Como um roteiro em cinco etapas ajuda os governos a ter sucesso com a IA

O imperativo de uma aplicação sistemática

As metodologias tradicionais de implantação de tecnologia revelam-se insuficientes para a implementação da IA. Ao contrário dos sistemas informáticos convencionais, os sistemas de IA exigem um desenvolvimento iterativo, uma aprendizagem contínua e uma governação adaptativa. Envolvem a gestão da mudança organizacional, a conformidade regulamentar e a supervisão ética que se estende muito para além da implementação técnica. Isto cria um imperativo para abordagens de implementação estruturadas. As organizações precisam de metodologias que tenham em conta as caraterísticas únicas da IA, assegurando simultaneamente uma entrega de valor sustentável.

O roteiro em cinco etapas que desenvolvemos responde a esta necessidade, fornecendo um quadro baseado na experiência de sistemas de IA pioneiros em organizações governamentais a nível mundial. O quadro aborda especificamente os principais modos de falha na expansão da IA: estimativa pouco clara dos custos e definição da proposta de valor, preparação operacional insuficiente, conceção inadequada do projeto-piloto, resistência organizacional e aprendizagem limitada dos projectos-piloto. A abordagem de cada etapa contribui sistematicamente para uma transformação sustentável da IA.

A transformação bem sucedida da IA começa com uma mentalidade centrada nos resultados, em vez de abordagens centradas na tecnologia. As organizações bem sucedidas centram-se na identificação de desafios operacionais e de potenciais melhorias no serviço ao cidadão antes de avaliarem aplicações específicas de IA.

Isto altera fundamentalmente a forma como os governos abordam o investimento em IA. Em vez de perguntarem "Onde podemos aplicar a IA?", os líderes virados para o futuro devem perguntar: "Que resultados estratégicos pretendemos alcançar e como é que a IA pode ajudar a atingir esses objetivos?" Esta abordagem ajuda a garantir que as iniciativas de IA têm uma necessidade comercial clara e métricas de sucesso quantificáveis.

As estratégias mais eficazes combinam o alinhamento estratégico do topo para a base com conhecimentos operacionais da base para o topo. As organizações que alinham os casos de utilização de IA com as suas principais prioridades políticas, ao mesmo tempo que captam as perspetivas da linha da frente, constroem fortes condutas de oportunidades valiosas. O Estado de Maryland exemplifica esta abordagem descendente, avaliando todos os casos de utilização de IA em função das 10 prioridades do Governador, garantindo que apoiam objetivos políticos mais amplos. Como disse um alto funcionário, "o mais importante na implementação de qualquer projeto de inteligência artificial é que seja orientado para um objetivo. ... A IA é apenas uma ferramenta que precisa de ser orientada para um objetivo".

A Agência Digital do Japão ilustra a abordagem ascendente através da sua iniciativa de digitalização das consultas infantis, que permitiu aos conselheiros gravar por voz as consultas em viagem, ajudando a reduzir o esgotamento e a melhorar os cuidados em equipa. Isto responde a necessidades operacionais imediatas, ao mesmo tempo que cria dados estruturados e pesquisáveis que estabelecem as bases para uma análise mais avançada. Como explicou o Diretor-Geral Keisuke Murakami, "se nos limitarmos a impor uma abordagem do topo para a base sem conhecer a situação real da base para o topo, não funcionará no terreno".

As organizações governamentais líderes criam critérios de priorização robustos - avaliando a viabilidade, o custo, o risco e o impacto - para fazer escolhas de investimento informadas. Definem expetativas realistas em relação aos PoC, que normalmente têm uma taxa de conversão de produção baixa, mas oferecem informações valiosas.

Principais recomendações para os governos que implementam a IA:                      

• Concentre-se primeiro nos resultados - Defina o valor público que pretende alcançar antes de considerar as soluções de IA.
• Combine abordagens do topo para a base e da base para o topo - Equilibre as prioridades estratégicas com os conhecimentos operacionais dos trabalhadores da linha da frente e dos cidadãos para garantir a relevância e o impacto prático.
• Substitua os esforços ad hoc por processos estruturados e transparentes - Utilize funis de ideias, quadros de prioridades e supervisão da governação para avaliar potenciais casos de utilização.

Principais recomendações para os governos que implementam a IA:

• Avalie a infraestrutura e a prontidão dos dados - Antes de efetuar o piloto, avalie se a sua arquitetura tecnológica pode suportar cargas de trabalho de IA de forma segura e valide a qualidade dos dados.
• Integre a privacidade e a governação ética desde o início - Adopte princípios de privacidade desde a conceção e estabeleça orientações éticas claras.
• Envolva os reguladores desde o início e de forma contínua - Envolva os organismos reguladores desde a fase de conceção para evitar revisões dispendiosas mais tarde.

O passo seguinte é transformar as ideias em ações. Os projetos-piloto são essenciais para testar soluções em condições reais ou simuladas para saber o que funciona e validar o seu valor. Apenas os projetos-piloto mais promissores podem ser alargados para uma implementação mais ampla.

