Uma sala com telas de todos os tamanhos, gráficos coloridos e alertas piscando passa a impressão de controle. Basta perguntar a quem está ali qual decisão mudou por causa daquelas telas para o silêncio aparecer. Rolando Bonaccorsi, líder em IA e ciência de dados aplicadas a negócios e operações, é uma referência para discutir por que o volume de dados disponível e a qualidade das decisões tomadas a partir deles são coisas muito diferentes.
A ideia de que operar com dados significa apenas coletar mais dados é uma das mais comuns nas empresas de tecnologia. Coletar é a parte mais fácil, porque os sistemas modernos registram quase tudo o que acontece, o tempo todo. O difícil é transformar esse registro em uma escolha concreta, feita no momento certo, por quem tem autoridade para fazê-la, e acompanhada depois para saber se funcionou. Sem esse caminho completo, o painel vira decoração, e a operação continua guiada pela intuição de quem grita mais alto.
Mito 1: quanto mais indicadores, melhor a decisão
Em muitas operações, a lista de indicadores cresce a cada reunião, porque cada área pede o seu. O resultado é um conjunto enorme de números que ninguém consegue ler por inteiro, e que compete pela atenção de quem precisa decidir. Indicador, aqui, é qualquer medida acompanhada de forma regular, como o tempo médio para resolver um chamado ou a quantidade de falhas por semana. Quando são muitos, o que importa se perde no meio do que apenas existe.
Para Rolando Bonaccorsi, o critério para manter um indicador deveria ser a decisão que ele alimenta. Se ninguém consegue dizer o que faria de diferente caso o número subisse ou caísse, a medida provavelmente está ocupando espaço sem informar. Uma lista curta, em que cada item tem um responsável e uma ação associada, costuma servir melhor do que um mural completo de métricas que ninguém questiona.
Há ainda o problema da medida que vira meta. Quando uma equipe passa a ser cobrada apenas por um número, o comportamento se ajusta para melhorá-lo, nem sempre de um jeito que ajude o serviço. Em operações de atendimento, por exemplo, reduzir o tempo de resolução a qualquer custo pode levar ao fechamento apressado de chamados que voltam abertos dias depois. O dado estava certo, a decisão sobre como lê-lo é que estava errada.
Mito 2: o dado fala por si
Outra crença frequente é que basta mostrar o número para que todos cheguem à mesma conclusão. Na prática, o mesmo gráfico pode sustentar leituras opostas, dependendo do que se compara, do período escolhido e do que ficou de fora. Um aumento de incidentes pode indicar piora na qualidade ou, ao contrário, melhora no registro, já que a equipe passou a anotar problemas que antes eram resolvidos em silêncio.
Conforme detalha Rolando Bonaccorsi, o dado precisa de contexto e de interpretação, e a interpretação é trabalho de gente que conhece a operação. Cabe a essa leitura saber como o número foi produzido, que mudanças aconteceram no período e quais limitações a fonte tem. A qualidade da base pesa muito: dados duplicados, campos preenchidos de qualquer jeito e registros incompletos contaminam qualquer análise, por mais sofisticada que seja a ferramenta usada por cima.
E a inteligência artificial resolve? Ela ajuda a encontrar padrões em volumes que uma pessoa não conseguiria examinar, mas herda todos os defeitos da base que recebe. Um modelo treinado com registros ruins produz conclusões ruins, só que com aparência de precisão. Por isso a supervisão humana continua indispensável: alguém precisa questionar se o resultado faz sentido antes de transformá-lo em ação.
Rolando Bonaccorsi e o passo que falta: fechar o ciclo da decisão
Decidir com dados é um ciclo, e o erro mais comum é interrompê-lo na metade. O ciclo começa com uma pergunta clara, passa pela coleta e pela análise, chega a uma decisão e termina na verificação do que aconteceu depois. Muitas operações cumprem as primeiras etapas e esquecem a última, de modo que nunca descobrem se as escolhas anteriores foram boas ou apenas pareceram boas.
Sob a perspectiva de Rolando Bonaccorsi, o que separa uma operação madura de uma apenas bem equipada é a disciplina de voltar ao resultado. Na prática, a equipe registra a decisão, o motivo e o que se esperava obter, para comparar mais tarde com o que de fato ocorreu. Sem esse registro, a memória da equipe acaba reescrevendo a história a favor de quem decidiu, e o aprendizado se perde junto com a oportunidade de corrigir o rumo.
Na prática, começar pequeno funciona melhor do que tentar mudar a cultura inteira de uma só vez. Escolher uma decisão recorrente, definir que dado a sustenta, combinar quem a toma e revisar o resultado depois de algumas semanas já cria o hábito. Com o tempo, o método se espalha para outras áreas, e o painel deixa de ser vitrine para se tornar ferramenta de trabalho, consultada porque ajuda a escolher, não porque está pendurada na parede.
