Gestão de pessoas

O funcionário rastreado e feliz

Ben Waber
8 de fevereiro de 2019

Discussões sobre privacidade de dados tendem a focar a dinâmica consumidor/vendedor. Quais informações pessoais as empresas têm direito de coletar e como elas devem ser usadas e cuidadas? Mas outra dinâmica, entre empregador e trabalhador, suscita questões ainda mais espinhosas.

Leia também:

Consentimento não informado

Como exercer o poder que você não pediu

Durante anos, people analytics — ciência do uso de dados para gerir funcionários — baseou-se em detalhes sobre idade, gênero, tempo de casa e classificação em avaliações de desempenho para obter insights. Mas essa coleta irrisória limitava sua utilidade.

Mais recentemente, a tecnologia de sensores e a coleta de dados em tempo real produziram excelentes safras de informação de funcionários. Agora, os gestores podem acessar, a cada segundo, feedback sobre o que o funcionário está fazendo e, até certo ponto, o que ele está sentindo. Dados de emails, chats e sistemas de calendário podem ser analisados junto com os dados tradicionais de RH. Os sensores podem coletar dados incrivelmente detalhados sobre os hábitos dos subordinados —quem fala com quem, com que frequência interrompem uns aos outros, onde passam o tempo e até os níveis de estresse. E, conforme os crachás de identificação e móveis de escritório entram na era da internet das coisas, a quantidade de informação que as empresas detêm sobre seus funcionários se expandirá exponencialmente. O departamento de RH agora tem o potencial de saber quase tudo sobre os funcionários.

As novas ferramentas de medição já tiveram impacto imensamente positivo — quando implementadas de forma correta e ética. Empresas usaram dados de sensores vestíveis e comunicação digital para quantificar e reduzir o preconceito de gênero, aumentar a prontidão e reduzir a fadiga, elevar significativamente o desempenho e reduzir o atrito em setores como o ferroviário, o financeiro e o de restaurantes de serviço rápido. E estamos apenas começando a explorar o potencial dessas novas tecnologias.

Para os trabalhadores, porém, o valor de toda essa coleta de dados não é tão clara. A people analytics avançada pode até atrapalhar a capacidade dos funcionários de gerir livremente seu tempo e de experimentar. Os números podem indicar, por exemplo, que uma nova maneira de trabalhar não é produtiva, embora possa levar a ganhos de longo prazo. Pior ainda, as ferramentas de analytics podem dar margem a abuso por meio do monitoramento excessivo.
Só porque você pode medir algo não significa que deva fazê-lo. Defensores dos empregados temem que a vigilância baseada em dados forneça aos empregadores poder excessivo sobre eles, e acreditam que as empresas podem perder ou abusar de informações pessoais sigilosas.

Afinal, o sistema das empresas é violado com frequência. E não há diferença substancial entre monitorar o estresse dos funcionários e usar dados sobre a saúde para prever doenças e tomar medidas preventivas. E os dados dão uma falsa sensação de validade. Ou seja, podem fazer com que certas conclusões pareçam verdadeiras (o funcionário X não é produtivo porque tem resultado 10% menor) mesmo quando há pontos de vista alternativos legítimos (o funcionário X é produtivo de forma diferente — por exemplo, reduzindo erros ou treinando os outros).
Dada essa nova realidade, os gestores agora enfrentam questões desafiadoras: devem usar ferramentas de analytics que examinam os hábitos de trabalho dos funcionários para avaliar seu desempenho? A quais dados as empresas devem ter acesso? Devem compartilhar suas análises com os funcionários? Devem analisar dados individuais? E quanto a usar dados para determinar o risco de um empregado desenvolver doença mental? Empresas, legisladores e reguladores começam a lidar com o problema de estabelecer regras para o uso de ferramentas de monitoramento no local de trabalho.

Enquanto isso, os gestores precisam de orientação sobre como administrar programas eficazes e éticos de people analytics, que evitem uma reação dos funcionários ou uma resposta legislativa firme. Trabalhando com Sandy Pentland, no MIT, e desenvolvendo produtos e serviços para a minha própria empresa de anaytics, identifiquei várias regras básicas fundamentadas cientificamente para o uso da tecnologia de monitoramento. Essas técnicas mitigaram problemas em potencial de forma efetiva, e problemas sérios ocorreram quando elas não foram usadas.
Em geral, as implementações bem-sucedidas de tecnologias de people analytics levam quatro a seis semanas. Embora seja possível uma implementação mais rápida em algumas empresas, é importante fazê-la da forma correta. Isso mostrará aos empregados que a gestão está sendo cuidadosa com questões éticas espinhosas e garantirá que a validade das descobertas seja respeitada. Desprezar qualquer um destes passos pode fazer com que as taxas de aderência despenquem, prejudicando um programa por anos.

