O Custo da Invisibilidade Humana no Design de Dados
A abertura do evento trouxe uma provocação central: a eficácia de uma estratégia de IA é limitada pela qualidade da “escuta” organizacional. Carlos Barbieri ilustrou essa tese com um caso real:
Em 2010, o veterano consultor de dados Carlos Barbieri estava em um dos maiores hospitais de Belo Horizonte, lidando com a pesada burocracia de um funeral de um ente querido. Ao ser questionado sobre o peso do falecido, ele respondeu: 118 kg. O funcionário, de forma pragmática, registrou a necessidade de uma urna do tipo “Baleia”. Essa classificação impactante, sancionada pela Associação Brasileira de Empresas Funerárias, é um lembrete visceral do que acontece quando o design de dados carece de empatia humana. Enquanto uma marca de moda como a Reserva utiliza tamanhos neutros e dignos (P, M, G ou GG) a indústria funerária optou por um rótulo pejorativo que transformou um momento de luto em um de indignidade.
Isso não é apenas uma história sobre mau gosto; é uma falha fundamental no “cuidar dos dados”. À medida que as organizações correm em direção à revolução da IA, muitas estão repetindo exatamente esse erro. Estão obcecadas com a velocidade algorítmica enquanto negligenciam a governança fundamental necessária para garantir que os dados permaneçam como um ativo, e não um passivo. Para preencher essa lacuna, devemos olhar para os insights que emergem do framework MGPDI (Modelo de Gestão da Pesquisa, Desenvolvimento e Inovação), que sugere que a verdadeira inovação não nasce do poder de processamento bruto, mas de uma abordagem sistemática e centrada no ser humano para a gestão de dados.
AS 5 LIÇÕES PRESENTES NO WEBINAR:
Lição 1: Governança de Dados é um Exercício de Confiança em “Quatro Pilares”
Dominar o ciclo de vida dos dados não é um checklist burocrático; é uma necessidade estratégica ancorada em quatro pilares inegociáveis. Para alcançar a “Fluência de Dados” (a capacidade de transformar insumos brutos em movimento organizacional) a liderança deve assegurar estes elementos:
- Localização (Encontrar): Você não pode governar o que não consegue ver. Isso requer a capacidade de identificar, localizar e mapear todo o ciclo de vida dos dados, da criação à exclusão.
- Significado e Valor (Entender): Dados sem contexto são meramente ruído. Considere o número “38”. É uma temperatura corporal (médico), um comprimento (industrial) ou um calibre (balístico)? O entendimento define se o dado é sensível, crítico ou público, e atribui seu verdadeiro valor de negócio.
- Qualidade e Consistência (Confiar): A integridade é a base da tomada de decisão. Os dados devem ser completos, exatos e consistentes em todos os pontos de contato.
- Segurança e Ética (Proteger): Além de firewalls, a proteção envolve o uso ético dos dados e a adesão estrita a leis de privacidade como a LGPD, garantindo que os dados permaneçam inalterados por mãos não autorizadas.
“Se você tem esses quatro elementos, você está começando a estabelecer um grau de ‘cuidar dos dados’, que é o que chamamos de governança.” — Carlos Barbieri
🔍 O Olhar do Designer: No Design Estratégico, esses pilares são as camadas de
sustentação da confiança. Sem "Significado" (Semântica), o dado não gera movimento
organizacional. Governança é o design da infraestrutura invisível que sustenta
a verdade do sistema.Lição 2: IA é Probabilística, não Determinística
A mudança fundamental na era da IA é a transição da lógica determinística para a probabilística. Sistemas de TI tradicionais são previsíveis; seguem regras “Se-Então” onde o resultado é garantido. A IA, inversamente, é um “algoritmo de riscos”. Ela oferece probabilidades, não certezas.
Essa mudança torna obsoleta a garantia de qualidade tradicional de “passa/falha”. Como o código de IA possui um grau de autonomia na tomada de decisão, somos forçados a navegar na dicotomia entre o “entusiasmo flamejante” e o “ceticismo inibidor”. O único caminho a seguir é através da IA Responsável, especificamente o pilar da Explicabilidade. À medida que o código ganha o poder de decidir, a responsabilidade humana torna-se mais (e não menos) crítica. A governança deve evoluir para um monitoramento constante do “desvio probabilístico”, onde possamos explicar como e por que um algoritmo chegou a um resultado específico.
🔍 O Olhar do Designer: Estamos projetando sistemas com autonomia decisória.
