Duarte Dionísio

Observabilidade de trajetórias no offboarding organizacional

Sat, 18 Jul 2026 17:28:17 +0100

Há um problema bem conhecido em auditoria e conformidade que raramente se formula nestes termos: a maior parte dos mecanismos de controlo foi desenhada para observar pontos, não trajetórias. Um ponto é um estado verificável num instante determinado, é um acesso concedido, um documento assinado, uma ação registada num log. Uma trajetória é a sequência de pontos ao longo do tempo, e é nela, não em nenhum ponto isolado, que certos padrões de não conformidade realmente vivem.

Esta distinção não é académica. É a diferença entre um sistema que pode dizer "esta ação, neste momento, cumpriu a política" e um sistema que pode dizer "este conjunto de ações, ao longo deste período, e vistas em conjunto, constitui um desvio". A generalidade dos processos de auditoria organizacional só sabe responder à primeira pergunta.

Em sistemas de informação distribuídos, este problema tem nome: a conformidade de cada nó, avaliada isoladamente, não garante a conformidade do sistema como um todo. É possível que cada componente, observado no seu próprio ponto de controlo, esteja perfeitamente correto, e ainda assim o comportamento agregado do sistema, ao correlacionar esses pontos ao longo do tempo, revele um padrão de risco que nenhum ponto de auditoria individual foi desenhado para captar. Não é que a auditoria falhe por negligência. Falha por arquitetura: cada auditor vê o seu fragmento, e a violação não está em nenhum fragmento, está na costura entre eles.

Os processos de offboarding organizacional têm exatamente esta arquitetura. A saída de um colaborador não é um evento pontual, mesmo que os sistemas de RH o tratem como tal, normalmente uma data, uma checklist, uma reunião de transição. Na prática é um período estendido, muitas vezes iniciado bem antes da comunicação formal, durante o qual múltiplos atores, como colegas, gestores de equipa, responsáveis por ativos, administradores de sistemas, que tomam decisões independentes sobre recursos, acessos e responsabilidades que estavam associados a essa pessoa. Cada decisão, tomada isoladamente, pode ser administrativamente justificável. A redistribuição de equipamento antes da data de saída oficial pode ter uma razão operacional legítima. A atribuição antecipada de uma responsabilidade pode refletir simplesmente planeamento. Nenhuma destas ações, vista sozinha, aciona qualquer alarme de compliance.

O problema aparece quando se olha para o conjunto. Não para uma ação, mas para o padrão temporal de várias ações a convergir antes do momento em que, formalmente, ainda não haveria fundamento para as tomar. É precisamente o tipo de sinal que escapa a qualquer ponto de auditoria único, porque nenhum ponto de auditoria único tem visibilidade sobre a trajetória inteira, só sobre a sua fatia dela.

A resposta institucional típica ao offboarding é uma checklist: revogar acessos, recuperar equipamento, transferir documentação, num prazo definido a partir da data de saída. É um mecanismo de ponto que se verifica, numa data X, um conjunto de condições está satisfeito. É útil e necessário, mas estruturalmente cego ao que acontece antes da data X, que é exatamente onde o padrão problemático de reatribuição antecipada tende a concentrar-se.

Isto tem um paralelo direto com um argumento central em conformidade com proteção de dados: o RGPD não se cumpre garantindo que, num dado momento, os dados estão formalmente protegidos. Cumpre-se garantindo que todo o percurso dos dados, através de todos os processadores e subprocessadores envolvidos, respeita os princípios do artigo 5.º (minimização, limitação da finalidade, integridade) ao longo do tempo, não só num corte transversal. Um sistema pode passar todas as auditorias pontuais e ainda assim distribuir dados pessoais de forma não conforme, precisamente porque a violação emerge da trajetória distribuída entre sistemas, e nenhum ponto de auditoria isolado tem visibilidade suficiente para a detetar. A arquitetura do problema é a mesma: substituir "recursos organizacionais atribuídos a uma pessoa" por "dados pessoais processados por um sistema", e a estrutura da falha de supervisão mantém-se idêntica.

