A inteligência artificial não conhece a sua instituição

Uma equipe precisa reorganizar o fluxo de atendimento de uma secretaria.

Os servidores descrevem o problema a uma ferramenta de inteligência artificial e pedem uma proposta de melhoria. A resposta chega rapidamente: centralizar solicitações, padronizar formulários, definir níveis de prioridade, criar indicadores, automatizar encaminhamentos e estabelecer prazos para cada etapa.

A estrutura é coerente.

As recomendações parecem modernas.

O texto poderia ter sido produzido para quase qualquer organização.

Esse é precisamente o problema.

A resposta não sabe que parte dos pedidos chega por telefone porque muitos usuários não conseguem acessar o canal digital. Não sabe que duas unidades executam atividades parecidas, mas utilizam critérios diferentes. Não sabe que um setor possui apenas uma pessoa capaz de concluir determinada etapa. Não sabe que o sistema oficial não registra uma parte importante do trabalho. Não sabe que uma solução anterior fracassou porque dependia de uma integração que nunca foi concluída.

A inteligência artificial pode conhecer conceitos, modelos, leis, boas práticas e padrões gerais.

Ela não conhece a sua instituição.

Conhecimento geral não é conhecimento institucional

Uma ferramenta generativa consegue explicar como deve funcionar um processo de compras, um fluxo de atendimento, uma política de segurança da informação ou um plano de transformação digital.

Ela pode reconhecer estruturas comuns, comparar alternativas e organizar referências.

Mas o funcionamento real de uma instituição é formado por elementos que raramente aparecem juntos em um único documento:

• regras formais;
• sistemas disponíveis;
• rotinas informais;
• exceções acumuladas;
• distribuição de responsabilidades;
• limitações de equipe;
• relações entre setores;
• decisões anteriores;
• compromissos políticos;
• restrições orçamentárias;
• conhecimentos mantidos apenas na memória das pessoas.

A IA pode conhecer a norma.

Pode não saber como a norma é executada.

Pode conhecer a estrutura organizacional publicada.

Pode não saber onde as decisões realmente acontecem.

Pode conhecer as atribuições de um setor.

Pode não saber que outra unidade absorve parte do trabalho porque a estrutura formal nunca foi atualizada.

Pode produzir uma solução correta no plano abstrato e inadequada no plano institucional.

Essa diferença é decisiva.

Uma resposta pode estar certa e ainda assim não servir

Há uma tendência de avaliar respostas de inteligência artificial apenas por sua qualidade aparente.

O texto está bem escrito?

A estrutura faz sentido?

Os argumentos são coerentes?

A recomendação parece profissional?

Esses critérios importam, mas não bastam.

No serviço público, uma resposta precisa ser examinada em pelo menos três níveis.

Correção geral

A recomendação está de acordo com conhecimentos, práticas e referências amplamente aceitas?

Adequação institucional

Ela faz sentido para as condições reais do órgão?

Viabilidade de execução

A instituição possui pessoas, tempo, orçamento, autoridade e infraestrutura para realizar o que foi proposto?

Uma resposta pode passar no primeiro nível e fracassar nos outros dois.

Pode recomendar um sistema excelente para uma instituição que não possui equipe para mantê-lo.

Pode sugerir uma política correta que dependa de dados inexistentes.

Pode propor centralização em um contexto no qual a proximidade territorial é essencial.

Pode recomendar automação para um processo que ainda não foi compreendido.

Pode apresentar indicadores sofisticados que ninguém terá capacidade de alimentar.

A qualidade abstrata não garante utilidade concreta.

O contexto não está apenas nos documentos

Uma solução comum para melhorar respostas de IA é fornecer mais informações.

Isso realmente ajuda.

Documentos, normas, organogramas, relatórios, inventários e históricos podem tornar a análise mais consistente.

Mas o contexto institucional não está completamente registrado.

Parte dele vive nas práticas.

Um servidor sabe que determinado prazo formal quase nunca é cumprido porque o processo depende de uma informação externa. Outro sabe que certo campo do sistema é preenchido apenas para permitir o avanço da tela. Uma equipe conhece a diferença entre o procedimento descrito e o trabalho necessário para que ele funcione.

Esse conhecimento pode ser valioso.

Também pode ser frágil.

Quando não está documentado, ele depende da permanência das pessoas. Quando está naturalizado, deixa de ser questionado. Quando é tratado como exceção individual, pode esconder um problema estrutural.

A inteligência artificial não acessa automaticamente esse conhecimento.

Antes que ela possa ajudar a analisá-lo, alguém precisa torná-lo visível.

