SPEAKER_03 0:04

Olá, esse é o People Analytics na Prática, podcast que explora como os dados estão transformando a gestão de pessoas no Brasil. Histórias reais, aprendizados e bastidores do People Analytics no Brasil, disponível nas principais plataformas de áudio e no YouTube. São bem-vindos a mais um episódio de Pipo Analytics na Prática. Hoje a gente vai falar com a Raíssa da Maceno. Bem-vinda, Raíssa.

SPEAKER_05 0:31

Obrigada, obrigada pelo convite, Gabriel. Uma honra estar aqui com você.

SPEAKER_03 0:35

Uma honra de te receber a Raíssa é doutora em psicologia organizacional pela Universidade de Brasília, com período na Western University, no Canadá, and ela é sócia da Numera People Analytics. A Raíssa acredita que o que falta não é mais information, o trabalho que ela faz is desenvolver o raciocínio, which transform dado in arguments sustentable with leaders and teams who just operate with dados and precisely além da análise. A Raíssa desenvolve programs constructed part of problems of that organization, not trilhas genéricas. Ela trabalha with teams do Bradesco, Itaú, Novo Nordisk, Novartis, Itam, Cicobi, Cicred, Heineken, MSEC, Embraer, entre outros, and today escreve sobre isso na Numera Leather. E uma vez por mês ela abre o Clube do Livro, que é um encontro gratuito e aberto, sem aula nem apresentação, só um texto de referência e uma conversa real sobre como pensar melhor com dados de gente. Mais ou menos isso, né, te apresentei bem aqui, tudo certo?

SPEAKER_05 1:43

Muitíssimo bem, melhor do que eu faria, porque tenho a dificuldade de ficar cuspindo o currículo, né? É um negócio, às vezes, que a gente fica meio. Será que eu falo isso? Será que eu falo aquilo? Mas foi perfeito, muito obrigada. E o pedante, né? Você fica assim, será que eu falo isso aqui? Isso aqui tá legal, não tá?

SPEAKER_03 2:02

Melhor alguém falar, resolve.

SPEAKER_05 2:04

Acho que eu tinha que ter um pouco mais da confiança do homem hétero aqui já fazendo a brincadeira.

SPEAKER_03 2:10

É isso, perfeito.

SPEAKER_02 2:12

Exatamente.

SPEAKER_03 2:13

É isso, eu vou começar te perguntando, que eu sempre pergunto, que é como é que você chegou ao mundo de peopleanalytics.

SPEAKER_05 2:20

Perfeito, Gabriel, perfeito. Veja, a minha jornada vai ser diferente do que muitas pessoas que hoje estão na cadeira de People Analytics, né? É uma cadeira que muitas pessoas que ocupam esse espaço, ou são cientistas de dados, ou fizeram engenharia, acabaram caindo no RH por algum motivo, ou enfim, tem muitas jornadas, na verdade, que caem para People Analytics. But I entrei nessa depois de ter sonhado e construído uma carreira acadêmica. Então, a gente estava aqui conversando mais cedo. O meu doutorado foi em análise de redes, and you realmente cheguei a publicar artigo, publicar livro, publicar capítulos de livro nesses assuntos. Eu tinha uma carreira acadêmica intensa. Andi e falei, no, isso aqui não está me preenchendo mais, eu quero uma coisa mais concreta. And quando eu entro na Numera para atuar como líder ainda não, eu entro como analista de treinamento e desenvolvimento lá dentro. E entro já entregando treinamentos desse conhecimento todo que eu desenvolvi no meu doutorado. Porque a gente vai falar sobre isso, but the people analytics bebe muito de método científico, ele bebe muito da psicometria, que foi parte do meu doutorado. And foi natural para mim sair de uma carreira acadêmica que estava na psicologia, na psicometria, na psicologia organizacional, and buscando no ambiente corporativo esse lugar de people analytics. Com o tempo eu fui descobrir que people analytics é muito mais do que eu sabia do ponto de vista acadêmico. But I entrei ali nessa pegada de usar método científico para tomar decisions sobre pessoas. Antes I think I ganhava dinheiro obviamente dentro do contexto acadêmico, dando aula andar, but I rodava muita análise, but era mais para o setor público. Como eu estou in Brasília, isso era mais comum, chegava muita análise pra fazer. Inclusive, um dos livros que eu tenho é justamente com o Ministério do Planejamento. E o que aconteceu? Na hora em que eu migrei pro corporativo, eu tive um desafio muito grande, assim, que foi fazer o luto do meu conhecimento tão acadêmico que tem uma lógica de alta profundidade que não é a demanda do corporativo. No corporativo, a gente precisa ser mais objetivo. E não que não tenha que ter rigor ou qualidade. Mas existe aqui um peso e contrapeso em relação a isso. Não tem trade-off aqui. Eu vou ter o máximo de rigor, mas se eu for ter o máximo de rigor, eu vou demorar muito tempo. Então eu reduz um pouco o rigor para ser mais ágil, mais rápido e manter ali uma qualidade nos parâmetros aceitáveis daquela coisa. Enquanto você está no ambiente acadêmico, é perfeição, pode demorar o tempo que for, o importante é a descoberta científica ali daquele assunto. Então foi uma mudança de carreira que me fez mudar como que eu pensava sobre o trabalho que eu desempenhava. Então eu tive que fazer muito isso, e eu acho que é uma experiência que muitas pessoas que mudam de carreira também fazem essa passagem de parte do que eu gostava e entendia, and gastei muito tempo e esforço entendendo não era mais útil. Eu tinha que aprender outras coisas. Porque senão eu ia passar a vida tentando oferecer, né? Usando o meu martelo pra pregar os pregos que me enxergavam, né? Então, assim, eu tive que ampliar muito o meu horizonte pra ir pro corporativo. E o que eu pego de lição disso é uma coisa que eu levo muito pra sala de aula, né? A gente mudar como a gente pensa, qual é o jogo agora que você tá jogando, como que isso, como que você faz o seu trabalho da melhor maneira possível, considerando que as regras do jogo mudam. E essa é uma experiência que tá todo mundo tendo ultimamente, né? As regras das coisas estão mudando, tá tudo muito acelerado. E a gente tem que sempre parar e pensar o que eu preciso saber, o que eu não devo saber. Essa é uma coisa que a gente vai puxar muito ao longo da conversa de hoje. Então foi isso. Aí desde então eu tô na Numera, tô na Numera aí, vai fazer uns seis anos, e eu já sou líder da área, então eu cuido tanto de como que os treinamentos são desenhados pra empresa, como que eles são construídos, então eu cuido do comercial desse fechamento, entendimento da demanda do cliente, construo, adapto e muitas vezes entrego, mas também tem um time que entrega os treinamentos hoje em dia também. Então hoje, o mais próximo disso foi a natureza do meu trabalho. Eu quero compartilhar aqui com vocês tudo que eu puder de aprendizado nesse cenário todo.

SPEAKER_03 7:23

Perfeito, perfeito. Deixa eu te perguntar, você falou que teve alguns aprendizados saindo da carreira acadêmica e indo pra essa das organizações. Quais os principais aprendizados que você foi tendo ao longo do tempo?

