IA generativa nos negócios

Então, será que a gente está usando inteligência artificial generativa para resolver um problema estratégico que é realmente relevante no nosso negócio? Ou, tipo, a gente só está fazendo nossos processos ruins rodarem muito mais rápido porque bateu aquele pânico de ficar para trás? Nossa, essa é sem dúvida nenhuma a angústia central que está na mesa de praticamente todo o conselho de administração hoje. Tem uma pressão gigantesca que chega a ser quase irracional, sabe, por uma adoção imediata da tecnologia. E é bem por essa fenda, né, entre a pressão do mercado e a realidade nua e crua da operação que a gente vai navegar na nossa análise profunda de hoje.

Exatamente. A gente vai mergulhar no material que serve de base para o episódio 4 do projeto Antes da Resposta. Toda essa lógica que a gente vai desempacotar aqui foi construída a partir da curadoria intelectual do Zeca Silbonne, que é o autor do livro A Estrutura Invisível. E a nossa missão, com essa imersão, para deixar bem claro, é falar diretamente com gestores, com líderes, empreendedores e times que já estão com a ferramenta na mão, mas estão meio que tentando decifrar qual é o verdadeiro impacto disso no trabalho do dia a dia.

Isso. Mas olha, para a gente começar com o pé no chão, a gente precisa dar um passo atrás e alinhar o que de fato é a natureza dessa tecnologia. Porque, vamos lá, você pode explicar de um jeito simples para quem nos ouve? Porque muito se fala que a IA é quase mágica, né? É, e quem acompanha de perto o desenvolvimento dessas ferramentas já sabe que modelos de linguagem não são oráculos. Longe disso. Pois é, eles não são máquinas da verdade programadas para buscar fatos super incontestáveis num banco de dados universal, sabe?

A arquitetura fundamental deles, na verdade, funciona como um motor de probabilidade. Tá, e o que isso significa na prática? Significa que a IA prevê qual é a próxima palavra mais adequada com base num volume colossal de padrões matemáticos e linguísticos. E só isso. Ou seja, a especialidade absoluta dessas ferramentas é gerar respostas que soam incrivelmente plausíveis. Nossa, sim, muito plausíveis. O texto vem com aquela gramática perfeita, tem todo aquele encadeamento de ideias que parece de um consultor sênior. O tom de voz é impecável. E é exatamente aí, nessa tal plausibilidade, que mora uma armadilha corporativa brutal.

Total. Porque assim, um relatório que é altamente convincente e que foi gerado em, sei lá, 10 segundos, não é necessariamente um relatório factualmente correto ou até mesmo estrategicamente viável. A gente costuma dizer que plausível não significa correto, né? E isso nos leva direto para o coração da questão. Porque já que a gente pegou esse motor que gera respostas muito convincentes, o que acontece quando a gente injeta isso sem critério nenhum no meio daquela burocracia e daqueles processos todos travados que a empresa já tem? É o caos, né?

A crença do mercado é que a tecnologia vai ser tipo um trator que vai nivelar as ineficiências todas e trazer uma produtividade mágica. Mas não é bem assim. Não mesmo. E aqui entra o conceito central de a estrutura invisível. A ferramenta não vai criar uma estrutura de trabalho nova e otimizada por conta própria. Ela apenas revela a estrutura que já estava lá, operando nos bastidores. Caramba, isso é muito forte. Então, as nossas expectativas, os nossos silos de comunicação, aqueles dados fragmentados, tudo isso acaba ditando resultado. Tudo. A IA não conserta isso sozinha.

Então, deixa eu fazer um contraponto aqui. A gente está melhorando o trabalho com a IA ou a gente só está acelerando um processo ruim? Porque se a gente só jogar a IA no processo atual, a gente só vai ganhar a incrível capacidade de cometer os mesmos erros numa velocidade inédita. É bem por aí. O que é fascinante e assustador é que a tecnologia acelera o que ela encontra. Pensa assim, se a empresa tem um processo de aprovação confuso e adota a IA para gerar propostas comerciais, por exemplo, esse processo vai gargalar muito mais rápido, porque o volume de propostas chegando aumentou absurdamente, sabe?

