Futuro do Trabalho

Futuro do trabalho: como o Slack está reinventando a colaboração híbrida com o machine learning

Redação BeerOrCoffee
Escrito por Redação BeerOrCoffee em janeiro 3, 2022
Futuro do trabalho: como o Slack está reinventando a colaboração híbrida com o machine learning
Junte-se a mais de 30 mil pessoas!

Entre para nossa lista e receba conteúdos exclusivos sobre o futuro do trabalho!

A colaboração híbrida com o machine learning consiste em utilizar o aprendizado de máquina para facilitar a comunicação entre os colaboradores, diminuindo os problemas causados pela distância. Assim, sua empresa atinge novos patamares. Veja algumas ideias do Slack para colocar essa ideia em prática.

O espaço de trabalho moderno tende a ser flexível. Você já sabe que existe essa tendência. Ao mesmo tempo, é preciso entender qual é o contexto da sua empresa para entender se vale a pena adotar esse modelo. Nesse sentido, o Slack começou a se reinventar — e agora serve como exemplo. O motivo? A colaboração híbrida com o machine learning.

Se muitas companhias pelo mundo adotam a ferramenta para viabilizar a comunicação assíncrona, a ideia foi ampliar sua aplicação e redefinir as normas para encontrar uma saída alternativa, mais inovadora e adequada à sua necessidade.

O que foi feito? Basicamente, o Slack usa o machine learning para ultrapassar as principais dificuldades das empresas de tecnologia no trabalho híbrido. Esse é o caso dos fusos horários, gerenciados por meio de um isolamento cada vez maior do espaço de trabalho flexível. O resultado foi que, em poucos meses, o aprendizado de máquina levou à inovação, à melhoria de produtos e à agilidade.

Quer saber mais? Neste post, vamos apresentar o case do Slack para que você possa se inspirar e aplicar algumas ideias no seu negócio. Confira!

colaboração híbrida com o Machine Learning

Criando um espaço de trabalho digital

O objetivo do Slack é promover a inclusão, a conexão e a flexibilidade por meio do ambiente online. Todos os clientes do aplicativo de mensagens têm esse intuito. A diferença é que a própria empresa resolveu redefinir essas questões usando o machine learning.

Antes de explicar o que o Slack fez, é importante fazer uma breve explicação sobre essa tecnologia. O nome machine learning é traduzido como aprendizado de máquina.

Nesse cenário, o computador consegue aprender as respostas dos usuários por meio da associação de diferentes dados, como números, imagens, textos e mais. Assim, reproduz essas interações sem a necessidade da interação humana.

No caso do Slack, o objetivo era resolver o problema de diferentes fusos horários, que dificultava a comunicação entre as equipes. Além disso, algumas coisas pareciam óbvias para o ambiente de trabalho físico. Por exemplo, quem são as pessoas, quem trabalha junto, onde cada um senta etc. No modelo digital, essa noção foi perdida. Pelo menos, foi isso que o Diretor de Engenharia, Dolapo Falola, destacou em entrevista à Forbes.

Para isso, adotou o Amazon Web Services (AWS) durante a pandemia do coronavírus, em 2020. Antes disso, já estava utilizando o Amazon Chime SDK, uma solução de comunicação que contribui para a troca entre os colaboradores e direcionamento de chamadas.

Ambas as ferramentas ajudaram a ultrapassar os problemas de comunicação entre as equipes. Nesse cenário, o Slack começou a buscar uma alternativa. A pergunta passou a ser: como encontrar formas neutras e orgânicas de replicar a conexão sem fazer reuniões online todos os dias?

A resposta passou por reinventar as formas de comunicação online por meio da inteligência artificial. Para isso, foram criados pontos de contato na nuvem para colaboração entre os profissionais. Aqui, entrou o AWS, que ajudou os engenheiros do Slack a desenvolver ferramentas para contribuir em salas de conferência e ter conversas casuais cara a cara. Entenda melhor como isso foi feito.

Novas ferramentas para reinventar a colaboração híbrida com o machine learning

Para começar, a empresa deixou a parte da tecnologia para o AWS para focar atividades estratégicas, ou seja, o lançamento de produtos inovadores. Isso foi possível devido a alguns serviços, como o de transcrição com tecnologia de inteligência artificial (IA) e os recursos de processamento de vídeo praticamente em tempo real.

Com isso, o machine learning se tornou o pano de fundo da experiência dos usuários dos produtos do Slack. Tudo foi seguido de acordo com a ética da nova tecnologia. Assim, foram criados novos recursos. Alguns deles foram:

  • Slack Huddles: facilita chamadas de áudio. Elas permitem que os colaboradores entrem e saiam conforme sua necessidade. Ainda é oferecido um serviço de transcrição de fala baseado na IA. Assim, legendas ao vivo são oferecidas de forma bastante precisa. Isso tudo permite colaborar com facilidade em tempo real;
  • Recurso de clipes: simplifica o compartilhamento do trabalho de forma assíncrona por gravações de voz ou vídeo. Por exemplo, é possível enviar mensagens curtas nesses formatos para evitar o excesso de reuniões em fusos horários diferentes. Eles também podem ser compartilhados via Mensagem Direta (DM). Por fim, o Amazon Transcribe utiliza os dados de voz e vídeo para transcrever o discurso e garantir que qualquer pesquisa seja feita com o uso de uma palavra-chave.