SPEAKER_05 7:38

Eu vou compartilhar isso porque eu acho que é uma experiência que talvez seja comum pra muita gente que tá entrando aqui em um cenário que tem que aprender uma coisa diferente, uma coisa nova, que na verdade é o que todo mundo tem que fazer todo tempo hoje em dia, né? Olha, eu diria que em primeiro lugar existe essa coisa de você reconhecer que apesar de você estar com um doutorado num assunto que vai ter muita utilidade, então o que eu sabia? Eu sabia método científico, eu sabia análise de dados no R, eu sabia análise estatística em profundidade, eu sabia inglês, eu sabia muitas coisas. Dessas coisas todas, só parte era útil para o novo trabalho que eu ia desempenhar. And eu lutei um tempo em tentar tornar o que eu sabia útil pra aquele novo contexto em que eu estava. So existia uma parte que era útil, método científico, a minha forma de tomar decisão, de pensar sobre os assuntos. Mas eu usei muito pouco e continuo usando conhecimento técnico de psicometria de altíssimo nível, que não é uma demanda. E não é uma demanda não porque o que eu aprendi na academia é rigoroso e técnico demais, mas porque não precisa disso, desse nível, sabe? Deixa eu fazer uma comparação para a coisa ficar mais tangível. É como se hoje o contexto corporativo precisa ir da cidade A para B de carro e funciona muito bem, and eu tenho um avião. A gente podia ir mais rápido, podia ser muito melhor, podia ser mais desconfortável, mas o carro funciona legal para a gente ir de uma cidade para outra que está a duas horas de distância. Sabe? So às vezes o avião até ia demorar muito mais, porque até você fazer check-in, check-out, enfim. Então esse luto é muito necessário. And aí a gente tem que o ambiente corporativo, ele demanda. E eu comecei a entender isso, porque a gente entrega treinamento não só para a RH, mas para todas as áreas dentro das empresas. Demanda que você entenda de negócio. And é um desafio gigante para todo mundo, é um desafio universal. Então, assim, até compartilhando como é a vida e as pessoas que estão aqui à minha volta, toda a minha rede de contatos e network e tudo mais, é uma questão bastante universal. A necessidade de entender do negócio. O desafio de traduzir soluções para o negócio. Então, desde a pessoa que está num banco grande que precisa executar um projeto grande, ela tem o desafio de tornar aquilo útil para o negócio. Até o BP que atende duas pessoas numa empresa de 100 pessoas tem o desafio de entender o negócio. É claro que a gente vai ter complexidades e magnitudes diferentes aqui, mas entender do negócio é essa grande coisa abstrata e difícil as pessoas desenvolverem e aprenderem. So, para mim, foi um desafio muito grande entender de negócio é uma coisa que eu tô toda hora tentando entender mais. E aí nasceram várias referências que eu fui construindo ao longo do tempo, mas assim, o bom da consultoria é que ela te dá esse espaço de você ter contato com múltiplas empresas, então você acaba observando o que tem em comum em todas elas e surfando melhor nessa lógica. Então, aprender do negócio eu diria que é uma coisa muito difícil. E eu diria um terceiro ponto é que a academia ela é muito menos criativa do que o corporativo. O que eu quero dizer? Se eu tenho, se eu fiz uma pesquisa, eu conduzi uma pesquisa durante um período, eu escrevo um artigo. Os artigos acadêmicos têm um formato que é você lê um monte de coisa de um monte de gente que já fez, aí você pensa um grande areia melhorado em relação ao que está todo mundo fazendo, e aí tu escreve introdução, método, resultado, conclusão.

SPEAKER_03 11:57

E antes de fazer, tu já vai falar o que tu vai analisar, né? De que forma tu vai acompanhar, o que tu quer ver de resultado, e tu já fixa isso, né?

SPEAKER_05 12:07

Você já desenha, você já publica, você já registra, enfim. Então, existe uma rigidez muito grande de método, estrutura, início, meio e fim. Então, quando você inova, tipicamente, você inova a partir daquilo que muita gente já sabe. Então, você sempre tá subindo no ombro de gigantes, como diria Newton, né? Não sei se foi Newton mesmo. Foi Clarice Le Spector, então, já que eu não tô lembrando quem foi.

SPEAKER_03 12:36

Ah, boa! Vou usar isso sempre agora. Perfeito.

SPEAKER_05 12:41

Não lembrei agora, eu acho que foi Newton. Mas, enfim. Diferente do contexto corporativo, porque no corporativo você não tem resposta, o seu contexto é completamente novo. Você tem que saber como você pensa sobre aquele problema pra você tentar achar uma solução que, na verdade, é você estar tateando um pouco no escuro. E aí tem gente que diz que isso é uma super intuição, e é chamado de intuição quando você acerta, e é chamado de grande erro quando você erra. E você, na verdade, caminha muitas vezes sem saber se tá acertando ou tá errando. Então, é um ambiente muito diferente. É mais caótico, é mais desorganizado, mas tem mais espaço pra ser criativo. Então, pra mim, foi esse terceiro ponto aqui que foi diferente.

SPEAKER_03 13:28

Nossa, muito legal. Eu vi muitas conexões e paralelos com a minha experiência. Eu tava só interessante. Será que faz aqui? Que momento foi bem legal te ouvir agora. Eu queria saber se nessa transição teve algum momento marcante ou decisivo nessa trajetória para People Analytics.

SPEAKER_05 13:50

Sabe o que pra mim era muito, muito uma questão muito. E que a conversa acaba ficando um pouco pessoal nesse sentido. Eu espero que seja útil para todo mundo mesmo assim. No contexto acadêmico, era muito distante o resultado daquilo que eu fazia. Quando eu tô no corporativo, seja lá o que eu fizer, o resultado é imediato. O que eu quero dizer? Eu faço um mestrado, dura dois anos pra eu fazer uma pesquisa, eu escrevo aquele artigo, ele vai pra uma revista, às vezes só dois anos depois eu tenho esse artigo publicado, se for publicado. E quando ele chega, eu ainda tenho que revisar esse artigo. E assim, aí é um inferno, né? Pra quem é da academia que chora comigo, como que você não quer mais ler aquele texto, você só quer que acabe. E aí você, enfim, tem essa experiência. Quando eu migrei pro corporativo, foi o que me apaixonou, eu consigo ver resultados das coisas que eu faço imediato. Então, quando eu entro numa empresa e converso, eu ouço a demanda que eles têm. No que eu ouço a demanda que eles têm, eu desenho um treinamento, eu apresento, falo, cara, é isso que vocês estão precisando. Poxa, é bora então. And aí a gente faz o treinamento, entrega o treinamento, o treinamento acaba, as pessoas me devolvem como foi, o que eles pensaram, como eles estão pensando diferente, me relatam as falas que as pessoas passaram a ter. E o que eu ensino é em grande parte o método científico. Então, pra mim, tem um ganho pessoal muito grande de ver o resultado do meu ensino, das pessoas trabalharem melhor, das se desenvolverem na carreira, o tanto de gente que saiu de um estágio de desenvolvimento e foi pra um muito mais avançado, ganhou muito mais, isso melhorou a vida dele, melhorou a vida dela. Essas coisas me dão muito mais prazer de ver a realidade da coisa avançar, se concretizar. Então, eu diria que esse é o maior foco do porquê eu migrei. Acho que todo mundo já deve ter conversado aqui orgulhoso sobre ter nascido lá no contexto do Google, né? And so a gente viu esse termo surgir lá com o projeto Oxygen, enfim. Andança que eles fazem que é bastante sutil, e eu acho que porque eu já dei aula sobre isso algumas vezes, eu peguei que ele falava o seguinte, eles falavam, né, principalmente o Laszlo, mas a questão de que people analytics vai ser o uso de dados e análise. Então, primeiro eles falavam uso de dados para resolver problemas de negócio que envolvem pessoas, e depois ele adicionaram dados e análise. E é isso, não é só dados. Quando a gente fala de People Analytics, a gente não pode pensar, ah, e agora contradados não há argumentos e vamos para avanti e além, é uma subida inclinada para o céu da melhor coisa do mundo. E não é esse o jogo. É um jogo de cometer erros novos. É um jogo de saber onde você errou e melhorar. É um jogo de você ser mais assertivo, mas não você tomar decisões perfeitas. É um jogo de reconhecer limitação dos dados. É um jogo de, às vezes, dar tiros no escuro também, porque você não sabe, você não tem informação suficiente, mas você constrói a informação necessária para a próxima rodada desse projeto. Então é o uso de evidências. Eu gosto mais do termo evidência para tomar de decisão sobre pessoas em contexto corporativo. So, o Google vai falar de dados e análise. And uso de evidências, porque quando a gente tá falando com os RHs, a gente percebe que eles muitas vezes têm dificuldade de ter clareza de que um dado é um dado qualitativo, for example. And a fala de uma pessoa que foi bem coletada e estruturada, ela é uma evidência que te ajuda a tomar uma decision.

SPEAKER_01 18:03

Perfeito.

SPEAKER_05 18:04

So a fala de uma pessoa pode ser evidência suficiente pra você tomar uma decisão sobre um assunto, você tá praticando people analytics, porque pra mim o aspecto fundamental é você ter rigor, é você ter método científico pra você estar tomando decisões. Não é você tomar decisiones, você não toma decisão porque você ouviu uma fofoca. Você tomou decisão porque um conjunto de evidências te levou a esse caminho. Então, pra mim, eu diria isso, né? É esse universo de dados e análise, e eu concordo com o que foi descrito lá atrás do projeto Oxygen, mas eu quando falo de People Analytics, eu falo que, gente, é usar evidências pra tomar decisão sobre pessoas. Porque a nossa intuição é falha.