O servidor funciona como tradutor institucional

Usar IA no Estado exige mais do que formular comandos.

Exige traduzir a instituição.

Essa tradução envolve explicar:

• qual é a origem da demanda;
• quem participa do processo;
• como o trabalho acontece hoje;
• quais são os sistemas utilizados;
• onde estão as principais interrupções;
• quais regras não podem ser ignoradas;
• quais tentativas já foram feitas;
• que recursos estão disponíveis;
• que resultados seriam considerados aceitáveis;
• quais riscos precisam ser evitados.

Não se trata de escrever um relato interminável.

Trata-se de selecionar o contexto que altera a qualidade da análise.

O servidor que faz essa tradução não está apenas alimentando uma ferramenta.

Está reconstruindo o próprio problema.

Muitas vezes, ao organizar o contexto para a IA, a equipe percebe contradições que antes permaneciam dispersas. Descobre que não existe consenso sobre o objetivo. Identifica dados ausentes. Reconhece dependências e exceções.

Nesse sentido, contextualizar não é uma preparação burocrática para obter uma resposta.

É parte do trabalho intelectual.

O risco da resposta transplantada

Grande parte das recomendações produzidas por IA é formada por padrões reconhecidos em outros contextos.

Isso pode ser útil. Boas práticas existem porque alguns problemas se repetem.

O risco surge quando uma solução é transplantada sem avaliar as condições que permitiram seu funcionamento.

Um modelo aplicado em uma organização com equipe dedicada pode não funcionar em um município com poucos servidores acumulando funções.

Uma solução adequada para um serviço totalmente digital pode excluir pessoas em um território com acesso desigual.

Uma política criada para uma instituição com dados estruturados pode se tornar inviável onde informações ainda estão dispersas em documentos, planilhas e sistemas que não se comunicam.

Uma estrutura recomendada para grandes organizações pode criar camadas desnecessárias em uma equipe pequena.

A pergunta não deve ser apenas:

“Essa solução é considerada uma boa prática?”

Também precisa ser:

“Quais condições tornaram essa prática possível e quais delas existem aqui?”

Sem essa segunda pergunta, a inovação corre o risco de se transformar em imitação institucional.

A instituição também pode descrever a si mesma de forma errada

Fornecer contexto não resolve tudo.

A própria organização pode ter uma compreensão incompleta de como funciona.

Um setor pode descrever sua rotina a partir do procedimento formal e ignorar adaptações necessárias para concluir o trabalho.

Um gestor pode interpretar falta de desempenho como resistência, quando o problema está em sistemas, prioridades conflitantes ou ausência de recursos.

Uma equipe pode acreditar que precisa de uma nova ferramenta porque nunca examinou o processo que pretende digitalizar.

Por isso, o contexto oferecido à IA também precisa ser questionado.

Que parte dessa descrição é fato?

Que parte é interpretação?

Há dados que sustentem essa percepção?

Outros setores enxergam o problema da mesma forma?

O que não aparece porque se tornou rotina?

Que pessoas afetadas ainda não foram ouvidas?

A IA não conhece a instituição.

Mas a instituição também nem sempre conhece a si mesma.

Esse é um dos motivos pelos quais uma boa análise precisa combinar documentos, dados, observação, diálogo e revisão.

O contexto necessário muda conforme a tarefa

Nem todo uso de inteligência artificial exige o mesmo nível de informação.

Para revisar a clareza de um comunicado, talvez baste fornecer o texto, o público e o objetivo.

Para comparar duas versões de um documento, é preciso explicar os critérios relevantes.

Para apoiar uma decisão de contratação, o contexto precisa incluir demanda, inventário, histórico, orçamento, riscos, alternativas e capacidade de manutenção.

Quanto maior a consequência, maior deve ser a profundidade do contexto.

Uma forma útil de pensar é distinguir quatro camadas.

Contexto da tarefa

O que precisa ser feito agora?

Contexto do problema

Que situação originou a tarefa?

Contexto institucional

Como a organização funciona e que restrições possui?

Contexto da decisão

Quem será afetado, que riscos existem e quem responderá pelo resultado?

Uma solicitação operacional pode exigir apenas a primeira camada.

Uma decisão relevante quase nunca pode dispensar as demais.

Como tornar o contexto mais útil

Contextualizar não significa enviar todos os documentos disponíveis.

Excesso de informação também pode produzir confusão.

O objetivo é construir um conjunto suficiente para orientar a análise.

Uma boa contextualização pode seguir esta estrutura:

Origem

De onde surgiu a demanda?

