A PERGUNTA
O jidoka foi a maneira encontrada por Sakichi Toyoda para garantir que a tecnologia assumisse aquilo que as máquinas fazem bem, permitindo que as pessoas se concentrassem no que os seres humanos conseguem fazer. Mais de um século depois, as organizações se veem novamente diante de uma escolha: a tecnologia deve substituir as pessoas ou potencializá-las?
À medida que a inteligência artificial transforma o trabalho em larga escala, como os líderes podem projetar ativamente organizações nas quais as pessoas prosperem, em vez de simplesmente sobreviverem às mudanças tecnológicas? E o que o lean nos ensina sobre como esse modelo se traduz na prática?
(Por sinal, esse é o tema do Lean Global Connection deste ano.)
AS RESPOSTAS
A história do tear de Sakichi Toyoda costuma ser contada como um exemplo de tecnologia a serviço das pessoas. Mas ela merece uma leitura mais honesta. O tear Tipo G parava automaticamente quando um fio se rompia — o que permitia que um único operador de tear supervisionasse dezenas de máquinas, em vez de precisar acompanhar apenas uma. Essa invenção abriu caminho para dois futuros possíveis: menos tecelões fazendo o mesmo trabalho ou os mesmos tecelões fazendo um trabalho melhor.
O tear não tinha opinião sobre qual dessas alternativas deveria prevalecer. O que mais tarde se tornou o Sistema Toyota de Produção foi o que transformou a segunda escolha em algo sistemático: a atenção humana liberada era deliberadamente direcionada à resolução de problemas, à melhoria e ao julgamento que nenhuma máquina era capaz de exercer. Elevar o trabalho humano nunca foi uma característica da tecnologia em si; era uma característica do sistema construído ao redor dela.
Estamos diante da mesma encruzilhada com a inteligência artificial, mas em uma escala muito maior, e a maioria das organizações está fazendo sua escolha por omissão. Elas implementam IA em estruturas que permanecem inalteradas, e suas pessoas acabam presas ao pior modelo híbrido possível: supervisionam resultados gerados pelas máquinas sem ter qualquer autoridade sobre eles, no ritmo das máquinas, mas continuam carregando a responsabilidade pelas consequências.
O lean nos mostra como é um desenho deliberado, e ele é desconfortavelmente concreto.
Faça o que Sakichi realmente fez: separe o trabalho da máquina do trabalho humano, de forma explícita, função por função. Detecção de padrões, busca e recuperação de dados e informações, elaboração de rascunhos e monitoramento ficam com a máquina. Julgamento, tratamento de exceções, relacionamentos e melhoria ficam com as pessoas. A maioria das implementações de IA ignora completamente essa etapa; as funções vão se deteriorando aos poucos, em vez de serem redesenhadas.
Mantenha também a lógica de autoridade do jidoka. O tear parava e chamava uma pessoa; a anormalidade era direcionada ao julgamento humano. O mesmo precisa acontecer com a IA: a pessoa mais próxima do trabalho deve ter a capacidade (e deve ser estimulada) a interromper, questionar e corrigir o algoritmo. Uma organização em que ninguém pode “puxar a corda do andon” da IA não automatizou a inteligência. Só automatizou a esteira e manteve a vigilância.
Reinvista a capacidade liberada de forma que as pessoas consigam perceber claramente onde ela está sendo aplicada. Se as horas economizadas pela IA forem silenciosamente convertidas em metas de redução de pessoal, as pessoas, de maneira racional, irão resistir e esconder o que sabem. Se, em vez disso, essas horas forem visivelmente transformadas em tempo para kaizen, capacitação e contato com clientes, as pessoas levarão para a máquina seus melhores problemas.
