Trate-a como uma parceira em uma conversa estruturada.
Ninguém duvida da capacidade do ChatGPT de gerar muitas ideias. Mas essas ideias são boas? Em um experimento recente no mundo real, equipes envolvidas em uma tarefa de solução criativa de problemas viram ganhos modestos com a assistência da IA na maioria das vezes — e algumas tiveram desempenho abaixo do esperado. Não culpe a tecnologia, diz Kian Gohar, CEO da empresa de desenvolvimento de liderança GeoLab e um dos autores do estudo.
Conceitos equivocados comuns sobre IA generativa, resolução de problemas e o processo criativo estão fazendo com que trabalhadores e seus gerentes usem as ferramentas de maneira inadequada, às vezes deixando-os em situação pior do que se tivessem prosseguido sem o input da IA.
Gohar e seu co-pesquisador, Jeremy Utley da Universidade de Stanford, se associaram a quatro empresas: duas na Europa e duas nos Estados Unidos. Até 60 funcionários de cada empresa foram solicitados a trabalhar em pequenas equipes em um problema de negócio que a empresa enfrentava — como desenvolver recursos internos de treinamento, por exemplo, ou como expandir as vendas B2B de um produto específico.
Em cada uma das empresas, algumas equipes (aquelas no grupo de controle) abordaram o problema sem qualquer ajuda da IA, enquanto outras (aquelas no grupo experimental) receberam uma versão de código aberto do ChatGPT. Todas as equipes assistiram a uma breve apresentação sobre o problema com o qual foram incumbidas e tinham folhas de informações detalhando os detalhes relevantes.
As equipes tiveram 90 minutos para gerar soluções potenciais, seguindo uma estrutura prescrita pelos pesquisadores. Os funcionários primeiro trabalhavam individualmente e depois compartilhavam suas ideias com seus colegas durante uma sessão de brainstorming.
As equipes nos grupos experimentais poderiam usar o ChatGPT durante as duas fases de ideação, e foram encorajadas a treinar a ferramenta no problema inserindo material das folhas de informações. No final do exercício, cada equipe submeteu suas ideias.
O “proprietário” de cada problema — a pessoa em cada organização responsável por implementar a solução eventual — julgou as ideias, atribuindo notas de A (“altamente convincente”) a D (“não vale a pena perseguir”) sem saber quais haviam surgido de colaborações humano-máquina. Os resultados contrariaram as expectativas dos pesquisadores, diz Gohar.
Ele e seus colegas haviam assumido que as equipes aproveitando o ChatGPT gerariam muito mais e melhores ideias do que as outras. Mas essas equipes produziram, em média, apenas 8% mais ideias do que as equipes no grupo de controle. Elas receberam 7% menos notas D, mas também receberam 8% mais notas B (“interessante mas precisa de desenvolvimento”) e aproximadamente a mesma parcela de notas C (“necessita de desenvolvimento significativo”).
Mais surpreendentemente, receberam 2% menos notas A. “A IA generativa ajudou os trabalhadores a evitar ideias horríveis, mas também levou a mais ideias medianas”, diz Gohar. Pesquisas realizadas antes e depois do exercício mostraram que as equipes que usaram IA ganharam muito mais confiança em suas habilidades de resolução de problemas do que as outras — uma diferença de 21%. Mas as notas que receberam sugerem que grande parte dessa confiança estava equivocada. Claro, o potencial para a IA generativa na resolução de problemas é real, diz Gohar. Aqui estão algumas etapas para maximizá-lo.
Seja preciso sobre o problema que você quer resolver.
