma como a IA se comportaria no contexto institucional específico da nossa organização. Sabia que o destino era o certo. Não conhecia totalmente o caminho. No esforço de projetar a confiança de liderança que os grandes programas exigem, por vezes comuniquei uma certeza que não possuía, criando expectativas que a realidade acabou por complicar. Aprendi que, num território genuinamente novo, a honestidade intelectual sobre a incerteza não é uma fraqueza da liderança. É um pré-requisito para criar a confiança que mantém as equipas unidas ao longo dos momentos inevitáveis em que o caminho se revela mais difícil do que o plano previa.

Porque é que a IA exige um novo tipo de líder tecnológico

Porque é que a IA exige um novo tipo de líder tecnológico

A era da IA desvaloriza sistematicamente um determinado perfil de líder tecnológico: o especialista que acumulou conhecimentos técnicos profundos ao longo de anos de estudo e prática disciplinados, construiu autoridade através do domínio da sua área e liderou como a pessoa mais conhecedora da sala. Esse perfil dominou a liderança tecnológica durante décadas e produziu resultados extraordinários quando o conhecimento era o fator limitador e a experiência constituía a vantagem competitiva. A IA não elimina esse perfil de um dia para o outro. Mas corrói os seus fundamentos mais rapidamente do que a maioria das pessoas que se enquadram nesse perfil reconhece, e as instituições que dependem dele sem desenvolver o seu sucessor acumulam um risco de liderança que ainda não identificaram.

O perfil exigido pela era da IA é fundamentalmente diferente. A era da IA exige líderes que derivem a sua autoridade não daquilo que sabem, mas da qualidade das suas perguntas. Líderes cuja principal contribuição intelectual não seja a síntese (porque a IA pode sintetizar), mas o discernimento. Líderes fluentes na dinâmica organizacional, na psicologia humana e no poder institucional, além da tecnologia. Líderes que mantenham uma genuína humildade intelectual perante uma ferramenta que projeta constantemente confiança e que tenham desenvolvido a estabilidade interna para dizer «não sei» e «preciso de refletir sobre isto» em ambientes que recompensam a capacidade de decisão acima de quase tudo o resto.

E, talvez mais importante ainda, a era da IA exige líderes que respondam de forma clara e exaustiva a uma pergunta que as gerações anteriores de líderes tecnológicos raramente precisaram de fazer: Que valor humano estou a acrescentar que a IA não consegue replicar e estou a investir nesse valor com a mesma disciplina que aplico ao meu desenvolvimento técnico?

Faço-me regularmente essa pergunta. Não é uma pergunta confortável. Exige uma autoavaliação honesta sobre quais as partes da minha identidade profissional que são genuinamente insubstituíveis e quais as partes que protejo por hábito, e não por necessidade. Acredito que esse processo de autoanálise honesta é a prática de liderança fundamental da era da IA. Não a engenharia de prompts, não a avaliação de modelos, não os quadros de governação da IA — por importantes que sejam. É a disponibilidade para olhar claramente para aquilo que trazemos e que um modelo não consegue trazer, e para investir deliberada e incansavelmente precisamente nisso.

A era da IA produz complexidade a um ritmo e numa escala sem precedentes históricos na profissão tecnológica. Os líderes que a irão orientar bem não são os que adotam a IA mais rapidamente, a implementam de forma mais ambiciosa ou falam dela com maior fluência em palcos como este. São os que realizam o trabalho mais difícil e discreto de desenvolver as qualidades humanas que a complexidade exige: discernimento, humildade, coragem, sabedoria institucional e a clareza de propósito que lhes permite orientar ferramentas poderosas para fins meritórios.

Acredito que a comunidade de liderança tecnológica precisa de ter essa conversa com uma urgência muito maior do que a atual. E é essa a razão pela qual aceitei esta entrevista: não para falar sobre aquilo que a IA pode fazer, mas para refletir cuidadosamente, em público, sobre aquilo em que nós, enquanto líderes, temos de nos tornar para sermos dignos de a orientar.

Cinco conselhos para CTOs

Quero dar conselhos que sejam úteis, em vez de conselhos que soem bem num palco de conferência: primeiro, resistam à pressão para ter uma estratégia de IA. Segundo, encarem a adoção como o principal desafio de engenharia, e não a integração. Terceiro, protejam ferozmente a vossa camada de discernimento. Quarto, prestem muita atenção aos ecossistemas de IA soberana… Quinto e, por fim, invistam no vosso próprio discernimento enquanto líderes com a mesma disciplina com que investem na capacidade técnica da vossa organização.

