Uma pesquisa recente do Gartner descobriu que, hoje, 65% das tomadas de decisões estão mais complexas – envolvem mais partes interessadas ou escolhas – do que há dois anos. Em razão disso, as empresas têm recorrido cada vez mais aos dados e às análises para melhorá-las. O que inclui a Inteligência Artificial.
Na opinião da consultoria, há três graus em que a IA pode ser implantada para possibilitar decisões mais rápidas, mais consistentes, mais adaptáveis, de alta qualidade e em escala: o da decisão completamente automatizada, o da decisão humana, aumentada por tecnologias de recomendação e o do mero suporte à decisão. Eles diferem entre si em função das técnicas analíticas usadas no processo de tomada de decisões e quem (ou o quê) é responsável por tomá-las.
- Decisão completamente automatizada – O sistema toma a decisão usando análises prescritivas ou análises preditivas. Seus benefícios incluem velocidade, escalabilidade e consistência na tomada de decisões.
- Decisão humana, aumentada – O sistema recomenda uma decisão, ou várias alternativas de decisão, para usando análises prescritivas ou preditivas. Seus benefícios estão na sinergia entre o conhecimento humano e a capacidade da IA de analisar rapidamente grandes volumes de dados e lidar com a complexidade.
- Apoio à decisão – Funcionários tomam a decisão apoiados por análises descritivas, diagnósticas ou preditivas. Seu principal benefício reside na aplicação combinada de percepções baseadas em dados e conhecimento humano, experiência e bom senso, incluindo “intuição” e emoções.
Quando optar por cada um deles? Vai depender de duas varáveis: o intervalo de tempo ou a rapidez com que a organização precisa tomar uma decisão; e a complexidade dela.
A dimensão do tempo se refere ao intervalo entre o momento em que a organização reconhece uma ameaça ou oportunidade e quando decide agir. Ele pode variar segundos, no caso de negociação de ações de alta frequência; semanas, no caso de decisões salariais; e meses ou mesmo anos, no caso de fusões ou aquisições estratégicas.
A complexidade também opera em um continuum, estendendo-se do simples ao complicado, complexo e caótico:
- Situações simples são estáveis e previsíveis e operam de acordo com causa e efeito claros. Os exemplos incluem processamento de folha de pagamento ou roteamento de call center.
- Situações complicadas requerem perícia ou análise para identificar causa e efeito, geralmente usando perícia com uma prática conhecida de solução de problemas. Os exemplos incluem fraude em seguros, gerenciamento de ativos e campanhas de marketing.
- Situações complexas envolvem vários relacionamentos e interdependências, e uma análise eficaz requer uma abordagem sistêmica ou holística, com simulações para ver como as decisões podem afetar elementos distantes. As interrupções na cadeia de suprimentos são um exemplo.
- Situações caóticas têm causas e efeitos desconhecidos, com interdependências dinâmicas ou pouco claras. Pequenas mudanças podem ter impactos aparentemente desproporcionais. A tomada de decisão é muito difícil e requer experimentação e aprendizado na prática. Os exemplos incluem quedas do mercado de ações, campos de batalha e desastres naturais.
Aplicar as dimensões de tempo e complexidade permitirá que os líderes avaliem as decisões individuais e determinem o valor e a viabilidade de automatizá-las, aumentá-las ou apoiá-las.
A automação é uma opção atraente para decisões simples que precisam ser feitas em alguns segundos até 15 minutos. O aumento de decisão é uma opção para decisões complicadas ou aquelas que precisam ser feitas em minutos ou horas. Para decisões complexas ou mesmo caóticas, e aquelas que não são urgentes, os líderes podem explorar o suporte à decisão.
