Cinco dias. Uma semana tradicional de trabalho. Foi esse o tempo necessário para o ChatGPT atingir 1 milhão de utilizadores, tornando-o uma das ferramentas mais mediáticas ao nível da Inteligência Artificial Generativa (GenAI).
Pela primeira vez, a capacidade tecnológica de agregar e analisar um conjunto extensivo de informação, e, simultaneamente, compreender a linguagem humana (combinando elementos de Large Language Models e Natural Language Processing), permitia estabelecer uma relação de comunicação simples e acessível entre o ser humano e um algoritmo capaz de criar conteúdos que vão ao encontro do que um indivíduo pretende.
Enquanto as soluções iniciais de AI utilizavam um conjunto de dados – “treinados” por humanos – para criar um sistema computacional que reproduzia elementos do raciocínio humano, as ferramentas de GenAI surgem como a evolução natural destes sistemas, mantendo as premissas anteriores, mas, agora, com a capacidade de gerar novo conteúdo – escrito, visual ou sonoro -, que se revela de tal forma sofisticado que se torna difícil de distinguir se foi produzido pelo ser humano ou não. Ou seja, algo tão próprio do ser humano, como a sua capacidade de criar e inovar, é agora passível de ser produzida por máquinas.
“As ferramentas de GenAI surgem como a evolução natural destes sistemas, mantendo as premissas anteriores, mas, agora, com a capacidade de gerar novo conteúdo”
Se tal mudança pode parecer razoavelmente inócua, talvez deixe de o ser se mencionarmos que, na esfera profissional, o potencial de automação de tarefas, associadas à gestão e desenvolvimento de pessoas, sofre um aumento de 30% com o advento da GenAI (Chui et al., 2023). Ou seja, o suficiente para passarmos de uma semana laboral de 5 dias para 3,5 dias ou, em alternativa, para passarmos de uma população laboral de 1 milhão de utilizadores, para 700 mil pessoas. Independentemente do seu uso, torna-se claro que esta tecnologia constituirá uma alteração do modus vivendi de todos nós.
Analisemos então algumas dessas mudanças para diferentes profissionais de RH. Como mencionámos, atividades que envolvam comunicação, supervisão e interação interpessoal, adquirem um maior potencial de automação, o que acelerará a transformação de funções de caráter educativo, com impacto nos profissionais de learning & development. Com efeito, recolher informação sobre as empresas e práticas mais eficientes, combinando-as com a identificação das competências humanas e conhecimentos que suportam tal sucesso, permite que a GenAI desenvolva planos individuais de aprendizagem, baseados em funções a desempenhar ou em competências a adquirir. Dada a capacidade desta tecnologia para produzir texto, áudio e vídeo, esses planos seriam implementados através de conteúdo multimodal, permitindo criar experiências de aprendizagem por simulação situacional, personalizadas à proficiência do colaborador.
“Recolher informação sobre as empresas e práticas mais eficientes, combinando-as com a identificação das competências humanas e conhecimentos que suportam tal sucesso, permite que a GenAI desenvolva planos individuais de aprendizagem, baseados em funções a desempenhar ou em competências a adquirir.”
Por outro lado, se a capacidade de automação de tarefas relacionadas com a gestão e processamento de um vasto conjunto de dados permitia já transformar algumas das atividades da função de compensation & benefits, a capacidade dos algoritmos de GenAI, para compreender e utilizar linguagem humana, expande o contributo de tais soluções para atividades mais complexas, como a resposta e aconselhamento sobre diferentes políticas de benefícios, coberturas e parceiros, a nível local ou global.
Como último exemplo, encontramos a área de talent acquisition, onde o recurso a GenAI resulta também num leque significativo de vantagens/oportunidades, tais como a criação automática de descritivos funcionais mais inclusivos e ajustados às tendências do mercado; a comparação e hierarquização automática de currículos implementando uma triagem por proximidade semântica ou mesmo a condução de entrevistas estruturadas através de chatbots capazes de analisar informação verbal e não verbal para realizar uma primeira avaliação (consultar Leitão, 2023 para mais exemplos).
“Encontramos a área de talent acquisition, onde o recurso a GenAI resulta também num leque significativo de vantagens/oportunidades, tais como a criação automática de descritivos funcionais mais inclusivos e ajustados às tendências do mercado.”
Se os exemplos acima descritos parecem remover o vetor “humano” dos processos de RH, então é essencial ter em conta as preocupações éticas e legais do uso de GenAI neste âmbito. De facto, pensemos no potencial discriminatório de utilizar GenAI na tomada de decisão sobre efeitos de desenho e classificação funcional (e consequente definição da componente salarial), reconhecendo a histórica discrepância salarial derivada de diferenças de género, ou de outras categorias protegidas, e que possam estar sub-representadas nos modelos em utilização. Ou, em alternativa, pensemos nos riscos reputacionais, ou mesmo legais, de utilizar a GenAI para providenciar respostas sobre políticas de RH (pouco claras ou sujeitas a interpretação) com implicações ao nível da lei laboral.
Preocupações que abrangem esta potencial falta de transparência e de explicabilidade da GenAI têm vindo a ganhar cada vez mais destaque, quer pela sua capacidade de gerar novo conteúdo, quer pelo facto do seu acoplamento, com modelos de Machine Learning, poder facilmente resultar em fenómenos de black box – predições algorítmicas cuja explicação é desconhecida ou impossível de rastrear. Este facto, por si só, agrava as potenciais consequências nefastas que a GenAI pode ter para o ser humano, na medida em que não existe (ainda) total discernimento emocional, ético e legal por parte das máquinas para analisar determina- do conteúdo e chegar a conclusões ponderadas e adequadas à situação.