Abdulrhman AlOdhaybConsultor sénior de tecnologia do Gabinete do Ministro da Defesa da Arábia Saudita
Share This Quote on:

Quero dar conselhos que sejam úteis, em vez de conselhos que soem bem num palco de conferência, por isso permitam-me partilhar aquilo em que acredito, com base em dezanove anos a liderar transformações no interior de um dos ambientes institucionais mais complexos que se possa imaginar.

Primeiro, resistam à pressão para ter uma estratégia de IA. A vossa organização precisa de uma estratégia empresarial ao serviço da qual esteja a IA. Vi demasiados líderes tecnológicos despenderem uma enorme quantidade de energia a produzir roteiros de IA, a criar centros de excelência em IA e a anunciar iniciativas de IA, deixando, contudo, sem resposta a questão fundamental de qual o problema que estão a resolver para a instituição. A IA sem clareza estratégica não é transformação; é atividade sofisticada mascarada de progresso. Comecem pelo resultado que são responsáveis por alcançar e trabalhem de trás para a frente até ao ponto em que a IA cria maior alavancagem. Essa sequência é extremamente importante.

Segundo, encarem a adoção como o principal desafio de engenharia, e não a integração. O problema mais difícil na implementação da IA não é ligar o modelo aos vossos sistemas; é mudar a forma como as vossas pessoas pensam, decidem e trabalham na presença do apoio da IA. Na minha experiência, as organizações investem muito pouco nesta área. Afetam 80 por cento do seu orçamento à tecnologia e 20 por cento à mudança de pessoas e processos, quando o rácio que produz resultados está mais próximo do inverso. Se a vossa iniciativa de IA não incluir uma componente séria de gestão da mudança e de desenvolvimento de competências, estão a construir sobre areia, por mais sofisticada que seja a vossa arquitetura.

Terceiro, proteja ferozmente a sua camada de discernimento. À medida que a IA se torna mais capaz e mais integrada nos fluxos de trabalho, surgirá uma pressão constante, subtil e não tão subtil, para alargar a sua autoridade: permitir-lhe não apenas informar decisões, mas tomá-las; não apenas assinalar riscos, mas resolvê-los; não apenas elaborar recomendações, mas aprová-las. Resista a isso. Não porque a IA não possa ser tecnicamente capaz de fazer estas coisas em determinados domínios, mas porque, no momento em que a sua organização perde o hábito do discernimento humano, perde algo extraordinariamente difícil de reconstruir. O discernimento é um músculo. As organizações que deixam de o exercitar não permanecem estáticas; atrofiam. Num ambiente de alto risco, essa atrofia custa-lhe caro no pior momento possível.

Quarto, preste muita atenção aos ecossistemas de IA soberana, sobretudo se operar no governo, na defesa ou em infraestruturas nacionais críticas, ou nas proximidades destes setores. Questione o pressuposto de que as plataformas globais de hiperescala continuarão a ser a arquitetura predefinida para a IA empresarial. Na Arábia Saudita, estamos a assistir ao surgimento de uma infraestrutura de IA verdadeiramente soberana através de plataformas como a HUMAIN ONE. Estas plataformas são construídas com modelos de linguagem desenvolvidos prioritariamente em árabe, alojadas em infraestruturas nacionais de computação e concebidas especificamente para a complexidade de governação das grandes instituições. Para os CTO que operam em ambientes regulamentados ou sensíveis do ponto de vista da segurança, a questão de onde a sua IA é executada, em que infraestrutura, sob que jurisdição e com base em que dados foi treinada não é uma simples verificação de conformidade; é uma decisão arquitetónica fundamental que definirá a postura da sua organização em relação à IA durante a próxima década.

Quinto e último, invista no seu próprio discernimento enquanto líder com a mesma disciplina com que investe na capacidade técnica da sua organização. Este é o conselho que considero mais importante e menos debatido nos círculos tecnológicos. Os CTO que atravessam bem este momento não compreendem necessariamente a IA de forma mais profunda no sentido técnico. Combinam literacia técnica com sabedoria institucional, clareza estratégica e a coragem moral para tomar decisões adequadas às suas organizações, mesmo quando são impopulares a curto prazo. A IA continuará a evoluir, independentemente do que qualquer um de nós faça. A variável é a qualidade da liderança humana que a orienta.

Não estamos numa corrida para adotar a IA mais rapidamente; estamos numa corrida para a adotar com mais discernimento. Na minha experiência, a sabedoria nunca foi uma funcionalidade que se pudesse instalar.

Acompanhe o trabalho

Pode acompanhar o trabalho de Abdulrhman AlOdhayb no LinkedIn.

Em breve, haverá mais entrevistas com especialistas no The CTO Club.

You may also like