Construção
Bom, você chegou naquele ponto no qual a demanda de Analytics e IA de sua empresa está mais do que clara, os dados necessários para o modelo estão continuamente disponíveis e com qualidade, e mais do que isso, as questões de segurança já foram endereçadas.
Então, você conseguiu caminhar na construção de uma solução robusta, encontrou modelos de machine learning com boa acurácia, definiu inclusive como seus clientes internos visualizarão os resultados, com uma experiência de usuário bem planejada.
Decepção
Mas, depois de tudo isso, quase ninguém usa sua solução, mesmo que comprovadamente ela resolva problemas e demandas específicas de sua empresa. São vários os motivos do porquê isso acontece:
- Alguns se sentem ameaçados pela tecnologia;
- Outros estão muito atarefados para testar uma nova solução
- Vários são avessos à mudança
- Tem aqueles que não usam pois não foram chamados na hora de criar a solução;
- E existe o grupo de que discorda da acurácia e eficácia da solução
Verdades
Neste caso, a primeira notícia é que você não está sozinho nesta situação, na verdade isso é muito comum, ainda mais quando tratamos de tecnologias inovadoras: Trata-se de um problema de engajamento. Agora, a segunda notícia é que esse problema pode colocar a perder todo seu esforço.
Um erro comum é criar um envolvimento exagerado com o que a tecnologia pode oferecer e esquecer que a finalidade de tudo isso é beneficiar as pessoas que farão uso de tais ferramentas.
Empatia
Trata-se de uma questão de empatia: A empatia é uma aptidão emocional humana que nos permite compreender e identificar o próximo e assim emular seus sentimentos e contextos em nós mesmos. A empatia precede o engajamento e faz a ponte para concebermos sistemas práticos e eficientes.
Aliás, a praticidade de uso para as pessoas e o evidente reconhecimento das pessoas do resultado gerado devem ser objetivos obcessivamente perseguidos durante a implementação desse tipo de projeto.
As pedras no caminho
Mas, garantir o engajamento em projetos de Analytics e IA é mais difícil do que com outros projetos de software. Não se trata de um caminho linear, no qual se tem certeza de todas as tarefas, os processos de análises de dados, escolha e treinamento de modelos podem ser demorados, demasiadamente complexos e isso pode levar a descrença em usuários finais que estão na expectativa.
Como engajar
Portanto, após os testes de acurácia de modelo, quando já se existe certeza estatística dos benefícios que serão trazidos pela implementação de analytics e IA, é o momento correto de colocar seus esforços no engajamento através das seguintes iniciativas:
- Dentre muitas funcionalidades, focar nos recursos da solução que reduzem tempo e incerteza nos processos da empresa;
- Formar um grupo diverso de embaixadores: Pessoas que de antemão entendem, confiam e “vendem” naturalmente a solução; Pessoas capazes de monitorar como um grupo maior de usuários lidam com o processo de adaptação à tecnologia;
- Formar um grupo diverso de beta-testers / early adopters: Através da opinião e recomendação dos embaixadores, formar um grupo de pessoas com fluência no uso de tecnologias, dispostas e aptas a usar consistentemente a solução, mesmo com bugs, para alcançar dois objetivos:
- Comunicação imediata de erros encontrados e melhorias;
- Formação de pontos focais de suporte quanto à dúvidas sobre o uso da solução (As pessoas preferem pedir ajuda aos colegas próximos com quem possuem menos barreiras, do que formalizar sua inaptidão);
- Adicionar um canal claro de comunicação de erros e melhorias, com um programa de reconhecimento e reputação;
- Negociar um SLA curto para atender as demandas dos usuários;
- Comunicar resultados, benefícios e avanços e até mesmo problemas identificados da solução, com mensagens de lideranças da empresa, mescladas com mensagens de embaixadores, beta-testers e usuários
- Analisar os dados de utilização para prever possíveis sazonalidades, momentos ótimos e momentos ruins para a obtenção de resultados da solução de forma a preparar os embaixadores no fomento do uso dos recursos disponibilizados;
- Junto dos embaixadores e gestores, escrever ou modificar o processo empresarial que faz uso dos resultados do seu projeto de IA e Analytics, para que este processo inclua formalmente o uso do projeto de IA e Analytics como ferramenta oficial.
Quando engajar
Uma vez que a recomendação para criar engajamento se dá logo após a etapa de validação dos modelos de analytics e IA, fica evidente que a solução como um todo ainda não está pronta. E isto está correto. É bom que o engajamento comece junto da etapa de Data Visualization e UX, essa etapa marca o relacionamento dos benefícios de IA e Analytics com o usuários, é através de como os usuários interagem, enxergam e compreendem os dados que se alcança o valor entregue por esse tipo de projeto.
Embora exista esta recomendação de quando iniciar o processo de engajamento, não se pode esquecer do que foi dito anteriormente: “A empatia precede o engajamento”. Dessa forma, tudo deve começar com a empatia, com foco no humano. Ou seja, lá atrás quando a demanda pelo uso de Analytics e IA surgir, é fundamental ter este olhar empático e inclusive usar ferramentas e metodologias que ajudem neste olhar, como por exemplo “Design Thinking”.
É claro, que se o seu cenário coincide com o que propus no início deste texto, não só a concepção inicial do seu projeto de IA e Analytics já foi feita, bem como o data visualization, e aí você pode se perguntar, o que fazer agora? Minha recomendação seria começar pelos itens 2 e 8 explicados acima, seguido pelos itens 3 em diante, e nessa situação o item 1 não seria factível.
Compartilhe essa mensagem
A mensagem final é que o sucesso e longevidade de seu projeto corporativo de IA e Analytics depende do engajamento dos usuários. E qualquer processo de engajamento precisa estar alinhado com a realidade dos usuários, por este motivo, a empatia deve permear a implementação de qualquer projeto de IA e Analytics que envolva em qualquer nível, pessoas.
