Como o QuintoAndar usou IA para redesenhar a avaliação de desempenho e economizou 66 horas da liderança

Em meio à pressão para incorporar inteligência artificial aos processos de Recursos Humanos, muitas empresas começam com foco na tecnologia. No QuintoAndar, o caminho foi inverso: quando a empresa decidiu adotar IA de maneira transformacional, o time de Pessoas primeiro quis entender quais dores precisavam ser resolvidas. “Em muitos casos, o problema não é achar a solução: o problema é achar o problema”, diz a CHRO Deborah Gouveia Abi-Saber.

A resposta levou a um redesenho do ciclo de avaliação de desempenho dos mais de 3 mil colaboradores da empresa. Combinando agentes de IA, análise de dados e mudanças no fluxo de trabalho, o novo processo economizou 66 horas das lideranças da empresa – hoje, mais de 600 colaboradores do QuintoAndar têm pelo menos uma pessoa liderada. Mais do que o ganho de eficiência, o projeto foi desenhado para preservar aquilo que Deborah considera essencial: o caráter humano. “O agente auxilia o líder a navegar por todo o conteúdo, distribuindo sinais ao longo do que está reunido, mas a IA não decide qual será a avaliação da pessoa”, diz Deborah.

O centro do processo é um agente de IA baseado no Gemini, que reúne e estrutura informações – de avaliações de pares a registros de reuniões entre líderes e liderados – antes espalhadas em diferentes plataformas. Paralelamente, a empresa também criou um chatbot interno treinado com toda a documentação do ciclo de desempenho, a fim de responder dúvidas operacionais de colaboradores e líderes. Durante o ciclo, a ferramenta registrou 2,7 mil acessos, respondeu 4,7 mil perguntas e reduziu em 30% os chamados ao time de suporte, formado por Business Partners.

Uma das etapas mais críticas do processo acabou dispensando a inteligência artificial generativa. Ao analisar a calibração das avaliações – momento em que gestores alinham critérios e discutem casos individuais –, a equipe concluiu que o problema não era interpretar melhor as informações, mas organizá-las de forma mais inteligente. Em vez de um LLM, o QuintoAndar desenvolveu detectores baseados em regras para apontar inconsistências, como diferenças entre autoavaliação e avaliação do gestor, mudanças abruptas de desempenho ou possíveis vieses.

O resultado: 9,2% das avaliações foram ajustadas antes mesmo das reuniões formais, reduzindo significativamente as horas dedicadas por lideranças e HRBPs. De quebra, boa parte do tempo salvo resultou em reuniões de feedback mais detalhadas – a ponto de a liderança ter se tornado a principal fortaleza da empresa na pesquisa de engajamento interna. “A IA está amplificando tudo o que fazemos. Se você tem um problema, ela vai amplificar o problema – mas se você tem uma fortaleza, ela pode ser amplificada também”, diz a CHRO.

Apesar dos resultados, Deborah vê o novo processo como um primeiro passo. Na entrevista a seguir, a executiva imagina um futuro em que o colaborador interaja com um agente conversacional capaz de acompanhá-lo durante toda a jornada na empresa, respondendo dúvidas e guiando processos de Pessoas sem que seja necessário abrir diferentes sistemas. Não se trata, porém, de uma aspiração vazia.

Não queremos ser o RH mais legal, ou o que usa mais IA. Tudo passa por um objetivo único: aumentar a performance da empresa.

Muitos RHs vivem sob pressão e ansiedade para implementar inteligência artificial no dia a dia. Em eventos, você já defendeu a importância de “começar pelo feijão com arroz” nesse assunto. O que é exatamente esse feijão com arroz? E quando ele começa a ganhar tempero?

