A eficiência impulsionada pela IA recupera tempo. Se pesquisa, organização, comparação ou elaboração de rascunhos exigem menos tempo, parte do tempo antes preso a essas atividades torna-se disponível. Essa mudança costuma ser entendida como aumento de produtividade, porque é possível produzir mais no mesmo tempo ou obter o mesmo resultado em menos tempo. Mas há um problema que os indicadores de eficiência, por si só, não conseguem resolver: quem usa o tempo criado por essa redução e para quê? Se o tempo recuperado é automaticamente colocado no processo seguinte, a eficiência amplia a capacidade de processamento, mas não necessariamente aumenta o espaço em que as pessoas podem mudar seu julgamento.
Para considerar esse problema, é preciso distinguir a margem do simples “tempo não utilizado”. O trabalho contém elementos que não podem ser totalmente previstos no início. Especificações mal compreendidas, informações ausentes, mudanças nas condições externas, erros descobertos por meio da verificação e diferenças de entendimento entre as partes envolvidas nem sempre podem ser enumerados quando um plano é elaborado. Se o tempo planejado estiver completamente ocupado por trabalhos que conhecemos atualmente, não haverá recurso disponível quando surgir um acontecimento inesperado. A margem pode, portanto, ser entendida não como tempo que sobrou por não ter uso atual, mas como tempo preservado com seu uso mantido aberto à incerteza futura.
Dar forma antecipadamente às partes importantes tem o efeito de criar essa margem. O objetivo não é simplesmente terminar antes do prazo. Ao abordar primeiro as partes difíceis, podemos verificar cedo se a estimativa inicial era razoável. Se descobrirmos que o trabalho não pode prosseguir como planejado, ainda restam opções: mudar as especificações, buscar informações adicionais, trocar de método ou renegociar o prazo com as partes envolvidas. O avanço antecipado é melhor entendido não como uma melhoria da capacidade de prever o futuro com precisão, mas como uma estrutura para descobrir mais cedo que nossa previsão estava errada.
Ao conectar essa estrutura à IA, o significado da velocidade também muda. O valor de a IA produzir rapidamente uma proposta inicial não se limita a aumentar o número de resultados por unidade de tempo. Se as partes importantes forem concretizadas cedo, as pessoas poderão observar problemas que eram invisíveis na etapa de planejamento abstrato. Uma premissa equivocada, uma condição ausente, um conflito entre vários valores ou uma divergência entre o resultado esperado e a saída real podem aparecer cedo. A velocidade da IA passa então a funcionar para descobrir a incerteza antecipadamente. Se o tempo restante puder ser preservado, as pessoas mantêm opções para responder ao que foi descoberto.
No entanto, esse efeito desaparece quando o tempo criado pela eficiência é automaticamente realocado para produção adicional. Um primeiro rascunho chega um dia antes, então várias versões adicionais são produzidas. A pesquisa termina cedo, então o escopo é ampliado. A verificação é encurtada, então outro projeto é acrescentado dentro do mesmo prazo. Essas realocações podem ser racionais quando o valor da produção adicional é alto. Mas, se se tornarem rotineiras, a margem criada pela IA é consumida assim que surge, e o tempo para mudar o plano ou reconsiderá-lo volta a ficar escasso. A eficiência local então elimina justamente a capacidade de revisão que o ganho de eficiência poderia ter possibilitado.
Isso revela que a margem é uma questão de alocação. Em uma organização, o tempo criado pela eficiência pode ser redirecionado para metas adicionais de produção. Uma pessoa pode iniciar um novo trabalho, verificar o trabalho atual ou usar o tempo para descansar. Na colaboração com a IA, porém, quanto menor o custo de continuar gerando e explorando, mais facilmente o fato de que “ainda é possível processar mais” se transforma na norma de que “é preciso processar mais”. Capacidade restante e obrigação de usá-la agora não são a mesma coisa. Se a autoridade para decidir o uso da margem também for entregue à lógica da automação, as pessoas poderão se beneficiar da eficiência e, ao mesmo tempo, perder a capacidade de escolher como seus benefícios serão utilizados.