SPEAKER_03 18:48

Perfeito, perfeito. E os tipos de evidências são diferentes, né? A gente tem uma evidência do dado, a gente tem uma evidência acadêmica, do dado interno, a referência acadêmica, a gente tem uma referência que é uma evidência que são de quem tá sofrendo com aquilo e das lideranças também, né? Então a gente tem vários tipos diferentes de evidência, que não é só o dado bruto que a gente pega numa planilha ou num dashboard. A gente precisa conseguir considerar isso também, né? Como é que você vê o impacto de people analytics nas empresas?

SPEAKER_00 19:24

Que susto é esse.

SPEAKER_05 19:28

É porque é uma pergunta mais complexa do que parece. Porque o que vai acontecer? A gente vai assistir que existem empresas que já têm isso muito estruturado, e elas já têm, assim, a cadeira de people analytics e o time de people analytics. E essas empresas enfrentam alguns desafios, e eu vou começar por essas, que seriam assim: o lugar que a gente espera que seja perfeito e maravilhoso é o lugar no qual você tem um time de people analytics rodando as análises e desenvolvendo aquilo e resolvendo problemas com dados. O que tipicamente as empresas que já têm isso muito bem estruturado têm desafio. Elas têm o desafio do time de RH não saber usar dados para tomar decisão. Então ela tem o time de People Analytics que produz um avião e um time aqui que não sabe pilotar, que não sabe extrair valor daquilo, traduzir para a liderança e realmente ajudar aquilo e resolver. Por que isso acontece? Por causa, em grande parte, nós não temos, tipicamente no RH, pessoas formadas pra usar dados pra tomar decisão. Ai, Raíssa, só no RH? Não é. A gente treina muita gente do comercial. A não ser que seja de uma área só do financeiro mesmo, que é uma área que tipicamente nasceu com dados e números na veia. Vão cometer outros erros, tá? Vão cometer erros de vieses e tudo mais. Mas assim, quando a gente tá falando de peopleanalytics nas empresas, como é que tá o estado, então você vai ter diferentes dificuldades dependendo do tamanho da empresa. Então, essas grandes empresas que têm os RHs, os times de peopleanalytics já estruturados, já estruturados, eles enfrentam esse tipo de desafio - dessa tradução, desse letramento em dados do time de RH para poder ir tão longe quanto o time de People Analytics é capaz de levá-los. Então, esse costuma ser o desafio quando você já está aqui. É claro que vai ter um degrau acima, que vai ser uma empresa incrível que só contrata PhD, Googles da vida, e essa galera vai enfrentar outros tipos de desafio, mas não são desafios tanto mais de desenvolvimento, como a gente está discutindo aqui. Então, o que vai ter nos outros cenários? Se esse aqui enfrenta esses desafios, as outras empresas vão inventar. O mesmo desafio e elas vão achar caminhos diferentes para isso. Então você vai encontrar empresas muito pequenininhas querendo usar dados para tomar decisão, mas não tendo condição de ter uma área de people analytics, mas ela quer ter uma H que é Data Driven, que usa dados para tomar decisão, ela tem essa consciência dessa necessidade, então ela vai buscar muitas vezes treinar esses RHs e às vezes também contratar uma pessoa de Pipo Analytics pra ser quem vai puxar o resto do time, que acaba sendo um desafio gigante para esse sujeito que é contratado, porque não fica acaba sendo a incumbência dele não só rodar análises, mas traduzir o problema de negócio pra um contexto analítico e cuspir uma solução que depois esse RH vai conseguir realmente gerar valor com aquilo tudo que foi feito. Então tem um super desafio aqui. Então, as empresas têm níveis diferentes, elas vão traçar soluções diferentes para isso tudo. E o que eu vejo é que também começou a nascer com a inteligência artificial, a expectativa de que algum software ia cumprir essa grande lacuna do time de RH that não sabe usar dados para tomar decisiones. So existe uma expectativa de que on software or o próprio Chat GPT, Clouds, vai conseguir tornar o RH Data Driven. Essa caixinha te cuspe insights and resultados and soluções incríveis. And isso levaria avante. Them empresas que estão nessa lógica. I acredito que vai demorar um tempo para elas perceberem que não dá muito pra fazer isso.

SPEAKER_03 23:55

É como se houvesse resposta certa, né? Ou uma resposta que não é afetada pelo contexto, daqui a pouco, da empresa, né?

SPEAKER_05 24:06

Maravilhoso. Exatamente isso, Gabriel. E eu acho que a gente tem crenças populares sobre dados, que eu sempre tô martelando, gente, contra dados a argumentos por totalmente, sabe, é uma bobeira essa frase, porque tem todo um contexto que faz com que esse dado. Primeiro que dados de pessoas pode ter sido completamente equivocado no seu registro, né? Pode ser que a pessoa. E aí eu não tô falando só de dados de só um pequeno parênteses aqui, né? E qualidade do dado não é um problema só pra pesquisa, que eu preciso que as pessoas respondam na forma mais assertiva possível. E tem problemas postos aqui, né? De qualidade, do tanto que a pessoa tá disposta a dizer o que ela pensa, a qualidade dos itens, e questões mais hard, assim, mas até mesmo problemas que a gente vê, né? De ah, peguei os dados de hora extra. E aí os dados de hora extra estavam lindos e maravilhosos. Por quê? Porque o sujeito não registrava a hora extra, que tinha um combinado ali por trás. Então, assim, tem um texto da Ravi de Business Review que é muito legal, que ele fala que o bom cientista de dados é aquele que vai a campo. E você tem que ir a campo, você tem que ir a campo interpretar. Nem tudo que importa tá registrado. Essa é uma conversa bem longa. Nem tudo que importa tá registrado. Se nem tudo que importa tá registrado, como é que você vai confiar só num monte de registro de dados?

SPEAKER_03 25:31

Perfeito. Pra aprender people analytics.

SPEAKER_05 25:52

Sempre que você tem que saber, quanto mais você sabe melhor. Mas eu diria que ficou muito mais fácil algumas coisas que antes a gente precisava saber demais pra conseguir produzir. O que eu tô querendo dizer? Com a IA, ficou muito mais fácil você rodar uma análise, ficou muito mais fácil você produzir um resultado. Mas ainda é difícil interpretar o resultado, e ainda é muito difícil interpretar aquele resultado em contexto. Então, se antes existia uma barreira muito grande para eu conseguir dizer, tinha que ter minimamente de um Excel para conseguir dizer pesquisa de clima, apareceu aqui o resultado, e você calcular uma média. Parece trivial, mas não é trivial sempre, né? A média dos itens de comunicação versus o item de, sei lá, engajamento. Então aí a gente viu que comunicação tá pior do que engajamento, a nota está mais baixa, o que era um cenário típico? A gente vai tratar a comunicação da empresa. Então, hoje, é muito mais rápido você saber qual é a média de cada um, você até mesmo rodar essa pesquisa, até mesmo produzir um gráfico em relação a essa pesquisa. And a forma inteligente de você usar isso é você questionar para se essa foi a melhor análise, teria como fazer melhor, se você está envezado de alguma forma. And essa primeira barreira que era para muitos um primeiro passo para peopleanalytics, que era aprender a mexer no Excel, aprender a mexer no tablão, SQL e afins, as ferramentas eram a primeira barreira. Eu diria que cada vez menos isso vai ser cobrado e isso vai ser uma coisa que realmente é uma barreira pra você estar dentro de uma área de people analytics. No entanto, você ser capaz de olhar para a média de engajamento e média de comunicação e dizer que importa mexer na comunicação e não no engajamento, aí é outro jogo. Aí é outra história. Totalmente diferente. Aí você está se conversando sobre tomada de decisão com base em dados e considerando a relevância para aquilo para o negócio. Então, o que a gente tem que aprender para conseguir fazer isso? Tem que ter um básico de estatística. Tem que ter um básico de estatística. E estatística é um buraco sem fundo, que você pode fazer um doutorado em estatística, você pode fazer um doutorado em amostragem. Então, assim, vamos lá. Quando a gente fala desses conhecimentos mais duros, quando a gente fala de indicadores de RH, cara, os indicadores de RH, ou eles são uma média, ou eles são uma frequência de alguma coisa. E das frequências você tira taxas, porcentagens e afins. Não existe uma estatística complexa aqui. Quando eu falo de entender de estatística, eu tô falando de entender de amostra, representatividade dessa amostra. Essas são as coisas que geralmente pegam de como você lida com dados ausentes, de o que significa um dado ausente. Essas coisas são geralmente as coisas que pegam. Quando a gente fala da estatística mais complexa, então eu tô falando de modelos de regressão, previsão, LLMs e essas outras coisas. A minha visão é que o RH médio pode muito bem dominar o que significa o resultado que esses modelos cospem.

