Entregar qualidade e comprovar qualidade não são o mesmo trabalho. O primeiro acontece no chão de fábrica, ao telefone, no código. O segundo acontece depois: controlar, sinalizar desvios, corrigir, registar que está correto. É nessa segunda parte que a diferença surge agora. Não porque a IA seja melhor no trabalho técnico, mas porque o trabalho de controlo — a parte que determina se um erro é detetado antes de o cliente o detetar �� pode ser parcialmente automatizado.
Há um ano, a garantia de qualidade era uma questão de amostragem e atenção humana. Quem tinha mais capacidade para controlo, detetava mais erros. Isso ainda é verdade em empresas onde esse trabalho ainda está inteiramente nas mãos de pessoas. Mas onde os sistemas verificam continuamente cada transação, cada entrega ou cada linha de código em vez de uma amostra, a norma desloca-se. Não porque as pessoas ali sejam melhores, mas porque a cobertura é maior.
Por trás de cada alegação de qualidade existe uma cadeia de tarefas. Inspeção: este produto, esta entrega, esta linha está concluída conforme acordado. Deteção de desvios: isto foge à norma, e alguém teria detetado isso sem o sistema. Retroação: a informação chega a tempo a quem pode corrigir o rumo. Registo: existe um rasto que comprova que houve verificação, não apenas que o resultado correu bem.
Estas tarefas dividem-se nas três categorias que surgem em todo o lado. A deteção de desvios com base em padrões em grandes conjuntos de dados é frequentemente algo que um sistema pode assumir, desde que os dados sejam limpos e completos. A avaliação sobre se um desvio é aceitável no contexto de um cliente específico continua, geralmente, a ser uma tarefa com supervisão humana: o sistema sinaliza, alguém aprova ou rejeita, com fundamento. E o verdadeiro julgamento técnico — se este trabalho é bom, não apenas segundo a norma mas segundo o sentimento do cliente — continua a ser trabalho humano. Nenhuma destas três está organizada da mesma forma em todo o lado, e é exatamente por isso que a comparação entre empresas mede agora algo diferente do que media há cinco anos.
Se o trabalho de controlo numa empresa está em grande parte automatizado e na outra não, já não está a comparar duas empresas com o mesmo esforço de qualidade e um resultado diferente. Está a comparar dois tipos diferentes de cobertura. A empresa onde cada linha é verificada em vez de uma amostra de cinco por cento, encontra erros que a outra estruturalmente não deteta — não por trabalho melhor, mas por mais observação.
Isso muda o valor de uma alegação de qualidade. "Aplicamos um controlo de qualidade rigoroso" significava antes: dedicamos pessoas a isso. Agora também pode significar: em nossa empresa quase nada passa despercebido porque o controlo não depende de quantos controladores estavam disponíveis naquela semana. É uma promessa diferente, e o cliente que ouve ambas não sabe qual das duas está a ouvir sem perguntar como o trabalho está exatamente organizado.
Esta mudança também é visível no que resta para as pessoas. Onde a deteção foi assumida, a função de qualidade desloca-se para a avaliação: este desvio é um problema, e o que fazemos com ele. Isso é um trabalho diferente de contar e registar, e exige competências diferentes. Empresas onde essa mudança ainda não foi implementada, ainda atribuem esse julgamento técnico às mesmas pessoas que também faziam a contagem — com menos tempo para o julgamento porque a contagem ainda não desapareceu.
A velocidade a que este trabalho muda não depende da vontade de inovar. Depende de os dados subjacentes serem suficientemente estruturados para permitir verificação automática, de o cliente ter um processo que se deixa acompanhar digitalmente com facilidade, e de já estar definido o que "bom" significa exatamente para aquele produto ou serviço específico. Um processo de produção com especificações fixas presta-se mais facilmente a verificação automatizada do que um processo de consultoria em que a qualidade reside sobretudo na conversa.
É também por isso que a qualidade raramente existe isoladamente. A vantagem que a IA proporciona em qualidade está ligada à forma como uma empresa organizou o seu serviço pós-venda, se as avarias são detetadas tão rapidamente como são resolvidas, e ao conhecimento técnico necessário para avaliar o valor de um desvio sinalizado. Um sistema que assinala mil desvios por dia não é uma vantagem sem pessoas que saibam qual deles conta.
Se um concorrente já transferiu parcialmente o seu trabalho de qualidade para um sistema, não é visível de fora no resultado final. Mas é visível na forma como fala sobre isso: em cobertura e tempo de execução, ou em esforço e mobilização de pessoas. Quando você próprio apresenta uma alegação de qualidade que não consegue sustentar com um número, vale a pena analisar como fundamentar uma alegação sobre a sua própria qualidade antes que um cliente ou concorrente o faça por si. E se se verificar que está em desvantagem nesta dimensão, existe uma abordagem para a questão o que fazer com uma desvantagem numa dimensão que não começa com pânico mas com prova.
A questão subjacente — que parte do trabalho de qualidade na sua empresa pode realmente ser assumida pela IA, e que parte continua a ser trabalho humano — é respondida pelo scan de trabalho da FTE TO AI por tarefa, não ao nível de todo o departamento.
Como primeiro passo, pode fazer a verificação de dimensão gratuita: identifica onde pensa que está a ganhar, e vê quais dessas alegações podem ser defendidas com prova. O benchmark completo, com a matriz de prova para o seu setor, está em construção.