Futuro da Gestão do Conhecimento em escritórios de advocacia com a IA

Os fundamentos do GC apareceram nos anos 1970 com Petre Drucker e Paul Strassman quando estes perceberam a importância do conhecimento para o sucessos empresas. De lá para cá o aparecimento dos chamados Document Management Systems (os GED no Brasil) vieram para cadastrar, arquivar e indexar essas informações e torná-las acessíveis por meio critérios "booleanos" de busca.

Toda empresa prestadora de serviços jurídicos depende de seu conhecimento para se sobressair no mercado cada vez mais competitivo. Além de depender do conhecimento acumulado em documentos, e-mails, anotações, conversas e resultados de reuniões, também se faz necessária cada vez mais a localização rápida e exata em vários repertórios que, em conjunto, podem chegar a terabites.

A IA veio para revolucionar a nossa vida em quase tudo e especialmente transformando a busca de informações utilizando uma interface humana de comunicação com os sistemas, mas tudo "não são flores" e ainda existem alguns degraus a serem vencidos.

O que é exatamente a GC

São basicamente critérios (sistemas) para capturar, organizar, indexar e colocar à disposição de todos aquilo que uma organização sabe coletivamente. Basicamente processos documentados, mensagens trocadas, políticas internas, materiais de treinamento e o conhecimento tácito das pessoas quando colocado na forma digital. O problema real é que normalmente essas informações estão em inúmeros repertórios tais como drives de rede, drives individuais, wikis, sharepoint, portais e dezenas de ‘e-drives’ tornando muito difícil a gestão desses repertórios e exigindo profissionais especializados para organizá-las e apresenta-las ao advogado numa interface que seja completa e amigável.

Os problemas endêmicos da GC

• Resistência: Advogados relutam em compartilhar informações por considerar que aquele "meu documento e meu conhecimento". A maioria dessas iniciativas falham por essa razão;
• Falta de incentivo/treinamento: Deve haver uma conscientização de todos sobre as vantagens de compartilhar conhecimento e premiar aqueles que o fazem;
• Gestão de conhecimento tácito: Dificuldade em transformar o conhecimento implícito (na mente das pessoas) em explícito (documentado), tornando-o acessível a todos;
• Desorganização da informação: Dados e informações dispersos em inúmeros repositórios;
• Dificuldade em medir ROI: Definir métricas claras para quantificar o valor do conhecimento compartilhado é desafiador;
• Ferramentas e tecnologia inadequadas: Sistemas de TI que não facilitam a colaboração ou busca eficiente, dificultando a integração de equipes e dispersão do conhecimento acumulado;
• Outros: Crescimento exponencial das informações e estrutura; compliance e privacy inadequados; sistemas desatualizados; cultura organizacional; falta de planejamento estratégico; Informações de baixa qualidade ("garbage in - garbage out").

Os tipos de conhecimento:

• Dados estruturados e não estruturados

A maior parte do conhecimento organizacional existe como dados não estruturados: documentos; e-mails, transcrições, mensagens de voz (whatsapp) e  vídeos. A IA se destaca neste ponto pois  pode analisar, categorizar e recuperar informações em formatos não estruturados de um modo que os processos manuais nunca poderiam chegar.

• Conhecimento tácito e conhecimento explícito

O avanço mais significativo que a IA traz para a gestão do conhecimento é a capacidade de capturar conhecimento tácito, entendendo e classificando o texto transcrito por exemplo de uma ligação onde um advogado abordando um desafio jurídico utiliza um raciocínio aplicado referenciando-se num determinado contexto e os trade-offs que ele considera etc.

As vantagens da adoção de IA

• Particularmente é a aplicação NLP - processamento de linguagem natural, machine learning e IA generativa, para tornar os sistemas de conhecimento ativos em vez de passivos. Essas três coisas, antes de mais nada entendem e organizam as informações dispensando aquele usuário humano que deve determinar uma "keyword" para cada informação cadastrada (que pode estar errada pois depende de interpretação e contexto). Permite que os sistemas de IA entendam a linguagem humana, incluindo a ambiguidade, o contexto e a intenção por trás de como as pessoas realmente fazem perguntas no trabalho.
• "Machine Learning" mantem o conhecimento atualizado, identificando quais recursos estão sendo usados, quais pesquisas retornam resultados ruins ou bons, onde a cobertura é reduzida e, em seguida, ajusta ao longo do tempo sem que ninguém precise manter manualmente o sistema.
• A utilização do conceito "RAG" - Retrieval Augmented Generation que permite que os sistemas de IA extraiam informações da base de conhecimento real de uma empresa antes de gerar respostas, em vez de depender de dados genéricos.
• Captura de voz e transcrição em arquivos indexaveis - o primeiro passo para a gestão do conhecimenyo tácito.
• Recuperação inteligente de conhecimento - em vez de retornar uma lista de documentos que contêm uma palavra-chave, a pesquisa alimentada por IA entende a intenção do usuário e apresenta a respostaespecífica à pergunta que está sendo feita.
• Captura e organização automatizada do conhecimento - uma das maiores melhorias estruturais que a IA faz nos processos de gestão do conhecimento é remover a dependência do esforço manual para a captura. Os sistemas de IA que se integram a plataformas de reuniões, e-mail e mensagens podem extrair automaticamente decisões, itens de ação, contexto e principais pontos de discussão sem exigir que ninguém arquive nada. "As pessoas que geram o conhecimento mais valioso também são aquelas menos propensas a terem tempo para documentá-lo".
• Compartilhamento de conhecimento entre equipes - a IA torna o conhecimento menos dependente do comportamento individual.
• Conhecimento direcionado - algoritmos de IA que aprendem as preferências do usuário e os padrões de comportamento podem identificar qual conhecimento provavelmente será relevante para quem e revelá-lo proativamente, antes mesmo de ser solicitado.

A estratégia

A estratégia deve contemplar etapas distintas.

• A primeira é introduzir na organização o conceito de gestão do conhecimento "per se" convencendo e treinando todos os integrantes da organização sobre a importância da criação correta, da manutenção e do compartilhamento do conhecimento,  tratando o conhecimento como ativo estratégico diferencial,principalmente para escritórios de advocacia que basicamente vendem conhecimento específico.
• A segunda é a integração pois,  os sistemas de IA devem ser oferecer uma plataforma que se conecta com todos os repertórios de dados e informações existentes na organização.  
• A terceira é a gestão eficaz do conhecimento, seja ela feita ainda manualmente ou por machine learning.
• A quarta e ultima é  segurança, compliance e privacy  de dados e informações merecendo muita atenção antes de qualquer implantação.

Resumindo

• Sistemas tradicionais de gestão do conhecimento foram construídos para armazenamento, indexação e busca por palavras. IA utiliza esse armazenamento  transformando-o em um sistema rela de conhecimento organizacional .
• NLP permita a interação simples e intuitiva com a base de conhecimento, obtendo respostas precisas, sem precisar saber onde as  informações estão ou como foram catalogadas.
• A qualidade do resultado depende  inteiramente da qualidade do conhecimento do qual ele é extraído. Machine Learning permite gerar informações precisas, atualizadas e confiáveis.
• Os novos sistemas de gestão de conhecimento com IA mais complexas além de recuperar informações, podem sugerir ações, atribuir tarefas e gerar trabalhos automaticamente. O futuro vai nos mostrar!