Investigações mostram que os assistentes de IA podem ajudar os trabalhadores a concluir tarefas de escritório com muita escrita mais rapidamente. Mas os melhores resultados vêm de usar a ferramenta como gerador de rascunhos e manter a verificação final com um humano. Os exemplos abaixo podem ser usados com qualquer assistente de uso geral.
- “A partir destas notas, escreva um email educado a pedir desculpa pelo atraso e a propor um novo prazo.”
- “Reduza este email longo a três frases e coloque o pedido principal em primeiro lugar.”
- “Torne o tom desta resposta mais formal mas caloroso.”
Reuniões
Pode dar ao assistente notas de reunião ou uma transcrição (gravada com o consentimento dos participantes) e dizer “liste as decisões tomadas, com responsáveis e datas”. Verifique sempre nomes e datas antes de enviar o resumo.
Folhas de Cálculo e Dados
- “Escreva e explique uma fórmula do Excel que totalize vendas por mês com base nas datas na coluna B.”
- “Como encontro registos de clientes duplicados nesta lista?”
- “Extraia três tendências-chave deste resumo de tabela como pontos.”
Teste as fórmulas numa pequena amostra primeiro; a IA às vezes sugere a coluna ou função errada.
Apresentações e Relatórios
- “Crie um esquema de apresentação de 6 slides para gestores a partir deste relatório, com um título e três pontos por slide.”
- “Prepare duas frases de notas do orador para cada slide.”
Lista de Verificação
- Os números e cálculos estão corretos?
- Os nomes, títulos e datas estão corretos?
- O tom é adequado para o destinatário e cultura da empresa?
- Contém informação confidencial?
Utilização Segura
Utilize dados de clientes, contratos e documentos internos apenas em ferramentas empresariais aprovadas pela sua empresa que incluam um acordo de proteção de dados. Você continua responsável pelo que produz.
O que diz a investigação sobre produtividade?
Os primeiros estudos abrangentes que medem o impacto da IA generativa no trabalho produziram resultados impressionantes. Numa experiência de Shakked Noy e Whitney Zhang do MIT, publicada na Science em 2023, os participantes que usaram IA para tarefas profissionais com muita escrita terminaram o trabalho cerca de 40 por cento mais rápido, e os avaliadores classificaram a qualidade do resultado como superior. Num estudo de Erik Brynjolfsson e colegas num centro de apoio ao cliente, o número de problemas resolvidos por hora subiu 14 por cento em média; os maiores ganhos foram vistos entre trabalhadores menos experientes.
Estes resultados aplicam-se a tarefas e condições específicas. A mesma investigação também nos lembra que confiar cegamente na ferramenta em assuntos que não conhece ou em que erra pode levar a erros.
Definir regras partilhadas na equipa
Quando a IA passa de ser um hábito individual a fazer parte do trabalho em equipa, algumas regras partilhadas evitam confusão:
- Que ferramentas são aprovadas? Todos devem conhecer a lista de ferramentas e tipos de conta que a empresa permite.
- Que dados não são partilhados? Devem ser definidos limites claros para informação de clientes, dados pessoais, contratos e números financeiros.
- Quem verifica? A pessoa que faz a leitura final de textos que saem para fora deve estar claramente definida.
- Quando é divulgado? Se a assistência de IA é mencionada em relatórios deve ser acordado antecipadamente.
Design de Prompts e Instruções Eficazes
A forma fundamental de alcançar a máxima eficiência das ferramentas de IA é melhorar a qualidade das instruções fornecidas a elas. Em vez de apenas definir uma tarefa geral, um utilizador obtém resultados muito mais bem-sucedidos quando atribui um papel, contexto e objetivo específicos à IA. Por exemplo, ao solicitar um texto, em vez de apenas indicar o tema, deve detalhar o público-alvo e o propósito pretendido.
O design eficaz de prompts está no centro do processo. Quanto mais claras, estruturadas e detalhadas forem as instruções, mais a produtividade da IA aumenta. Os utilizadores podem manter o controlo sobre o processo determinando o formato, o escopo e o nível de complexidade dos resultados. Esta abordagem garante a produção de rascunhos utilizáveis adaptados a necessidades de negócio específicas em vez de resultados aleatórios.
