Conteúdo / Blog
Os desafios e as vantagens de mesclar uma equipe de RH metade humana, metade máquina com inteligência artificial
Em 11 de maio de 1997, em Nova York, o computador Deep Blue, da IBM, venceu o sexto e último jogo de xadrez contra Garry Kasparov, na ocasião o melhor enxadrista do mundo. Foram duas vitórias para Deep Blue, uma para Kasparov e três empates. Depois do sexto jogo, um Kasparov ainda agitado disse à imprensa que não era apenas ele quem havia perdido — mas toda a humanidade.
Passada uma década, Kasparov tornou-se o maior defensor de uma mudança radical nas regras do xadrez profissional, de modo a permitir uma disputa nova, chamada “xadrez centauro”.
Diferentemente de dois jogadores humanos, um de cada lado, Kasparov propõe duas duplas, compostas de um jogador de carne e osso e um computador. A pessoa decide quais movimentos gostaria de fazer; a tecnologia calcula as consequências possíveis daquela sequência.
A combinação humano-máquina reduz imensamente o risco de um erro tático, mas mantém o indivíduo no comando da estratégia. “Quando jogamos com a assistência de um computador”, afirma Kasparov, “podemos nos concentrar no planejamento estratégico do jogo em vez de perder tempo calculando a força de cada posição. Nessas condições, a criatividade humana ganha imensa importância.”
Algo semelhante ao xadrez centauro está acontecendo no mundo corporativo. Em essência, cada empresa compete com as outras ao tentar reunir a melhor combinação possível de funcionários.
Com a popularização da tecnologia, as organizações não têm mais somente o desafio de atrair e contratar os melhores trabalhadores, mas de montar o melhor time de centauros, mais ou menos à moda de Kasparov: metade humanos, metade máquinas com inteligência artificial (IA).
A novidade é que essa exigência também vale para a área de recursos humanos, na qual o uso de IA é mais difícil.
Ricardo Tozetti, gerente de recursos humanos da Embraer: com ajuda da IA, em poucos dias a empresa preencheu 180 vagas de estágio | Leandro Fonseca
Ricardo Tozetti, gerente de recursos humanos da Embraer: com ajuda da IA, em poucos dias a empresa preencheu 180 vagas de estágio | Leandro Fonseca (/)
Um fato ocorrido na Embraer pode ilustrar bem a força de um time de centauros. Sempre que anuncia a intenção de contratar estagiários, milhares de jovens se inscrevem.
Antes de agosto de 2018, a equipe de RH mais os responsáveis pelas vagas precisavam analisar 20 000 currículos, escolher, entre eles, 900 candidatos para a entrevista e, só no fim do processo, contratar 180 — ou, em outras palavras, de cada dez entrevistados, a Embraer admitia apenas dois deles.
“A quantidade de inscritos sempre foi absurda”, diz Ricardo Tozetti, gerente de RH da Embraer. “O processo seletivo durava meses, mas mesmo assim não era possível avaliar criteriosamente o currículo e o perfil de tanta gente.”
Em 2018, a fabricante de aeronaves obteve a ajuda de uma startup especializada em aplicar IA a processos de seleção, a Gupy. Para que um sistema assim funcione bem, ele precisa ser “treinado” com dados reais.
Por isso, Ricardo e seus colegas passaram uma parte de 2018 procurando identificar, nas várias áreas da companhia, onde estavam as informações relevantes, e puderam treinar o sistema com elementos relativos a 15 anos de contratações.
Quando o sistema ficou pronto, a Embraer anunciou o programa de estágio — os 18 000 interessados entraram num site próprio para o processo seletivo, inserido dentro do sistema de IA, forneceram algumas informações e fizeram testes (comportamental, inglês, lógica). O software escolheu sozinho os melhores candidatos para cada vaga, usando as regras que inferiu durante o treinamento.
O pessoal do recrutamento examinou brevemente a lista de selecionados para ver se não havia nenhum erro gritante, mas não achou nada. O sistema, então, enviou automaticamente os convites.
Em agosto de 2018, em poucos dias, os 260 candidatos pré-selecionados por IA compareceram na Embraer, fizeram uma dinâmica de grupo de manhã, almoçaram e foram entrevistados à tarde. À noite, a empresa já sabia quem deveria contratar entre os visitantes do dia.
De cada dez entrevistados, sete foram admitidos. “Durante poucos dias, preenchemos todas as 181 vagas. Os gestores ficaram contentes por terem gastado menos tempo com uma seleção tão certeira de estagiários e deram nota 9 ao processo como um todo”, diz Ricardo.
Treinando sem mentiras
Sempre que um fornecedor como a Gupy e um cliente como a Embraer obtêm sucesso juntos, se esforçam para divulgar a notícia, e por isso o interessado em histórias desse tipo talvez elabore a seguinte tese:
“Para que a área de recursos humanos use inteligência artificial e ajude sua organização a competir melhor, basta que ache um bom fornecedor de tecnologia”. Essa ideia é falsa. Um fornecedor competente, interno ou externo, é necessário para o sucesso da empreitada, mas não suficiente.
“As empresas raramente têm tudo aquilo que os manuais recomendam para o bom uso de inteligência artificial, especialmente bancos com dados no formato certo e na quantidade certa”, diz Vinicius Aloe, superintendente de RH do Santander.