Por fim — e isso é algo que vejo diariamente ao desenvolver IA para organizações dos setores nuclear, farmacêutico e de defesa —, trate o julgamento dos especialistas como um ativo, e não como um custo. O conhecimento tácito de um operador experiente é exatamente aquilo que a IA não consegue substituir e, ao mesmo tempo, exatamente aquilo que uma implementação descuidada pode destruir: primeiro pela perda gradual de competências e, depois, pela aposentadoria dessas pessoas sem que seu conhecimento tenha sido retido e compartilhado. O desafio de desenvolver está em extrair, preservar e ampliar esse julgamento — o problema que trabalhamos na Ethermind —, e isso é mais difícil do que criar qualquer modelo de IA.
A tecnologia deve substituir as pessoas ou potencializá-las? Essa é a pergunta errada.
A tecnologia fará exatamente aquilo para o qual a organização ao seu redor foi projetada. Sakichi entendeu isso há um século. Os líderes cujas equipes prosperarem na era da IA serão aqueles que projetarem conscientemente suas organizações para elevar o potencial humano. E é exatamente essa a conversa que estará no centro do Lean Global Connection deste ano.
A tecnologia deve substituir as pessoas ou ampliar suas capacidades? Formulada dessa maneira, a pergunta convida a uma resposta moral — e, pelo menos em teoria, todo mundo sabe qual seria a resposta correta. Mas ela também é inútil do ponto de vista operacional, porque nenhum executivo anunciará abertamente a intenção de substituir pessoas por IA, assim como nenhum fornecedor afirmará que seu produto tornará o processo pior.
Na prática, existem quatro tipos de relação entre humanos e IA. No primeiro, as pessoas apenas conectam sistemas que não funcionam de forma integrada; isso é desperdício, não complementaridade. No segundo, elas supervisionam a máquina enquanto ela aprende; isso é útil, mas temporário. No terceiro, a IA cuida dos casos padronizados, enquanto as pessoas absorvem a verdadeira variabilidade e a complexidade. Nesta coluna, gostaria de explorar o quarto tipo: aquele em que a máquina precisa interromper o próprio trabalho e transferir o caso assim que surge um defeito.
É justamente aqui que os aprendizados da Toyota se tornam mais relevantes. O jidoka de Sakichi Toyoda nunca foi uma escolha moral destinada a preservar a dignidade humana. Era um dispositivo: um tear que parava quando um fio se rompia. Não um tear que tecia melhor, nem um equipamento que simplesmente alertava o operador, mas uma máquina que se recusava a continuar produzindo tecido defeituoso. Posteriormente, a Toyota chamou esse princípio de autonomação: automação com um toque humano. Qual seria o equivalente disso para a inteligência artificial?
Existem duas situações em que um sistema de IA pode falhar. A primeira ocorre logo no início, quando ele interpreta incorretamente a situação com a qual está lidando. Esse é um problema relacionado ao aprimoramento do julgamento, mas não é o foco aqui. A segunda, mais preocupante, ocorre durante a execução: a IA pode cometer um erro elementar sem perceber e sem reportá-lo — interpretar incorretamente um valor, vincular um pagamento ao cliente errado ou inventar uma política de reembolso.
No caso Moffatt v. Air Canada, um chatbot forneceu uma regra de tarifa por luto que não existia. A Air Canada recusou o reembolso e argumentou que o chatbot era uma entidade jurídica distinta, responsável pelas próprias declarações. O juiz não aceitou esse argumento e responsabilizou a empresa pelas informações publicadas por meio de seu chatbot.
Como isso acontece? Um modelo de linguagem é probabilístico, e não determinístico — se o mesmo caso for executado duas vezes, os resultados podem ser diferentes. Portanto, cada ação executada pela IA carrega uma determinada probabilidade de erro. Considere um fluxo de trabalho composto por vinte ações sucessivas executadas com 99% de confiabilidade: a confiabilidade do processo de ponta a ponta cai para apenas 82%. Mesmo com uma confiabilidade de 99,5% por etapa, o resultado final fica em 90,5%. Na maioria dos processos operacionais, isso está muito longe de ser suficiente.