É fundamental criar as condições adequadas para a realização de projectos-piloto eficazes. Os principais governos estabelecem ambientes controlados que emulam cenários operacionais, incluindo caixas de areia regulamentares que proporcionam flexibilidade temporária para testar soluções de IA sob restrições políticas reais, e bancos de ensaio de dados em tempo real onde conjuntos de dados anónimos simulam a prestação de serviços reais. Algumas agências criam fluxos de trabalho de serviço simulados - gémeos digitais das operações da linha da frente - para observar o desempenho das ferramentas de IA em cenários realistas sem perturbar os sistemas activos. Estas configurações permitem uma experimentação segura, assegurando simultaneamente a supervisão e a conformidade e mantendo a confiança do público.

Os projetos-piloto mais bem sucedidos centram-se na colaboração homem-IA e não na automatização, criando fluxos de trabalho que amplificam e não substituem os conhecimentos humanos. Envolver as pessoas no processo de conceção também ajuda a garantir que os pilotos de IA se integram nos fluxos de trabalho existentes e apoia o desenvolvimento iterativo.

Uma avaliação realista da economia de escala é fundamental para o sucesso do projeto-piloto. As organizações pioneiras antecipam os custos a longo prazo e as necessidades de aumento de escala e integram-nos em casos de negócio que contabilizam os custos totais do ciclo de vida para garantir o financiamento necessário. No entanto, algumas estimativas sugerem que as organizações subestimam habitualmente os custos dos projetos de IA em cinco a dez vezes quando passam da fase piloto para a fase de produção. As estimativas de custos devem ter em conta várias categorias de despesas:

• Tecnologia e dados, incluindo infra-estruturas de rede, preparação e armazenamento de dados, necessidades de computação, software e licenciamento, e utilização de energia
• Talento e capital humano, incluindo a contratação ou a melhoria das competências do pessoal e a gestão da mudança
• Governação, segurança e conformidade, abrangendo a cibersegurança, a privacidade e a supervisão jurídica e ética
• Integração e manutenção operacional, abrangendo a reformulação do fluxo de trabalho, o apoio ao utilizador, a reciclagem de modelos e a manutenção a longo prazo.

Compreender todos estes elementos é essencial para uma afetação adequada dos recursos e para evitar surpresas dispendiosas.

Por último, as agências com bom desempenho estabelecem critérios de avaliação claros para os projectos-piloto que se centram em resultados mensuráveis e não na novidade tecnológica. A metodologia da Estónia exemplifica esta disciplina, avaliando cada piloto em função de quatro critérios: eficiência temporal, relação custo-eficácia, potencial de inovação e impacto mensurável. Como sublinhou Ott Velsberg, responsável pelos dados do Governo da Estónia, "não bastam ideias fixes de IA. Estamos atrás de números".

Principais recomendações para os governos que implementam a IA:

• Planeie a expansão desde o primeiro dia - Inclua modelos de custos abrangentes nos casos de negócios piloto e estime antecipadamente os custos totais de produção.
• Desenhe com as pessoas no centro - Envolva os utilizadores finais desde o início e aplique princípios de design centrados no ser humano com desenvolvimento iterativo.
• Defina objetivos claros e acionáveis e faça uma avaliação rigorosa - Defina objetivos específicos e mensuráveis e utilize critérios quantitativos para avaliar os resultados do piloto.

Uma expansão bem sucedida exige uma gestão integrada da infraestrutura técnica e da mudança organizacional. As organizações devem estabelecer modelos operacionais que apoiem a implantação da IA, gerindo simultaneamente a adaptação cultural necessária para uma adoção sustentada. As abordagens eficazes atingem um equilíbrio entre a especialização técnica centralizada e o conhecimento do domínio incorporado, garantindo que as soluções são tecnicamente robustas e operacionalmente relevantes.

O envolvimento da força de trabalho é vital, com 31% das organizações a citarem preocupações com a segurança do emprego como barreiras à implementação. As estratégias mais bem sucedidas abordam estas preocupações através de uma comunicação clara sobre o papel de apoio da IA e do envolvimento ativo dos trabalhadores na conceção do sistema. Esta abordagem centrada nas pessoas reconhece que a adoção sustentável da IA exige uma parceria entre os trabalhadores e não apenas formação.

Com 38% das organizações a citarem a escassez de talentos como um dos principais constrangimentos, os líderes virados para o futuro constroem condutas de capacidades a longo prazo. A Agência de Transformação Digital da Austrália exemplifica esta abordagem através da avaliação de capacidades e de programas de desenvolvimento direcionados. Lucy Poole, Diretora-Geral da Divisão de Estratégia, Planeamento e Desempenho, explica: "Do ponto de vista da capacidade e do planeamento da força de trabalho, estamos atualmente a trabalhar para concretizar as iniciativas delineadas pelo Plano 2025-30 da Força de Trabalho Digital, Cibernética e de Dados do Serviço Público Australiano (APS). O objetivo é identificar os principais desafios nas três disciplinas e começar a reforçar os conhecimentos, a literacia e as competências técnicas práticas. Isto é fundamental para garantir que o talento da APS está pronto para responder às necessidades atuais e futuras."

