Casos práticos do uso de IA para melhorias significativas nos negócios

Por: Samuel Gonsales

Ver mais artigos

Renomado especialista em e-commerce e transformação digital no Brasil, com mais de 20 anos de experiência no mercado. Palestrante, consultor e autor, ele dedica sua carreira a ajudar empresas de diversos setores a impulsionarem suas operações por meio de tecnologias inovadoras e estratégias de crescimento digital.

Em menos de dois anos, a inteligência artificial generativa se tornou uma ferramenta popular com aplicações em quase todas as áreas da economia. As funções corporativas e comerciais, incluindo finanças, recursos humanos e atendimento ao cliente, dentre outras estão aumentando seus investimentos em tecnologias de IA.

Um ano atrás, os primeiros a adotar estavam experimentando projetos piloto baseados em ferramentas de IA como um MVP (em português: produto mínimo viável). Agora, uma minoria significativa implantou casos de uso reais de IA em suas organizações.

Esses usuários estão amplamente satisfeitos com seus esforços de IA generativa. Mais de 75% dos Líderes empresariais que implantaram ferramentas de IA generativa em escala dizem que esses sistemas atenderam ou excederam as expectativas, segundo informações da McKinsey dos Estados Unidos.

No entanto, os dados também sugerem que as empresas estão apenas arranhando a superfície da IA em funções corporativas e comerciais. Enquanto as empresas estão experimentando vários casos de uso para a tecnologia, mesmo as que mais se movimentam lançaram apenas uma ou duas aplicações reais de IA em grande escala em suas operações.

O potencial da IA ​​generativa é muito grande, e os riscos muito significativos, para que a abordagem atual continue. Abaixo dois insights relevantes sobre o tema:

1. A maioria das empresas busca ganhos de eficiência com IA generativa, mas os líderes acreditam que o valor real da tecnologia virá de aplicações que transformam a eficácia das funções de negócios.

2. Superar barreiras ao desenvolvimento, implantação e adoção de IA generativa requer uma abordagem estruturada e sistemática. Os principais players tendem a ser aqueles que centralizam o gerenciamento de tecnologias de IA.

Isso os ajuda a ter uma perspectiva holística sobre a criação de valor por meio da IA e a implementar estruturas de governança eficazes para acelerar a implantação enquanto gerenciam os riscos associados.

Qual o nosso momento no cenário de IA

Vemos uma aceleração dramática no engajamento com tecnologias de IA generativa. Atualmente se fala muito mais sobre o tema, e o número de experimentos cresceu e se expandiu dentro dos negócios. A proporção de organizações que estão usando ativamente a IA em suas funções corporativas aumentou significativamente, com muitas implementações na área de marketing e atendimento, usando a tecnologia para pelo menos um caso de uso em suas respectivas empresas – chatbots e automações de marketing são as favoritas das empresas.

Além disso, das organizações com implantações bem-sucedidas, mais da metade está usando IA diariamente, segundo a McKinsey, sendo que 5% dos entrevistados na pesquisa relatam o uso intermitente de uma vez por mês ou menos como testes e/ou experimentos frequentes em cenários distintos, mas que podem impactar as automações e inteligência das ações.

Embora a adoção da IA tenha aumentado em todos os setores, o ritmo de evolução dentro de diferentes funções ainda é lento, se comparado à adoção de outras teorias e tecnologias. A função da TI com maior maturidade ajuda a implementar casos de uso de IA em atendimento ao cliente, RH e departamento jurídico.

Os casos de uso mais frequentemente adotados para IA generativa tendem a favorecer aplicações que se concentram na automação de tarefas para melhorar a eficiência: reduzindo o tempo e o esforço dos funcionários necessários para concluir certas tarefas.

Efetivamente, essas organizações estão usando IA generativa para turbinar ou até mesmo substituir abordagens convencionais de digitalização, como automação de processos robóticos.