Por esta razão, tem havido um esforço significativo por parte do Parlamento Europeu para regulamentar e promulgar leis específicas, com vista à implementação e utilização da GenAI, com destaque para a Lei da Inteligência Artificial, recentemente acordada pela União Europeia (Parlamento Europeu, 2023).
Esta e outras iniciativas (ex.: AI Bill of Rights) iniciam o seu requisito através de uma exigência de análise ao risco adjacente à utilização que o sistema poderá comportar para as pessoas, a sua segurança, e os seus direitos fundamentais. No entanto, reconhecendo a natureza evolutiva dos algoritmos associados, estas tecnologias deverão, obrigatoriamente, ser sujeitas a uma reavaliação frequente, de forma a garantir a sua contínua segurança, transparência e rastreabilidade.
“Reconhecendo a natureza evolutiva dos algoritmos associados, estas tecnologias deverão, obrigatoriamente, ser sujeitas a uma reavaliação frequente, de forma a garantir a sua contínua segurança, transparência e rastreabilidade.”
Paralelamente, a utilização destes sistemas, especialmente em contexto de RH, deverá ainda atender ao Regulamento Geral sobre a Proteção de Dados (RGPD), com a preocupação quanto à transparência a permanecer um vetor chave para esta legislação, mas, desta feita, com um foco mais alargado quanto à origem, tipologia e critérios de utilização dos dados, utilizados por diferentes tecnologias.
De forma a garantir o seu cumprimento, a utilização de GenAI implica a obrigatoriedade de consentimento informado por parte dos utilizadores, requerendo que os mesmos possuam total visibilidade, clarificação e explicação dos dados recolhidos e procedimentos utilizados sobre os mesmos.
O enquadramento legal acima descrito é já uma grande conquista, mas não poderá, nem terá, uma natureza estática dada a contínua e rápida evolução da tecnologia que lhe serve de objeto. Coletivamente, governos, líderes e gestores organizacionais têm um papel fundamental nas decisões relativas à implementação da GenAI.
No entanto, e enquanto profissionais de RH, devemos ser igualmente ativos neste processo e na garantia de transparência e explicabilidade dos seus algoritmos. Para isso, o primeiro passo é tão-só adquirir conhecimento que nos permita analisar criticamente tais transformações. Saber questionar e saber fazer a pergunta certa é um dos fatores-chave para garantir uma análise criteriosa e o acesso a algoritmos que reduzam potenciais riscos legais e éticos. Por exemplo, começar por questionar se os dados utilizados são fidedignos e abrangentes o suficiente para garantir a fiabilidade de uma avaliação/decisão, eliminando (pelo menos na sua génese e em teoria) qualquer tipo de discriminação do modelo vigente.
Adicionalmente, é igualmente expectável uma postura proativa perante as revalidações previamente mencionadas, com tais profissionais a monitorizarem e realizarem testes aos algoritmos, controlando potenciais distorções ou enviesamento dos dados. No seguimento de tais testes, e dos seus resultados, existiria uma ação de “retreino” da GenAI, efetuando atualizações cíclicas que assegurem o aumento da representatividade de determinados atributos ou caraterísticas protegidas.
“É igualmente expectável uma postura proativa perante as revalidações previamente mencionadas, com tais profissionais a monitorizarem e realizarem testes aos algoritmos, controlando potenciais distorções ou enviesamento dos dados.”
Complementarmente, estes profissionais deverão ainda estabelecer uma cultura e sistema de registo e documentação pormenorizada, descrevendo os vários estágios da arquitetura e performance do modelo, com o intuito de assegurar uma maior transparência e explicabilidade do mesmo.
Igualmente pertinente é criar equipas multidisciplinares, que proporcionem as condições necessárias para discussão de diversos tópicos ao nível legal, social, profissional e outros. A variedade de ideias e a sua ponderação irão acrescentar valor ao processo, permitindo abranger um conjunto de conceitos que, num meio mais pequeno e restrito, não seriam considerados.
Em suma, serão os humanos a tomar as decisões e definir as regras para a utilização da GenAI, devendo assegurar que a mesma é vista e implementada como ferramenta de suporte e aumento da produtividade humana, e não como uma ameaça ao seu ser. Independentemente da visão, e dado a complexidade legal e processual associada à garantia de transparência e explicabilidade da GenAI, torna-se óbvio que será sempre uma relação de parceria, que nunca será conquistada de imediato.
REFERÊNCIAS
Chui, M., Hazan, E., Roberts, R., Singla, A., Smaje, K., Sukharevsky, A., Yee, L., & Zemmel, R. (2023). The economic potential of generative AI: The next productivity frontier.
https://www.mckinsey.com/capabilities/mckinsey-digital/our-insights/the-economic-potential-of-generative-ai-the-next-productivity-frontier#business-and-society
Leitão. P. (2023). A Inteligência Artificial Enquanto Suporte à Aquisição de Talento: Uma introdução. LisbonPress
Parlamento Europeu (2023). Lei da UE sobre IA: primeira regulamentação de inteligência artificial
https://www.europarl.europa.eu/news/pt/headlines/society/20230601STO93804/lei-da-ue-sobre-ia-primeira-regulamentacao-de-inteligencia-artificial
Artigo publicado na edição 152 da RHmagazine, referente aos meses de maio e junho de 2024
[Artigo publicado na RHmagazine. Autores: Margarida Bessa Marques, Talent Acquistion Partner na Vontobel e Paulo Leitão, Senior Recruiter for Experience Professionals]