Se a corporação vai usar informações para permitir que o software inteligente depreenda as regras que definem determinadas atividades e decisões (é isso o que treinar um sistema de IA significa), os elementos precisam ter ótima correspondência com a realidade — quer dizer, devem refletir fielmente a história.
Mas muitas vezes os dados contêm parcialidades ou injustiças (ou seja, vieses, a palavra da moda), especialmente aqueles relativos a processos de gestão de pessoas.
Por exemplo: um gestor G gostaria de promover o funcionário F no ano que vem, mas neste ano o desempenho de F foi medíocre (talvez por causa de um problema pessoal).
Pelas regras corporativas, contudo, F só pode subir de cargo se suas notas de desempenho forem maiores do que 8. Durante a avaliação anual do time, G tem a ideia de atribuir nota 9 a F — fazendo isso, os bancos de dados do RH já não correspondem mais à história real e não podem ser usados para treinar um sistema de IA.
Para evitar que um problema grave como esse aconteça, Vinicius acumula no Santander o papel de responsável pelas informações analíticas. Ou seja, pelos bancos de dados que a instituição pode usar para elaborar análises do que está acontecendo com os recursos humanos.
O executivo comanda uma equipe de especialistas em modelos preditivos, em técnicas estatísticas e em elaboração de relatórios de resultados. Com essas informações e esse time, o RH do Santander fornece aos empregados vários serviços.
Para citar um exemplo, envia avisos aos gestores dizendo: “No ritmo com que o Fulano de Tal está tirando dias de folga, não conseguirá zerar suas horas extras antes do prazo legal”.
Esses serviços, contudo, não são a principal missão de Vinicius — são secundários em relação à sua tarefa mais importante, que é garantir bancos de dados fiéis à história da organização, livres de parcialidades e injustiças, a fim de que no futuro possam ser usados para treinar sistemas de IA.
“Se alguém usar inteligência artificial a partir de documentos com vieses, mata o projeto, porque o sistema cometerá erros. E, como tais sistemas são automáticos e velozes, têm um potencial enorme para fazer besteiras”, diz Vinicius.
Talvez pareça que a Embraer, ao usar IA para contratar estagiários, soube contornar o problema dos vieses em bancos de dados, mas não é verdade. A maior parte das informações foi fornecida pelos próprios candidatos ao preencher as fichas e fazer os testes.
A máquina não perguntou qual era a área de interesse do estudante nem qual faculdade ele fez. “Para nós, não interessava se íamos colocar um engenheiro no RH ou um advogado no marketing. Exceção feita, é claro, para os cargos em que um curso específico era essencial”, diz Ricardo Tozetti.
Portanto, o software utilizou elementos limpos de preconceitos porque os dados eram, na maior parte, novos e desenhados para que não contivessem soslaios. “Se não fizéssemos isso, não teríamos diversidade, um dos objetivos do novo processo de seleção.”
Agora, tanto Embraer quanto Santander procuram oportunidades para usar inteligência artificial em outros processos de gestão de pessoas.
Ambas as empresas estão na fase de criar os projetos-piloto. Parte importante desse desenho é rever os procedimentos que, no fim das contas, alimentam os bancos de dados que serão usados para treinar a IA, de modo a limpá-los de vieses.
Graças à vontade de usar uma máquina inteligente, as duas companhias vão se tornar um pouco melhores do que já eram — talvez mais verdadeiras.
Um robô ajuda o RH a identificar problemas
Funcionários da Wayra, hub de inovação aberta da Vivo: empresa investe em robô que sabe responder a mais de 800 perguntas dos empregados | Germano Lüders
Funcionários da Wayra, hub de inovação aberta da Vivo: empresa investe em robô que sabe responder a mais de 800 perguntas dos empregados | Germano Lüders (/)
Das 6 000 ligações por mês (em média) que os funcionários da Vivo fazem para a área de recursos humanos, 3 000 são atendidas por um robô com inteligência artificial, a Vivi RH.
Ela sabe responder 800 perguntas distintas que os empregados podem elaborar de 3 000 maneiras. E, sempre que não entende algo, repassa a ligação para um atendente humano e inclui a pergunta numa lista que compila o que não entendeu em cada mês.
Essa relação tem se mostrado valiosa para a operadora. O sistema funciona desde abril de 2018 e, portanto, os profissionais já se habituaram a fazer perguntas para a máquina.
Quando questionam algo que ela não entende, é porque eles mesmos não estão compreendendo alguma coisa, e a frase sai torta — é sinal de que os humanos da área de RH devem intervir de alguma maneira.
“Com o tempo, queremos que as pessoas aprendam e parem de fazer as perguntas”, diz Luiz Cláudio Xavier, diretor de relações do trabalho da Vivo. Por enquanto, a Vivi RH responde a dúvidas que têm apenas uma resposta. “Só existem um jeito de pedir a segunda via do holerite e um jeito de tirar férias”, diz Luiz Cláudio.
Agora, ele e seu time estão levantando as informações para o próximo passo, usando a Vivi RH para falar sobre questões mais difíceis. “O problema é que a probabilidade de erro nos assuntos mais difíceis é maior, e existe uma linha tênue entre criar expectativas e atendê-las. Mas o potencial da tecnologia é enorme.”
Por Márcio Simões, da VOCÊ RH
Por Márcio Simões, da VOCÊ RH