Isso altera nossa função: não projetamos mais apenas o fluxo, mas as balizas
do comportamento algorítmico. A Explicabilidade é a interface que mantém o humano
no comando do sistema.Lição 3: A Relação entre “GD” e “GIA”
O futuro da gestão de alta velocidade reside no “acoplamento forte” entre a Governança de Dados (GD) e a Governança de IA (GIA). Embora indissociáveis, elas devem permanecer como funções distintas para evitar que uma burocracia lenta sufoque a inovação.
- Pronto para IA (AI Ready): A missão principal da Governança de Dados agora é fornecer dados “AI Ready”, isto é, informações estruturadas, de alta qualidade e com metadados robustos que os algoritmos possam consumir sem herdar vieses.
- O Gestor de Resultados e Riscos: Como a IA se move com uma “velocidade e tração” que os sistemas tradicionais não conseguem acompanhar, um novo papel está surgindo. O Gestor de Resultados e Riscos foca especificamente nas saídas (outputs), agindo como um guardião crítico contra “alucinações”, violações éticas e quebras de privacidade antes que cheguem ao mercado.
Manter essas funções separadas, mas firmemente integradas, permite que a organização dimensione os riscos de IA mantendo a “supervisão humana” necessária para a integridade ética.
🔍 O Olhar do Designer: Sob a ótica sistêmica, a GD é como o back-end (insumo)
e a GIA é o front-end (impacto). O novo papel do "Gestor de Resultados" é uma
função de curadoria de integridade, garantindo que a escala da IA não atropele
o direcionamento e a confiabilidade dos sistemas.Lição 4: Inovação é um Processo Sistemático, não um Acidente
De acordo com o modelo MGPDI, a inovação nunca deve ser “anárquica”. É um processo sistemático de tomada de decisão que falha sem dados confiáveis como combustível. Se a inovação é um motor, os processos do MGPDI fornecem o óleo que impede que ele funda:
- IDE (Gestão de Ideias): Atua como o “filtro de combustível”, construindo um repositório de ideias e filtrando-as com base na sustentabilidade econômica, social e ambiental.
- RISCO (Gestão de Riscos e Oportunidades): Identifica e trata os perigos inerentes às novas tecnologias antes que se tornem falhas sistêmicas.
- GC (Gestão do Conhecimento): É a “memória” do motor, preservando lições institucionais de pesquisas passadas para que a organização não repita erros dispendiosos.
- GOV (Governança): Garante que a inovação seja uma prioridade de alto nível, discutida no conselho administrativo em vez de enterrada no departamento de TI.
🔍 O Olhar do Designer: Inovação sem método é apenas "entusiasmo tecnológico".
O MGPDI fornece a gramática organizacional necessária para que o ímpeto criativo
se transforme em valor escalável e seguro.Lição 5: Por que Precisamos de um “Curso de Escutatória” (A Arte de Ouvir)
A lição mais contraintuitiva da linha de frente é que a cultura é o “hardware” mais difícil de atualizar. A falha do hospital em Belo Horizonte não foi um erro técnico; foi uma falha de escuta. A equipe falhou em ouvir o impacto de sua classificação nos seres humanos envolvidos.
Para que uma cultura orientada a dados crie raízes, a liderança deve ir além da “Oratória” e investir na “Escutatória“. As pessoas não mudam porque uma empresa ordena; elas mudam quando veem o benefício próprio (“O que eu ganho com isso?”). Elas mudam quando percebem como os dados governados melhoram suas vidas diárias e reduzem seus atritos.
“Não são as empresas que mudam; são as pessoas que mudam. Você tem que cultivar esses valores dentro das pessoas.” — Carlos Barbieri
🔍 O Olhar do Designer: A mudança organizacional é um projeto de Design Cultural.
Não se impõe governança; co-cria-se sentido. Se o dado governado não facilita a
vida de quem o opera, a estratégia é meramente decorativa.Conclusão:
Devemos transitar do “Controle Leonino” (onde a governança atua como uma barreira restritiva) sem cair na armadilha do “Consumo Libertino” (onde a IA é implantada sem supervisão). O objetivo é um equilíbrio de viabilização, onde a governança fornece os trilhos de segurança que, na verdade, permitem que a inovação se mova mais rápido.
À medida que a IA escala seus riscos organizacionais na velocidade da luz, sua cultura de dados atual consegue escalar a empatia humana e a supervisão necessárias para mantê-la ética? A pergunta para o líder moderno não é mais sobre quais ferramentas de IA você possui, mas uma mais profunda e desconfortável: Sua organização está realmente “Pronta para a IA” ou apenas “Entusiasmada com a IA”?
Por Vitor Soares , Consultor em Design Estratégico e Impacto Cultural da SOFTSUL.