Ainda acho que estamos fazendo exatamente o “feijão com arroz”. Para explicar isso, preciso dar um passo atrás. Há algum tempo, o QuintoAndar tomou a decisão de se apropriar da inteligência artificial de forma transformacional. Não acho que há certo ou errado em se apropriar de forma marginal, mas isso depende muito do negócio principal de cada empresa. No nosso caso, porém, era preciso transformar tudo – da fundação até o produto final que chega ao consumidor. Acredito que estamos em vias de lançar essa transformação, seja para os clientes ou para os parceiros, que são os corretores.

Como isso se encaixa na perspectiva de Pessoas? Confesso que, quando começamos, eu não tinha essa perspectiva. Para o negócio, a transformação era muito explícita, mas no RH eu tinha um lugar até de angústia. Vi gente falando que o RH não ia existir mais, que ia ter duas ou três pessoas. E gente falando que nada ia mudar. Não gosto muito de nenhum dos extremos. E refletimos muito sobre o que iríamos fazer. Enquanto eu refletia, nós permitimos que o time avançasse: liberamos o Gemini para todos fazerem testes, dando apoio e implementando travas onde poderiam acontecer erros graves.

Num desses testes, o time trouxe essa solução de performance. Eles queriam trocar toda a solução, mas antes achei necessário entender a dor. Trocar só por trocar não funcionaria. Em muitos casos, o problema não é achar a solução: o problema é achar o problema. E o time encontrou: o retorno sobre o tempo investido das pessoas líderes num processo de avaliação de desempenho é desequilibrado. As pessoas investiam muitas horas no processo, mas quando chegava a reunião de feedback, ela durava 10 ou 15 minutos. E as melhorias que fizemos foram para fazer esse ROI ficar mais equilibrado.

Como era o processo de avaliação de desempenho antes das mudanças?

Era um processo padrão. Primeiro, o colaborador entrava numa ferramenta e fazia sua autoavaliação. Depois, ele tinha de pedir a avaliação de pares e de stakeholders. Por fim, o gestor entrava, fazia a sua avaliação e também a calibração. Era algo que demandava muito tempo no desenrolar do processo – e além disso, nós usávamos uma ferramenta pouco amigável, com etapas muito travadas, quase um formulário.

Tentamos fazer um processo que elimina vieses, sem tirar a possibilidade da pessoa gestora ter o julgamento final. É um caráter que temos adotado para todas as nossas ferramentas de IA: o julgamento e o contexto seguem sendo humanos. Não é nada substancialmente diferente, mas é uma etapa muito importante.

E no que consiste o novo processo de avaliação de desempenho?

É algo bem mais simples do que parece, não é ciência de foguete, mas foi o produto de Pessoas que gerou o feedback mais espontâneo dos colaboradores. Criamos um agente no Gemini e o nutrimos com a nossa perspectiva de cultura, com o nosso tom de voz e com o que nós acreditamos em termos de movimento das pessoas. A partir daí, o agente era responsável por quase todas as etapas – menos a avaliação final da pessoa.

Ou seja: o colaborador pode tanto fazer sua autoavaliação quanto a avaliação dos pares dentro da ferramenta. O que melhorou substancialmente é que agora os gestores recebem todas as informações dentro do agente, que já é responsável por estruturar o feedback de cada pessoa. Ajudamos o gestor para que ele não tenha de ler cinco documentos diferentes, cada um com um viés diferente. Tentamos fazer um processo que elimina vieses, sem tirar a possibilidade da pessoa gestora ter o julgamento final. É um caráter que temos adotado para todas as nossas ferramentas de IA: o julgamento e o contexto seguem sendo humanos. Não é nada substancialmente diferente, mas é uma etapa muito importante.

A avaliação de desempenho não é só algo que o gestor tem de fazer. É um processo que define questões muito importantes para os colaboradores, como aumentos, promoções ou bônus. Como a IA auxilia, sem determinar o que o gestor decide?

Hoje, trabalhamos com cinco ratings, de “insuficiente” até “consistentemente acima das expectativas” – e todos os ratings servem como insumo para discutir bônus, aumento salarial, promoção e por assim vai.