É importante ressaltar que o serviço de transcrição é especialmente útil. Isso porque as pessoas podem definir que o idioma do Slack será o inglês e se comunicarem em português, por exemplo.

Por sua vez, o Amazon Chime SDK torna o Slack Huddles mais “limpo”, com menos ruído de fundo. Assim, a comunicação fica mais fácil, principalmente, com a tendência cada vez maior do trabalho híbrido em 2022.

colaboração híbrida com o Machine Learning

Pontos-chave para os líderes trabalharem com o machine learning na colaboração híbrida

A aplicação da tecnologia deve considerar o contexto da empresa para ter o máximo de eficiência. No entanto, uma regra é básica: usar a computação em nuvem e as tecnologias promovidas por ela (como o próprio machine learning) permite obter vantagem competitiva.

Por exemplo, a contratação de colaboradores remotos pode ser aprimorada com o uso dessas ferramentas. Isso porque é possível entrevistar candidatos de qualquer lugar do mundo sem se preocupar com a linguagem. Ou ter mensagens de vídeo gravadas de forma antecipada para fazer a triagem dos talentos e evitar a perda de tempo com conversas infrutíferas.

Ainda tem mais. O Slack informa que existem alguns pontos-chave que ajudam a potencializar as oportunidades oferecidas pelo machine learning. Elas são:

Análise do tempo de capacidade do mercado 

Os softwares de TI tradicionais exigem semanas ou meses de espera para a adição de novos recursos. A responsividade do AWS foi importante para o Slack porque permitiu lançar os produtos e serviços com mais rapidez. Portanto, é importante garantir que o desenvolvimento de novas ofertas sejam alavancadas com a ajuda do servidor em nuvem.

Monitoramento de desempenho 

Atentar aos indicadores chave de performance (KPIs) e ao analytics é fundamental. Para o Slack, o foco foram as métricas de tempo de resposta. Por isso, uma plataforma de machine learning ágil e responsiva se tornou fundamental.

Foi avaliado o prazo para disponibilização das legendas nos vídeos com foco nos aspectos que interrompem a conexão ou aumentam o tempo de resposta. Assim, foi possível melhorar o resultado do sistema em nuvem, conforme as demandas por flexibilidade.

Priorização da facilidade de integração 

Essa característica é essencial no lançamento de produtos. Por isso, é importante garantir que o software em nuvem consiga se integrar de maneira eficiente às ferramentas usadas atualmente.

Um exemplo foram os novos clipes do Slack, que permitiram aos usuários gravar mensagens de áudio e vídeo nos canais já existentes na plataforma. Foi possível reduzir o período das reuniões. Além disso, o recurso ficou com um formato de vídeo pesquisável para facilitar a comunicação dos usuários no Slack.

Mantenha os clientes na vanguarda da inovação

O Slack busca sempre entender as necessidades dos seus clientes e monitorar as mudanças do ambiente de trabalho. Por isso, é insuficiente apenas solucionar as dores relatadas de forma verbal. O principal é identificar as demandas de forma antecipada para criar alternativas e facilitar o trabalho no ambiente corporativo.

Todas essas dicas ajudam a reinventar a colaboração híbrida com o machine learning. Perceba que o aprendizado de máquina somente acontece com a identificação dos padrões certos. Por isso, existe todo um trabalho anterior à tecnologia, que passa por identificar as necessidades, a cultura organizacional e quais são as necessidades de clientes internos e externos.

Você ainda pode unir essa tecnologia a outros recursos importantes para o trabalho híbrido. É o caso de oferecer a infraestrutura certa para os seus colaboradores, mesmo aqueles que estão em outros estados. Para isso, vale a pena contar com uma plataforma de coworkings abrangente, que permite encontrar escritórios flexíveis em várias cidades.

O BeerOrCoffee tem escritórios em mais de 160 cidades brasileiras e conta com o OfficePass como a principal solução Além disso, a plataforma também conta com salas de reunião e privativas e a modalidade built to suit.  

E sua empresa, está preparada para abraçar o futuro? Lembre-se de que a colaboração híbrida com o machine learning faz a diferença. Afinal, é possível alcançar eficiência e melhores resultados. Junto a isso, é necessário investir na infraestrutura para viabilizar todo esse processo. Dessa forma, sua companhia atinge um novo patamar.

Quer chegar a esse resultado? Conheça a solução OfficePass do BeerOrCoffee e veja como alavancar seu negócio.

OfficePass do BeerOrCoffee

Texto escrito por Fabíola Thibes, jornalista e redatora web.

Faça sua primeira reserva em um coworking!

X