SPEAKER_03 29:10

Perfeito.

SPEAKER_05 29:12

Eu não preciso saber a matemática por trás de uma regressão, eu preciso entender o que uma regressão me informa e o que ela não informa. Porque análise de dados, você tem que ter essa clareza de que a estatística vem como uma ferramenta e que ela te responde determinadas coisas e não te responde outras. E às vezes é mais importante você saber o que ela não te responde pra você, enfim, não escorregar e acabar tirando inferência de coisa que não faz sentido. Então, essas coisas de estatística, pra mim, elas não. Elas permanecem muito necessárias. E aí é que, inevitavelmente, quanto mais você conhece de negócio, melhor. E existe uma coisa que eu sempre falo pros alunos: que se você quer ser um bom piponete, você tem que entender de negócio. E é muitas vezes saindo do seu objeto, saindo da linha, que você enxerga a linha, né? Não tem essa metáfora filosófica, eu tô ruim de lembrar as metáforas hoje, mas pra você enxergar uma coisa bem, é necessário você dar um passo atrás e sair dessa coisa pra você ter essa visão do que tá acontecendo. Então, estudar outros negócios, não estudar só o seu negócio, né? Estudar como que negócios funcionam, como que para de pé, como é que ganha dinheiro, como é que perde dinheiro, como é que tudo isso funciona. Pegar um pouco da linguagem da economia para poder dominar esse conhecimento. Tem uma coisa que eu sempre falo com os alunos: que people analytics vai ser o uso de diversas fontes de conhecimento para poder operar com excelência. Então a gente vai ter esse negócio da estatística, mas vai também ter essa questão do business. E aí tem essa outra coisa, que é a terceira, que eu diria que é uma questão importantíssima, vai ser a questão de você pensar criticamente. E pensar criticamente vai fazer com que você consiga extrair valor das informações com mais clareza.

SPEAKER_03 31:16

Tá.

unknown 31:18

Perfeito.

SPEAKER_05 31:19

Não tem como escapar.

SPEAKER_03 31:20

Eu quero entrar nesse ponto. O que pra ti é pensamento crítico? Vou deixar assim por enquanto é isso. O que é pensamento crítico ou a importância dele para people analytics?

SPEAKER_04 31:36

Ótimo.

SPEAKER_05 31:37

É muito boa essa pergunta, Gabriel. Porque pensamento crítico vai estar num desses termos que. que estão gastos como sustentabilidade, tóxico. Sei lá, tem uma lista enorme de palavras que elas vão sendo tão usadas que o significado verdadeiro delas se perdem. E quando a gente fala de pensamento crítico, a gente vai ter uma literatura muito grande que estuda o que é pensamento crítico, como é que eu desenvolvo isso. Isso é objeto de estudo desde a primeira infância, como é que eu trabalho com as crianças para elas serem mais críticas, como é que eu desenvolvo isso. E tem algumas máximas, como se você lê mais, você vai se tornar uma pessoa mais crítica. Quanto mais você lê e lê assuntos diversos, é a grande dica que é inevitável. Quanto leia, lê assuntos diferentes, saia ali do feed, do Instagram e aprenda com outras pessoas, leiam assuntos diferentes. Então, tem esse básico. E o que a literatura vai trazer, né? E o que é objeto de estudo? Qual é o caminho que normalmente você vai ver a literatura trazendo? Você vai ver eles falando muito sobre estudar raciocínio lógico, os silogismos lógicos, e aquilo que todo mundo teve contato em algum momento na vida, do que eu estou falando? Estou falando daquelas lógicas de se não quer, então p, se p, então se. Beleza. Dito isso, dito que existe um conhecimento amplo sobre raciocínio lógico que outra coisa, o que ao longo dos anos, estudando pensamento crítico, eu posso te dizer que é mais necessário em contexto corporativo. Porque se a gente for realmente ir para o contexto acadêmico, novamente, a gente pode fazer um doutorado em pensamento crítico e vai dar um pedacinho do quadradinho. Então, o que a gente foi entendendo dentro da Numério, o que eu fui estudando, que eu fui chegando à conclusão, era o que eu ensino para as pessoas que vai ser suficiente pra que ela pense criticamente? O que seria ali o básico bem feito dessa coisa para que as pessoas conseguissem ir muito longe sem eu ter que botar pra fazer silogismo lógico? Que foi um negócio que eu acho de um prédio impossível, assim. Cara, eu tenho certeza que, assim, no inferno, eles colocam as pessoas pra fazer silogismo lógico e errarem depois de ter feito 50 exercícios, porque é isso.

SPEAKER_03 34:11

E tem uns artigos sobre isso, né? Que desenvolve a partir desses exercícios ou fazendo esses. Meu Deus, é umas coisas assim.

SPEAKER_05 34:19

E eu acredito que até possa desenvolver, mas pra mim é assim, é o meu caminho tudo. Pois é. Tem, mas tem, tem, inclusive, tem um livro muito bom sobre isso, né? O poder do pensamento matemático, é um autor incrível, que ele disserta muito sobre como você aprender matemática e estudar matemática afina partes da sua cognição de como você raciocina, que são importantíssimas. Mas a gente voltando aqui pro contexto corporativo, se eu fosse ensinar matemática no contexto corporativo, numa distância tão grande do que a pessoa faz no dia a dia pra que ele raciocine lógico, ninguém ia querer fazer treinamento comigo. Eu não ia vender treinamento nunca mais na minha vida. Então, o que é realmente útil, o que dá pra gente fazer e você dá pra fazer em casa, pessoal? Em primeiro lugar, a gente precisa saber identificar a qualidade da informação que chega pra você, né? Os argumentos que as pessoas usam no dia a dia. E a gente não para pra pensar muito nisso, mas tudo tá em volta de argumentos. Ah, eu cozinhei e você lava a louça. Isso é um argumento que parte do pressuposto que seria justo, porque eu cozinhei e você vai lavar a louça. Desde divisões simples do dia a dia da sua casa, existem argumentos do porquê. Ah, você tem que tomar essa medicação porque o médico te mandou. Você tem que fazer atividade física porque isso vai fazer bem para a sua saúde. Andar argumentos que fazem todo sentido e a gente não questiona, e vão ter argumentos que no fundo não fazem sentido e a gente deveria estar questionando. And o único caminho para você distinguir entre os argumentos que fazem sentido e merecem ser questionados, aqueles que não fazem sentido e deveriam ser questionados, é no primeiro instante você passar a questionar mais, questionar tudo. So, if you come a question that receives, no primeiro passo para você se tornar uma pessoa mais crítica. E é difícil fazer isso pelo segundo motivo que eu quero apresentar. A gente é muito enviesado. Andar criticamente envolve esforço cognitivo e a gente não quer fazer isso. Então, existe uma segunda dimensão que a gente precisa tomar consciência: a gente é enviesado, a gente toma decisões enviesadas, e as pessoas conversam com a gente a partir de vieses que elas também têm. Deixa eu trazer um exemplo só para a coisa ficar um pouco mais tangível. Recentemente, eu tava no Instagram, e aí eu vi um desses coaches, influencers que estão grandes aí na moda, falando que um CEO, em média, lê 60 livros por ano. E quando eu vi isso, passei pra frente. Ah, que legal! Nossa, eu tenho que ler mais. Só que depois, quando eu fui parar pra pensar sobre isso, eu falei assim, cara, mas pra eu ler, pra esse sujeito ler 60 livros por ano, pra esses sujeitos lerem 60 livros por ano, e isso ser uma média, você vai ter que esperar. Você pode esperar que vai ter sujeito lendo 120 livros por ano. 100 livros por ano. Que tempo que esse sujeito tem? Entendeu? Ele trabalha numa super empresa e ele lê. É isso que ele faz da vida dele. Acabou, acabou, acabou. E aí, assim, fora essa afirmação que depois eu pesquisei, ela é completamente infundada, é uma extrapolação baseada num livro que alguém disse que as pessoas mais bem sucedidas eram as que liam muito. Aí os 60 veio do nariz e a extrapolação, que era o CEOs, veio da Alta Narina.