Uma das questões que nos ajudaram muito nesse sentido é que o QuintoAndar é muito baseado em documentação. Com o meu líder, por exemplo, temos um documento de 1:1, que é atualizado semana a semana com base nas nossas reuniões. No caso do agente, nós incentivamos que, para além dos feedbacks dados pelos colaboradores, eles adicionassem qualquer documento que pudesse dar mais contexto.

O que nós fizemos a partir disso foi fazer análises. Por exemplo: se o documento diz que a pessoa costuma ter atraso nas entregas, baseado no histórico das reuniões, isso vai ser levantado pelo agente. Mas é preciso que o gestor faça a avaliação final com o contexto: se os deadlines foram constantemente realinhados, tem que entender se é problema de contexto, do time ou especificamente daquela pessoa. O agente auxilia o líder a navegar por todo o conteúdo, distribuindo sinais ao longo do que está reunido, mas a IA não decide qual será a avaliação da pessoa.

A ambição é um dia você poder abrir o Slack, por exemplo, e o agente responder com os tópicos de Pessoas que a pessoa tem naquela semana. A pessoa conversa com o agente e ele vai navegando por toda a jornada, sem que o colaborador precise acessar nenhuma ferramenta. Nessa visão, o agente é conversacional, proativo e flexível com as demandas.

Vocês divulgaram ter economizado 66 horas para as lideranças só com a mudança nesse processo. É mais de uma semana de trabalho. Por outro lado, é apenas uma primeira versão – e a partir dos aprendizados, é possível imaginar que vocês otimizem ainda mais o processo. O que o QuintoAndar está fazendo nesse sentido?

Pode parecer muita coisa – e é –, mas acredito que o que fizemos foi uma melhora marginal. Não mudamos o processo de maneira substancial. Para mim, isso acontece quando você pega o processo do início ao fim – e é o que estamos fazendo agora, dado que o ciclo de desempenho está começando de novo. Ter um agente no meio e no fim nos trouxe um retorno muito bom, e foi importante até para testarmos o apetite das lideranças em processos que são muito subjetivos.

Digo que tivemos três curvas de aprendizado: uma do que fazer, outra de como fazer e esta terceira, sobre o apetite da liderança. Agora, estamos trabalhando já no desenvolvimento de uma ferramenta que cuidará do processo inteiro, que vai começar a funcionar nos próximos meses, com uma experiência mais fluida, que faz observações de forma orgânica. A ideia é que não só a avaliação de desempenho seja mais simples, mas também que a conexão dela com temas como bônus ou aumento também seja mais fluida. Antes, eram caixinhas separadas, cada uma em uma ferramenta. Agora, vamos unir tudo num lugar só.

Colaboradores e gestores vão preencher o que acontece na plataforma, e a própria IA vai guiando o processo, trazendo leques de opções. A decisão continuará sendo humana, mas a navegabilidade dos processos vai melhorar muito.

É um segundo passo para a nossa visão, que é um terceiro estágio onde realmente queremos chegar, em que tudo isso vai se conectar com a vida do colaborador, do momento em que ele entra na empresa até a hora em que ele sai. A ambição é um dia você poder abrir o Slack, por exemplo, e o agente responder com os tópicos de Pessoas que a pessoa tem naquela semana. A pessoa conversa com o agente e ele vai navegando por toda a jornada, sem que o colaborador precise acessar nenhuma ferramenta. Nessa visão, o agente é conversacional, proativo e flexível com as demandas.

É o nosso North Star, ou o que eu chamo de “creme brulée”. Por enquanto, já fazemos o arroz com feijão e até conseguimos colocar uma farofinha junto. Mas no futuro, queremos que seja um PF completo, incluindo a sobremesa.

A liderança teve uma ótima experiência de economia de tempo. E como foi a experiência do colaborador? Vocês mediram mudanças?

