Tenho pensado numa coisa que não recebe atenção suficiente no mundo empresarial. Passámos décadas a otimizar para o tempo de atividade e a entrega de funcionalidades, mas isso, na verdade, já é apenas o nível básico agora. O verdadeiro teste é como os sistemas realmente se comportam quando as condições são confusas, incompletas e longe do ideal.

Encontrei esta perspetiva interessante de alguém que passou mais de 20 anos a trabalhar em plataformas massivas em empresas como Fidelity, Deloitte e operações de escala semelhante. A sua observação ficou comigo: a fiabilidade já não é apenas uma métrica técnica. Tornou-se um resultado humano. Quando lidamos com sistemas impulsionados por IA em múltiplos canais, não estamos apenas a gerir o tempo de atividade — estamos a gerir a confiança sob pressão.

O que chamou a minha atenção foi a abordagem deles ao que chamam fiabilidade sob distorção. Basicamente, sistemas que conseguem manter-se coerentes mesmo quando os sinais que entram estão fragmentados, incompletos ou interrompidos. A maioria das empresas trata estes casos extremos como ruído. Esta perspetiva inverte isso — trata-os como sinais comportamentais que realmente estabilizam todo o sistema. Em vez de forçar dados perfeitos, desenha-se para coerência probabilística.

Há um exemplo prático que ilustra bem isto. Num ambiente regulado, implementaram um sistema de autenticação impulsionado por IA que podia adaptar-se ao risco contextual em vez de impor regras rígidas e estáticas. O resultado? As falhas de login reduziram-se cerca de 15 por cento sem comprometer a segurança. Isso evitou milhares de tentativas falhadas, o que se traduz em pessoas reais a conseguirem acesso quando precisam.

O que acho mais interessante é a mudança de mentalidade. As plataformas empresariais não são projetos com datas de fim — são sistemas vivos que precisam de sentir, aprender e adaptar-se continuamente. Quando deixamos de as tratar como objetivos de entrega estáticos e começamos a pensar na resiliência a longo prazo, toda a abordagem muda. Os tempos de recuperação de incidentes podem diminuir 30 por cento. Os tempos de resolução de clientes podem reduzir-se de 15 minutos para menos de três minutos com a automação adequada.

Mas aqui é onde fica mais subtil. À medida que os sistemas se tornam mais automatizados e impulsionados por IA, há o risco de perder visibilidade sobre como as decisões realmente são tomadas. A filosofia que estou a ver a ser enfatizada é que transparência e supervisão humana não são restrições — são facilitadores de confiança. Se um sistema não consegue explicar-se sob stress, provavelmente não deveria estar a tomar decisões autónomas em primeiro lugar.

A componente omnicanal é igualmente importante. A maioria das empresas ainda luta com realidades fragmentadas dos clientes. Alguém troca entre dispositivos, canais, estados autenticados e anónimos. Os sistemas tradicionais de CRM muitas vezes respondem forçando uma certeza de identidade prematura, o que na verdade aumenta os erros. Uma abordagem melhor reconstrói a jornada do cliente de forma probabilística, ligando identidades fragmentadas através de padrões comportamentais e contexto temporal. Uma implementação deste tipo reduziu o tempo médio de atendimento em 30 por cento em milhares de agentes.

Tudo isto aponta para algo mais amplo a acontecer na tecnologia empresarial. Os vencedores não são necessariamente os inovadores mais rápidos — são aqueles que constroem plataformas confiáveis, pensadas como sistemas vivos. Sistemas que se recuperam sem culpas, se adaptam sem obscuridade e permanecem compreensíveis mesmo quando as coisas correm mal.

Isto importa especialmente à medida que indústrias reguladas aceleram a adoção de IA. O foco está a mudar para uma arquitetura resiliente, automação consciente da fiabilidade e infraestruturas verdadeiramente centradas no humano. É um lembrete de que, mesmo nos nossos sistemas imperfeitos e complexos, os fundamentos continuam a importar: confiança, transparência e tratar os humanos que dependem destas plataformas com respeito.