Modelos de Serviço Híbridos: O Futuro da Experiência do Cliente

O uso de IA e automação não deve vir como detrimento ao desenvolvimento de habilidades da equipe humana.

A sociedade aceitou que muitos dos empregos tradicionais, como separação de estoque ou assistentes de call center, estão se tornando cada vez mais automatizados. Medos iniciais de que, à medida que a 4ª Revolução Industrial se firmasse, o emprego humano seria perdido para as máquinas ou que robôs assumiriam o mundo eram, claro, infundados.

Segundo o Fórum Econômico Mundial, enquanto a automação substituirá cerca de 85 milhões de empregos até 2025, a futura economia impulsionada por tecnologia criará 97 milhões de novos empregos. Mas enquanto máquinas atualmente realizam cerca de 30% de todas as tarefas, até 2025 o equilíbrio deverá mudar dramaticamente para uma combinação 50-50 de humanos e máquinas.

A realidade é que tarefas de trabalho exigirão cada vez mais uma mistura de habilidades humanas e de máquinas. À medida que as máquinas ficam com mais tarefas que as pessoas costumavam fazer, nós humanos precisaremos fortalecer nossas habilidades interpessoais e analíticas, pois estas se tornarão as mais valorizadas pelos empregadores.

É um tema recorrente em todas as indústrias. Em serviço de campo e manutenção, já houve uma mudança. O crescimento na implantação de sensores levou a um aumento em analytics de dados e gerenciamento remoto de dispositivos via redes IoT. Isso teve um efeito cascata em termos de funções e habilidades. Empresas se tornaram, como resultado, mais focadas em equipamentos, construindo conhecimento do cliente e desempenho de máquina em torno de dados automatizados.

Equipes de serviço de campo e manutenção baseada em planta tiveram que se adaptar, e foi vantajoso que a ênfase dentro das organizações tenha mudado. Serviço não é mais visto como um custo para o negócio. A capacidade de fornecer inteligência sobre produtos e clientes, e em muitos casos ser a linha de frente para empresas, significa que o serviço agora é estrategicamente importante.

Para muitas empresas, porém, isso levou a questões de emprego, especialmente à medida que a força de trabalho envelhece. Perda de conhecimento é um problema cada vez mais comum. Segundo o Service Council, 70% das organizações de serviço dizem que seriam sobrecarregadas pela perda de conhecimento de uma força de trabalho que se aposenta nos próximos cinco a dez anos, enquanto 50% afirmam que atualmente enfrentam escassez de recursos para atender adequadamente à demanda de serviço. A automação é ótima, mas só vai até certo ponto para ajudar.

Curiosamente, a TSIA descobriu recentemente que metade de todas as organizações de serviços de campo não têm um caminho de carreira formal para seus engenheiros de serviço de campo. Na minha visão, isso é um enorme ponto de risco comercial desnecessário. Essas organizações não estão fazendo o suficiente para preparar técnicos de serviço mais jovens para um futuro de realidade mista – um onde eles terão que trabalhar mais de perto com tecnologia digital e máquinas do que qualquer geração anterior. Não acontecerá por acaso.

Certamente há necessidade de um 'sistema de registro' integral que capture dados precisos sobre equipamentos 'como mantidos'. A necessidade deste tipo de banco de dados, mostrando como o equipamento está agora, permite que técnicos de serviço entendam o contexto do que os dados do equipamento estão dizendo. Enquanto a automação pode criar alertas para problemas ou potenciais questões, o técnico de serviço ainda precisará saber como resolver esses problemas rápida e eficientemente.

Da leitura correta dos dados, entendendo como corrigir problemas, obter peças e gerenciar expectativas do cliente, os fundamentos não são tão novos. Mas à medida que máquinas evoluem com mais automação embutida e analytics orientados a dados, há o perigo de que empresas confiem demais na automação, deixando suas forças de diagnóstico humano enfraquecerem.

Até recentemente, a tecnologia tem sido usada principalmente para automatizar tarefas repetitivas ou árduas. Mas avanços em IA e machine learning significam que as tarefas que podem ser feitas por máquinas são muito mais amplas no escopo do que gerações anteriores de tecnologia tornaram possível.

À medida que novas gerações entram na força de trabalho, as habilidades mais valiosas serão interpessoais – comunicação, empatia, gestão de conflitos, liderança, escuta, colaboração, curiosidade e resiliência; e habilidades cognitivas – análise, avaliação, síntese, julgamento, tomada de decisão e criatividade. Já vemos uma forte ênfase em habilidades interpessoais, habilidades cognitivas de ordem superior e habilidades de sistemas tanto nos EUA quanto no Reino Unido.

A vida útil de habilidades especializadas e conhecimento profundo de produto está diminuindo tanto à medida que a tecnologia avança rapidamente quanto à medida que o conhecimento se torna mais acessível em movimento. Estimativas colocam a meia-vida de uma habilidade profissional em apenas cinco anos, significando que a cada cinco anos, essa habilidade vale cerca de metade do que valia antes – então após 20 anos, qualquer habilidade será efetivamente obsoleta.

Trabalhadores do futuro devem ter a capacidade e disposição para aprender, desaprender e reaprender à medida que a tecnologia evolui ainda mais a forma como os negócios funcionam. Isso será tão importante para trabalhadores atuais, que precisarão focar em sua capacidade de adaptação e aprendizado de novas habilidades exigidas pelo local de trabalho da Quarta Revolução Industrial, quanto para novos na força de trabalho.

Humanos precisam ser capazes de falar a mesma linguagem que máquinas automatizadas, mas essas máquinas não devem bloquear o desenvolvimento de habilidades. Em termos de manutenção de serviço, IA e automação não são e nunca devem ser consideradas substituição humana. Se algo, está abrindo a indústria e criando um campo totalmente novo de oportunidades de serviço híbrido.