Sim, faz total sentido. Ou se tem um dado inconsistente, lá no sistema da equipe de vendas, a IA vai usar esse dado ruim e vai disparar centenas de e-mails errados com uma eficiência, olha, assustadora. É aquela coisa, comprar a licença mais cara do software do mercado não vai transformar um negócio num passe de mágica. De jeito nenhum.

A adoção de ferramenta não é transformação de negócio. E aí cria-se essa ilusão da velocidade, né? Porque produzir muito mais rápido não é sinônimo de gerar mais valor. Imagina a diretoria de uma empresa olhando um plano de marketing de 50 páginas que a equipe gerou numa tarde.

O cara pensa, se está tão bonito e profissional, a estratégia aqui dentro deve ser sólida. Mas não é, né? Porque o rigor analítico não vem da formatação do texto. E por confundir essa formatação bonita com substância de verdade, a esmagadora maioria das empresas está presa numa ilusão. Qual ilusão? Elas operam no que a gente chama de nível 1 de uso. Mas elas agem e contam para o mercado como se estivessem lá no nível 3. Vamos diferenciar isso, porque quem lidera times precisa ter isso muito claro. Esse nível 1 seria aquele uso mais solto, mais fragmentado, certo?

Precisamente. É aquele uso individual, que muitas vezes é até invisível para a alta gestão. Sabe aquele analista que usa o ChatGPT para resumir uma thread gigantesca de e-mails? Ou um desenvolvedor que pede ajuda para achar um bug no código? Sim, o ganho de tempo está ali, mas fica preso nele. Exato. Fica restrito só àquela eficiência daquele profissional. A ponte entre isso e o nível 3, que é quando a IA realmente muda o produto, altera a estratégia da empresa, essa ponte não se constrói só distribuindo senha de software para a galera.

Exige liderança, né? Exige escolha, exige intencionalidade. E é engraçado porque a gente tem uma mania muito louca no mundo corporativo de assinar o contrato da plataforma primeiro para só na semana seguinte marcar uma reunião e perguntar. Bom, o que a gente vai fazer com isso agora? Sim, acontece o tempo todo. Então se adotar a ferramenta não resolve o que já nasceu torto, como é que uma equipe estrutura o uso da IA para realmente gerar valor?

A gente pode passar por aqueles cinco passos fundamentais que o material propõe. Com certeza. Vamos lá. A mudança de chave começa invertendo essa lógica de comprar e depois pensar. O passo 1 é começar pelo problema. Ou seja, parar de perguntar o que a IA faz. Exatamente. A pergunta não é o que ela faz, mas sim o que a gente precisa melhorar aqui dentro. Para quem? E qual é o resultado que a gente espera dessa melhoria? Tem que ancorar num problema real. Senão a IA vira só uma solução super cara andando pelos corredores, caçando um problema para resolver.

É isso. E aí, quando a gente acha o problema, a gente vai para o passo dois, que é fornecer contexto. Ah, esse ponto é vital. Quais informações, quais critérios e limites tornam a resposta útil? E eu gosto muito de comparar isso com a arte de delegar tarefas para um humano mesmo. É a mesma lógica. Imagina que você acabou de contratar um analista brilhante. Se você vira para ele no primeiro dia e só fala. Ah, monta um planejamento estratégico aí para mim. O resultado vai ser péssimo. Total. Falta contexto.

A pessoa não sabe o apetite a risco da empresa, os limites de orçamento, como é a cultura. E se a gente não consegue tirar isso da nossa cabeça para explicar para um humano, a IA também não vai adivinhar. Ela não toma café na copa da empresa para pegar as fofocas políticas.

Adorei o exemplo. A instrução não pode ser rasa. A qualidade do que sai da IA é um reflexo direto da clareza que você deu na entrada. Deixa eu trazer isso para uma realidade bem palpável de quem está ouvindo a gente.