SPEAKER_03 38:06

Que maravilha. Que maravilha.

SPEAKER_05 38:08

E sabe o que é problemático disso? Se você não pensa criticamente sobre isso, você se incomoda e se julga de nossa, eu leio muito louco, porque eu não tô lendo 60 livros por ano. Eu só vou ser incrível quando eu leio 60 livros por um ano. E aí eu pego esse daqui, esse aqui é meu livro que eu tô lendo agora, né? Por que as nações fracassam. Que é um livro enorme. Não dá pra ler 60 desses num ano. Até porque você não absorveria 60 livros por ano. Mas qual é o ponto aqui dessa conversa toda? Eu preciso criticar aquilo que eu ouço. E vai ser muito difícil criticar aquilo que eu ouço se aquilo combina com os meus vieses. Porque um CEO que lê muito combina com os meus vieses, eu aceitei essa informação the prime. Eu não critiquei que. Cara, 60, vamos parar aqui pra pensar um pouquinho se isso aqui faz sentido. And isso acontece todos os dias do nosso dia a dia, é difícil você deixar de ser uma pessoa tão enviesada. E é difícil você refutar argumentos que aparecem no CED e que parecem coerentes. Então, qual é o caminho pra você se desenvolver nesses dois aspectos? Primeiro deles, você tem que conhecer os argumentos ruins, que são os argumentos falaciosos, conhecer o argumento do que é um argumento de autoridade, o que é um apelo à autoridade, o que é tudo isso, parar e estudar um pouquinho. E se você tem pouco tempo pra parar de estudar um pouquinho e já entendeu que isso é necessário, bota a sua Iá pra saber que você não quer ser convencido por argumentos falaciosos. Pede pra te falar, olha, você tá aqui descrevendo um contexto, aí você diz que seu chefe pipipipapopó, e aí a IA vai te devolver, olha, você tá assumindo que isso é verdadeiro, porque o seu chefe disse, mas isso é um argumento de autoridade. Você pediu pra eu te ensinar sobre falácias, tô te devolvendo que você talvez seja aceitando um argumento falacioso. E a mesma coisa pra vieses. Estuda um pouquinho o que são vieses, como que eles operam no dia a dia e começa a perceber que você é enviesado. Então tem uma certa dimensão até de humildade nesse jogo aqui pra se pensar criticamente. E ainda tem uma terceira coisa: qualidade da informação. É muito importante que você seja uma pessoa que sabe diferenciar e tenha na ponta da língua. Por quê? Quando você tem um benchmark de uma empresa, isso deveria ser considerado menos valioso do que um bench de 30 empresas. Por quê? Porque uma empresa pode ser um caso de sucesso único. Por diversos motivos, fez ela chegar àquele lugar. Se eu tenho 30 que fizeram a mesma coisa, eu tenho um resultado que é replicável. Eu tenho algo que não foi uma super sorte dessa aqui que ganhou um milhão de que ganhou na loteria. Estou falando de um resultado que foi consistente ao longo de 30. Então, os seus argumentos ficam de mais qualidade se você é uma pessoa capaz de avaliar a qualidade da informação que você recebe. E aí tem esse recurso da epidemiologia que eu acho muito legal. Trabalhei um tempo com um epidemiologista, que era simplesmente brilhante. Andemiologia eles chamam de pirâmide de evidência. Então, você pode achar um monte de vídeo no YouTube que vai falar de pirâmide de evidência. Você vai falando assim: só um caso, múltiplos casos, e vai subindo o degrau da robusteza da informação que você está recebendo. So um sujeito pode ser super sorte. 30 sujeitos, eu já desconfio menos que seja sorte. Agora, se eu tenho um milhão de sujeitos, poxa, esse resultado é muito mais consistente do que comparado com 30. Então você ter essa clareza para você poder tomar decisões melhores e vai fazer com que os seus argumentos sejam melhores. Então veja, como é muito mais prático, menos abstrato do que a gente muitas vezes está falando, de falar de silogismo e tudo mais. Você precisa pensar criticamente, se você seguir essas três grandes bases, você com certeza vai mais longe. É esse tipo de coisa que a gente trabalha muito ensinando nas empresas, né? Porque a definição é mais simples do que a operação. Então a gente precisa estar mentorando as pessoas para elas desenvolverem essas coisas. O conhecimento acontece no tempo. Eu poderia fazer aqui para vocês um Instagram com Reels de todas as falácias, de todos os vieses, de todas as qualidades da informação. No dia seguinte, ninguém ia lembrar. Não ia, porque o conhecimento acontece no tempo. Precisa fixar, precisa repetir, precisa experienciar o erro pra memória recordar aquele significado e ir pra frente. É isso.

SPEAKER_03 42:45

E quais vieses hoje, dando treinamento e tendo essa experiência em diferentes empresas, você acredita que são mais comuns pra quem recebe dados de pessoas?

SPEAKER_05 42:57

Perfeito, perfeito. Olha, eu diria que tem três vieses que vão operar, e assim, como é que funciona essa coisa de vieses, tá, pessoal? Viés é um termo que, na literatura, ele vai ter um monte de confusão, um monte de briga do que é ou que não é, e um monte de gente dizendo que descobriu um novo viés todos os dias, então vai ter uma lista que beira o infinito de vieses. Mas muitos desses vieses são derivações do viés de confirmação, que é muito, muito, muito, muito, muito gritante, assim, né? Então, quando a gente pega e tem uma ideia, por exemplo, ah, eu olho aqui e essa empresa, cara, essa empresa é difícil, essa empresa tá. Tá todo mundo desengajado, ninguém gosta de trabalhar aqui. Você naturalmente vai pegar a pesquisa e caçar Lugares que confirmem a sua percepção de que a empresa é horrível e as pessoas estão desengajadas. E aí, quando você caça os dados que confirmam essa sua visão, e depois você monta uma bela apresentação seguindo outro viés que a gente chama de cherry picking, né? Que é você selecionou os resultados que confirmam a sua visão pelo seu viés de confirmação. E aí, tá muito óbvio quando eu tô aqui contando isso aqui pra vocês, mas a verdade é que isso é tão natural que a pessoa não faz isso numa intenção malévola, né? Uma intenção vil de vou enganar a todos e convencê-los que eu sei o problema da empresa. A verdade é que você naturalmente só enxerga os defeitos porque você tá com isso na sua cabeça. É muito difícil, é muito difícil. E eu enxergo a Iá como uma aliada se você instiga ela para que ela te minimize os seus vieses, principalmente o de confirmação. Então, o viés de confirmação vai estar aí no coração da coisa. Com certeza, os vieses amostrais vão ser muito significativos para uma boa decisão, tomar a decisão com base em dados. O tanto de gente que toma a decisão falando: não, mas a empresa tá maravilhosa. A pesquisa de clima está dizendo isso. E aí, assim, 15% da empresa respondeu. Não é um negócio que, assim, se a pessoa tem uma noção muito clara do tanto que aquela resposta vai estar enviesada, ela jamais vai extrapolar esse resultado que corresponde a 15% da população para a empresa inteira, né? Então, isso vai ser muito importante das pessoas saberem e não tem escapatória. E aí, o terceiro que eu queria reforçar aqui nesse cenário são os vieses de fundo mais social, né? Você vê aqui que a gente tá falando de um viés que parece ser mais cognitivo, de um viés que parece ser mais de método, e esse viés que eu quero falar agora são os vieses mais sociais, de efeito alo, né? De efeito de porque eu acho que. Porque eu vejo você, acho que você é competente, automaticamente eu assumo que você vai ser mais ético, o que tem a ver uma coisa com a outra, que você vai ser um excelente líder, o que tem a ver uma coisa com a outra, você vai assumindo uma série de coisas sobre a pessoa, porque você enxerga umas poucas características sobre ela, né? Então a gente sabe muito bem disso de forma intuitiva, e é uma preocupação muito grande sobre isso quando a gente fala de recrutamento e seleção, mas isso é uma questão que acontece muito também em avaliação de desempenho, né? Então, os vieses, tanto viés de confirmação de você achar aquela pessoa que trabalha pra você extremamente incompetente, e se ela te passa raiva, você vai lembrar só das vezes que ela falhou. Vai ser muito difícil você lembrar quando ela tá acertando, porque a sua memória vai trabalhar contra isso. É muito mais confortável cognitivamente você só lembrar das vezes que ela erra. Então é por isso que a gente recomenda tanto que as pessoas anotem as questões de avaliação de desempenho. Mas o efeito alo também opera e continua operando mesmo nos cenários em que você conhece a pessoa há algum tempo. São as expectativas que a gente tem sobre a pessoa, né? Então, o Gabriel, o Gabriel nunca faria errado essa análise aqui. Eu sei que ele é excelente. Mas peraí, peraí. Ser excelente não quer dizer que ele é infalível. Então a gente tem muita dificuldade em sair do script e observar a realidade como ela é. Se é que é possível que a gente enxergue, né? Enfim.