Este é o seu manual para o uso inteligente e ético de dados de funcionários:

Consentimento. Comece com uma das diretrizes de privacidade mais simples e mais antigas: se você lançar um programa para coletar novos tipos de dados, é essencial solicitar aos funcionários que participem (e excluir todos os que não o fizerem). Forçar as pessoas a abrir mão de dados sobre si mesmas é legal nos EUA e em vários outros países, mas não em todos. Leis como o Regulamento Geral sobre a Proteção de Dados (GDPR, na sigla em inglês), embora não foquem explicitamente o local de trabalho, estabelecem restrições que dificultam a coleta de dados em empresa multinacional.

Mas, mesmo quando isso é permitido, o rastreamento por coação ou a exigência de que o funcionário opte por ser excluído (especialmente se a escolha não é clara porque, digamos, foi apresentada de forma obscura, em letras miúdas e durante a integração) abre muitas preocupações éticas e comerciais.

Em primeiro lugar, da perspectiva puramente econômica, o tiro pode sair pela culatra. Uma pesquisa pioneira de Ethan Bernstein, da Harvard Business School, mostrou que, em geral, o desempenho dos funcionários cai quando, na percepção deles, tudo o que fazem é transparente. E quando a competição por talentos é intensa, os empregados podem deixar as empresas que os obrigam a abrir mão de seus dados. Além disso, as empresas enfrentam o risco de queimar a reputação.

Por exemplo, durante semanas, a Amazon, a Tesco e o Daily Telegraph receberam cobertura negativa da mídia pelas suas propostas ou por esforços mal executados de monitoramento. Alguns desses programas foram muito bem planejados: o do Telegraph tinha como objetivo melhorar a eficiência energética — algo que, provavelmente, encontraria pouca objeção dos funcionários — por meio de sensores de mesa. Mas a empresa de mídia apressou o lançamento e forneceu poucas informações aos empregados antes de lhes impingir os sensores. Foi forçada a retirá-los rapidamente depois de uma forte reação interna e do escárnio na mídia.

Criar um programa de adesão é um desafio e, a curto prazo, consome muito tempo. O programa deve incluir proteções firmes para os funcionários que optarem por não participar, para que não se sintam coagidos ou penalizados. A principal proteção consiste em agregar dados para impedir que o comportamento dos indivíduos seja identificado. Mas também aconselho precauções adicionais, como usar formulários de consentimento e manter o anonimato quando da coleta de dados (assim, gestores ansiosos, curiosos ao extremo, não possam bisbilhotar as atividades dos funcionários minuto a minuto).

Para criarem formulários de consentimento claros, concisos e fáceis de entender, as empresas devem seguir o exemplo dos comitês de ética médica (CEP) das universidades, que adotam procedimentos rigorosos para a interação entre os pesquisadores e os sujeitos experimentais. Nos formulários do CEP, os pesquisadores devem especificar claramente quais dados serão coletados e como serão usados. Os funcionários devem receber anexos que expliquem em detalhes como funcionam as tabelas de banco de dados que serão preenchidas, para que possam ver exatamente o tipo de informação que será armazenada. Por fim, as empresas também precisam assinar os formulários, criando contratos legalmente vinculantes com os funcionários.

Comunicação e transparência.

Enviar formulários de consentimento às cegas, para todos os funcionários, esperando uma alta taxa de adesão não é uma boa estratégia. O lançamento de uma iniciativa ética de people analytics requer muita comunicação e transparência constante. Eu faço o seguinte:

Primeira semana: um email introdutório apresenta a promessa do programa de analytics proposto, fornecendo um resumo da abordagem e dos objetivos da empresa e links para artigos de notícias sobre programas semelhantes.
Segunda semana: os gestores participam de uma sessão informativa sobre a tecnologia e têm a oportunidade de fazer perguntas e expor suas preocupações. Em seguida, eles se reúnem com suas equipes para descrever o programa e lidar com uma possível enxurrada de perguntas difíceis por parte de seus subordinados.
Terceira semana: o CEO faz uma reunião aberta na qual a empresa compartilha os materiais dados aos gestores com todo o pessoal, incentivando todos a falar livremente sobre preocupações e a fazer perguntas.