Imagina um empreendedor começando um negócio do zero. O poder que ele tem hoje é bizarro. Muito grande. Ele joga lá na IA e consegue cruzar tendências, explorar dezenas de hipóteses de negócio, criar um plano de marketing numa madrugada. A máquina cospe gráficos maravilhosos que parecem de uma consultoria milionária. Mas, e aqui é o grande ponto, uma ideia que a IA defendeu super bem num texto não comprova demanda no mundo real. Não mesmo. Até porque a IA não vai passar o cartão de crédito dela para comprar o seu produto, né?

Perfeito. Então, o empreendedor ainda tem que ir para a rua conversar com o cliente de verdade para ver se aquilo para em pé. Ele não pode terceirizar a validação da realidade. Exatamente. E isso puxa a gente para o nosso terceiro passo, que é o mais delicado nas empresas.

Definir responsabilidades. Quem assume a paternidade do resultado, né? Isso. Sabe, a IA gera a primeira versão, mas quem revisa? Quem decide? Quem responde pelas consequências se der errado? A máquina pode até sugerir uma ação com aquela confiança toda que ela tem, mas ela não executa sozinha. E aqui entra um contraponto que eu ouço demais, e é uma dor muito real das equipes. Se a gente precisa revisar tudo o que ela faz com lupa, porque a gente sabe que ela alucina e inventa dado, onde é que está o ganho, afinal?

É, o pessoal reclama bastante disso. Porque, poxa, se eu tenho que checar cada vírgula para ter certeza que a gente pode cumprir aquele prazo que a IA inventou, não era mais rápido eu mesmo ter escrito do zero? Olha, eu super entendo essa frustração. Mas ela acontece porque a gente está usando a métrica errada. Como assim? O pessoal ainda está medindo o sucesso com a régua do tempo de digitação. E não é por aí.

Lembra daquele caso real que está no nosso material de base? Da equipe de atendimento ao cliente? Lembro. Uma equipe de 40 pessoas, né? Um caos de informações. Isso. Era um volume massivo de chamados, um monte de dados não estruturados. Antes da IA, o atendente passava minutos só lendo o histórico da reclamação para entender o que estava acontecendo, para só depois escrever a resposta. Aí eles colocaram a IA, a ferramenta lia tudo em segundos, resumia e já propunha uma resposta excelente. O humano só revisava o tom de voz e apertava o botão de enviar.

O tempo de resposta despencou. Tá, mas aí voltamos ao meu contraponto. Se o atendente ainda tinha que ler a proposta da IA e revisar, foi só uma otimização de alguns minutinhos por e-mail. Ah, mas aí é que está o pulo do gato. O ganho de tempo do e-mail foi a parte menos importante dessa história toda. O verdadeiro ganho, o monumental mesmo, foi que a IA começou a ler todos os chamados através da mesma lente. Ah, e aí os padrões começaram a aparecer. Exato. Ficou claro que um terço de todas as reclamações vinham de um erro de usabilidade do produto que a equipe de engenharia simplesmente ignorava.

Claro, porque os 40 atendentes estavam cada um olhando para sua própria fila de problemas. Ninguém conseguia cruzar 10 mil e-mails de cabeça para ver a raiz do problema. Exatamente. A IA revelou um padrão que era invisível. Ela não consertou o erro, mas ela colocou um holofote no problema. E aí, a diretoria tomou a decisão humana de arrumar o produto de uma vez por todas. Nossa, isso é brilhante. E dá para aplicar em qualquer área. Imagina uma equipe comercial gerando proposta B2B. A IA faz a proposta linda em dois segundos.

Mas quem confere os preços e os compromissos ainda é o vendedor humano. Sempre o humano. É, a responsabilidade é intransferível. E o ganho não é demitir o time. O ganho é que esse vendedor agora tem tempo livre para ir tomar um café com o cliente, construir relacionamento, negociar, que é o que a máquina não faz. E para isso funcionar, a gente vai para o quarto passo: experimentar com limites.

A gente não pode querer virar a chave da empresa inteira numa segunda-feira de manhã. Tem que começar pequeno, sem abrir mão da responsabilidade. Errar pequeno e barato, né? Isso. Um piloto de uns 90 dias, num processo específico, com dados reais, e num lugar onde errar não vai custar a reputação da empresa.