Um número menor de empresas está visando maior eficácia com IA generativa: usando a nova tecnologia para aprimorar os níveis de serviço, melhorar os resultados de negócios ou adicionar novos recursos.

O foco atual na eficiência provavelmente se deve ao fato de que usos táticos mais simples da IA ​​generativa têm sido mais fáceis de implementar. No médio prazo, esperamos que as empresas sejam mais ambiciosas sobre a aplicação da tecnologia.

Em parte, isso ocorre porque pode ser difícil transformar pequenas economias de tempo em economias de custo significativas. Os sistemas de IA generativa atuais são capazes de automatizar partes de funções, em vez de empregos inteiros, dificultando que as empresas remanejem pessoas liberadas pela automação.

Também ocorre porque a eficácia oferece muito mais valor potencial no curto espaço de tempo em que ocorrem os experimentos. Melhorar a precisão da previsão, entender os mercados mais profundamente ou otimizar a alocação de capital pode desbloquear economias de custo e oportunidades de crescimento verdadeiramente significativas.

Um bom exemplo do uso de IA em funções financeiras incluem análise de custos, otimização dos processos de alçadas de aprovações de contas a pagar e verificações de prevenção de fraudes. Essas aplicações mais táticas contrastam com os casos de uso que são ainda tendências como a otimização de fluxo de caixa e previsão de receitas onde o foco está em melhorar a eficácia da organização financeira.

Essas descobertas, exemplos e aplicações dão peso à ideia de que a IA generativa é uma tecnologia importante demais para ser deixada ao acaso. Centralizar a supervisão do desenvolvimento da IA dentro das organizações é um passo fundamental que permite que as empresas tomem melhores decisões sobre onde, como e quando implantar a IA em suas funções corporativas.

Acredito que as empresas devem estabelecer estruturas e processos que as habilitem a fazer três coisas:

1. Desenvolva uma perspectiva robusta sobre onde a IA agrega valor.

Garanta que a organização esteja priorizando investimentos com um senso claro de como e onde a IA pode agregar valor e qual é esse valor.

2. Estabeleça uma governança clara, abrangente e holística

Para a implantação de IA que enfatize a supervisão central e a alocação centralizada de recursos, para impulsionar o progresso de toda a empresa em áreas prioritárias e fornecer orientação e supervisão para uso responsável.

3. Reformular as formas de trabalhar

Em vez de apenas automatizar tarefas tenha uma visão mais ampla da implantação de IA que vá além dos aspectos técnicos da solução para garantir que a tecnologia seja incorporada aos fluxos de trabalho do dia a dia.

Sobre o Autor:

Samuel Gonsales é especialista em Omnichannel, Sistema de Gestão (ERP) e e-Commerce acumulando mais de 27 anos de experiência.

• Certificate MIT - Massachusetts Institute of Technology Leadership Program – (USA).

• Mestre em Administração de Empresas pela Flórida Christian University (Orlando, Flórida, USA).

• Autor do Livro: Sistemas ERP na Omniera.

• Co-Autor do Livro: Vendas + Operações no e-Commerce.

• Participação Especial no Livro: Indústria e E-Commerce.

• Autor de 13 livros digitais (ebooks) sobre e-Commerce e Omnichannel.

• Sócio-Diretor na ExpoEcomm.

• Sócio Advisor na idworks ERP.

• Top E-Commerce Voice LinkedIn 2023.

• Vencedor Prêmio ABCOMM 2017 - Melhor Profissional de e-Commerce.

• Vencedor Prêmio DIGITALKS 2017/2018 - Profissional destaque do Mercado Digital/Tecnologia.

• Prêmio: Entre os profissionais que mais contribuíram com conteúdo relevante nos últimos 10 anos (2019).

• Conselheiro / Advisor de indústrias/fabricantes, distribuidores/atacadistas, varejistas e empresas de tecnologia.

• Palestrante: Eventos, Convenções, Fóruns e Congressos.

Leia também