Por Alexandre Vomero, Diretor Vice-Presidente Comercial e de Parcerias da ABSC e líder das áreas de Tecnologia e CSC do Grupo Hoteleiro Mabu

A hiperautomação entrou definitivamente na agenda das empresas. Inteligência artificial, automação robótica, workflows, OCR e analytics já permitem redesenhar processos, ampliar escala e elevar a produtividade.

Nos Centros de Serviços Compartilhados (CSCs), que concentram processos, dados e diferentes tecnologias, esse movimento ganha ainda mais relevância.

Mas, à medida que as organizações automatizam atividades e decisões, surge uma questão que considero mais importante do que saber quantos processos foram automatizados: estamos igualmente preparados para controlar aquilo que passamos a executar de forma automatizada?

Essa pergunta muda a maneira como devemos avaliar a maturidade das operações. Durante anos, eficiência, redução de custos e produtividade foram indicadores centrais dessa evolução. Eles continuam relevantes, mas já não são suficientes.

Em ambientes cada vez mais digitais, maturidade também significa integrar segurança, governança, qualidade dos dados e conhecimento humano à estratégia de automação.

O risco é entrar em uma corrida pela hiperautomação sem construir os fundamentos necessários para sustentá-la. Automatizar mais não significa necessariamente operar melhor. Quando processos mal estruturados, dados inconsistentes ou controles frágeis recebem mais tecnologia, podemos apenas aumentar a velocidade e a escala de problemas que já existiam.

Por isso, uma jornada consistente de hiperautomação começa antes da escolha da ferramenta. Começa pela compreensão do processo de ponta a ponta, das pessoas envolvidas, dos sistemas, dos dados, das regras e das decisões que compõem aquela operação.

Muitas vezes, uma organização chega à discussão com uma solução previamente definida, quando a causa real do problema pode estar em uma etapa desnecessária, em sistemas desconectados, em uma regra mal estruturada ou na baixa qualidade das informações. A tecnologia precisa responder ao problema, e não o contrário.

Esse princípio se torna ainda mais importante porque hiperautomação pressupõe a combinação de diferentes tecnologias. Em um mesmo processo, podemos ter workflows orquestrando etapas, robôs executando tarefas, OCR extraindo informações, inteligência artificial apoiando análises e sistemas externos trocando dados.

Quanto maior essa integração, maior também a necessidade de compreender os riscos envolvidos.

Segurança precisa fazer parte da arquitetura

É nesse ponto que cibersegurança e automação deixam de ser agendas separadas. Durante muito tempo, de um lado estavam as áreas preocupadas com produtividade, eficiência e redução de custos; de outro, os times responsáveis por segurança, riscos, compliance e controles.

Em uma operação hiperautomatizada, essa divisão já não funciona.

Se uma tecnologia acessa dados sensíveis, utiliza credenciais, movimenta informações ou recursos e se conecta a outros sistemas, a segurança precisa fazer parte da arquitetura desde o início. Isso significa abandonar a lógica de desenvolver primeiro e validar a segurança depois.

Permissões, acessos, controles, integrações e riscos precisam ser considerados no próprio desenho da solução.

Em setores altamente regulados, como financeiro e saúde, essa discussão tende a estar mais amadurecida. Em outras organizações, ainda existe uma distância entre reconhecer que a cibersegurança é necessária e incorporá-la efetivamente aos processos de automação.

Essa diferença ganha relevância com o avanço da inteligência artificial. Quanto mais capacidade entregamos à tecnologia, mais importante se torna a governança sobre aquilo que ela pode fazer, quais informações pode acessar e como seus resultados serão validados.

Pessoas continuam no centro da transformação

Uma automação pode estar tecnicamente correta, seguir requisitos de segurança e, ainda assim, produzir um resultado operacional inadequado.

O profissional de tecnologia sabe desenvolver a solução, mas quem conhece profundamente o processo precisa validar se aquilo que está sendo entregue faz sentido para o negócio. Quanto mais automatizamos tarefas de baixa complexidade e baixa ambiguidade, maior tende a ser a necessidade de profissionais capazes de compreender exceções, interpretar dados, avaliar riscos e tomar decisões.

O conhecimento digital, portanto, não pode ficar concentrado na área de TI. Ele precisa se espalhar pela organização e se combinar ao conhecimento de processos e à visão de negócio.

Essa transformação também muda a discussão sobre capacitação. Não se trata de transformar todos os profissionais em programadores, mas de ampliar a capacidade das equipes de entender como as tecnologias funcionam, onde podem gerar valor e quais riscos carregam.

Ao mesmo tempo, é fundamental conhecer o processo de ponta a ponta e compreender como uma decisão tomada em determinada etapa pode afetar outras áreas, sistemas e resultados.

Dados são parte da infraestrutura da automação

Outro fundamento indispensável é a governança dos dados. Podemos ter a melhor inteligência artificial, o melhor algoritmo ou uma automação extremamente sofisticada, mas, se a informação utilizada estiver errada ou inconsistente, o resultado também estará comprometido.

A conhecida lógica de garbage in, garbage out continua atual.

O desafio é especialmente relevante para organizações que convivem com sistemas legados e múltiplas fontes de informação, nas quais um mesmo cliente, fornecedor ou processo pode aparecer de maneiras diferentes em várias aplicações.

Antes de utilizar IA, analytics ou automação para ampliar a capacidade de decisão, é necessário garantir integridade, qualidade e uma fonte confiável para os dados.

A mesma lógica vale para os indicadores. Produtividade, custo, tempo de processamento e SLA continuam relevantes, mas precisam dividir espaço com métricas relacionadas a controles, acessos, qualidade da informação, exceções e segurança.

Não basta saber se uma automação está funcionando. É necessário saber se ela está funcionando corretamente, com integridade e dentro dos parâmetros estabelecidos.

Esse é um dos desafios de maturidade para os CSCs nos próximos anos: equilibrar a pressão por produtividade com uma visão igualmente rigorosa sobre riscos e governança.

IA muda o papel dos profissionais

A inteligência artificial adiciona uma nova dimensão a esse cenário. Em um futuro cada vez mais próximo, profissionais poderão atuar menos como executores de determinadas tarefas e mais como gestores ou supervisores de agentes tecnológicos.

Atividades de baixa ambiguidade podem ser progressivamente absorvidas pela automação, enquanto as pessoas concentram sua atuação em exceções e situações que exigem julgamento, estratégia e conhecimento profundo do negócio.

Isso não diminui a importância do capital humano. Pelo contrário: aumenta a necessidade de profissionais preparados para questionar, validar e direcionar aquilo que a tecnologia produz.

Por isso, acredito que o futuro dos Centros de Serviços Compartilhados será cada vez mais tecnológico, analítico e orientado por dados.

Mas essa evolução não será determinada pelo número de ferramentas implementadas nem pela quantidade de processos automatizados. A maturidade estará na capacidade de combinar pessoas, processos, tecnologia, dados, segurança e governança em uma única estratégia de transformação.

No fim, o desafio não é automatizar o máximo possível, mas saber o que automatizar, por que automatizar e quais fundamentos precisam existir para que essa decisão gere valor de forma sustentável.

A hiperautomação pode ampliar significativamente a capacidade dos CSCs, mas também aumenta sua responsabilidade sobre processos, informações e decisões.

Por isso, ela não será apenas um teste de eficiência, mas, cada vez mais, um teste de maturidade. Os CSCs que conseguirem equilibrar inovação, segurança, governança e conhecimento humano estarão mais preparados para lidar com essa transformação.