Em alguns casos, as empresas optam por compensar os empregados pela participação em programas de analytics com pequenas quantias de dinheiro ou recompensas, como cartões-presente da Amazon ou camisetas da empresa. No entanto, na minha experiência, isso é problemático e ineficaz. Por um lado, fornece ao empregador informações específicas sobre quem está participando. Mas esses incentivos normalmente não geram aumento mensurável da participação. Aparentemente, os subordinados acham que receber por seus dados significa que estão renunciando ao seu direito à privacidade, o que produz uma reação negativa. Se eles têm de me pagar para participar, devem estar levando muito, e sabe-se lá o que estão fazendo com isso parece ser o seu raciocínio.

Mesmo que o monitoramento seja bem-intencionado, nesses programas são comuns reações emocionais, perguntas difíceis e acusações, e os gestores devem estar preparados para tal. Esperar apoio unânime é um erro, porque os funcionários precisam antes não apenas entender exatamente o que está sendo feito, mas também confiar nas garantias dos gestores de que a empresa está sendo honesta e aberta. Em culturas onde a confiança ou o moral é baixo, esse é um enorme obstáculo. Simplesmente dizer aos funcionários que você se comportará de maneira responsável não é suficiente; mostre isso a eles com total transparência.

Muitas vezes, à medida que conheço outras iniciativas de people analytics, percebo que, intencionalmente, as empresas escondem dos funcionários informações sobre quais dados estão sendo coletados e por quê. Ingenuamente, assumem que a prática não será descoberta pelos funcionários, o que geralmente não acontece. Fazer algo legal, mas não ético, pode acarretar reação adversa severa. Existem muitos exemplos disso no mercado, e, em geral, organizações que se envolvem em condutas antiéticas de rastreamento sofrem consequências internas e externas.

Agregação. As empresas geralmente assumem que os dados se tornam anônimos quando você os desvincula das pessoas. Não é assim. Como o comportamento humano é único, é possível identificar pessoas em dados sem mencionar-lhes o nome, principalmente com dados das redes de comunicação.
Imagine que Ana seja dona de um escritório particular e tenha um transmissor de Bluetooth em seu tag identificador que detecta com precisão sua localização no escritório a qualquer momento. Ana é workaholic. Se observássemos os dados, sem os nomes, de quanto tempo cada funcionário passou no escritório, provavelmente veríamos que alguém ficou muito mais tempo que os demais. Esse alguém seria Ana, e ela e todos os que trabalham com ela saberiam disso, sem sombra de dúvida. Esse é apenas um exemplo simplificado de um único tipo de dado. De fato, a análise de dados e o aprendizado de máquina nos permitem identificar indivíduos com dados menos óbvios. Por exemplo, é facílimo identificar pessoas por meio de seus padrões de localização, e a análise semântica pode determinar com alta probabilidade quem é o autor de um texto, por meio do mero reconhecimento de seus hábitos de linguagem.

Os celulares da empresa costumam ser usados para rastreamento de localização, mas isso pode ser problemático. Se apenas dados associados ao trabalho forem coletados, o telefone, na prática, será igual a um tag de identificação. No entanto, informações sobre o paradeiro dos funcionários fora do escritório podem ser registradas e coletadas. Esses dados, além de ter aplicação comercial muito limitada, são confidenciais e sua coleta deve ser evitada.

Evitar essas armadilhas não é difícil e é realmente benéfico. Pois, além de criar riscos à privacidade, analisar o comportamento de indivíduos ou selecionar uma pessoa para o rastreamento é, do ponto de vista metodológico, uma abordagem inferior em relação à análise de dados. Por quê?

Diferenças contextuais. Alguém pode se comportar de determinada maneira por causa de uma situação específica. Ao procurar traços de alto desempenho, por exemplo, a empresa pode examinar um único funcionário estrela e perceber que os dados mostram que ele trabalha durante o almoço. Decorre disso que os empregados de alto desempenho são mais propensos a trabalhar na hora do almoço? É impossível responder com base em uma única pessoa! Talvez o funcionário precise se reunir com um grupo grande durante o almoço porque precisa de dez pessoas para aprovar as decisões e esse é o único momento em que todos podem se reunir para analisá-las. Se nenhuma outra tarefa de decisão tiver essa estrutura, é improvável que apenas o almoço de trabalho seja a causa do alto desempenho.

Violações de privacidade. Sem dúvida, há algo de Big Brother na microanálise do comportamento individual. Mesmo que tal análise produzisse benefícios, eles seriam eclipsados pela inegável e legítima reação negativa dos subordinados: o provável aumento de rotatividade, a queda no desempenho e a má publicidade da empresa não os compensariam.

