Dar acesso a uma ferramenta de inteligência artificial é relativamente simples. Fazer com que pessoas de diferentes áreas entendam onde ela pode ser útil, desenvolvam repertório para aplicá-la e avaliem criticamente seus resultados é um desafio bem diferente.
No iFood, esse desafio ficou mais evidente à medida que a adoção de IA ganhou velocidade. No início desse movimento, o conhecimento mais aprofundado sobre o tema estava concentrado em poucas pessoas. Havia uma referência central capaz de orientar dúvidas, explicar possibilidades e ajudar diferentes times a navegar pela tecnologia.
Só que a IA avançava rapidamente e, junto com ela, crescia a variedade de problemas que poderiam ser explorados. Engenharia, People, Operações e outras áreas têm rotinas, necessidades e níveis de familiaridade muito diferentes. Uma única pessoa dificilmente conseguiria compreender todos esses contextos e, ao mesmo tempo, apoiar a adoção em toda a empresa.
Foi desse problema que surgiu a estratégia dos Multiplicadores de IA: distribuir conhecimento por meio de uma rede de foodlovers inseridos nas suas próprias áreas.
Seguimos a lógica de que disponibilizar o ferramental é apenas o começo. Para que esse conjunto realmente faça parte do trabalho, é preciso criar repertório, autonomia, contexto e senso crítico, algo que está muito além de só adoção em si de ferramentas de inteligência artificial.
A adoção começa pelo problema, não pela ferramenta
O papel de quem multiplica IA é ser uma ponte entre as possibilidades da tecnologia e a realidade da área. Como os multiplicadores estão inseridos nos próprios times, conhecem o histórico, as rotinas e os desafios enfrentados pelas pessoas ao redor, e isso permite que a conversa sobre IA comece de um lugar mais concreto.
Onde existe uma atividade repetitiva? Qual etapa de um processo exige esforço manual demais? Em que momento muitas informações precisam ser organizadas antes de uma decisão? Que tarefa está consumindo tempo que poderia ser direcionado para uma atividade de maior valor?
Essas perguntas são importantes porque os níveis de familiaridade com IA ainda variam bastante. Enquanto algumas pessoas já incorporaram diferentes ferramentas ao trabalho, outras ainda não deram o primeiro passo. E, por isso, não existe uma única jornada de adoção que funcione igualmente para todas as áreas, ainda mais se levarmos em consideração a complexidade na qual operamos. Apenas no contexto da Engenharia, por exemplo, há mais de 2 mil foodlovers.
Em alguns casos, o ponto de partida pode ser uma discussão mais avançada sobre agentes, skills, MCP (model context protocol) ou construção de soluções. Em outros, pode estar em uma tarefa cotidiana: preparar um relatório, estruturar uma apresentação ou organizar informações. O ponto de partida, portanto, varia a depender do contexto e do escopo de atuação de cada um.
O objetivo é entender primeiro a necessidade e, a partir dela, avaliar como a tecnologia e a ferramenta devem ser executadas e, principalmente, automatizar tarefas altamente manuais. É nesse contexto que os multiplicadores atuam em frentes como disseminação de conhecimento, identificação de oportunidades e suporte a pessoas com diferentes níveis de repertório, sempre focados em resolução de problemas reais e inovar em diferentes contextos.
Leia o artigo completo no Blog Tech iFood: clique aqui.
iFood News – Foto: Divulgação
