AI Adoption Across a Multinational Workforce: Sociotechnical Conditions for GenAI Acceptance in Human Resources
Este artigo investiga a adoção de IA Generativa dentro de um departamento de RH multinacional, revelando que a aceitação é impulsionada pelo alinhamento entre o design do sistema e as posicionalidades dos colaboradores, pelo desenvolvimento de confiança por meio de práticas de verificação e pela qualidade da infraestrutura de conhecimento organizacional, oferecendo, em última análise, diretrizes de design para a implementação de uma IA inclusiva e responsável.
Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo
Imagine uma grande empresa que decide atualizar seu "Help Desk de RH" interno. Durante anos, os funcionários usaram um sistema de biblioteca antigo e confiável chamado STEVE para encontrar respostas sobre pagamento, férias ou políticas. Funcionava como um mecanismo de busca tradicional: você digitava uma palavra-chave e ele fornecia uma lista de documentos para ler.
Recentemente, a empresa introduziu uma nova ferramenta brilhante chamada PEOPLE TOOL. Este novo sistema utiliza IA Generativa (GenAI). Em vez de apenas listar documentos, ele tenta ler os documentos por você e escrever uma resposta direta à sua pergunta, como um assistente inteligente.
Os pesquisadores queriam saber: Todos começaram a usar o novo assistente inteligente ou algumas pessoas ficaram para trás? Eles analisaram registros de busca, fizeram perguntas a 25 funcionários e entrevistaram 10 pessoas para descobrir.
Aqui está o que eles descobriram, explicado de forma simples:
1. Não é uma "Troca", é uma "Caixa de Ferramentas"
Os pesquisadores esperavam que os funcionários parassem de usar a antiga biblioteca (STEVE) e mudassem inteiramente para a nova IA (PEOPLE TOOL). Isso não aconteceu.
Em vez disso, os funcionários agiram como compradores espertos. Eles mantiveram ambas as ferramentas em sua caixa de ferramentas.
- Se precisavam de uma resposta rápida e simples, usavam a IA.
- Se precisavam ver a redação jurídica exata de uma política, ou se a IA parecesse confusa, voltavam para a antiga biblioteca ou perguntavam a um colega humano.
A Metáfora: Pense nisso como cozinhar. Se você precisa de uma ideia rápida de receita, pergunta a um aplicativo de culinária inteligente (IA). Mas se você precisa saber os ingredientes exatos de uma marca específica de molho por causa de uma alergia, você lê o rótulo na garrafa (o sistema antigo) porque confia mais no rótulo do que no palpite do aplicativo.
2. O Probleo do "Tamanho Único"
O novo sistema de IA foi projetado com um tipo específico de trabalhador em mente: alguém sentado em uma mesa com um laptop, confortável com tecnologia e que fala inglês.
A Verificação da Realidade:
- O Trabalhador de Escritório: Ele se encaixa perfeitamente no design. Ele conseguia digitar perguntas e obter ótimas respostas.
- O Trabalhador de Fábrica: Eles frequentemente não tinham laptops, trabalhavam em turnos ou falavam uma língua diferente. Para eles, o novo sistema parecia uma porta trancada. Eles nem sequer consegravam digitar a pergunta na "linguagem da empresa" correta porque não estavam acostumados com termos de RH.
A Metáfora: Imagine que a empresa construiu um elevador luxuoso e de alta tecnologia (a IA) para todos. Mas o elevador só tem botões para o 10º andar para cima e só fala inglês. A pessoa que trabalha no porão (o trabalhador de fábrica) não consegue usá-lo, então continua pegando as escadas (o sistema antigo ou perguntando a um gerente), mesmo que o elevador esteja "disponível" para ela.
3. Você Tem que Aprender uma Nova "Linguagem"
Usar a IA não era apenas sobre ter acesso; era sobre saber como falar com ela.
- Com o sistema antigo, você digitava palavras-chave curtas como "férias".
- Com a IA, você tinha que escrever frases completas, dar contexto e, às vezes, perguntar novamente se a resposta fosse estranha.
Muitos funcionários não perceberam isso. Eles tentaram falar com a IA como falavam com o antigo mecanismo de busca, obtiveram uma resposta ruim e então desistiram. Eles tiveram que aprender uma nova habilidade: Letramento de Busca em IA.
A Metáfora: É como passar de um controle remoto (sistema antigo: apenas apertar um botão) para um smartphone (novo sistema: você tem que saber qual app abrir, como digitar e como solucionar problemas). Se você não sabe usar o smartphone, pode acabar continuando a usar o controle remoto antigo, mesmo que o telefone seja mais rápido.
4. A Confiança é Construída com "Dupla Verificação"
Mesmo quando a IA dava uma boa resposta, os funcionários não a aceitavam cegamente. Em RH, uma resposta errada pode significar perder dinheiro ou dias de férias.
Como eles construíram confiança:
- A "Verificação de Fonte": Eles clicavam nos links que a IA fornecia para ler o documento original.
- A "Verificação de Boato": Eles perguntavam a um colega: "Você ouviu falar disso?".
- A "Verificação do Gestor": Eles pediam ao chefe para confirmar.
A Metáfora: Imagine que a IA é um guia turístico em uma cidade estrangeira. Você pode até ouvir o guia, mas ainda verifica o mapa por conta própria, pergunta a um lojista local ou olha uma placa para garantir que o guia não está te levando para o museu errado. Você não segue o guia cegamente.
5. A Regra do "Lixo Entra, Lixo Sai"
Os pesquisadores descobriram que a IA era tão boa quanto os documentos que estava lendo.
- Se os documentos de RH da empresa fossem bagunçados, desatualizados ou difíceis de encontrar, a IA daria respostas confusas ou erradas.
- Os funcionários culpavam a IA pelas respostas ruins, mas o problema real era a biblioteca da qual a IA estava lendo.
A Metáfora: A IA é como um chef. Se você der ao chef ingredientes frescos e de alta qualidade (bons documentos), ele fará uma ótima refeição. Se você der a ele vegetais podres (documentos ruins e bagunçados), até o melhor chef fará uma refeição ruim. O problema não era o chef; era a despensa.
A Grande Conclusão
O artigo conclui que simplesmente dar acesso a todos a uma ferramenta de IA sofisticada não significa que todos se beneficiem dela.
- Acesso Formal (ter o login) Acesso Prático (ser capaz de usar efetivamente).
- Para tornar a IA justa, as empresas precisam consertar a "despensa" (organizar seus documentos), ensinar as pessoas como "cozinhar" (treiná-las sobre como fazer perguntas) e perceber que alguns trabalhadores (como o pessoal da fábrica) podem precisar de um tipo de ferramenta diferente, não apenas uma digital.
Em resumo: A tecnologia é tão útil quanto o contexto para o qual foi construída. Se você construir uma ferramenta para o escritório, o trabalhador da fábrica ainda será deixado para trás.
Afogado em artigos na sua área?
Receba digests diários dos artigos mais recentes que correspondam às suas palavras-chave de pesquisa — com resumos técnicos, no seu idioma.