SPEAKER_03 47:58

Perfeito, perfeito. E como estudar people analytics? Pra quem tá começando, ou também pra quem tá mais adiante, assim, na jornada. Tu tinha dado uma comparação de duas estruturas diferentes no início, né? Uma estrutura onde o time de PA, de people analytirics tá voando, e uma outra estrutura onde tá só iniciando, ainda não tem uma pessoa fixa pra assumir aquele BIO. E quando a gente tá falando sobre estudar pipoanalyrics, tanto na questão de iniciar nessa jornada como se aprofundar também nela, como fazer isso? Por onde seguir? Que conteúdos consumir?

SPEAKER_05 48:43

Eu vou te dar uma resposta que talvez seja um pouco não ortodoxa. O que eu faria? Primeiro que isso sempre vai depender de onde você está. Por obvio, se eu sou uma pessoa. O que vai ser escopo de conhecimento de People Analytics? Conhecimento de negócio, pensamento crítico sobre situações, estatística, subsistemas de RH, como é que a coisa toda opera, entender de comportamento humano. Tá, tem esse jogo todo. Mas você não vai parar a sua vida e começar a estudar estatística. Puro e simplesmente. Porque se as outras coisas são importantes também, faz pouco sentido que você estude estatística exclusivamente. E se o seu tempo é escasso, como o de todo mundo, não vai dar pra você aprender tudo ao mesmo tempo, não vai dar. Não dá. Não dá, por óbvio. Então, o que eu faria na medida em que o desafio da empresa me é imposto, eu iria atrás de todo o recurso de conhecimento que eu poderia ter em relação àquele assunto. Então, agora a gente está trabalhando num projeto de turnover. Quais são as análises que estão envolvidas quando se fala de turnover? Como é que se analisa isso do ponto de vista estatístico? Eu vou sentar e vou estudar isso aqui. Talvez demore bastante tempo? Demora, mas você não vai gastar tempo estudando as coisas que não vão trabalhar e resolver problemas voltados para o turnover. Então, veja, é impossível. As pessoas ficam desesperadas com isso quando elas mudam de objeto e de carreira, ou que elas estão querendo se desenvolver numa área. Não dá pra você aprender tudo de uma vez. Então, turnover, tá bom, beleza. Quais estatísticas que envolvem turnover? Quais são as análises de dados? Quais são as informações? Beleza, entendi um pouquinho, tive um vislumbre, monto um cronograma do que eu vou estudar, das estatísticas que envolve isso daqui. Como que eu penso criticamente sobre os resultados dessa empresa que eu estou que envolve esse assunto? Como que é o modelo de negócio e o que turnover implica no meu modelo de negócio? Tem empresa que turnover respiro. Eles acham ótimo que tem um turnover numa taxa até mais alta. Para isso faz sentido. Para outras, meu Deus do céu, 1% já tô morrendo. Não, 1% é impossível, mas assim, um pouquinho já é um desespero. Então, dentro do seu modelo de negócio, esse problema que você tem, o que você precisa entender de negócio voltado pra esse problema? Entende? Porque senão, você sabe o que pode acontecer? Se eu viro pra você e falo, você tem que entender de negócio. Aí você vai pegar um livro da Ravid Business Review de modelos de estratégia e você vai gastar meses lendo sobre estratégia empresarial. E você vai pegar um livro, já recomendo também, um livro de estatística do Andfield.

unknown 51:50

Sim.

SPEAKER_05 51:50

Que é usado no mundo todo.

SPEAKER_03 51:52

Eu amo esse livro. Eu comentei todo o livro. É maravilhoso.

SPEAKER_05 51:57

Maravilhoso, maravilhoso. Você vai pegar lá o endfield, você vai querer estudar o endfield de ponta a ponta. Não faz sentido você pegar um livro de estatística e parecer de ponta a ponta.

SPEAKER_03 52:08

Perfeito. Não faz sentido.

SPEAKER_05 52:09

Faz sentido você estar fazendo um doutorado, porque você vai ter que.

SPEAKER_03 52:12

Claro, claro. Eu me identifiquei. Não faz sentido estudar de ponta a ponta. Ai, que maravilha! Eu achei que coisa deliciosa.

SPEAKER_02 52:21

Desculpa, isso eu te interrompi.

SPEAKER_04 52:23

Não, imagina, imagina, imagina, que eu entendo perfeitamente. Ai, Deus, lembrei agora da época que eu era monitora de métodos inferenciais, povo odiava, odiava, odiava.

SPEAKER_03 52:35

Sim, o pessoal da psicologia não gostava de aprender sobre estatística.

SPEAKER_05 52:39

Mas depois que aprendi, desfrutava de muitas coisas que eu fiz. Filosofia.

SPEAKER_03 52:43

Né? Eu sempre tava aí pro lado da filosofia, assim. Estatística tem muito a ver com isso também, né? A gente conseguir pensar diferentes mundos. Mas desculpa, você estava falando que não fazia sentido a gente parar de estudar estatística, né? De uma hora pra outra.

SPEAKER_05 52:59

E nem como faz sentido você. Tô assumindo aqui que é alguém que tá no corporativo já, que trabalha, que tem uma vida. Não faz sentido você parar a sua vida pra poder estudar estratégia de negócio do zero e entender os modelos históricos de Blue Ocean e pipipi popopop. Não, cara. Estuda aqui agora. O que está acontecendo aqui agora e tudo que poderia estar envolvendo? Então, um bom Pip Analytics vai entender a estatística da coisa, o business da coisa, vai pensar criticamente sobre isso. Se você fizer isso, você já está num básico bem feito, que você vai longe. Então, assim, pega os projetos, não fica ansioso, de ansiosa, de ah, eu tenho que aprender tudo, entender de tudo, ninguém entende de tudo. Usa aí a seu favor. Por isso. E até porque tem uma outra coisa que é outra dica que eu gostaria de dar, que eu sempre falo também. Até porque é necessário que você aloque tempo para ler e estudar outras coisas. Qual é um dos jeitos que eu vejo que as pessoas mais aprendem método científico? Eu sempre dou essa dica, o pessoal gosta muito. Você lê uma produção científica de algum estudo que te interessa. Então, por exemplo, recentemente eu estava recomendando para os alunos um livro chamado Uma Dieta Além da Moda. É um professor que ele explica como é que é estudado dieta, como é que você faz grupo controle das coisas, como é que você produz ciência quando você está falando de comportamento alimentar. O que alguém que lê um livro desse tá estudando uma coisa que talvez te interesse? Talvez você tenha interesse em fazer dieta. Eu, na época que eu li esse livro, eu estava interessada. E tem como que eles produzem conhecimento sobre isso. Tem método científico ali, tem comportamento humano ali, sabe? Então, outro livro que eu tô recomendando é esse daqui, Por que as nações fracassam, né? Do Daryl Samoglou, Nobel de Economia. Cara, ele vai explicar tanto o comportamento humano, e você pode fazer isso de uma forma leve, agradável, gostosa, sabe? Então, outro autor que eu recomendo muito, que eu sou assim, a fã número um do Steven Pinker. Steven Pinker é perfeito. Todos os livros dele vão fazer análises inteligentes e bem pensadas e críticas. Então, você aprende a pensar como ele pensa. E isso é muito gostoso fazer silogismo ao inferno. Tem como essa coisa ser legal, tem como ser agradável. Então, assim, eu diria isso, você tá começando hoje, pega o projeto, pensa em como você pode fazer aquilo da forma mais analítica, com mais método e menos ansiedade em relação a querer aprender tudo, estudar tudo.