Os grandes modelos de linguagem que fundamentam os chatbots de IA generativa são projetados para fornecer respostas “médias”; seus algoritmos foram treinados para identificar a maior probabilidade de palavras sequenciais. Se alguém digita, “Eu latido como um…” e pede ao bot para completar o pensamento, ele quase certamente oferecerá a palavra “cachorro”. Mas se as equipes estiverem buscando soluções criativas, respostas médias serão de pouco uso. Portanto, os gerentes devem ensinar às suas equipes a formular declarações de problemas altamente específicas, incluindo o máximo de detalhes possível, antes de interagir com a ferramenta. Por exemplo, em vez de perguntar, “Como podemos melhorar a satisfação do cliente?”, as equipes poderiam dizer, “Nossa jornada do cliente envolve os seguintes passos… Que mudanças em nosso processo de integração melhorarão a retenção em 10%?” Gohar comenta: “As pessoas esperam que a IA seja um oráculo: Conecte-a e ela lhe dará a solução”. As equipes que adotaram essa abordagem — simplesmente declarando o problema em termos amplos e pedindo ao ChatGPT para resolvê-lo — obtiveram resultados decepcionantes.
Dê tempo para o brainstorming individual sem o bot.
Antes de interagirem com a IA, dê aos membros da equipe algum tempo — 15 minutos a meia hora, por exemplo — para individualmente elaborarem ideias. Isso ajudará a garantir que eles abordem a reunião da equipe e a implementação da IA sem serem influenciados pelo pensamento de grupo ou pelo que a ferramenta sugere. Este passo é crucial para reunir ideias diversas e criativas e maximizar o número de ideias únicas trazidas para discussão em grupo.
Treine rigorosamente a IA.
Os sistemas de IA generativa carecem do entendimento contextual que as pessoas adquirem ao longo de meses ou anos de trabalho em suas organizações e indústrias. Antes de integrar o ChatGPT ou uma ferramenta similar ao processo de ideação, você precisa ajudá-la a se atualizar. Inclua o máximo de dados relacionados ao seu problema específico quanto puder. Isso pode incluir o modo de pensar de um grupo de clientes, sucessos anteriores e iniciativas malsucedidas, e benchmarks do setor.
Aborde a IA como uma conversa contínua, não um oráculo.
As equipes no estudo desenvolveram melhores ideias quando interagiram várias vezes com o ChatGPT. “A maioria dos problemas requer uma conversa”, diz Gohar. “Você teria uma discussão com seus colegas para chegar a uma solução melhor para um problema, e isso vale quando um desses colegas é o ChatGPT.” Muitas das equipes no experimento simplesmente aceitaram a primeira sugestão oferecida pelo ChatGPT. Gohar atribui isso ao efeito Einstellung: um viés cognitivo pelo qual as pessoas tendem a se apegar a soluções iniciais e familiares em vez de explorar possibilidades de forma mais expansiva. Isso provavelmente contribuiu para a alta taxa de ideias de grau B geradas pelas equipes assistidas pela IA. Não importa o quão boa a sugestão inicial da ferramenta possa parecer, as equipes sempre devem fazer mais e mais perguntas específicas, diz Gohar. Fazê-lo permite que o modelo refine suas respostas e fornece aos usuários mais soluções para escolher no final. “As equipes que receberam A’s foram aquelas que tiveram conversas interativas com o bot”, enfatiza Gohar.
Tenha alguém fora da equipe facilitando a decisão final.
Quando a equipe se reúne para compartilhar possíveis soluções, designe um membro para consolidar as sugestões. Em seguida, peça à IA para analisá-las em relação aos seus objetivos, oferecer críticas, questionar pressupostos e sugerir mais alternativas. Este passo também serve como um mecanismo de treinamento e melhorará o desempenho futuro do modelo. Pode ser útil, diz Gohar, recrutar um facilitador externo — alguém sem interesses envolvidos, que idealmente tenha profundo conhecimento em ideação de IA — para guiar o processo, ajudar a priorizar ideias e planejar os próximos passos.
“Brainstorming com IA generativa requer repensar seu fluxo de trabalho de ideação e aprender novas habilidades”, conclui Gohar. “Mas se você abordá-lo como uma conversa estruturada e contínua, poderá acessar uma capacidade impressionante para desenvolver ideias melhores e mais criativas mais rapidamente.”
Fonte dessa pesquisa:
Periódico HBR, março – abril de 2024
Sobre a pesquisa: “Avaliando o Impacto Prático da IA Generativa na Ideação e Resolução de Problemas em Equipe”, publicado pelos autores Kian Gohar e Jeremy Utley