Como o uso da análise de dados e da IA pelo governo podem gerar maior valor público

Cada um desses benefícios está proporcionando maior valor público por meio de melhores resultados tanto para a organização quanto para os cidadãos. Eles podem ser organizados em seis principais geradores de valor com resultados claros, conforme demonstrado nos casos de uso de IA em governos a seguir:

1. Produtividade e eficiência: Redução de custos por meio de melhorias no desempenho operacional. Em uma cidade dos EUA, ferramentas de IA que mapeiam processos de negócio em sistemas e aplicativos foram usadas para analisar fluxos de trabalho de processamento de faturas, automatizando o processo e economizando cerca de 1.500 horas de trabalho manual por ano.
2. Experiência do funcionário: Simplificação de tarefas para melhorar a experiência do funcionário e aumentar a satisfação no trabalho. No Reino Unido, um assistente de IA ajuda os consultores de cliente a localizar e compartilhar rapidamente informações precisas com os cidadãos, melhorando o tempo de resposta em 50% e tornando os consultores duas vezes mais confiantes para prestar o serviço.
3. Experiência do cidadão/usuário final: Possibilitar serviços mais acessíveis, proativos e personalizados. Uma autoridade de seguridade social está aumentando o acesso dos cidadãos aos chatbots de IA generativa para a resolução de consultas 24 horas por dia, 7 dias por semana, tendo 6 milhões de pessoas já usando a solução e a ambição de atingir 100% de integração até 2027.
4. Planejamento estratégico de serviços: Previsão de necessidades e alocação mais inteligente de recursos. Um departamento do governo australiano testou ferramentas de IA para melhorar as estimativas de custo e tempo para projetos de infraestrutura de grande escala, reduzindo a incerteza e os riscos financeiros associados aos excedentes orçamentais do projeto.
5. Otimização financeira: Eliminação de ineficiências, redução de fraudes e aumento de receitas. Uma autoridade tributária utiliza a análise de dados e a IA para o preenchimento e análise de declarações de imposto em tempo real, gerando mais de US$ 23 milhões em receita com a detecção de erros e mais de US$ 38 milhões em arrecadação.
6. Risco e resiliência: Resposta a ameaças, gestão de riscos operacionais e garantia da continuidade dos serviços. Uma região francesa adotou um modelo soberano de IA generativa para a resolução de incidentes de TI, reduzindo o tempo de solução de problemas de 1 a 12 horas para apenas 2 a 5 minutos.

Embora as organizações governamentais reconheçam que precisam acelerar o ritmo de adoção, a implementação varia significativamente. A maioria está adotando uma abordagem cautelosa e gradual, mas há uma clara progressão na implementação. Constatamos que os governos estão mais avançados na implantação de dados e infraestrutura digital, seguida por uma adoção significativamente menor de IA e IA generativa. Isso é compreensível, pois o potencial de transformação da IA só veio à tona nos últimos anos, e a baixa adoção reflete preocupações legítimas sobre a necessidade de entender e gerenciar os riscos inerentes. Na verdade, 65% dos entrevistados indicaram que a adoção da IA generativa está progredindo muito rapidamente, destacando o desejo de uma abordagem mais fundamentada e equilibrada de forma a oferecer benefícios sem comprometer a segurança.

Essa jornada de implementação gradual e por etapas faz sentido do ponto de vista estratégico, pois as organizações têm que desenvolver recursos enquanto gerenciam os riscos e comprovam o valor. Mas o que os governos fazem em seguida para acelerar a adoção é fundamental para gerar maior valor público.

Nossa pesquisa identificou um grupo de "pioneiros" que está significativamente à frente de seus pares, tanto em termos de progresso de implementação quanto de sofisticação estratégica. O que podemos aprender com eles para ajudar a acelerar a jornada de outras instituições?

Fórmula dos pioneiros: Construir as bases para o sucesso da IA no governo

Nossa pesquisa revela que os pioneiros se diferenciam por sua ênfase estratégica na construção de bases sólidas antes da implementação acelerada de tecnologias avançadas de IA.

Esses pioneiros resolveram a lacuna da implementação seguindo uma fórmula clara: primeiramente, estabeleceram uma infraestrutura de dados robusta (88% dos que implantaram vs. 58% dos seguidores), desenvolveram uma governança de dados abrangente e se concentraram paralelamente nos fundamentos técnicos e na prontidão organizacional, reconhecendo que a tecnologia por si só não é suficiente.

