A margem de erro era vista durante muito tempo como uma medida interna de qualidade: quantas correções, quanto retrabalho, quantas reclamações após a entrega. Os clientes viam pouco disso, desde que os erros que encontrassem se mantivessem dentro de uma margem aceitável. A margem de erro era algo pelo qual um fornecedor se avaliava a si próprio, não algo com que um cliente comparava fornecedores entre si.
Isso muda a partir do momento em que o trabalho por trás da margem de erro se desloca. A deteção de desvios — um valor introduzido incorretamente, um passo esquecido num processo, uma inconsistência entre dois documentos — é, em grande parte, trabalho de controlo: verificar algo em relação a um conjunto fixo de regras ou padrões. É exatamente esse tipo de tarefa que a IA pode assumir em grande medida, com um colaborador a avaliar o resultado e a aprová-lo ou rejeitá-lo com fundamento. Onde isso acontece, a margem de erro não diminui porque as pessoas prestam mais atenção, mas porque existem estruturalmente mais momentos de controlo do que antes era possível com a mesma equipa.
Nem todas as empresas implementam este controlo da mesma forma, e isso explica por que motivo um fornecedor apresenta uma margem de erro visivelmente mais baixa do que outro, apesar de ambos atuarem no mesmo mercado.
A diferença situa-se em alguns pontos:
Um cliente raramente vê a margem de erro como um número. Nota-a pelo número de vezes que uma fatura tem de ser devolvida, pelo facto de uma entrega estar correta à primeira, pelo facto de um relatório ser utilizável sem uma ronda de correções. Num fornecedor onde o controlo foi largamente transferido para IA com supervisão humana, esse padrão é diferente: menos rondas de retorno, menos "vamos ajustar isso já", menos surpresas após a entrega.
É também por isso que a margem de erro é difícil de reivindicar numa conversa de vendas. "Trabalhamos com rigor" diz pouco a um cliente; é por isso que as promessas de qualidade vagas em discursos de vendas soam muitas vezes intercambiáveis entre fornecedores. A comparação só se torna concreta quando fica claro que parte do controlo foi efetivamente assumida, e com base em quê.
A mudança na margem de erro afeta o desempenho de um fornecedor noutros pontos. Menos retrabalho significa muitas vezes também prazos de entrega mais curtos, o que altera a comparação em termos de prazo de entrega: veja como prazos de entrega mais curtos através de planeamento automatizado deslocam a norma num setor. Menos erros na execução também reduz o pós-venda, o que influencia a forma como os clientes avaliam a rapidez de resposta e a taxa de resolução do serviço pós-venda. E como menos retrabalho também significa menos custos, a margem de erro está indiretamente relacionada com a forma como a automatização altera a margem para preços mais competitivos. Quem avalia a margem de erro isoladamente perde essa relação.
Poucas empresas divulgam a sua própria taxa de erro. Ainda assim, a margem de erro pode ser lida a partir de sinais indiretos: com que frequência um concorrente aparece nas notícias por causa de correções, como as avaliações falam de trabalho de reparação, como está organizado um processo de orçamento ou de entrega. Para concorrentes que não publicam números, existe uma abordagem para reunir sinais sobre concorrentes sem que estes publiquem os seus próprios números.
A medida em que a margem de erro diminui através do controlo assistido por IA depende do tipo de erro, da qualidade dos dados subjacentes e do grau de supervisão humana que uma organização mantém. Não existe uma percentagem fixa que se aplique a todos os setores ou empresas, e ninguém pode garantir que uma tarefa seja efetivamente assumida. O que se pode avaliar é: que parte do trabalho de controlo numa determinada empresa se presta à automatização, e que parte continua a ser trabalho humano.
A pergunta sobre que trabalho na sua própria organização pode realmente ser assumido pela IA é respondida pela análise de funções da FTE TO AI, tarefa a tarefa. Para a comparação com o seu grupo de referência, existe a verificação de dimensão gratuita: indica em que pensa que se destaca, e vê quais dessas afirmações podem ser defendidas com provas. O benchmark completo, com pontuações por dimensão e uma matriz de evidências, está em desenvolvimento.