Em vez de dados individuais, as empresas devem solicitar que suas equipes de analytics relatem dados agregados: médias de grupo ou correlações. Dado que as empresas devem se preocupar com distribuições de comportamento e não com o padrão dos indivíduos, essa prática é condizente com as necessidades organizacionais.
Além dos números. Por mais sofisticada que seja a coleta de dados, ela será inútil se a empresa não medir as coisas certas.

Por exemplo, ao contrário do que muitos pensam, é mais importante examinar os padrões de comunicação do que seu conteúdo. Em uma empresa para a qual prestamos consultoria, minha equipe e eu descobrimos que a alta gestão gastava menos de cinco horas por mês se comunicando com uma divisão que tinha mais de dez mil funcionários e era responsável por mais de 10% da receita. Não é de surpreender que seu desempenho fosse consistentemente baixo e que não estivesse alinhada com a estratégia da organização. O teor exato do pouco diálogo era irrelevante. O maior problema era que os gestores quase não conversavam com o pessoal daquele setor. Podíamos prever com segurança que, para aumentar o desempenho do grupo, tudo que a gestão precisava fazer era aumentar a interlocução com ele.
Também é importante ter em mente que nenhum algoritmo ou conjunto de dados, por mais completo ou avançado, será capaz de capturar toda a complexidade do trabalho.

Não é uma boa ideia tentar construir um algoritmo desse tipo ou, pior ainda, contratar um consultor que prometa fazê-lo. As pessoas da empresa já têm compreensão completa do escopo do trabalho. Deixar isso de lado para seguir cegamente um algoritmo levará a muitas decisões estúpidas. Informações qualitativas e contextuais ajudam as organizações a entender como ponderar as métricas quantitativas.

Lembro-me de um caso em que uma empresa de engenharia queria usar dados comportamentais para melhorar o desempenho da equipe. Nessas situações, muitas vezes uma métrica como a coesão (força das conexões interpessoais do grupo, inferida de dados de bate-papo e de sensores) é correlacionada com alto desempenho. Um estudo piloto mostrou que o aumento da coesão ajudou as equipes a atingir seu principal indicador de desempenho, a entrega no prazo. Examinando apenas esses resultados, a gestão achava que implementaria políticas para aumentar a coesão entre todas as equipes. Isso teria sido um erro. Afinal, algumas equipes tentavam inventar produtos totalmente novos.

A gestão deve considerar normal que eles atrasem com mais frequência do que outras equipes, porque seus cronogramas são mais imprevisíveis. Aplicar o algoritmo de coesão não seria o ideal. Outras condutas, como a exploração (interagir mais com outras equipes), previram melhor seu sucesso. Portanto, se a empresa tivesse, cegamente, criado programas para aumentar a coesão entre todas as equipes, isso teria reduzido o desempenho daqueles focados na inovação.

Meus colegas e eu deparamos com esse problema o tempo todo, e por causa disso nos certificamos de trabalhar com os stakeholders internos, para entender por que a análise de dados de um grupo nem sempre se aplica a outro. Com seu profundo conhecimento contextual, eles nos indicam qual coleta e análise de dados são importantes em cada parte da empresa.

. . .
O potencial da people analytics para melhorar a tomada de decisão é surpreendente. Pode ajudar os funcionários a gostar mais de seu emprego, ganhar mais e passar mais tempo com a família. No Japão, por exemplo, a tecnologia de monitoramento começa a ser usada para reduzir o enorme custo humano do excesso de trabalho. No passado, programas de redução de carga de trabalho eram considerados um sucesso se, depois de um ano, ninguém cometesse suicídio; hoje eles verificam de imediato se as cargas de trabalho foram realmente reduzidas. Em vez de darem continuidade a um procedimento ineficaz, eles logo descobrem o que melhora o ambiente de trabalho e fazem os ajustes necessários. Literalmente, salvam vidas.

No entanto, as empresas têm a responsabilidade de não sucumbir ao uso de analytics que possa atemorizar os trabalhadores. Elas precisam estabelecer proteções desde já. Se não o fizerem, uma reação exagerada vai atingi-las por meio de legislação; já se pode até ver o vislumbre disso no GDPR. Isso pode acabar com o enorme potencial do people analytics para o bem. Portanto, também cabe ao setor de analytics e às empresas defender proteções firmes. O risco envolvido é alto demais para não fazê-lo.


Ben Waber é presidente e CEO da empresa de analytics organizacional Humanyze e autor de People analytics: how
social sensing technology will transform business and what it tells us about the future of work.

Compartilhe nas redes sociais!