A resposta técnica a este tipo de problema, em sistemas de informação distribuídos, não passa por multiplicar pontos de auditoria, mas por correlacionar sinais ao longo do tempo, através de múltiplos nós, para detetar padrões que nenhum nó isolado revela. Aplicado ao offboarding organizacional, isto significaria tratar o período de saída não como uma data mas como uma janela temporal a observar como um todo: registar não só o que acontece na data formal, mas a sequência de decisões relacionadas com os ativos, acessos e responsabilidades de uma pessoa, desde bastante antes dessa data, e sinalizar quando essa sequência começa a convergir de forma anómala.

Isto não é vigilância sobre pessoas. É reconhecer que a unidade certa de análise, tanto em proteção de dados como em governação organizacional, raramente é o ponto. É a trajetória. E enquanto os mecanismos de controlo continuarem desenhados à volta de datas e checklists, vão continuar estruturalmente incapazes de ver o que só se revela quando se olha para a sequência inteira.

Talvez a pergunta mais útil que uma organização possa fazer a si própria não seja "cumprimos o protocolo de saída". Seja antes: "conseguimos sequer observar o que acontece antes de haver protocolo para cumprir".

O custo de não pensar e produtividade que não se mede

Thu, 04 Jun 2026 00:57:29 +0100

O debate público sobre inteligência artificial oscila, com regularidade previsível, entre dois polos: o entusiasmo da promessa e o receio da substituição. De um lado, dirigentes e decisores que veem na tecnologia uma alavanca inevitável para economias que ficaram para trás em produtividade. Do outro, economistas e analistas que apontam para os dados reais, como crescimento de produtividade e indicadores que eliminam o simples efeito de exigir mais das pessoas e das máquinas, e concluem que o "algo grandioso" anunciado pelo setor ainda não apareceu nas contas.

Ambos os lados partilham, no entanto, um pressuposto que raramente é questionado: que o valor da inteligência artificial se mede pela quantidade de trabalho que substitui ou acelera. É esse pressuposto que merece ser examinado com mais cuidado.

A revolução dos computadores pessoais e da internet automatizou obstáculos no processo de encontrar, armazenar e transmitir informação. Os ganhos de produtividade foram relativamente diretos porque as pessoas podiam simplesmente executar mais, e melhor, aquilo que já sabiam fazer. A inteligência artificial generativa automatiza algo de natureza diferente, como a própria produção de resultados cognitivos, pois escreve, sintetiza, raciocina, recomenda. E fá-lo com uma fluência que torna difícil distinguir, à primeira vista, o resultado competente do resultado plausível mas errado.

É aqui que emerge uma tensão que o debate de produtividade tende a tornar invisível. Quando um sistema produz um rascunho, uma análise, uma decisão de triagem, alguém tem de verificar esse resultado. Essa verificação exige exatamente o conhecimento especializado que a ferramenta supostamente dispensa. O tempo poupado na geração é parcialmente, por vezes totalmente, consumido na certificação. Não porque a tecnologia seja fraca, mas porque a responsabilidade pelo resultado não desaparece com a delegação. Desloca-se.

Este deslocamento tem uma consequência que raramente entra nos modelos de adoção empresarial. As organizações que respondem à inteligência artificial contratando menos analistas juniores, menos advogados em início de carreira, menos técnicos de nível de entrada, estão simultaneamente a corroer a base de conhecimento necessária para supervisionar os sistemas que adotaram. A máquina produz resultados em volume infinito. A capacidade humana de os validar é, por definição, finita e depende de uma competência que se constrói com tempo e exposição. Quando essa cadeia de formação se interrompe, o erro oculto cresce sem que a organização tenha desenvolvido os instrumentos para o detetar.

O debate sobre tributação da inteligência artificial, o chamado "robot tax" e as propostas de imposto sobre lucros extraordinários das empresas do sector, reflete esta tensão de forma indireta. Os argumentos mais sólidos contra impostos específicos apontam para o risco de desviar investimento e penalizar a inovação. Mas a questão mais profunda é outra: o sistema fiscal existente foi desenhado para capturar valor gerado pelo trabalho e pelo consumo. À medida que a participação do capital na produção aumenta e a do trabalho diminui, a base tributária enfraquece independentemente da tecnologia. A inteligência artificial acelera este processo, mas não o criou. Torná-la o alvo específico é tratar o sintoma.

O que falta a este debate não é mais regulação nem mais tributação como fins em si mesmos. É uma pergunta anterior: para que serve, exatamente, a inteligência artificial no processo de criação de conhecimento e de tomada de decisão?

