Nas Linhas de Frente: Desenvolvedores Cidadãos e Especialistas Profissionais

Essas perguntas parecem familiares? Provavelmente sim, já que essas ferramentas são simplesmente os novos capacitadores dos fenômenos que temos chamado de “computação do usuário final” (end-user computing) há um bom tempo.

Alguns anos atrás, quando começamos a reconhecer o fenômeno da computação do usuário final, simplesmente tínhamos um “assistente” no time de auditoria que conseguia fazer coisas em planilhas e bancos de dados que outras pessoas nem sabiam que eram possíveis. Com a ascensão das ferramentas de autoatendimento, esses assistentes passa­­­­ram a ter uma comunidade de aprendizes e, agora, a pessoa que antes chamávamos de “assistente” quer ser conhecida como cidadão cientista de dados (citizen data scientist) ou como desenvolvedor cidadão (citizen developer), dependendo das ferramentas que usa com mais frequência.

Desde que você esteja disposto a aprender, esses assistentes mostrarão como replicar seus truques em seus projetos. Mas, por mais surpresos que estejamos, nossos assistentes são os primeiros a reconhecer que não estão no topo da pirâmide. Ser um “verdadeiro” cientista de dados/engenheiro de dados/programador (um profissional especializado) não é o mesmo que fazem como cidadãos cientistas de dados ou como desenvolvedores cidadãos (um amador habilidoso).

Embora sejam “amadores” ou “hobbistas”, estes desenvolvedores cidadãos são aqueles que criam nossos dashboards de inteligência e negócios, processam nossos dados para que o resto de nós possa usá-los, desenvolvem bots para simplificar nossos trabalhos e talvez protejam e supervisionem os fluxos de trabalho automatizados para coletar e encaminhar as informações para outras pessoas da equipe que precisam delas. Eles fazem o trabalho, não porque são mestres técnicos, mas porque são “bons o suficiente” no que fazem e realmente entendem o que você está tentando fazer (tino comercial).

Por causa de sua capacidade de produzir resultados e de sua natureza dual, comercial e técnica, quando as equipes de auditoria consideraram a computação do usuário final, não optamos por conter esses assistentes. Sim, reconhecemos que certo nível de controle precisava ser implantado. Queríamos ter certeza de que sabíamos quais decisões eles estavam tomando com suas ferramentas e queríamos garantir que essas decisões fossem tomadas no nível certo de autoridade, independentemente da experiência técnica. Com essas proteções, optamos por habilitar esses assistentes nos departamentos que estávamos revisando e os incorporamos em nossas próprias equipes.

Se os amadores podem fazer o trabalho, isso significa o fim dos serviços profissionais? Podemos aceitar que, finalmente, somos todos igualmente bons? Não e não... definitivamente não.

Na verdade, sempre houve áreas de amadores e de profissionais. Por exemplo, ainda queremos que nossos médicos sejam formados em Medicina, mas talvez possamos consultar nossa mãe antes de correr para o pronto-socorro. O mesmo acontece quando o carro “está fazendo barulho” e você tem que decidir entre levá-lo para o seu irmão ou para a oficina.

Às vezes, não é sequer nossa decisão. Pode acontecer quando ouvimos a banda de tributo tocando na garagem do nosso vizinho quando chegamos em casa, em vez de ir a um show da banda que eles homenageiam.

Em todos esses exemplos, simplesmente existimos em um ecossistema em camadas, que começa com “aulas de arte do ensino fundamental”, passando para “disponibilizados em massa no supermercado”, para “artesanato” e “belas artes”. O ambiente é grande o suficiente para acomodar todas essas opções, e as pessoas que atuam em cada camada são as primeiras a reconhecer suas habilidades e limitações.

Então, como os auditores navegam neste novo ecossistema, quando se trata de nossos desenvolvedores e cientistas de dados, profissionais ou cidadãos? Talvez lidemos com isso da mesma forma que tratamos outras ferramentas e equipes de computação do usuário final: tentamos entender o escopo e o impacto do trabalho a ser executado e nos certificamos de que seja apropriado.

Basicamente, se sua proposta de bot simplificará algo que você já está fazendo, vá em frente e crie-o com o cientista de dados de sua vizinhança. Se correr o risco de tudo dar errado se o processo não for concluído, certifique-se de que a nova ferramenta seja desenvolvida com o apoio de sua equipe de TI, acompanhando todas as suas etapas de desenvolvimento, e quem sabe até compre uma solução plug-and-play.

Isso permitirá que você use suas ferramentas de autoatendimento e especialistas cidadãos para dar os primeiros passos, executar provas de conceito e concluir a prototipagem rapidamente, e testar implantações para continuar impulsionando o desempenho e, às vezes, possibilitar novas oportunidades ou habilidades para você e sua equipe. Se sua prova de conceito for eficaz e transformadora, você pode melhorar sua versão “projeto escolar de ciências” e transformá-la em uma ferramenta institucional estabelecida em colaboração com sua equipe de TI e outros especialistas.

Isso é consistente com sua experiência? Conte-me nos comentários.