Medimos. Ao longo do ciclo de avaliação, tivemos 2,7 mil visitas à solução e 4,7 mil perguntas respondidas. Mas o que mais nos chamou a atenção foi na pesquisa de engajamento. Anteriormente, as pessoas só respondiam ao eNPS, indicando ou não a empresa para trabalhar. Agora, implementamos essa nova pesquisa – e a nossa maior fortaleza foi justamente a liderança, num nível de excelência na comparação com outras empresas. E um dos motivos está justamente nessa hipótese de que temos diretrizes focadas em liderança e processos que colocam a liderança num mindset que precisamos. É a beleza de trabalhar em algo que é uma fortaleza e não num gap.

Para mim, a IA não está trazendo tanta velocidade. Ela está amplificando tudo o que fazemos. Se você tem um problema, ela vai amplificar o problema – mas se você tem uma fortaleza, ela pode ser amplificada também.

Por definição de cultura, imagina-se que a maioria dos colaboradores do QuintoAndar seja favorável ao uso de IA. Houve casos de gente que se opôs à ferramenta? Que levantou questões sobre riscos e vieses?

Não tivemos. E sabe por quê? Porque ninguém foi de fato avaliado por uma inteligência artificial. Isso é muito importante – e é onde eu vejo algumas empresas falharem: o julgamento ter de ser humano. Ninguém foi avaliado ou teve aumento de salário feito por uma IA e nem vai ter. Ninguém teve um aumento de salário feito por uma IA. E não vai ter. Mesmo com todas as melhorias, o julgamento vai continuar sendo humano.

O problema do processo anterior é que as pessoas tinham que fazer um trabalho de unir todas as informações e muito do que era importante se perdia. No final, as boas lideranças faziam um trabalho decente, mas havia lideranças que não faziam esse trabalho. E isso mudou agora. É claro que, em meio a 3 mil funcionários, você vai ter early adopters e haters – mas isso é natural na adoção de qualquer tecnologia. Nada vai agradar a todos e o RH precisa navegar em meio a isso.

O que nós temos feito é comunicar de forma transparente o que estamos fazendo e porque estamos fazendo. Quando liberamos o uso de ferramentas de IA, sempre fazemos com liberação consciente e com travas. Sempre pensamos em que dados a IA terá acesso, no que ela vai atuar, com quem. Para mim, a IA não está trazendo tanta velocidade. Ela está amplificando tudo o que fazemos. Se você tem um problema, ela vai amplificar o problema – mas se você tem uma fortaleza, ela pode ser amplificada também.

Criar processos com base em IA envolve questões técnicas. Mesmo com ajuda do time de tecnologia, é o RH que está botando a mão na massa. Como foi fazer essa virada de chave? E como é debater essas questões técnicas dentro do time?

Tem sido um super aprendizado. Além de parar para aprender, eu percebi que o time também precisava aprender. Hoje, tenho um span of control grande, com 10 pessoas que reportam diretamente para mim. Cada uma delas foi fazer um curso ou mentoria em torno de IA, identificando as necessidades e afinidades.

Além disso, trouxemos uma pessoa que tem background em RH, mas que tinha acabado de terminar um mestrado em Columbia sobre IA. Não só trouxemos para o time, mas a coloquei para reportar direto para mim. No início, erramos: essa pessoa virou guru de IA, criando um grande gargalo para o resto do time. Ao mesmo tempo, essa pessoa também ficou insatisfeita porque não conseguia trocar com ninguém, dado que todo mundo não tinha o nível básico para conversar.

Foi aí que mandamos o time se desenvolver – e nesse processo, comecei a colocar projetos de IA para todos, não só para o especialista. Muita gente reclamou, mas eu respondi que era intencional. Era preciso que cada um corresse atrás e entendesse o processo. Agora, estamos num lugar interessante.

