No DecisionRules, sempre fomos um pouco "da velha escola". Construímos nossa base na democratização da tecnologia de nível empresarial e continuamos mantendo um foco firme nos fundamentos. Antes de criar, perguntamos: Por quê? Qual é a razão? Qual é a economia? Há algum benefício mensurável para o cliente?
No ano passado, aplicamos essa perspectiva pragmática ao entusiasmo em torno da IA e apresentamos o Assistente de IA do DecisionRules - uma ferramenta criada para orientar os usuários pelas complexidades inerentes às plataformas modernas de gerenciamento de decisões. Criamos nosso assistente para resolver o gargalo na criação de regras.
As próximas linhas detalham nossa abordagem de "criar e medir", descrevendo a metodologia e os resultados reais e mensuráveis que alcançamos ao melhorar a experiência do usuário após a introdução do Assistente de IA.
O experimento: Criação manual versus assistida de regras
Para o experimento, fornecemos especificações / requisitos para duas tabelas de decisão (regras) típicas:
- Tabela de decisão 1: Complexidade lógica média, contendo entre 15 e 20 condições (linhas de dados)
- Tabela de decisão 2: Cálculo de complexidade média que pode ser resolvido por várias abordagens.
Nosso objetivo era quantificar o tempo necessário para criar duas regras novas do zero - primeiro manualmente e depois usando o assistente - e comparar os resultados. O experimento acompanhou o desempenho de três grupos de teste com diferentes níveis de experiência:
- Iniciante: Novo usuário sem experiência prévia na ferramenta
- Profissional: Usuários com conhecimento prático da ferramenta
- Especialista: Usuários experientes
Assistente de IA do DecisionRules: Os resultados
| Nível de experiência | Criação manual de regras | 1. Elaboração da regra pelo AIA | 2. Revisão da solução do AIA | Criação de regras com AIA | Diferença |
|---|---|---|---|---|---|
| Especialista | 90 mins | 20 mins | 10 mins | 30 mins | -66.7% |
| Profissional | 120 mins | 30 mins | 15 mins | 45 mins | -62.5% |
| Iniciante | 240 mins | 60 mins | 60 mins | 120 mins | -50.0% |
O uso do assistente reduziu o tempo de criação de regras em aprox. 60%, representando um aumento de 3x na produtividade diária. Essa mudança, porém, revelou um novo fenômeno que precisa ser considerado.
Lacuna de compreensão
O termo "vibe modeling" deriva do conceito hoje popular de "vibe coding" - em que desenvolvedores descrevem o que querem em linguagem natural e deixam a IA gerar o código. Aplicamos o mesmo princípio à lógica de decisão: os usuários descrevem a necessidade de negócios de forma conversacional, e o assistente a transforma em uma estrutura de regras funcional. É rápido e intuitivo - mas envolve uma contrapartida que vale a pena entender.
Embora os ganhos de velocidade sejam evidentes, nossas descobertas revelaram uma mudança cognitiva significativa que chamamos de lacuna de compreensão.
Quando os usuários empregam IA para dar vida às suas soluções por meio de "vibe", inevitavelmente encontram uma falta de compreensão do design interno. Isso não é uma falha no design impulsionado por IA, mas uma consequência natural dessa automação:
- O assistente "analisa" automaticamente as conexões complexas e as ramificações lógicas
- Já durante o processo manual, uma pessoa aprende o "por quê" ao falhar, iterar e conectar os pontos. Quando a IA completa automaticamente a estrutura, essa fase manual de "mapeamento mental" é ignorada.
Embora a economia de tempo tenha sido impressionante, e a qualidade? O Assistente de IA não só conseguiu criar tabelas com funções mais complexas, como também identificou e extraiu fórmulas preexistentes do Excel para recriá-las em uma tabela de decisão usando operadores básicos em várias linhas da tabela. Do ponto de vista da garantia da qualidade, isso é considerado uma das ‘boas práticas’ para tabelas de decisão e gera uma tabela mais fácil de gerenciar, modificar e entender.
Lógica de decisão mais complexa
O Assistente de IA é altamente eficaz na criação de regras de até tamanho médio e complexidade média, mas até agora tem dificuldade para criar tabelas grandes com várias condições (linhas). Ainda assim, ele pode criar com competência as estruturas lógicas subjacentes para que o usuário insira os dados usando a interface de usuário ou a funcionalidade de importação/exportação do Excel. Quando a lógica complexa consiste em várias funções integradas, recomenda-se aproveitar o recurso Function Expression do assistente, que pode formular funções muito complexas para inserção em células específicas.
| Nível de experiência | Criação manual de regras | Criação de regras com AIA | Diferença | Custo/Hora | Ganho de produtividade por hora (€) | Regras criadas por MD - Manual | Regras criadas por MD - AIA | Produtividade relativa (%) |
|---|---|---|---|---|---|---|---|---|
| Especialista | 90 mins | 30 mins | -66.7% | € 120/ hour | € 240/ hour | 5 | 16 | 300% |
| Profissional | 120 mins | 45 mins | -62.5% | € 60/ hour | € 100/ hour | 4 | 11 | 267% |
| Iniciante | 240 mins | 120 mins | -50.0% | € 30/ hour | € 30/ hour | 2 | 4 | 200% |
Conclusão
Ao tratar a IA como uma ferramenta prática em vez de uma força mística, conseguimos reduzir a distância entre o surgimento de uma necessidade de negócios e uma decisão funcional em produção. Nosso assistente não substitui o especialista humano; ele elimina o trabalho manual repetitivo, permitindo que você se concentre no Por quê enquanto ele cuida do Como.
Atualização: O Assistente de IA evoluiu significativamente desde a publicação deste artigo. Hoje, ele pode criar e trabalhar com tabelas de decisão, regras de scripting, tabelas de consulta e fluxos de decisão, além de gerar dados de teste e funções, explicar a lógica existente e ajudar com fluxos de trabalho mais complexos de criação de regras.
Ondřej Brejla trabalha na DecisionRules, onde ajuda empresas a projetar e implementar soluções de automação de decisões que tiram as regras de negócio de sistemas codificados e as colocam em um formato que as equipes de negócio podem gerenciar diretamente. Ele foca em regras de negócio, integrações de sistemas e em ajudar equipes de tecnologia a projetar processos nos quais os usuários de negócio possam assumir a responsabilidade por partes das aplicações.