Essas organizações estão avançando com investimentos nos próximos três anos, o que reflete esse caminho lógico de implementação: elas estão investindo de forma diferenciada na construção de uma infraestrutura digital robusta e de uma base de dados, na digitalização de processos e na análise, ao mesmo tempo em que se preparam para uma melhor implementação da IA e da IA generativa no futuro.

Esse sequenciamento faz sentido estratégico ao priorizar a digitalização para que os dados sejam limpos, estruturados e bem preparados para aplicativos mais sofisticados. Isso também ajuda a evitar custos mais altos e complexidades associadas à implementação de IA no setor público sem antes estabelecer uma governança de dados robusta.

O foco inicial claramente rendeu dividendos. Os pioneiros desenvolveram bases digitais e de dados mais eficazes do que os seguidores em várias dimensões.

O que realmente diferencia os pioneiros é sua abordagem abrangente, que cobre simultaneamente as capacidades técnicas e as dimensões humanas. Eles priorizam o desenvolvimento de talentos, capacitam os funcionários por meio de diretrizes éticas sólidas, fazem parcerias externas para preencher as lacunas de capacidade e preparam os cidadãos para aceitar e usar a IA nos serviços governamentais.

Essa estratégia equilibrada produz resultados impressionantes. Os pioneiros têm 2,4 vezes mais probabilidade de classificar o sucesso de suas iniciativas de IA como um pouco ou significativamente melhor do que o esperado, em comparação com os seguidores (62% vs. 26%). 

A implementação de tecnologias de análise de dados, IA e IA generativa cria um paradoxo desafiador para os governos. Embora reconheçam o potencial transformador, eles enfrentam barreiras persistentes que impedem o progresso.

As limitações mais importantes citadas pelos entrevistados incluem a questão da privacidade e segurança (62%), falta de alinhamento estratégico (51%), infraestrutura inadequada (45%), casos de negócio desanimadores sem clareza sobre os retornos (41%) e considerações éticas (42%).

É interessante notar que a nossa pesquisa revela que esses desafios geralmente se intensificam, em vez de diminuir, à medida que as organizações avançam em sua jornada de implementação. Os pioneiros percebem essas barreiras de forma mais drástica do que os seguidores, sugerindo um fenômeno do tipo "você não sabe o que não sabe", em que um envolvimento mais profundo com a IA revela maior complexidade.

Apesar desses desafios, nossa pesquisa mostra que eles não são intransponíveis. Ao estudar abordagens comprovadas de organizações líderes, as organizações governamentais podem acelerar seu progresso na implementação e começar a aproveitar o potencial transformador dos dados e da IA.

Com base em nossa análise, constatamos que o sucesso das organizações líderes está em mapear uma jornada da estratégia até a entrega de valor por meio de três etapas principais:

Etapa 1: Assumir um compromisso estratégico ousado.

As organizações líderes demonstram uma liderança ousada com uma visão clara que alinha as iniciativas de IA com sua missão principal. Elas estabelecem o apoio de executivos e investimento dedicado, sinalizando a importância estratégica dessas iniciativas. 

Ações práticas:

• Articule uma visão clara vinculada à missão principal de sua organização.
• Invista na educação de executivos sobre a IA para que entendam seu potencial.
• Estabeleça estruturas de governança de IA (conselhos, centros de excelência) com o apoio dos executivos.
• Desenvolva modelos inovadores de financiamento que permitam flexibilidade e estejam alinhados ao valor demonstrado.
• Garanta a adesão de todas as áreas, demonstrando o impacto tangível da missão.

Etapa 2: Construir cinco bases essenciais

Nossa pesquisa revela que a implementação bem-sucedida da IA requer uma abordagem holística que aborde simultaneamente as capacidades tecnológicas e a prontidão organizacional. As cinco bases a seguir representam a fundação que as organizações líderes implementaram.

1. Dados e tecnologia

Os pioneiros priorizam o estabelecimento de uma infraestrutura e governança de dados robustas antes de avançar para as aplicações da IA. Eles priorizam dados de alta qualidade, arquitetura moderna e plataformas seguras.

Ações práticas:

• Avalie a qualidade, a acessibilidade e a governança dos dados atuais e, ao mesmo tempo, implemente plataformas baseadas na nuvem para aumentar a escalabilidade e a interoperabilidade.
• Desenvolva catálogos de dados abrangentes para que as informações sejam detectáveis.
• Crie acordos de compartilhamento de dados entre departamentos, considerando as barreiras legais e culturais.
• Estabeleça padrões claros e processos de validação.
• Nomeie os respectivos líderes, como diretores de dados e diretores de IA, com responsabilidade pela governança e implementação.

