Por Felippe Ribas Barboza, Engenheiro de Segurança do Trabalho e Head de Produto da Dshbird
A transformação digital na segurança do trabalho tem gerado cada vez mais informações valiosas com a utilização de IOT, sensoriamento e câmeras com IA, uso de realidade aumentada ou virtual para treinamentos, aplicativos para registros de ocorrências, inspeções e outros, a fim de impactar positivamente a forma como organizações administram a interação entre as dimensões organizacional, comportamental e psicológica. O objetivo é fortalecer o nível de percepção de perigos e riscos e a forma com que os trabalhadores se relacionam e se adaptam às atividades.
De acordo com um estudo feito pela FGV em 2023, são 464 milhões de dispositivos digitais (computador, notebook, tablet e smartphone) em uso somente no Brasil (corporativo e doméstico). Ou seja, enquanto por um prisma há cada vez mais uma digitalização e benefícios como o amplo acesso à informação, comunicação eficiente, e tomada de decisão baseada em dados; por outro lado, também existe um sobrecarregamento de informação, tendo como consequência um impacto psicológico chamado estresse.
Num contexto organizacional onde incertezas, complexidades e pressão de tempo são estímulos presentes, este impacto repercute na maioria dos casos pela rejeição do curso de ação correto, aceitação de uma solução errada, foco em um problema equivocado, atrasos na tomada de decisão, ocorrência do inesperado – não intencional ou indesejado – e, logo, a falha. Sendo essa uma realidade inerente ao cenário atual de uma empresa, é inevitável que a qualidade da tomada de decisão baseada em dados seja afetada negativamente.
Quase, pois, deixando de lado qualquer sensacionalismo que envolva o uso de IA e aqui especificamente de LLM (Grandes Modelos de Linguagem), é real a possibilidade de se alavancar o potencial de responder à pressão estratégica, abordar fraquezas sistêmicas, identificar perigos iminentes e condições propensas a erros nas operações, aprimorando sistemas de suporte à decisão por meio da modelagem da informação. Isso tudo para fortalecer o indivíduo na capacidade de priorizar.
Daniel Kahneman, psicólogo e economista israelense-americano notável pelo trabalho sobre a psicologia do julgamento e tomada de decisão, no livro de autoria própria “Rápido e Devagar: Duas Formas de Pensar” explora os dois sistemas de pensamento que influenciam decisões:
• Sistema 1 (Rápido): Funciona de maneira automática, intuitiva e emocional. Atua com rapidez e sem esforço, baseado em hábitos e padrões adquiridos, mas é mais vulnerável a erros e vieses;
• Sistema 2 (Devagar): Caracterizado por uma abordagem lógica, deliberada e analítica. A operação é mais lenta, exige esforço consciente, sendo utilizada em situações que requerem reflexão mais cuidadosa.
Kahneman revela que, na maior parte do tempo, existe uma confiança maior no Sistema 1, o que deixa os seres humanos mais propensos a cometer erros de julgamento, tomar decisões equivocadas, ter viés de ancoragem, excesso de confiança e gerar o efeito de enquadramento, evidenciando como essas falhas influenciam tanto decisões pessoais quanto profissionais.
Então, já que por natureza a recorrência é sempre ao atalho cognitivo e por influências externas, é notável a necessidade de uma reestruturação na forma como as escolhas são orientadas. E é justamente aí que os grandes modelos de linguagem – LLM – entram em cena visando fortalecer algumas capacidades, dentre elas a de priorizar.
A utilização dos LLMs oferece uma abordagem multifacetada para melhorar a forma como os problemas são estruturados e os dados são analisados. As características inerentes, somadas a uma boa engenharia e ciência de dados para minimizar os riscos de alucinações, resultam na examinação rápida de grandes volumes de dados, descoberta de padrões, identificação de pontos cegos, sugestão de ações, insights e aprendizado contínuo com base nos múltiplos contextos e interações, aumentando significativamente a qualidade e a eficiência das decisões. Por consequência, a priorização.
A transformação cultural impulsionada pelos estudos da ciência de segurança tem cada vez mais apontado para a importância da aprendizagem contínua dos erros e acertos como forma de absorver e se adaptar a um ambiente de mudanças. E o que demonstra que o aprendizado realmente está acontecendo é a maneira como as decisões são tomadas e decretadas para tratar as incertezas.
Olhando para grandes organizações e considerando o que já existe para o monitoramento da performance de segurança, rapidamente é identificada uma maturidade elevada na gestão da informação com relatórios automatizados feitos com Business Intelligence (BI), Tableau, Excel e SAP, que de fato são sistemas de suporte à decisão que melhoraram até aqui a forma como os dados são gerenciados.
Mas, ainda assim, o aprimoramento do aprendizado, a identificação de vulnerabilidades e o fortalecimento da cultura de segurança dependem cem por cento do agente humano e, se tratando da característica cognitiva intrínseca em se basear no sistema 1, a falha inevitavelmente acontecerá.
Não existe a pretensão aqui de cultivar uma ideia de que com a IA não haverá erros, até porque é com ele que as rotas são ajustadas para o caminho certo. Entretanto, trazer um holofote para a aplicação da modelagem da informação com LLM’s na construção de sistemas de suporte à decisão para que se possa aperfeiçoar significativamente a forma com que o trabalho é feito, o aprendizado é construído e as decisões são tomadas.
Em um post no X (antigo Twiter), Joanna Maciejewska expressou sagazmente o seguinte: “Eu quero que a IA lave minha roupa e meus pratos para que eu possa fazer arte e escrever, […]”. Apropriando-se de toda licença poética disponível, é viável reescrever da seguinte forma:
“Eu quero que a IA potencialize minha habilidade de tomar decisões eficazes para que eu possa responder a fraquezas sistêmicas, identificar perigos iminentes e concentrar esforços na transformação da cultura de segurança necessária”.
