A IA promete “otimizar” horários, mas o valor real depende dos dados e da governação. Se o *input* for mau (registos incompletos, incidências sem motivo), a IA amplifica o caos. E se o modelo for opaco, a equipa irá rejeitá-lo. A chave é usar a IA como apoio explicável, não como juiz.
1) Casos de uso que realmente agregam valor
Previsão de picos, sugestões de reforço, deteção de padrões de absentismo, alertas de descanso insuficiente e priorização de incidências. Estes casos ajudam a decidir mais rapidamente sem substituir o critério humano.
Exemplo: o sistema deteta que todas as sextas-feiras há prolongamentos no fecho e sugere uma sobreposição. O responsável decide se aplica e comunica.
2) Risco 1: enviesamento por dados incompletos
Se um grupo regista pior (por exemplo, mais esquecimentos por falta de *kiosk*), um modelo pode interpretá-lo como “pior desempenho” e penalizá-lo com horários. Isso não é IA, é injustiça automatizada.
A solução é melhorar os dados primeiro: método de registo acessível, fluxos de correção rastreáveis e regras consistentes.
3) Risco 2: decisões opacas (“caixa negra”)
Se as pessoas não entenderem por que lhes foi atribuído um horário, percebem arbitrariedade. Qualquer recomendação deve ser explicável: cobertura, habilidades, descansos, equidade e preferências.
Exemplo: “foi atribuído a X porque cobre empilhador e respeita o descanso” é explicável. “Foi o sistema que decidiu” destrói a confiança.
4) Governação: supervisão humana e direito a revisão
Define quem supervisiona, como se corrige e como se documenta. A automatização precisa de um canal de revisão humana, e as correções devem ficar registadas.
Exemplo: se uma recomendação falha por um dado errado, o responsável corrige o dado com motivo, e o sistema aprende. Sem essa governação, o erro repete-se.
5) Win-win: menos trabalho repetitivo, mais justiça
Para a empresa, a IA pode reduzir o tempo de planeamento e melhorar a cobertura. Para o trabalhador, pode melhorar a equidade se for usada com regras claras e transparência.
O *win-win* aparece quando a IA não impõe: sugere, explica e permite revisão. A confiança é a condição de sucesso.