Uma abordagem ingênua seria perguntar ao próprio modelo, ou a um segundo modelo, se ele acredita que sua resposta está correta. Mas Sakichi não perguntava ao tear se ele “achava” que estava tecendo corretamente. Como não podemos eliminar a natureza não determinística do modelo, precisamos encontrar seu equivalente digital: um fio que se rompe, um peso que cai, um mecanismo que interrompe o processo.
O processo de quote-to-cash (da cotação ao recebimento) é longo e crítico para as empresas, e já contém vários desses “fios digitais”. Uma fatura precisa fechar corretamente. A conciliação de um pagamento precisa apontar para uma conta a receber existente. Uma nota de crédito precisa estar associada a uma causa identificada. Um cronograma de pagamentos precisa permanecer dentro das condições autorizadas. Um cliente com saldo zero não deve receber uma notificação de cobrança. Esses não são índices de confiança. São condições objetivas: verdadeiras ou falsas, que podem ser testadas sem consultar o modelo. Cada uma delas pode se romper e, ao se romper, parar a linha.
Esta é a regra que a onda de IA viola sistematicamente: um modelo que se verifica a si mesmo não verifica nada, e um segundo modelo que verifica o primeiro compartilha dos mesmos pontos cegos. Os melhores sistemas precisarão, portanto, de uma arquitetura dupla: IA para circular e transformar dados, e uma camada determinística — ironicamente, à moda dos velhos sistemas de informação — para identificar o defeito e parar o trabalho. Não um modelo mais confiável, mas um modelo cujos erros sejam detectáveis por algo além dele mesmo.
Qualidade em primeiro lugar.
A IA não está pedindo às organizações que escolham entre pessoas e tecnologia. Ela está pedindo aos líderes que redesenhem o trabalho para que ambos possam dar o seu melhor.
Sob a perspectiva de Lean Tech, esse é o verdadeiro desafio. A questão não é se a IA substituirá as pessoas, mas se os líderes estão dispostos a redesenhar processos, decisões e sistemas de gestão em torno das capacidades exclusivamente humanas.
O lean sempre nos ensinou que a tecnologia deve ampliar a geração de valor, nunca se tornar o valor em si. O jidoka nunca teve como objetivo retirar as pessoas do sistema; sua finalidade era libertá-las de tarefas repetitivas e previsíveis para que pudessem aplicar julgamento, criatividade, colaboração e melhoria contínua onde isso realmente importa. A inteligência artificial simplesmente amplia esse princípio para o trabalho do conhecimento.
Infelizmente, muitas organizações ainda abordam a IA como uma implementação tecnológica, e não como uma transformação organizacional. Elas automatizam processos fragmentados, aceleram desperdícios que já existiam e comemoram ganhos de produtividade sem questionar se estão criando mais valor para seus clientes ou um trabalho mais significativo para seus colaboradores. Um desperdício mais rápido continua sendo um desperdício.
O Lean Tech oferece outro caminho. Ele começa pela compreensão do problema antes da escolha da tecnologia. Redesenha os fluxos de valor antes de automatizá-los. Desenvolve as pessoas ao mesmo tempo em que desenvolve capacidades digitais. E, mais importante, cria sistemas de gestão nos quais pessoas e IA aprendem continuamente umas com as outras, em vez de competirem entre si.
As organizações que liderarão a próxima década não serão aquelas que tiverem a inteligência artificial mais avançada. Serão aquelas capazes de projetar, de forma intencional, sistemas nos quais a IA amplie o potencial humano, fortaleça a tomada de decisão, acelere o aprendizado e permita que as pessoas dediquem mais tempo à resolução de problemas complexos e à criação de um valor que somente os seres humanos são capazes de gerar.
A maior responsabilidade de um líder hoje não é implementar inteligência artificial. É projetar organizações em que a tecnologia eleve continuamente as pessoas e em que as pessoas melhorem continuamente a tecnologia. Isso não é apenas coerente com o Pensamento Lean; é a evolução natural de seu propósito. Na era da IA, as organizações mais competitivas não serão as mais automatizadas; serão aquelas mais centradas nas pessoas.
Inscreva-se no Lean Global Connection deste ano.