Harvard Business Review - Brasil - Edição 9711 (2019-11)

(Antfer) #1

poderiam ser punidos por isso. (Imagine se um residente
cirúrgico dissesse que procurou médicos responsáveis
menos qualificados com os quais trabalhar.) E os gestores
de nível médio geralmente fazem vista grossa diante dos
resultados que essas práticas produzem — desde que o
shadow learning não seja reconhecido abertamente. Assim,
os trainees e seus gestores podem não falar abertamente
quando um observador, particularmente um gestor sênior,
declara que quer estudar o modo como os funcionários
infringem as regras para desenvolver habilidades. Uma
boa solução é recorrer a uma terceira parte neutra que
garanta anonimato ao comparar práticas em diversos casos.
Meus informantes aprenderam a me conhecer e a confiar
em mim, e estavam cientes de que eu observava o trabalho
de vários grupos e de vários equipamentos, então se sentiam
confiantes de que sua identidade seria protegida. Isso se
provou essencial para que eles se abrissem.


2


Adapte as práticas de shadow learning para proje-
tar empresas, trabalho e tecnologia. Muitas vezes, a
forma como as empresas lidam com as máquinas inteli-
gentes faz com que o expert possa controlar mais o trabalho,
reduzindo a necessidade de trainees. Os sistemas cirúrgicos
robóticos permitem que cirurgiões seniores operem com
menos assistência, e eles assim o fazem. Os sistemas de
bancos de investimentos permitem que os sócios seniores
excluam analistas juniores de avaliações complexas, e eles
assim o fazem. Todos os stakeholders devem insistir em
projetos organizacionais, tecnológicos e operacionais que
melhorem a produtividade e o aprendizado no local de
trabalho. Na LAPD, por exemplo, isso significaria ir além
da mudança de incentivos para policiais de ronda, adotando
esforços para reprojetar a interface de usuário do PredPol,
criar novas funções para aproximar policiais e engenhei-
ros de software e estabelecer um repositório com cura-
doria policial de casos anotados de melhores práticas de
uso do sistema.


3


Torne as máquinas inteligentes parte da solução.
A IA pode ser construída com o objetivo de treinar
trainees para os desafios e experts para a mentoria
e conectar esses dois grupos de forma inteligente. Por
exemplo, quando Juho Kim fazia doutorado no MIT criou


a ToolScape e a LectureScape, que permitem a anotação
de vídeos instrutivos por meio de crowdsourcing e for-
necem esclarecimentos e oportunidades de prática em
temas procurados por antigos usuários. Ele chamou isso
de learnersourcing. No lado do hardware, os sistemas de
realidade aumentada começam a trazer direto para o fluxo
de trabalho instruções e anotações de experts. Os aplicativos
existentes usam tablets ou óculos inteligentes para sobrepor
instruções sobre o trabalho em tempo real. Em breve devem
surgir sistemas inteligentes mais sofisticados. Tais siste-
mas podem, por exemplo, sobrepor a gravação do melhor
soldador da fábrica ao campo visual de um soldador trainee
para mostrar como o trabalho é feito, registrar a tentativa do
trainee de fazer igual e, se necessário, colocar o trainee em
contato com o soldador. Nessa área, a crescente comunidade
de engenheiros concentra-se principalmente no treinamento
formal, mas a crise mais profunda está no aprendizado no
local de trabalho. Precisamos redirecionar nossos esforços
nessesentido.

POrmilHaresdeanOs, os avanços na tecnologia impulsiona-
ram a redefinição dos processos de trabalho, e os trainees
aprenderam com seus mentores as novas habilidades que
se faziam necessárias. Mas, como vimos, as máquinas
inteligentes agora nos incentivam a distanciar trainees de
mestres, e mestres do seu próprio trabalho, tudo em nome
da produtividade. Muitas vezes, inadvertidamente, as
empresas priorizam a produtividade em vez do envolvi-
mento humano, e, como resultado, o aprendizado no
trabalho se torna mais difícil. Shadow learners, no entanto,
encontram formas arriscadas e transgressoras de aprender.
Empresas que pretendem competir em um mundo repleto
de máquinas cada vez mais inteligentes devem ficar muito
atentas a esses “contraventores”. Suas ações fornecem
insights sobre como aperfeiçoar o trabalho no futuro,
quando experts, traineese máquinas inteligentes trabalha-
reme aprenderemjuntos.

ocasionalmente, os estagiários de cirurgia robótica se afastavam de suas


responsabilidades formais para criar, anotar e compartilhar passo a passo


as gravações de procedimentos realizados por experts.


hbrreprint R1911E–P para pedidos, página 10

Matt Beane é professor assistente de gestão de tecnologia na
University of California at Santa Barbara e pesquisador associado
da Digital Economy, do MIT.

Harvard Business Review
Free download pdf