Objetivo

Que resultado se pretende alcançar?

Situação atual

Como o trabalho acontece hoje?

Evidências

Que dados, ocorrências ou relatos demonstram o problema?

Restrições

Quais limites legais, orçamentários, técnicos, humanos ou políticos existem?

Histórico

O que já foi tentado e com que resultado?

Pessoas afetadas

Quem utiliza, executa, decide, mantém ou fiscaliza?

Critérios

Como as alternativas serão avaliadas?

Lacunas

O que ainda não sabemos?

Essa estrutura não garante uma resposta correta.

Mas reduz a chance de receber uma recomendação genérica e tratá-la como se fosse uma análise institucional.

A IA pode ajudar a testar o contexto

Depois de reunir as informações, a ferramenta pode ser orientada a questioná-las.

Por exemplo:

“Com base no contexto fornecido, identifique contradições, pressupostos, informações ausentes e pontos que precisam ser confirmados antes de formular uma recomendação.”

Ou:

“Diferencie fatos, interpretações e hipóteses presentes nesta descrição.”

Ou ainda:

“Apresente situações em que a solução proposta não funcionaria dentro das restrições informadas.”

Esses pedidos não transformam a IA em conhecedora da instituição.

Ajudam a revelar onde o conhecimento institucional ainda está incompleto.

O valor está menos em obter uma resposta definitiva e mais em produzir contraste para a análise humana.

O que nunca deve ser presumido

Ao utilizar uma resposta gerada por IA, o servidor não deve presumir que a ferramenta conhece:

• a versão atual das normas internas;
• a disponibilidade real de recursos;
• o histórico de decisões;
• os contratos vigentes;
• os dados completos do órgão;
• os compromissos assumidos;
• as competências informais;
• a sensibilidade política da demanda;
• as características do território;
• as necessidades de públicos específicos;
• os efeitos de uma mudança sobre outras áreas;
• a capacidade de manutenção depois da implantação.

Algumas dessas informações podem ser fornecidas.

Outras precisam ser verificadas fora da ferramenta.

E algumas exigem julgamento que não pode ser delegado.

O conhecimento institucional é uma responsabilidade

Existe uma tentação de tratar o contexto como uma limitação da IA.

Mas ele também revela uma responsabilidade do próprio Estado.

Se uma instituição não consegue explicar como seus processos funcionam, localizar seus dados, reconstruir decisões ou identificar responsáveis, o problema não está apenas na ferramenta utilizada.

Há uma fragilidade institucional anterior.

A adoção de inteligência artificial pode tornar essa fragilidade mais visível.

Para utilizar a tecnologia com qualidade, o órgão precisa organizar informações, documentar critérios, registrar aprendizados e reduzir dependências individuais.

Assim, o esforço de contextualização pode produzir algo maior do que uma resposta melhor.

Pode estimular a construção de memória institucional.

O papel do servidor aumentado

O servidor aumentado não espera que a inteligência artificial compreenda sozinha a realidade pública.

Ele sabe que o conhecimento geral da ferramenta precisa ser confrontado com o conhecimento situado da instituição.

Por isso, ele:

• reúne contexto antes de pedir soluções;
• identifica o que não está documentado;
• consulta pessoas envolvidas;
• distingue regra formal e prática real;
• verifica dados;
• questiona recomendações genéricas;
• adapta alternativas às condições locais;
• registra o que foi aprendido;
• assume responsabilidade pela decisão.

Ele não rejeita a inteligência artificial porque ela não conhece o órgão.

Também não confunde fluência com compreensão.

Utiliza a ferramenta pelo que ela pode oferecer e preserva para as pessoas aquilo que depende de experiência, responsabilidade e conhecimento institucional.

Antes de aceitar a resposta

Diante de uma recomendação produzida por IA, vale interromper o entusiasmo e perguntar:

“Que parte desta resposta depende de uma instituição que existe apenas no plano ideal?”

A resposta pode pressupor dados organizados, responsabilidades claras, integração entre sistemas, equipe disponível, orçamento contínuo e capacidade de manutenção.

Se essas condições não existem, há dois caminhos.

O primeiro é abandonar a recomendação.

O segundo é reconhecer que, antes da solução, existe capacidade institucional a construir.

Essa talvez seja uma das contribuições mais importantes da inteligência artificial para o serviço público: não oferecer uma resposta pronta, mas revelar a distância entre a organização que imaginamos ter e aquela que realmente consegue executar.

A inteligência artificial pode conhecer muito sobre administração pública.

Mas conhecer a sua instituição continua sendo trabalho humano.