2.  Talento e habilidades

As organizações líderes lidam com as lacunas de talentos por meio do planejamento estratégico da força de trabalho, programas de treinamento abrangentes e parcerias externas para a introdução de habilidades técnicas.

Ações práticas:

• Realize avaliações de habilidades para identificar necessidades críticas de capacitação.
• Crie academias digitais e plataformas de aprendizagem para aprimorar as habilidades em escala.
• Projete programas de treinamento em IA com base em desafios operacionais reais.
• Desenvolva parcerias de intercâmbio de talentos com universidades e provedores de tecnologia.
• Estabeleça planos de carreira claros para profissionais de dados e IA.

3.  Cultura flexível

As organizações bem-sucedidas promovem ambientes onde a inovação, a experimentação e o conforto com as tecnologias emergentes podem florescer. Elas criam "estruturas de permissão" para assumir riscos calculados.

Ações práticas:

• Crie laboratórios de inovação que ofereçam espaços protegidos para a experimentação e implemente programas abrangentes de gestão de mudança.
• Concentre a implementação inicial da IA na melhoria da experiência dos funcionários e envolva-os no desenvolvimento de ferramentas de IA para que eles se tornem donos.
• Comunique claramente que a IA complementará e não substituirá o trabalho humano.

4. Confiança e governança ética

É essencial construir a confiança do público, com os líderes desenvolvendo diretrizes éticas sólidas, práticas de dados transparentes e supervisão humana significativa.

Ações práticas:

• Convide o público para falar sobre suas preocupações com a IA e envolva-o no projeto e teste de soluções de IA.
• Desenvolva estruturas abrangentes de ética de IA com supervisão própria e realize auditorias regulares de viés e avaliações de impacto.
• Crie documentação transparente para os modelos de IA e os processos de tomada de decisão.
• Implemente princípios de privacidade desde a concepção em todos os aplicativos e mantenha uma supervisão humana adequada para decisões de alto impacto.

5. Ecossistemas colaborativos

As organizações líderes estabelecem diversas redes de parceria entre os setores público, privado, acadêmico e civil para acelerar a implementação e ampliar suas capacidades para além do que poderiam alcançar de forma independente.

Ações práticas:

• Considere as lacunas de capacidade que poderiam ser resolvidas por meio de parcerias externas.
• Forme parcerias estratégicas de tecnologia para acessar conhecimentos técnicos especializados.
• Colabore com instituições acadêmicas para a pesquisa e desenvolvimento de talentos.
• Participe de iniciativas entre governos para compartilhar as melhores práticas e recursos.
• Dê suporte a uma adoção mais ampla da IA nas economias por meio de centros de inovação, incubadoras de startups e iniciativas de habilidades digitais.

Etapa 3:  Foco na excelência dos produtos

Passar de projetos-piloto isolados para a implementação em toda a organização requer uma execução disciplinada e um roteiro claro.

Ações práticas:

• Comece com casos de uso de alto valor que abordem problemas específicos com impacto direto.
• Implemente modelos de fornecimento hub-and-spoke, combinando as principais habilidades com profissionais integrados.
• Adote abordagens incrementais com iteração rápida e feedback contínuo, crie processos de avaliação estruturados com critérios de sucesso definidos e documente os sucessos para obter apoio organizacional.
• Planeje operações sustentáveis de IA com financiamento flexível, prontidão para a conformidade e alinhamento estratégico contínuo.

Aprender com essas organizações líderes pode ajudar a acelerar sua transformação. Elas se enveredaram pela mesma jornada, enfrentaram barreiras e descobriram formas de superá-las.

A hora de agir é agora. O futuro do governo depende de aproveitar esse momento. A questão para os líderes de governos não é mais se devem adotar essas tecnologias, mas sim a rapidez e a eficácia dessa implementação visando sua missão principal: melhorar os resultados para todos os cidadãos. O sucesso requer a realização de investimentos estratégicos que fortaleçam todas as cinco bases simultaneamente.

Resumo 

As organizações governamentais entendem o poder transformador dos dados e da IA no setor público, mas os níveis de implementação permanecem baixos. O custo da inação está aumentando diariamente. Nossa pesquisa identificou um grupo de pioneiros que está ultrapassando seus pares em termos de progresso de implementação e sofisticação estratégica. Os governos podem aprender com essas organizações líderes a incorporar um objetivo estratégico mais abrangente e cinco bases para o sucesso.