A resposta dominante é a do assistente, uma ferramenta que executa, resume, propõe, liberta o utilizador para tarefas de maior valor acrescentado. Esta resposta tem uma lógica, mas pressupõe que o utilizador mantém a capacidade de julgar o que a ferramenta produziu. Um dashboard de dados não toma decisões, apresenta informação estruturada que um decisor interpreta com base no seu próprio entendimento do problema. A inteligência artificial, quando usada como assistente em vez de como infraestrutura de decisão autónoma, deveria funcionar da mesma forma. O problema é que a fluência dos seus resultados cria uma ilusão de completude que os dashboards tradicionais nunca conseguiram criar. Um gráfico mal construído é imediatamente suspeito. Um texto bem redigido, com uma conclusão errada, exige do leitor um esforço ativo de verificação que a própria fluidez da leitura tende a inibir.

Há aqui uma tensão que não é técnica nem económica. É epistemológica. A inteligência artificial, usada como substituto do esforço cognitivo em vez de apoio a ele, não fortalece a capacidade de quem a usa, pode enfraquecê-la. Não porque a ferramenta seja má, mas porque o conhecimento se constrói pelo processo de chegar a uma conclusão, não apenas por ter acesso a ela. Um trabalhador que delega sistematicamente o raciocínio diagnóstico num sistema automatizado não está a ser mais produtivo no sentido que importa, está é a perder, gradualmente, a capacidade de questionar o sistema quando ele falha.

O debate público sobre inteligência artificial precisa, portanto, de uma distinção que ainda não faz com suficiente clareza: entre adoção que amplifica a competência humana e adoção que a substitui silenciosamente. A primeira exige investimento em formação, em pensamento crítico, em estruturas de verificação. A segunda produz ganhos de curto prazo e vulnerabilidades de longo prazo que só se tornam visíveis quando o erro já tem consequências.

A produtividade que não se mede não é a que a inteligência artificial ainda não gerou. É a que se perde quando o esforço de entender é substituído pelo conforto de delegar.

Referências e inspiração

Negócios n.º5747 jornaldenegocios.pt

Contacto

Tue, 02 Jun 2026 00:14:29 +0100

Página não encontrada

Sun, 31 May 2026 21:50:53 +0100

Sobre

Sat, 30 May 2026 21:57:16 +0100

...mim

O meu percurso académico situa-se na intersecção entre tecnologia e regulação. Um eixo que atravessa a licenciatura em Sistemas e Tecnologias da Informação pela Universidade Atlântica, o Mestrado em Informação e Sistemas Empresariais pela Universidade Aberta em parceria com o Instituto Superior Técnico, e a investigação doutoral em Ciências e Tecnologias Web que desenvolvo atualmente na Universidade de Trás-os-Montes e Alto Douro, centrada em observabilidade semântica distribuída para supervisão de conformidade regulatória em infraestruturas de serviços web.

A minha trajetória profissional começou em funções técnicas de comunicação e marketing digital e evoluiu para a coordenação de projetos de desenvolvimento e gestão de plataformas digitais. Com o tempo, a segurança da informação e a proteção de dados foram ganhando peso crescente nesse trabalho, articulando a gestão tecnológica com as políticas de conformidade regulatória.

...o website

Este website foi criado com o propósito de partilhar ideias, reflexões e abordagens sobre os sistemas e tecnologias da comunicação, com um foco especial nos sistemas empresariais de apoio à decisão. Aqui, exploro como a informação, quando bem tratada e estruturada, pode tornar-se num ativo estratégico essencial para as organizações. Com o desenvolvimento dos meus registos, pretendo contribuir para a compreensão das dinâmicas entre tecnologia, dados e apoio à decisão, promovendo uma visão crítica e atual sobre o papel dos sistemas de informação no contexto organizacional.

Para além disso, este website serve também como repositório e ponto de partilha do meu percurso académico, incluindo trabalhos, investigações (assim espero) e experiências relevantes na área das tecnologias da informação.

É um projeto pessoal iniciado em 2020. Começou em ConcreteCMS, um sistema robusto que usei também em contexto profissional durante vários anos, e migrou entretanto para Bludit, uma escolha deliberada por simplicidade operacional, que é afinal o que um projeto pessoal exige.