A IA não vai resolver seus KPIs. Nem mais um livro de consulta.

Bernard Marr publicou mais sugestões de KPIs do que espécies de besouros. Em algum momento, alguém provavelmente olhou para a lista e pensou: precisamos de um barco maior. O gênero está bem estabelecido. Aqui estão 75 KPIs para o varejo. Aqui estão 50 para a área da saúde. Aqui estão 127 para qualquer atividade da sua organização neste trimestre. Escolha os que parecem adequados, insira-os no seu painel de controle e a gestão de desempenho estará resolvida. Marr não está sozinho nisso — ele é simplesmente o exemplo mais prolífico de toda uma categoria de publicação e consultoria construída sobre a mesma premissa: que o problema da mensuração é um problema de seleção. Não é. Agora, a IA entrou em cena. Naturalmente, ela tem sido aplicada ao problema da seleção com grande entusiasmo. Alimente um modelo de linguagem com suas prioridades estratégicas e ele retornará KPIs — mais rápidos, mais numerosos e formulados com mais segurança do que qualquer livro de consulta. Algumas ferramentas até os comparam com as normas do setor. O que nenhuma delas lhe dirá é se a mensuração conta como evidência. Isso não é uma crítica à tecnologia. É uma descrição do problema que a tecnologia herdou. A IA não criou a lacuna epistêmica no centro da mensuração de desempenho — apenas lhe deu um motor mais rápido. Eis a lacuna. Setenta anos de literatura sobre mensuração de desempenho produziram ferramentas de avaliação. Scorecards, OKRs, frameworks de KPIs — todos respondem a uma versão da mesma pergunta: como estamos nos saindo? Eles são projetados para emitir um veredicto. Instrumentos de evidência respondem a uma pergunta diferente: o que realmente aconteceu e podemos demonstrar isso? Eles são projetados para produzir algo passível de escrutínio — um registro que se sustenta quando alguém que não estava presente pede para ver a base de uma decisão. A diferença parece sutil. Na prática, é a diferença entre um documento de governança e uma apresentação de slides. W. Edwards Deming compreendeu essa distinção. Ele compreendeu que a mensuração sem fundamentação estatística produz ruído disfarçado de sinal — que o que é relatado como dados de desempenho é, muitas vezes, variação que ocorreria de qualquer forma, atribuída a decisões que não tinham nada a ver com ela. A Field leu Deming, construiu dashboards melhores e seguiu em frente. A questão que ele realmente levantava foi arquivada sob o rótulo de "manufatura" e, em grande parte, deixada de lado. A questão era: o que é necessário para que uma medição seja considerada evidência? Os livros de Marr não respondem a essa pergunta. Não podem respondê-la — não é uma pergunta que tenha uma resposta simples. Ela exige uma estrutura com uma cascata definida, limites predefinidos e uma lógica de calibração registrada antes da implementação, e não reconstruída após a obtenção dos resultados. Em outras palavras, exige exatamente o tipo de disciplina estrutural que faz com que a consulta de KPIs pareça trabalhosa demais — até o momento em que você precisa defender uma decisão sobre recursos perante um conselho, um doador ou um órgão regulador, e o painel de controle não consegue fornecer nenhuma informação que já não fosse presumida. A IA acelera qualquer abordagem que você adote. Se você fornecer uma arquitetura de evidências bem projetada, ela poderá realizar tarefas úteis dentro dessa estrutura. Se você fornecer uma lista de KPIs que pareceram adequados em uma reunião, ela o ajudará a produzir mais deles, mais rapidamente, na fonte de sua escolha. A estrutura MetriqOne foi construída a partir da questão levantada por Deming e amplamente abandonada por Field . Não porque os livros de consulta sejam inúteis, mas porque a seleção nunca foi a parte difícil. A parte difícil é a calibração — saber antecipadamente o que seus indicadores devem detectar, sob quais condições e o que significa se eles não detectarem. Essa resposta está em Fundamentos da Liderança Baseada em Evidências (Livro II), que rastreia a falha epistêmica em cinco grandes tradições de mensuração e localiza exatamente onde a Field errou. A resposta para a implementação — como construir uma cascata que produza evidências analisáveis em organizações sem infraestrutura estável, dados limpos ou software especializado — está em Prova Sem Julgamento (Livro I). Ambos estão disponíveis na Amazon. Nenhum deles contém uma lista de 75 KPIs. Isso é uma característica, não um descuido. Torgeir Skogvold é o fundador da MetriqOne e autor da Trilogia MetriqOne : Mensuração para o Mundo Real.