Uma das perguntas que mais tenho ouvido de executivos é:
“Qual IA deveríamos adotar?”
Na minha visão, essa não deveria ser a primeira pergunta.
A pergunta mais importante é:
“Qual problema relevante para o negócio queremos resolver?”
A velocidade com que novas soluções de inteligência artificial chegam ao mercado está criando uma pressão compreensível sobre as empresas. Conselhos perguntam sobre IA, concorrentes anunciam iniciativas, fornecedores apresentam novas plataformas e colaboradores começam a utilizar ferramentas por conta própria.
Nesse ambiente, é fácil inverter a lógica: primeiro escolhemos a tecnologia e depois tentamos descobrir onde aplicá-la.
O resultado costuma ser uma coleção de provas de conceito, licenças pouco utilizadas e iniciativas difíceis de justificar financeiramente.
IA pode ser aplicada em praticamente qualquer área de uma empresa. Justamente por isso, não significa que deva ser aplicada em qualquer lugar.
O ponto de partida deveria ser a estratégia.
Onde a empresa precisa ganhar eficiência? Onde existem gargalos? Onde decisões podem melhorar? Onde há oportunidade de aumentar receita, reduzir risco, elevar a experiência do cliente ou criar novos produtos e serviços?
Depois disso, podemos perguntar se a IA é uma boa resposta para o problema.
Essa mudança de perspectiva parece pequena, mas altera completamente a maneira de conduzir a adoção.
Em vez de perguntar “o que esta ferramenta consegue fazer?”, passamos a perguntar:
“Que resultado queremos produzir?”
Isso permite estabelecer desde o início uma linha de base, critérios de sucesso e uma hipótese de geração de valor.
Se o objetivo é produtividade, qual processo será impactado? Quanto tempo ele consome hoje? Qual parte pode efetivamente ser automatizada? O tempo liberado será convertido em redução de custo, aumento de capacidade ou melhoria de qualidade?
Se o objetivo é receita, qual mecanismo produzirá essa receita? Mais conversão? Maior retenção? Novos produtos? Personalização?
Se o objetivo é redução de risco, qual risco será reduzido e como essa redução será medida?
Sem essas respostas, ROI vira uma promessa genérica.
Outro ponto importante: nem todo problema exige o mesmo tipo de IA.
Uma previsão de demanda possui características completamente diferentes de um copiloto para uma equipe comercial. Um agente capaz de executar uma transação em um sistema corporativo possui riscos muito diferentes de uma ferramenta que apenas ajuda um colaborador a elaborar um texto.
Portanto, a discussão deve considerar também o nível de autonomia e o impacto sobre o processo.
Quanto maior a autonomia da IA, maior a necessidade de governança, controles, monitoramento e definição clara de responsabilidades.
Há ainda um componente que frequentemente é subestimado: o processo atual.
Não adianta colocar IA sobre um processo ruim e esperar transformação.
Em muitos casos, a oportunidade real não está em automatizar o processo existente, mas em redesenhá-lo.
É aí que IA começa a deixar de ser uma ferramenta de produtividade e passa a ser uma ferramenta de transformação.
Por isso, acredito que um bom portfólio de IA deveria começar com uma combinação de quatro perguntas:
Qual problema queremos resolver? Qual valor esperamos gerar? O que precisará mudar no processo? Temos condições para implementar e escalar essa solução?
Tecnologia vem depois.
Empresas que começam pela ferramenta normalmente acumulam experimentos.
Empresas que começam pelos problemas certos têm maior chance de construir capacidades.
E essa diferença será cada vez mais importante conforme IA deixar de ser novidade e passar a fazer parte do modelo operacional das organizações.
Na sua empresa, a discussão sobre IA começa pela tecnologia ou pelos problemas que realmente precisam ser resolvidos?