SPEAKER_03 55:48

Perfeito. Perfeito. Deixa eu te perguntar: além de pensamento crítico, qual outra competência não óbvia? E daí, o que é óbvio também, né? O que é óbvio, o que não é óbvio. Mas enfim, contraintuitiva, talvez você enxerga como relevante fora inolytics.

SPEAKER_05 56:09

Olha, pra além de tudo que a gente falou, tem uma competencia que passa a existir, que é a capacidade de você revisar o que a IA produziu. Andso é um negócio que você só vai desenvolver se você desenvolver junto repertório. O que a gente tá assistindo? Uma pessoa muito júnior aceita muito fácil o que a IA tá dizendo. Because repertório. Ela pega aquilo ali e ela não sabe identificar o defeito daquilo ali. Quando você é pleno, sênior, você já. Principalmente sênior, né? Você tem a obrigação de pegar o resultado que a IA produziu e ser capaz de identificar onde ela tá errando e o que ela tá falhando. E isso é uma competência muito diferente do que a gente trabalhou até hoje. Porque se você constrói uma apresentação, você domina o raciocínio dessa apresentação. Se a IA constrói a apresentação, você pode ser pego de calças curtas porque você não vai saber explicar a lógica daquilo ali. Esse cuidado é um negócio que as pessoas não podem deixar pra trás. Eu tô vendo muita gente passando vergonha por causa disso. Porque a vida parece que ficou mais fácil com a IA, mas ela subiu um nível de complexidade. Porque você pode fazer mais rápido, mas é mais difícil produzir um resultado consistente e claro que você domina. Você é responsável por aquela apresentação. A gente não pode simplesmente pegar um resultado que foi cuspido por uma IA e não ter propriedade sobre aquilo. E olha que palavra interessante a palavra propriedade. Propriedade tanto no sentido de é meu, porque eu tenho propriedade sobre aquilo, eu sou dono daquela coisa, e tanto propriedade de conhecimento de causa daquele assunto. É próprio, é meu. A IA produziu, mas é meu. Se eu não tenho propriedade, a chance de eu apresentar isso e ser pega de calças curtas é enorme. E, cara, reputação é um negócio que a gente sabe. Se constrói em anos e se perde em minutos. Eu tomaria muito cuidado com isso. Porque é muito cansativo revisar o que a IA faz. Muito. Muito. Porque a gente. Ela é muito coerente. Então, se você faz a leitura dinâmica, você vai lendo, não, não, não, não, não, tá fazendo sentido, tá fazendo sentido, tá fazendo sentido, você tá vendo um monte de empresa que tá tendo que devolver dinheiro e pipipi popó, sabe? E assim, das que estouram, a gente sabe o que aconteceu. Tem um monte de casos que tá aí embaixo dos tapetes, com certeza. Então, coloca na sua conta um tempo no qual você vai revisar o que a IA fez que você tá descansado. Revisar o que a IA fez quando você tá cansado é muito mais sobrecarga cognitiva. Então, é uma recomendação que eu faço, ok.

SPEAKER_03 59:17

Perfeito. Tem uma viés. Aí, ó, mais um viés aí pra lista, que é o viés de automação que se identifica bastante com o texto biomédico. For example, o sistema já vem pré-preenchido com a quantidade de medicamento que o paciente deveria tomar. It se verifica that muchas acabam acontecendo erros médicos por conta desse viés de automation, onde a persona professional confia que o sistema vai estar certo, confia que a formatação entregue é profissional o suficiente, entre aspas, and acaba passando o julgamento, delega o pensamento crítico a máquina anda não verificando isso orando atenção nesses detalhes. So trouxe esse termo aí pra colaborar um pouco com o que você havia trazido já.

SPEAKER_05 1:00:11

Nossa, mas perfeito, perfeito. Por que isso acontece, gente? Cara, a gente não quer pensar. A gente tá cansado. Você tá cansado, você tá tomando milhões de decisões todo o tempo. Então, assim, é difícil.

SPEAKER_03 1:00:27

Uhum. Eu quero te perguntar agora, já indo pro final, como é que você vê a evolução de People Analytics nos próximos anos aqui no Brasil?

SPEAKER_05 1:00:37

Olha, Gabriel, o que a gente tá observando dos dados aqui, né? Eu sempre paro pra ler muita coisa, pra estudar muita coisa. E o que eu tenho visto? Existe uma expectativa. Não tem como falar de papelista que tem que falar de RH, né? Existe uma expectativa das áreas de RH se tornarem menores, de muita automação dominar, por exemplo, áreas, partes muito grandes das áreas. E tem uma revolução aqui que é difícil de você projetar, né? Então eu já vi pessoas muito sérias falando e coisas opostas de outras pessoas muito sérias e muito estudiosas. Quando a gente fala de futuro quando está com o IA. Então, eu não vou arriscar nenhuma afirmação definitiva aqui. Mas quando a gente fala de futuro, de people analytics e recursos humanos, não tem como não passar por essa lógica que está mudando tudo, que é a inteligência artificial. So a gente pode esperar que vai reduzir a quantidade de pessoas necessárias em recursos humanos. Andos, e cabe ao tempo, nos dizer se esse time vai realmente ficar menor, or se ele vai se reestruturar, or se vão nascer novas demandas foras. É muito imprevisível nesse sentido. A gente está indo de muita mudança. Eu vejo uma oportunidade gigantesca de People Analytics ter um espaço muito maior dentro das empresas andar realmente a ser parecido com o que a gente vê do valor que é enxergado nas áreas de comercial e financeiro, sabe? E eu vejo um potencial muito grande dos RHs e times de People Analytics ocuparem esse espaço realmente de maneira estratégica. A gente fala há tantos anos de um RH estratégico, mas eu vejo que isso está avançando e que cada vez mais os termos que eram super novidades de RH data-driven e people analytics estão se consolidando. As pessoas estão muito conscientes de que elas precisam usar datas formar decisiones. Elas ainda não sabem como elas fazem isso ando no dia a dia. I think a gente consegue se espelhar muito do que está acontecendo lá fora, and I vejo uma profissionalização muito grande do team of people analytics, the people of people analytics. And I vejo this como um caminho sem volta. Mas é isso. É isso. É uma área que eu imagino que ainda vai. Não tem problema nisso, eu imagino que vai crescer bastante. É possível, inclusive, que o RH se torne mais people analytics do que RH e people analytics. Alguns pessoas falam nisso. Acho que tudo vai mudar muito nesse ano que vem ainda.

SPEAKER_03 1:03:58

Certo. Você verifica que isso passa por uma literacia, então, em IA, automações. Passa.

SPEAKER_05 1:04:09

Passa, passa, com certeza, com certeza, com certeza. Tá dominando, sabe? Mesmo. E as pessoas usam no dia a dia. Tem uma adoção muito grande de IA. Porque mesmo que a empresa não tenha pago uma inteligência artificial, as pessoas usam o celular, porque facilita a vida delas para as coisas mais bobas. Então, assim, você vai ter gente, enfim, criando um agente de IA e a coisa mais suprassuma e pipipi popopopó. Mas você tem que pensar que aquela mocinha do RH pequenininho também está usando o ChatGPT no celular dela. Mesmo que não esteja fazendo uma coisa grande e estruturada, ela está usando aquilo ali no dia a dia dela. E isso faz com que o trabalho dela fique fundamentalmente diferente. Então as pessoas estão usando. Agora, o que vai ser desse uso e questão de governança. Nossa, tá tendo umas questões de governancias seríssimas por aí. Essa discussão pra outra longa conversa, mas assim. É, eu não.

SPEAKER_03 1:05:18

Não. Eu queria te perguntar o que tu enxerga como maior desafio ou dificuldade nesse uso massivo de ar nas operações de H.

