Quando começámos a falar com as Big Four sobre IA, as conversas avançaram a uma velocidade surpreendente. Não houve uma longa introdução, nem foi preciso explicar por que razão a IA era importante. Quase de imediato, os sócios e os consultores seniores começaram a falar sobre aquilo em que realmente gastavam o seu tempo. Não era a tomar decisões nem a tirar conclusões, mas a preparar o trabalho. Recolher dados de diferentes sistemas. Alinhar números. Garantir que as análises cumpriam as normas internas antes de alguém poder sequer começar a pensar no significado dos resultados.
O que nos impressionou foi que nenhum deste trabalho tinha pouco valor. Era necessário. Mas também era esgotante. Pessoas muito experientes passavam grande parte do dia apenas a tentar chegar ao ponto em que podiam começar a pensar a sério.
À medida que as conversas avançavam, identificaram mais de várias dezenas de processos em que a IA poderia ter um papel. Elaboração de relatórios, conformidade, controlos financeiros, análise fiscal, revisões internas. À primeira vista, parecia um problema clássico de automação. Não era.
A maioria destes processos já dispunha de ferramentas, modelos e alguma automação. O que atrasava tudo estava entre as etapas. Mudar de contexto. Conciliar resultados. Aplicar critérios de avaliação consistentes a informação fragmentada. O verdadeiro custo não era apenas o tempo, era a carga cognitiva.
Foi então que mudámos a forma de olhar para o problema.
Em vez de perguntarmos como poderia a IA fazer o trabalho do princípio ao fim, começámos a perguntar como poderia apoiar as pessoas que o faziam. E se a IA pudesse tratar das partes que consomem energia, sem lhes retirar o controlo? E se pudesse preparar versões preliminares estruturadas, detetar inconsistências e tornar o seu raciocínio visível, para que os especialistas se concentrassem na avaliação em vez da preparação?
Assim que esta abordagem foi posta em prática, o impacto tornou-se tangível.
Nas várias equipas, os tempos de execução do trabalho analítico recorrente diminuíram 80 a 90 por cento. Os erros manuais, sobretudo nos processos com uma forte componente de reconciliação, diminuíram acentuadamente. Igualmente importante, os resultados tornaram-se mais consistentes entre equipas que antes abordavam o mesmo trabalho de formas ligeiramente diferentes. Em média, os consultores recuperaram cerca de 40 a 50 horas por mês, que podiam agora dedicar a trabalho de reflexão de maior valor.
Mas a mudança mais interessante não estava nos números.
Estava na forma como as pessoas falavam do seu trabalho. As revisões tornaram-se mais tranquilas. As discussões, mais focadas. Os responsáveis seniores pela revisão passaram menos tempo a verificar se tudo estava correto e mais tempo a discutir o que os resultados realmente significavam.
Com o tempo, o sistema deixou de ser visto como uma ferramenta que as pessoas tinham de usar. Passou a ser sentido como uma forma de trabalhar partilhada, absorvendo discretamente a maneira como as decisões eram tomadas e refletindo-a nas análises futuras.
Esta experiência também reforçou algo em que acreditamos há muito tempo. O progresso rumo a uma inteligência mais geral não virá de sistemas que tentam substituir especialistas em áreas complexas. Virá de sistemas que reduzem os obstáculos ao pensamento especializado e o amplificam.
Nestes projetos, a IA criou valor não por ser autónoma, mas por ser colaborativa. Não tomou decisões pelas pessoas. Ajudou-as a tomar melhores decisões, mais depressa.
Se há um indício inicial de onde os sistemas semelhantes à AGI terão impacto primeiro, é aqui. Não na automatização total, mas no apoio ao discernimento humano em larga escala.
Essa mudança, da automatização para a amplificação de capacidades, foi o que fez a diferença.