É interessante, porque o RH agora desenvolve produtos de tecnologia que servem, entre outras coisas, para ajudar quem trabalha em tech. Vocês acabam se submetendo ao escrutínio da área especialista. Como foi essa interação?

É interessante, porque há uma necessidade de adaptação também de quem trabalha de tecnologia. Sinto que eles estão sentindo um pouco das dores do RH. Todo mundo acha que sabe fazer as coisas de Pessoas. Sabe entrevistar, sabe dar feedback, sabe criar ferramentas. Esse sempre foi o nosso desafio – até porque, quando o RH entrava no processo, as coisas já estavam ruins.

Agora, é a engenharia que passa por isso. Todo mundo acha que sabe codar, que consegue fazer um aplicativo – mas nem sempre as pessoas fazem tudo de forma estruturada, o que desespera o time de tech. Acho que as áreas estão se encontrando nesse ponto – e uma coisa que eu levei para eles é que não adiantava nada se eles virassem um gargalo. É um ponto que toda empresa precisa prestar atenção: é preciso identificar e remover os gargalos. Se a IA amplifica tudo, quem estiver no gargalo vai sofrer muito mais agora.

E como você faz para tirar o gargalo, mas sem deixar tudo solto? É preciso criar regras, governanças e critérios para que tudo flua. O que eu falei para eles é que eles precisavam ter cuidado para não tirar o lado mais bonito da IA, que é o potencial de democratização da tecnologia. Para eles, foi difícil, até porque é o know-how deles, mas estamos avançando.

Toda vez que uma empresa usa o termo North Star, ela funciona quase como utopia – mas uma utopia que se pretende realizada em algum momento. Em quanto tempo o QuintoAndar entregará essa visão que você descreveu na área de Pessoas?

Essa é a pergunta de US$ 1 bilhão. Há alguns meses, eu levei para o nosso CEO [Gabriel Braga] uma timeline de dois anos do que nós queríamos fazer. Ele respondeu: “Não vai ser em dois anos”. Eu perguntei se ele achava que ia ser mais. Ele: “não, muito menos”. Parece loucura, mas ele explicou: nessa revolução que estamos vivendo, o pensamento linear começa a quebrar um pouco.

Nesse sentido, alguns sistemas, processos ou produtos vão deixar de evoluir numa linha do tempo linear. Sinto que alguns produtos do RH estarão nesse agente conversacional proativo antes de outros. Vai ser algo difuso. Por algum tempo, o agente saberá falar de performance e contratação, mas talvez não consiga resolver as férias, por exemplo. É um problema? Não: isso não vai nos impedir de avançar – e estamos cada vez mais olhando para os temas que conseguimos transformar num agente conversacional.

De certa forma, o mercado está assim: hoje, muitos de nós usam três ou quatro ferramentas diferentes de IA. Nosso consumidor interno hoje também usa três ou quatro ferramentas de RH com IA. Alguma hora, as coisas vão convergir – e o nosso desafio será justamente orquestrar essa convergência.

Para fechar: que conselho você dá para outros RHs que estão lidando com o desafio da era da IA?

São todos conselhos baseados no que nós fizemos. O primeiro é criar espaços seguros para a experimentação. O segundo é aprender com as experimentações da forma mais ampla possível – e isso inclui aprender com os colaboradores e até com os usuários finais. E o terceiro é criar um objetivo para a empresa, ou como dizemos internamente, uma North Star, que não deveria ser cópia do objetivo de ninguém. É uma aspiração que tem de fazer sentido para a empresa, para a cultura e para a transformação desejada.

Tudo que eu falei passa por um objetivo único: aumentar a performance da empresa. Não queremos ser o RH mais legal, ou o que usa mais IA. Queremos atender cada vez melhor o colaborador. Esse é o nosso objetivo, não é porque é bonito de falar. E o nosso objetivo conversa com a nossa realidade – e em breve, todo mundo poderá ver que fala com o nosso produto para o cliente final.