SPEAKER_05 1:05:31

Cara, a maior dificuldade é governança. Depois a gente vai falar sobre segurança dos dados. Depois a gente vai falar com certeza sobre as pessoas saberem usar, saberem questionar. Mas, cara, essa coisa de você saber usar, eu acho que não é uma dor que vai durar muito tempo. Porque lá atrás, lá atrás, Eu li uma reportagem que falava sobre como que um engenheiro de prompt de prompt estava com a data de validade já vencendo. E ele falava assim, cara, rapidinho a gente vai ter IAs tão boas que você não precisa nem saber pensar em formato de prompt. E a gente já tá vendo isso. Eu não trabalho com prompt. Eu faço com prompt, né? Eu converso com a minha IA as coisas, eu, no máximo, me esforço para dar mais contexto, mas eu não faço o prompt. Então você começa a ver que a IA fica tão inteligente que as pessoas não precisam saber muito para poder usar ela bem. Então, essa é uma dificuldade agora, esse letramento em IA. Eu acho que o curso mais comprado desse ano, com certeza, foi os cursos de IA. Todas as empresas que eu converso estão ensinando IA para as pessoas. But I acho que essa é só a primeira barreira. Porque, como uma ferramenta de inteligência geral, você vai ver as pessoas usando de formas muito diferentes. Muito diferentes. É muito bizarro isso. E gera transformações sociais a partir disso também, que são, na minha opinião, em grande parte imprevisíveis, né? E o que vai ser o futuro do trabalho, cara, você vai. É o que eu tava comentando antes: você vai ter apostadores dos dois lados, tanto de massivas demissions, quanto de gente que fala, no, a gente só vai se reinventar um tiquinho, um upskilling, um reskilling, vai dar tudo certo. Eu não tenho uma resposta. Eu sei que as coisas vão mudar, mas pra onde?

SPEAKER_03 1:07:40

Certo, certo. Uma minimização, me parece desse índice, né? De headcount de RH pelo headcount total da empresa, né? Talvez um.

SPEAKER_05 1:07:52

Ah, também tem isso, né? Às vezes o headcount do RH cai porque da empresa toda caiu. E é uma expectativa que muitos têm. Eu sei que o RH às vezes gosta de bater no lema, né? Você não vai ser substituído pela IA, você vai substituído por alguém que sabe usar a IA, que é uma grande mentira. Você vai ser substituído pela IA em vários aspectos do seu trabalho, e dependendo do que você trabalha, você vai ser substituído inteiro. Vai sim, isso é um fato, né? Nisso a gente pode ser mais assertivo. Mas em como isso vai acontecer. Se vai acontecer porque o RH se tornou menos relevante ou porque a empresa reduziu o tamanho. Porque quando a gente fala de RH, a gente tá falando também de DP, né? A gente tá falando de coisas que tem bastante espaço pra automação.

SPEAKER_03 1:08:47

Nossa, adorei a tua perspectiva. Adorei. Adorei saber. Adorei a tua perspectiva sobre isso, assim. Honestamente, porque me dá. Porque tu tá sendo muito honesta sobre isso, assim. Que é uma coisa que às vezes não passa, assim, sabe? Enfim, não vou me alongar aqui, mas gostei muito de saber como tu tá visualizando esse momento do mercado também. Eu quero te perguntar uma coisa um pouco mais ampla, que é se teve alguma coisa que você gostaria de se aprofundar mais que talvez eu não tenha te perguntado, nem.

SPEAKER_05 1:09:25

Não, acho que a gente fez um papo bem legal. Tô esperançosa de ser útil pra galera. Fiquei bem satisfeita.

SPEAKER_03 1:09:32

Tá, tá. Muito bom. Tem algum livro, referência, fonte de aprendizado que você recomenda, ou algum curso, evento, comunidade que você acha interessante pra quem tá nos escutando?

SPEAKER_05 1:09:41

Olha, eu vou fazer um convite aqui. Acho que eu falei de alguns livros ao longo do papo, né? Acho que a gente pode colocar no comentário do vídeo os que foram comentados pra galera não perder. Mas eu tenho um clube do texto, a gente chama de clube do livro só porque fica fácil identificação quando você fala clube do livro. A gente tem um clube do texto, que a gente lê um texto que vira um texto que vira contexto pra uma conversa sobre os desafios que a gente tá vivendo. E essa é uma ideia que nasceu de uma coisa que não vai estar em nenhum livro. E assim, eu leio muito, eu estudo, e eu sentia muita falta de discutir com as pessoas, pensar juntos, sabe? E aí, você também tá sofrendo isso? Você também tá com essa dificuldade? O que vocês estão pensando sobre esse assunto? Como é que tá tudo isso? Tá tudo mudando muito rápido. O que a gente precisa estudar? O que a gente precisa entender? O que a gente precisa saber? E então, esse clube é gratuito. Eu posso colocar links e informações também no comentário de passo e tudo mais. Então, é um espaço de pensar criticamente junto, sabe? Para mim, virou um espaço quentinho, assim, de troca com as pessoas. Então fica aqui a minha recomendação de você, se não quiser participar do nosso, que você interaja com pessoas pra pensar sobre os assuntos e não só com a sua IA de preferência. Porque o Claudinho é muito maneiro, mas ele também é muito bonzinho. Vai bater muito, vai. Vai dizer que você é lindo, perfeito, maravilhoso. Tudo que você faz é impressionantemente maravilhoso. Se a minha realidade fosse a que Claudinho descreve pra mim, eu estaria muito.

SPEAKER_03 1:11:23

E onde é que as pessoas podem te encontrar, Raíssa, e acompanhar o seu trabalho?

SPEAKER_05 1:11:28

Eu tô no LinkedIn, majoritariamente até tenho o Instagram, a Raíssa Damasceno, a Raíssa Damasceno, mas eu posto muito pouco. Já peguei um ranço daquele LinkedIn, ou daquele LinkedIn, não, daquele Instagram, nossa senhora. Então, uso muito pouco no Instagram, mas posto com uma frequência muito alta no LinkedIn, porque eu gosto de escrever, escrever texto longo. E eu tenho uma newsletter, e nessa newsletter eu, enfim, divulgo o que a gente tá pensando, como entender determinados assuntos. Vai ter texto sobre pensamento crítico, pensamento analítico, infográfico. Eu sempre faço infográfico pra ajudar as pessoas a entenderem aquele assunto que eu escrevi. Então, é isso. É isso. Show, show, show.

SPEAKER_03 1:12:13

E tem alguma mensagem final pra quem tá nos escutando?

SPEAKER_05 1:12:18

Nossa, não tava preparada pra isso. Ah! Desculpa! Cara, de tudo que eu falei, se eu pudesse deixar uma coisa, ia ser pra você ler coisas diferentes do que você trabalha e estuda no seu dia a dia. Porque a gente tá num contexto social, de Instagram, de chat, que as pessoas estão sim ficando muito bitoladas. E você grosseira, elas estão ficando mais burras, a gente tá ficando mais burro, no sentido de a gente gasta muito tempo naquele feed. Isso é. E o que tem acontecido nessas redes? Cada vez mais aquilo que é absurdo chama atenção e viraliza. E aquilo não corresponde a uma realidade significativa na vida de ninguém. E você não lembra porque foi muito rápido. Então você tem aquela dopamina ali rapidinho que é vazia, sabe? As pessoas estão passando horas, horas andas perdendo o tempo delas naquele estímulo sem significado. And recebendo muita informação que é muito do nosso nicho, do que a gente está pensando, do que a gente está. Andas. A literatura te permite isso de uma maneira tão bonita. And the efeito no cérebro é o mesmo se você está lendo um texto ou se você está ouvindo. Então baixa o áudio. E houve um livro se você não tem o hábito da leitura ainda. E não precisa ser um livro intelectual, gente. Cara, quantos romances bobos eu leio? Um monte, um monte. E que mesmo assim trazem bem-estar, trazem muitas coisas positivas. Então, assim, se a gente falou muito de pensamento crítico aqui, de business e tudo mais, mas eu diria que a minha dica é pra você trabalhar melhor e pensar melhor é você ler mais.

SPEAKER_03 1:14:18

Ótimo, ótimo. Muito obrigado pela sua participação, Raíssa.

SPEAKER_05 1:14:22

Ai, eu que agradeço, foi ótimo, foi uma honra estar aqui com você, Gabriel. Muito bom, muito bom papo, delícia. Venho novamente, já tô pronta para o próximo papo. Vamos botar um assunto aí pra gente bater papo.

SPEAKER_02 1:14:35

Ótimo, foi um prazer te receber. Muito obrigado, tá?

SPEAKER_05 1:14:38

Eu que agradeço. Beijo, beijo, pessoal. Até mais. Até mais.

SPEAKER_03 1:14:44

Obrigado por ouvir o People Analytics na prática. Se curtiu, compartilha com alguém que também vive ou quer saber mais sobre o universo de gestão de pessoas com dados. O podcast está disponível nas principais plataformas de áudio, como Spotify, Apple Podcasts e também no YouTube. A gente se encontra no próximo episódio.