Aperfeiçoamento de Conteúdo e Gestão de Tom
As ferramentas de IA não apenas geram novos textos, mas também servem como instrumentos poderosos para alterar a textura linguística dos existentes. Se um relatório for considerado demasiado técnico, é possível transformar este texto numa linguagem mais compreensível ou tornar o tom severo de um email mais construtivo. Esta capacidade proporciona flexibilidade na comunicação profissional.
A gestão de tom é de importância crítica para preservar a identidade corporativa. É possível garantir que o conteúdo preparado com a ajuda da IA se alinha com a linguagem de comunicação geral e os valores culturais da instituição. Encurtar, expandir ou reestruturar textos de uma perspetiva diferente reduz a perda de tempo no processo de produção de conteúdo, abrindo mais espaço para a criatividade.
Integração em Fluxos de Trabalho Profissionais
Posicionar a IA como assistente no ambiente de escritório contribui para tornar as rotinas diárias mais fluidas. Em vez de assumir o trabalho inteiro, estas ferramentas podem ser usadas como parceiro de brainstorming nas fases iniciais de um processo. Tarefas como gerar ideias para um projeto, criar rascunhos ou resumir tópicos complexos podem ser realizadas muito mais rapidamente com a IA.
A integração da tecnologia nos processos de negócio existentes permite que os colaboradores se afastem de tarefas rotineiras e repetitivas e se foquem em trabalho mais estratégico. Operações como preparar o primeiro rascunho de um texto ou extrair pontos-chave de um documento longo podem ser concluídas num tempo muito curto com o apoio da IA. Esta situação afeta positivamente o ritmo geral de trabalho e a produtividade.
Limitações Críticas a Considerar
- O risco de gerar informação falsa ou incorreta.
- Inconsistências que podem ocorrer no raciocínio lógico.
- Dificuldade em compreender instruções complexas ou multi-camadas.
- O risco de ignorar contexto e nuances subtis.
- Falta de informação sobre eventos atuais.
Embora os modelos de IA sejam altamente avançados, não são infalíveis. Cada peça de informação produzida, especialmente dados a serem usados na tomada de decisões críticas, deve passar por supervisão humana. As conveniências oferecidas pela tecnologia exigem um mecanismo de controlo cuidadoso.
Abordagens Éticas e Transparência
A utilização de IA traz várias responsabilidades éticas. Gerir o conteúdo preparado de forma transparente é de grande importância para a ética empresarial. Nos casos em que uma grande parte de um relatório ou apresentação é preparada por IA, partilhar esta informação dentro da equipa ou com as partes interessadas relevantes ajuda a manter um ambiente de confiança.
Além disso, deve ter-se cautela quanto a potenciais vieses no conteúdo gerado por IA. Preconceitos decorrentes dos dados usados para treinar algoritmos podem refletir-se nos textos. Por isso, os utilizadores devem atuar não apenas como operadores, mas como editores que supervisionam a conformidade do conteúdo com valores éticos.
Aprendizagem Contínua e Adaptação
As tecnologias de IA possuem uma estrutura em rápida evolução. Por isso, os profissionais que usam estas ferramentas num ambiente de escritório devem atualizar-se continuamente sobre novas competências e métodos. Saber como usar as ferramentas não basta; compreender os limites e o potencial destas ferramentas também é essencial.
O processo de aprendizagem reforça-se através de tentativa e erro. Testar diferentes estruturas de prompts, comparar os resultados de várias ferramentas e descobrir os métodos mais eficientes aumenta a competência digital. Indivíduos que se adaptam à mudança tecnológica podem assumir um papel mais ativo nos modelos de trabalho do futuro.
As funcionalidades, planos e preços das ferramentas de IA mudam frequentemente. Verifique sempre a página oficial da ferramenta para informação atual.
Fontes e leitura adicional
- Erik Brynjolfsson, Danielle Li e Lindsey Raymond, “Generative AI at Work”, NBER Working Paper 31161, 2023.
- Shakked Noy e Whitney Zhang, “Experimental evidence on the productivity effects of generative artificial intelligence”, Science, 2023.
- Páginas de ajuda da Microsoft e Google sobre funcionalidades de IA no escritório.
- Noy, S. e Zhang, W. (2023), “Experimental evidence on the productivity effects of generative artificial intelligence”, Science
- Brynjolfsson, E., Li, D. e Raymond, L. (2023), “Generative AI at Work”, NBER Working Paper 31161
Deixe um comentário
Seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *