Conheci o Robert Taylor em 2000, em Londres, quando ambos trabalhávamos na Unisys: ele fazia parte da equipa de Gestão de Conhecimento, e eu fazia os possíveis para lá entrar.
Vinte e cinco anos depois, continua bem ativo, trabalhando na interseção da Inteligência Artificial (IA), Gestão de Conhecimento (GC), e da mudança digital e de processos, e com um percurso de transformações em organizações públicas, privadas e de missão.
Atualmente, através da sua empresa AIxKM, oferece serviços de formação e adoção de IA e GC.
Tem duas patentes registadas nos EUA em Gestão do Conhecimento, é autor do livro Analysis for Knowledge-Based Systems, e é fundador do KM Forum no Henley Management College.
Formaste-te em Linguística e Ciências Cognitivas, com foco em Inteligência Artificial. Isso foi em 1986. O que te levou, nessa altura, a procurar IA dentro de um curso de Linguística?
Inicialmente pensei que me queria licenciar em Literatura Inglesa. Mas suponho que era uma visão limitada pelas disciplinas que já conhecia da escola. Quando ouvi falar de Linguística, que desconhecia por completo (só sabia que J. R. R. Tolkien tinha feito algo parecido, a que chamava Filologia!), percebi que estava muito mais interessado no sistema subjacente da linguagem e em como ela funciona. Os livros que queria ler podia sempre lê-los no meu tempo livre.
Na altura, o programa na Universidade de Sussex era estruturado em torno de uma disciplina principal e uma secundária. Fui estudar Linguística com Ciências Sociais, porque queria aprender metodologia das Ciências Sociais, Economia e outras disciplinas que achava que me seriam úteis.
No entanto, no primeiro trimestre, todos tínhamos de escolher uma disciplina completamente diferente das que já tínhamos selecionado. Escolhi uma cadeira chamada Computadores e Pensamento, sobre Inteligência Artificial. Foi um momento de viragem.
Ainda me lembro do momento em que “a ficha caiu”, como se costuma dizer. O Professor Sloman pediu a todo o grupo que desenhasse, de memória, os dois lados de uma moeda de dois cêntimos no tamanho certo. Errámos todas as nossas tentativas! Como o Sloman comentou, “não é engraçado que não saibam como é a moeda de 2 cêntimos, mas não tenham qualquer dificuldade em reconhecer uma?”. Acho que foi nesse exato momento que fiquei fisgado!
A minha experiência anterior de trabalho com computadores tinha sido a fazer processamento de dados num banco, por isso não gostava mesmo nada de computadores. Não era um nerd de computadores em adolescente, na era do BBC Micro! Mas a cadeira Computers and Thought abriu-me os olhos para o que a inteligência artificial podia ser. Como resultado, mudei para Estudos Cognitivos, o que me deu a oportunidade de estudar Filosofia e Psicologia, mas também de me focar cada vez mais em IA.
As ciências sociais e a economia comportamental ficaram relegadas para leitura de férias!
E a Linguística?
A Linguística continua a ser muito influente na forma como penso. Deu-me padrões e modelos que uso desde então para compreender uma série de coisas. Falo de conceitos como os níveis linguísticos, por exemplo: o processamento através de diferentes níveis de identificação e análise (sons, sons da linguagem, partes de palavras, palavras, frases, orações).
Como foi a passagem da vida académica para a tua vida profissional em GC?
Quando terminei a universidade, tinha interesse em Teatro, já que tinha sido presidente da Sussex University Dramatic Society, produzindo e encenando peças. Explorei um pouco esse caminho, embora sentisse que ainda tinha muito a aprender antes de o poder fazer bem.
O que realmente me atraía, no entanto, era a inteligência artificial.
O meu primeiro emprego foi numa spin-off da Xerox chamada Artificial Intelligence Limited. Mas fiquei desconfortável com a falta de metodologia na forma como o trabalho de IA era abordado, por isso aproveitei a oportunidade para me mudar para a GEC Research, para trabalhar em compreensão computacional de linguagem natural. No entanto, foi uma má opção: era demasiado académico e demasiado técnico para mim.
Quando encontrei o Knowledge Based Systems Centre, uma start-up sob a alçada do South Bank Polytechnic, encontrei o que procurava. O que me atraiu foi, primeiro, a sua metodologia sólida e, segundo, a oportunidade de trabalhar com grandes organizações como a ICI, a British Airways e a Wellcome Foundation, por exemplo.
Seis de nós privatizámos a empresa e vendemo-la à Deloitte, e foi aí que começámos as nossas carreiras de consultoria.
Por volta de 1995, ficaram claras duas coisas. Primeiro, o interesse em IA tinha praticamente desaparecido. Tinha-se tornado um jogo de investimento de bolsos fundos, em vez de algo que a maioria das organizações estivesse disposta a explorar. Segundo, dos Estados Unidos e do Japão começou-se a ouvir falar de Gestão de Conhecimento.
Mudei-me para a Unisys, que estava a criar uma nova divisão de consultoria e dava às pessoas uma enorme liberdade para moldarem as suas próprias áreas de prática. Por isso, a minha tornou-se a Gestão de Conhecimento.
Por volta de 1996, tive um stand na primeira grande conferência de GC em Londres e decidi que dedicaria a minha carreira a esta área.
De muitas formas, a transição não foi um salto de IA para GC. Trabalhar em sistemas periciais em ambientes reais, por exemplo na Barclaycard, fez-me perceber que precisávamos — e podíamos — fazer muito mais pelo conhecimento do que depender inteiramente da IA. Foi essa abordagem mais alargada que me atraiu.
Já pensas em IA desde muito antes de estar (novamente) na moda. Em que medida é que o estado atual da IA se assemelha, ou se relaciona, com aquilo que imaginavas que iria ser?
Quanto a isso, aprendi duas coisas importantes.
Primeira: estar à frente do seu tempo não é uma coisa boa. É melhor estar no momento certo do que estar à frente dele.
A segunda veio com o argumento do guru da IA Rich Sutton, de que muito do que fazíamos em IA nos anos 80 e 90 estava, simplesmente, mal orientado. Partíamos do princípio de que havia poder computacional limitado e dados limitados, por isso concentrávamo-nos em criar estruturas de conhecimento, representações e algoritmos para fazer as coisas de forma económica. O que acabou por resultar, no caso dos LLMs, foi atirar quantidades massivas de dados a quantidades massivas de poder computacional. Como Sutton diz, é difícil admitir que estávamos errados.
Dito isto, acho que há mais nuances.
Continuo a acreditar que há lugar para abordagens mais estruturadas, a par dos métodos probabilísticos atuais. Diferentes tipos de problemas podem exigir diferentes abordagens. Neste momento, toda a gente está compreensivelmente entusiasmada com os grandes modelos de linguagem, mas a IA é maior do que isso.
A IA já existia muito antes de eu a conhecer. É uma daquelas histórias de “sucesso da noite para o dia”, depois de 80 anos de trabalho árduo! Nos anos 80 e 90, a IA esteve brevemente na moda, por causa de coisas como o programa Fifth Generation do Japão. Faziam-se enormes promessas de que a IA transformaria a sociedade. Depois vieram os “invernos da IA”, em que o interesse caiu a pique.
Na altura, esperava ver muitos mais sistemas baseados em conhecimento, identificáveis e construídos à volta de domínios específicos. Talvez o que tenha acontecido foi que a IA continuou, mas tornou-se simplesmente invisível — incorporada em produtos, sistemas e infraestruturas, em vez de aparecer como aplicações de IA claramente identificadas.
O que não aconteceu, pelo menos da forma como imaginava, foi uma modelação explícita e generalizada de perícia e conhecimento. Nesse ponto, o Sutton pode muito bem ter razão.
O que se passa agora com a IA parece muito uma repetição da corrida ao ouro que teve lugar quando a Internet surgiu como plataforma comercial. Há tanta gente a vender o seu esquema, a sua receita. De certa forma, provavelmente vai acabar por seguir o mesmo caminho: a curto prazo pode desiludir, mas a longo prazo pode ser maior do que a maioria das pessoas hoje imagina. E sinto um profundo sentido de responsabilidade e de realismo sobre como devemos abordá-la, porque também há riscos profundos.
A que riscos te referes?
Principalmente aos riscos associados à IA se poder tornar demasiado poderosa.
Tens duas patentes registadas nos EUA em Gestão de Conhecimento. Podes contar-nos um pouco mais sobre isso?
As patentes são, na realidade, uma única patente representada por dois números de patente.
É uma história divertida. Sim, sou coinventor de uma patente, mas isso aconteceu de uma forma engraçada.
Na Unisys, o meu colega Alex Goodall (ele próprio um empreendedor de IA) e eu envolvemo-nos no programa interno de Gestão de Conhecimento, um programa completamente novo na empresa. Como te recordas, foi por volta dessa altura que eu e tu nos conhecemos! Foi uma grande mudança para mim, porque me fez passar de um papel de consultoria para um papel organizacional interno.
A vice-presidente nomeada para liderar a GC nos EUA, a Lori Wizdo, era uma visionária e encorajou-nos a criar uma metodologia de GC, completa, de ponta a ponta, para aplicar dentro da empresa. O Alex e eu tivemos a sorte de poder dedicar bastante tempo a desenvolvê-la e depois a implementá-la junto de clientes internos. Claro que foi um trabalho de equipa, que envolveu também outros membros da equipa.
A Lori tratou depois de fazer patentear a metodologia. Tanto quanto me lembro, assinei uns papéis, recebi uma recompensa de cerca de 400 libras e acabei com o meu nome numa patente de uma metodologia de gestão de conhecimento construída em torno de Comunidades de Prática.
Houve, de facto, um pensamento bastante profundo por trás desse trabalho. O que me faz sorrir é que isto parece menos uma história sobre patentes e mais uma história sobre fazer parte de uma grande equipa, liderada por alguém que teve a visão de proteger e formalizar aquilo que tínhamos criado.
É interessante, porque essas patentes estão relacionadas com GC, e as próprias patentes podem ser vistas como produtos de GC.
Sim. As patentes são, evidentemente, ativos de conhecimento. São manifestações de capital intelectual.
Por vezes é possível ter uma indicação da densidade de conhecimento de uma organização através de coisas como as patentes. No entanto, não são certamente as únicas medidas. Empresas como a Dyson são exemplos óbvios de negócios em que a propriedade intelectual desempenha um papel crucial no seu sucesso.
Olhando para trás, ao longo de mais de 25 anos e por organizações tão diferentes como a Deloitte, a Unisys, a BAE Systems, a KPMG e a Systemiq, que projeto ou função te marcou mais?
Na minha carreira há uma grande divisão: entre o trabalho de consultoria junto de clientes e as funções internas de liderança em GC. Aprendem-se coisas diferentes em cada uma.
Em consultoria, aproveitei todas as oportunidades para alargar a minha experiência, frequentando toda a formação que conseguia (até fiz uma formação com um grupo de auditores, uma vez, e sim, aprendi coisas que ainda hoje uso) e procurei projetos diversos, mantendo ao mesmo tempo a minha vertente de IA. Planeei e dei apoio de PMO à privatização dos Aeroportos da Irlanda do Norte; fui, por exemplo, resgatar um projeto gravemente problemático numa seguradora.
O que me impressionou foi que cada nova área que explorava me tornava um melhor gestor de conhecimento. A GC, como disciplina, bebe muito de análise de negócio, consultoria, tecnologia, ciência da informação, gestão de projetos, gestão da mudança e muitas outras áreas. O seu foco distintivo é o conhecimento, mas serve-se de muitas disciplinas complementares.
Uma coisa que aprendi, e que procuro transmitir a jovens consultores, é que são muitas vezes os projetos que na altura não queríamos mesmo fazer aqueles que, olhando para trás, se revelam os grandes marcos de aprendizagem.
Na tua carreira, há algum projeto que se destaque?
Se tivesse de escolher uma experiência que ficou comigo, talvez escolhesse a aquisição de conhecimento para a redução de perdas por fraude com IA, na Barclaycard. Entrevistámos os ex-detetives que a empresa empregava para preparar casos de fraude para tribunal, e pedimos-lhes que nos contassem histórias de fraude. Nunca ninguém da equipa de análise que tentava detetar fraude os tinha ido visitar antes, e, no entanto, essas histórias eram muito ricas para os conceitos e padrões que mais tarde usámos na construção da IA para descobrir nos dados.
O interessante é que, muito mais tarde, na Systemiq, voltei a fazer exatamente isso. Através de iniciativas como o Blue Whale Inquiry, em que tentavam perceber o que tinham aprendido de todo o trabalho de projetos ao longo dos anos, voltei a entrevistar para extrair conhecimento, perceber como o trabalho tinha sido realizado e identificar lições que pudessem melhorar práticas futuras.
O que me impressionou foi que as mesmas técnicas de aquisição de conhecimento continuavam extremamente poderosas. Ajudaram a revelar ideias que pareciam óbvias depois de ditas, mas que ninguém tinha, de facto, articulado antes.
Se pudesses escolher um projeto para trabalhar, qual seria? Que projeto te faria saltar da cama com entusiasmo de manhã?
