Reumo
Este trabalho explorou uma abordagem para o monitoramento da produtividade de processos de prestação de serviços, focando em atividades em que os profissionais são autônomos e, eventualmente, remotos, por meio de sistemas de informação e aprendizagem de máquina (AM). O desafio reside na complexidade e difícil padronização dos serviços, tornando os mecanismos tradicionais de medição de produtividade inadequados e a gestão frequentemente autocrática e coercitiva.
A pesquisa propõe que avanços em TI e AM oferecem uma solução promissora para o monitoramento objetivo. O sistema se baseia no reconhecimento de imagens para acompanhar visualmente atividades mapeadas e na compreensão textual (Processamento de Linguagem Natural - PLN) para interpretar relatos e avaliar a complexidade de tarefas intelectuais.
O modelo sistêmico inclui três etapas: mapeamento de processos, preparação e qualificação de dados (imagens e textos para treinamento do algoritmo), e aplicação do modelo treinado para gerar relatórios de apoio à gestão. Esta abordagem permite a avaliação da eficiência dos processos, o acompanhamento da performance individual, e a melhoria do bem-estar organizacional, reduzindo a gestão coercitiva.
Abstract
This work explored an approach for monitoring the productivity of service delivery processes, focusing on the activities of autonomous and, eventually, remote professionals, through information systems (IS) and machine learning (ML). The challenge identified is the complexity and difficult standardization of services, which makes traditional productivity measurement mechanisms inadequate and management often autocratic.
The research proposes that advances in IT and ML offer a promising solution for objective monitoring. The system is based on Image Recognition to visually track mapped activities and Textual Understanding (Natural Language Processing - NLP) to interpret reports and evaluate the complexity of intellectual tasks.
The systemic model involves three key stages: process mapping, data preparation and qualification (for algorithm training), and the application of the trained model to generate management support reports. This approach facilitates evaluation of process efficiency, individual performance tracking, and improving organizational well-being by reducing the need for coercive management.