A transformação do aprovisionamento apoia a expansão sustentável ao acomodar a natureza iterativa da IA em vez de a forçar a entrar nos modelos de contratação tradicionais. Esta evolução permite o acesso a um ecossistema mais vasto que combina empresas de tecnologia estabelecidas com empresas inovadoras em fase de arranque, reunindo uma profunda experiência no domínio e capacidades de ponta. Como o agora reformado Capitão (Ret.) Manuel Xavier Lugo, Conselheiro Militar Sénior, Chefe do Gabinete de Inteligência Digital e Artificial, Gabinete do Secretário da Defesa, antigo Comandante da Task Force Lima, EUA, observou "A barreira à entrada já não existe. Pode ser uma pequena empresa a enfrentar um desafio específico e está dentro". O sucesso exige o desenvolvimento de competências internas de aquisição para avaliar eficazmente as soluções de IA e promover parcerias de colaboração que vão para além das relações tradicionais com os fornecedores.

Principais recomendações para os governos que implementam a IA:

• Escolha modelos operacionais adequados - Equilibre a especialização técnica centralizada com o conhecimento do domínio incorporado.
• Dê prioridade ao envolvimento da força de trabalho - Comunique claramente o papel de apoio da IA e envolva os funcionários na conceção do sistema.
• Modernize as abordagens de aquisição - Mude para abordagens ágeis e inclusivas que envolvam diversos fornecedores e criem capacidades de avaliação interna.

A medição sistemática e a partilha de conhecimentos transformam as implementações individuais em capacidades organizacionais. Estas práticas ajudam a desenvolver a aprendizagem institucional e a capacidade de expansão em toda a administração pública.

Os governos mais avançados estabelecem indicadores de desempenho abrangentes e mecanismos de feedback das partes interessadas que captam todo o valor operacional da IA, em vez de se concentrarem exclusivamente em métricas de custos.

As abordagens mais avançadas integram a medição na gestão contínua do programa, em vez de a encararem como uma etapa separada pós-implementação. O Ministério dos Assuntos Internos da Austrália é um exemplo desta abordagem. As equipas definem os resultados do programa, os indicadores e as medidas de avaliação antecipadamente e monitorizam os impactos pretendidos e não pretendidos das iniciativas de IA através da análise da carteira em tempo real. De acordo com Pia Andrews, este tipo de capacidade permite que o departamento ajuste o seu rumo com base em dados em tempo real, em vez de esperar por pontos de controlo de avaliação. 

A apresentação regular de relatórios à liderança, aos funcionários e ao público sobre o progresso e o impacto da implementação da IA promove a transparência e a responsabilização, reforçando simultaneamente a confiança das partes interessadas. 

A partilha de conhecimentos acelera a adoção organizacional através de comunidades de prática estruturadas que evitam a duplicação de esforços, ao mesmo tempo que desenvolvem a capacidade institucional. Esta abordagem de colaboração cria um valor exponencial, como explicou um funcionário do Estado de Maryland: "Criámos esta comunidade de prática, que é essencialmente constituída por todas as pessoas que utilizam a IA, formando um grupo de trabalho conjunto. Todos nós falamos para ver: "Quais são os problemas que está a enfrentar? Podemos fazer coisas para não reinventar a roda?

Ao fazer da aprendizagem uma viagem partilhada - celebrando as vitórias, dissecando os fracassos e abrindo o processo - os líderes governamentais estão a transformar os pilotos de IA em plataformas de lançamento para a transformação.

Principais recomendações para os governos que implementam a IA:

• Defina KPIs e linhas de base antes da implementação - Estabeleça quadros de medição que captem toda a gama de benefícios.
• Crie ciclos de feedback contínuos - Monitorize os progressos e recolha os contributos das partes interessadas para permitir um aperfeiçoamento em tempo real.
• Partilhe os conhecimentos adquiridos em toda a administração pública - Organize eventos inter-agências e mantenha sistemas de gestão de conhecimentos para acelerar a adoção.

Implicações para os líderes governamentais

Os riscos são elevados. Aqueles que agem de forma decisiva para ultrapassar estas barreiras podem concretizar o potencial transformador em várias dimensões - desde ganhos de eficiência e uma melhor experiência dos funcionários até uma maior participação dos cidadãos, planeamento estratégico de serviços, otimização financeira e resiliência organizacional. Quem adia arrisca-se a aumentar os custos, a perder oportunidades de ganhos de produtividade e a não satisfazer as expetativas do público. 

Para os líderes governamentais, a janela de ação está a estreitar-se - o que torna mais urgente do que nunca dominar a complexidade de escalar a IA para alcançar um valor público sustentado. O quadro de cinco etapas fornece um caminho estruturado para passar da estratégia de IA, passando pela fase piloto, até à implantação total e ao impacto mensurável.