Neste momento há provavelmente duas possibilidades.
A primeira seria atuar como conselheiro e coach de GC. Gosto de trabalhar com líderes seniores, mas gosto igualmente de apoiar a implementação prática no terreno. Se fizesse parte de uma equipa de GC com propósito e bem organizada, como a que tínhamos na Unisys, seria extremamente aliciante desempenhar um papel assim. Sempre fui uma pessoa de mãos na massa, mas, nesta fase, interessa-me mais aplicar o que aprendi e ajudar outros a ter sucesso do que estar eu próprio a “rodar a manivela”.
A segunda possibilidade seria um trabalho semelhante às atividades de aquisição de conhecimento e geração de insights que fiz na Systemiq, como o Blue Whale Inquiry. O que me entusiasma é aquela ligação direta com a experiência que se obtém ao entrevistar peritos, e depois permitir às organizações aprender mais depressa: captar conhecimento, identificar boas práticas, incorporar melhorias e gerar melhores resultados.
Idealmente, ambas seriam em organizações ou programas orientados por missão. Talvez algo focado em sustentabilidade ou alterações climáticas, mas não necessariamente. Qualquer iniciativa genuinamente orientada por missão, com oportunidade de gerar impacto real, seria atraente.
O nome da tua empresa é AIxKM. O que significa o “x”?
Para mim, o “x” significa “através de”, “mais” ou “multiplicado por”.
IA x GC. GC x IA. A relação funciona nos dois sentidos.
Acredito genuinamente que a IA está a jogar no quintal da GC, e que as duas precisam uma da outra.
No início, ouvi muito ceticismo em relação à IA por parte da comunidade de GC. Em parte talvez fosse preocupação ou incompreensão; outra parte talvez refletisse uma crítica razoável.
Aos poucos, as pessoas começaram a reconhecer que a IA depende de conteúdo de alta qualidade, e que a GC frequentemente o fornece. Vi isso diretamente quando o ChatGPT surgiu. Havia pessoas que queriam experimentar IA, mas rapidamente perceberam que precisavam de bom conteúdo, e vieram ter comigo. A minha resposta foi: felizmente, é exatamente isso que eu, como profissional de GC, tenho para vos dar!
Na Systemiq, construímos algumas das primeiras capacidades de IA em torno do vasto corpo de material publicado pela organização, permitindo à IA trabalhar com centenas de relatórios e publicações. AIxKM.
Para mim, no entanto, a relação vai muito além do conteúdo. A IA é provavelmente o desafio estratégico que justifica a GC, porque a GC passou décadas a resolver muitos dos mesmos problemas subjacentes que a IA agora procura resolver. Juntar as duas coisas faz, simplesmente, sentido.
De certa forma, a ascensão da IA moderna permitiu-me regressar às questões que me interessaram pela primeira vez, quando comecei a estudar IA há quase quarenta anos.
Pegando nesse ponto, e em jeito de conclusão, o que é que isso nos diz sobre a forma como olhas para a IA no contexto da GC
Diria que a IA e a GC precisam uma da outra.
A GC sempre precisou de IA, mas, até há pouco tempo, a tecnologia não estava realmente pronta. Ao mesmo tempo, a IA precisa agora de GC.
Muita gente aponta o conteúdo como o ponto de ligação, mas isso é apenas uma parte. A GC também fornece a ligação a pessoas, perícia, comunidades de prática, processos organizacionais e necessidades de negócio.
A GC ajuda a resolver o desafio do “humano no ciclo” (“human in the loop“), com o qual tantas organizações se debatem. Ajuda a identificar quem são os peritos, como o conhecimento deve ser validado, como a mudança deve ser implementada e como a IA deve ser incorporada no trabalho real.
Os gestores de conhecimento passaram anos a trabalhar em problemas de perícia, aprendizagem, captação de conhecimento, partilha de conhecimento e melhoria organizacional. A IA oferece agora novas potenciais soluções para muitos desses desafios.
Do mesmo modo, a IA, ao chegar a uma organização como tecnologia isolada, precisa das lições, métodos e experiência prática que a GC desenvolveu ao longo de muitos anos.
Para mim, juntar a GC e a AI não é apenas lógico — é uma das oportunidades mais importantes que se apresentam a ambas.
Nota: Esta entrevista foi escrita originalmente em inglês e traduzida com a ajuda de AI (aplicação Claude). O original está disponível no LinkedIn.