A margem na colaboração entre humanos e IA pode, portanto, ser entendida como parte da capacidade de decisão. Revisar um julgamento exige tempo. Considerar uma objeção, realizar uma verificação adicional ou retirar uma direção escolhida anteriormente também exige tempo. Se todo o tempo estiver totalmente alocado, as pessoas podem manter formalmente a autoridade final e, na prática, ter poucas opções além de aprovar o curso estabelecido. Se restar tempo não consumido, elas ainda poderão objetar, retornar à questão e mudar as condições depois de receber o resultado da IA. A margem sustenta não apenas a liberdade antes de uma decisão, mas também a liberdade de refazer uma decisão.
Essa perspectiva também exige uma mudança na forma de avaliar a eficiência. Menor tempo de processamento, menor custo e maior número de resultados continuam importantes, mas não capturam o quanto um sistema colaborativo se tornou mais resistente à mudança. Suponha que dois sistemas produzam o mesmo resultado dois dias antes. Um preenche imediatamente esses dois dias com outro trabalho; o outro preserva parte deles como tempo de reserva até que uma verificação crítica seja concluída. Em condições normais, o primeiro pode parecer ter uma produção maior. Mas, se um erro importante em uma premissa for descoberto posteriormente, o segundo ainda terá opções para correção. Qual é preferível depende da natureza e da incerteza do trabalho.
A margem não é sempre melhor simplesmente porque há mais dela. Tempo de reserva excessivo pode atrasar trabalhos necessários. Em processos estáveis e com pouca mudança, uma alta utilização pode ser mais racional do que manter uma grande margem. Portanto, a questão não é maximizar a eficiência ou a margem. É quanto de margem preservar à luz da incerteza, das consequências de uma falha, do tempo necessário para mudanças e da necessidade de devolver o julgamento às pessoas. A margem não é um bem incondicional; é um recurso cujo valor surge quando a possibilidade de mudança é necessária.
Aplicada ao design de Sai＊aus, essa perspectiva torna importante não devolver necessariamente todo ganho obtido com a aceleração da IA para uma geração adicional. A IA pode mostrar a estrutura cedo, permitindo que as pessoas descubram problemas cedo. Se não houver problema, o processamento pode continuar; se surgir uma divergência, o tempo restante pode ser usado para verificar premissas, mudar de direção e, quando necessário, contestar a própria proposta da IA. Aqui, a velocidade da IA é usada não para substituir o julgamento humano, mas para estender para a frente o período durante o qual as pessoas podem mudar esse julgamento. É um design que converte velocidade não apenas em processamento adicional, mas também em possibilidade de revisão.
Essa diferença não pode ser explicada apenas pela existência ou não de determinadas funções em uma IA. Geração rápida, organização de informações, comparação e apoio à reconsideração podem ser realizados por muitos tipos de IA. A diferença aparece naquilo que se projeta que o tempo criado por essas capacidades deve servir. Um design pode devolver todo excedente à otimização adicional; outro pode reservar parte para verificação humana, objeção, adiamento e retirada. Sai＊aus enfatiza não transformar a capacidade da IA de processar mais em um fim em si mesmo, mas organizar tanto a capacidade utilizada quanto a não utilizada de modo que as pessoas continuem sendo os sujeitos da compreensão e do julgamento.
A quem pertence a margem criada pela eficiência? Não existe uma única proporção universal de alocação. Mas o simples fato de a IA ter reduzido o tempo de uma tarefa não implica que o tempo economizado deva ser novamente destinado à IA ou a tarefas adicionais. O tempo não consumido também é uma capacidade de responder a possibilidades que ainda não ocorreram: falha, mudança, objeção e retirada. Pensar sobre eficiência na era da IA exige, portanto, atenção não apenas aos recursos utilizados, mas também aos recursos deliberadamente deixados disponíveis para quando forem necessários. Perguntar quem aloca essa margem e para a capacidade de julgamento de quem ela é preservada desloca a colaboração entre humanos e IA da mera aceleração para um problema de design.
Não respostas. Compreensão.