E aí a gente chega no quinto passo, que é onde a conta fecha, que é avaliar o resultado completo. E aqui a gente tem que medir não só a qualidade e o tempo, mas também o custo do retrabalho. Muito bem lembrado. O retrabalho é o custo oculto da IA. Porque a gente comemora que o rascunho saiu em 10 segundos, mas se o analista passou 4 horas conferindo dados, porque desconfiou de uma alucinação sutil ali no meio, a gente está perdendo dinheiro. Com certeza. A gente tem que colocar nessa avaliação os novos riscos corporativos, que, olha só, são riscos de gestão, não são problemas de tecnologia em si.

Tipo o quê? Vazamento de dados. Vazamento de dados é um clássico. Pessoal jogando informação confidencial em modelo aberto. Mas também tem a confiança cega em informação incorreta. E um risco super sutil que é a homogeneização da voz da empresa. Ah, os vieses da ferramenta. É. De repente, a comunicação de todas as marcas começa a soar igual. Com aquele tom de robô educado, sem personalidade nenhuma.

E conectando isso com o que a gente estava falando sobre revisar o trabalho, me vem a dúvida mais profunda que eu acho que a gente pode discutir aqui. Manda. Se o trabalho está mudando e a gente está deixando de produzir para virar revisor, o que é que a gente precisa continuar sabendo fazer mesmo com o apoio da IA? Olha, esse ponto é um soco no estômago. Porque se a gente for pensar no desenvolvimento de um talento júnior hoje em dia, existe um risco real de atrofia de competência.

Uma atrofia severa. Porque, vamos lá, se a pessoa não sabe fazer o básico, ela não tem como avaliar se a IA fez certo. Como é que um analista vai auditar uma estratégia de marketing ou um bloco de código se ele usou a IA a vida inteira para pular a parte chata de pensar do zero?

Ele não vai ter repertório para julgar criticamente. É a velha regra, né? Quem não sabe fazer, não sabe avaliar. O domínio do assunto, o julgamento crítico, isso continua sendo pré-requisito para a empresa não ruir. E isso afeta até os empreendedores que estão ouvindo a gente, que acham que agora, porque tem uma IA, são super competitivos.

Gente, uma equipe de três pessoas hoje opera como uma de dez de uns anos atrás, é verdade. Mas todo mundo tem a mesma IA. Exatamente, esse é o ponto. A IA em si não é mais o seu diferencial. Todos os seus concorrentes têm a mesma inteligência. O que vai te diferenciar no mercado continua sendo a dor que você escolhe resolver e o seu relacionamento com o cliente. Você pode usar a ferramenta para organizar tudo, mas a decisão final é sua. Bom, então, depois de tudo isso, o que é que significa essa nossa conversa inteira?

Significa que a gente precisa voltar para o básico. Exato. Para amarrar esses pontos da nossa imersão de hoje, fica muito claro que antes da gente escolher qual plataforma usar ou qual modelo assinar, o essencial é a gente compreender muito bem o nosso problema. Definir os critérios de sucesso e assumir a responsabilidade. Porque a IA não vai consertar uma estratégia de negócio confusa. Ela não vai arrumar uma cultura que pune quem comete erros. Ela só vai expor isso mais rápido. E é por isso que o projeto Antes da Resposta traz um princípio editorial que é maravilhoso.

Ele diz assim, olha, melhores respostas começam com melhores perguntas. E melhores perguntas começam com uma forma mais consciente de enxergar o problema. Perfeito. Não dá para resumir de um jeito melhor. E é com essa reflexão de ouro que a gente encerra esse nosso mergulho de hoje. Mas claro, eu vou deixar uma provocação final que é para ficar aquela pulguinha atrás da orelha da liderança de quem nos escuta. Manda. Pensa bem nisso.

Se a IA pode ajudar a gente a produzir respostas cada vez mais rápido, será que a gente está dedicando atenção suficiente a decidir quais perguntas realmente importam para o futuro do nosso negócio? Fica aí o dever de casa para todo mundo. Fica a reflexão. Um abraço para quem acompanhou a gente até aqui e até a próxima análise profunda.

Transcrição gerada a partir do áudio e revisada. Pode haver pequenas diferenças em relação à fala.