Como passar da experimentação com IA para a transformação por IA

A IA generativa passou de novidade a prioridade nas salas de reunião em tempo recorde. Mas, apesar da ampla adoção dessa tecnologia, nem todas as empresas estão obtendo melhorias nos resultados financeiros proporcionais às suas capacidades. Nossas funções — atuando como fornecedores de IA para mais de um milhão de empresas na OpenAI e orientando implantações de IA corporativa na Bain — nos proporcionaram insights únicos sobre quais abordagens levam a um aumento transformador da produtividade e ao crescimento do EBITDA, e quais fracassam. Escrevemos este artigo para os muitos líderes cujas empresas já passaram da fase básica de experimentação e estão tentando implantar IA em grande escala, mas estão vendo as implantações de IA ficarem estagnadas ou ainda não gerarem o ROI prometido. Nos setores de serviços financeiros, varejo, saúde, tecnologia e outros, observamos que a maioria das empresas que não consegue aproveitar o potencial da IA está presa no que chamamos de “armadilha da microprodutividade”. Isso significa que tratam a IA como um investimento em SaaS do tipo “plug-and-play”, com casos de uso isolados e projetos-piloto dispersos. Nesses casos, os líderes utilizam a IA para otimizar ofertas existentes (“lock-in de oferta”) ou para automatizar processos atuais sem repensá-los (“lock-in de processo”), e frequentemente ambos. Os indivíduos frequentemente obtêm ganhos de produtividade em tarefas-chave, mas esses ganhos muitas vezes estagnam no nível da empresa quando o fluxo de trabalho circundante ainda depende de conhecimento tácito, transferências manuais ou sistemas legados não projetados para a IA. A IA pode acelerar uma tarefa, mas, a menos que as empresas resolvam os gargalos do fluxo de trabalho, os ganhos de produtividade podem não se traduzir em valor comercial. Por outro lado, as empresas que obtiveram sucesso na transformação por meio da IA adotam uma perspectiva abrangente, que envolve toda a organização e está voltada para o futuro. Elas deixam de lado a ideia de “melhorar a tarefa” para se concentrarem em “reinventar o negócio”. Em vez de otimizar as ofertas atuais, elas reexaminam sua proposta de valor central, repensando onde reside o valor e concentrando-se em onde podem ter sucesso no futuro. Em vez de reinventar os processos existentes, adotam uma abordagem orientada para os resultados, centrando-se nos resultados que esses processos visam alcançar e reconstruindo seus fluxos de trabalho a partir da premissa de que vivemos em um mundo no qual existem poderosas ferramentas de IA. É aqui que reside o verdadeiro potencial da IA: numa reformulação multifuncional da forma como a sua empresa aumenta a receita, atende seus clientes e compete no mercado. As empresas com as quais trabalhamos e que adotaram a IA dessa maneira estão obtendo indicadores claros de sucesso. Os clientes da Bain registraram aumentos de 10% a 25% no EBITDA, que continuam a crescer à medida que os programas são ampliados. Esses resultados estão gerando um retorno sobre o investimento (ROI) significativo em relação ao investimento e ao esforço envolvidos. Observamos que as empresas bem-sucedidas nessa iniciativa seguiram quatro etapas comuns que as ajudaram a manter uma mentalidade de reinvenção dos negócios em toda a organização: 1) restringir as possibilidades e os esforços de forma estratégica; 2) repensar os fluxos de trabalho em toda a organização; 3) envolver aqueles que estão mais próximos dos processos atuais para liderar a mudança; e 4) selecionar os indicadores de sucesso adequados. Mostraremos como cada uma dessas etapas se concretizou em duas das empresas com as quais trabalhamos de perto: a rede de lojas de materiais de construção Lowe’s (que fez parceria com a OpenAI para lançar as duas ofertas que destacamos abaixo) e uma empresa de manufatura da Fortune 1000, que chamaremos de FabricationCo (à qual a Bain prestou apoio durante o trabalho que descrevemos). Passo 1: Restringir as possibilidades de forma estratégica O potencial transformador da IA está impactando todas as funções e cargos, mas as empresas que observamos adotar a IA de forma mais eficaz resistiram à tentação de aplicá-la em todas as áreas sem ter em mente resultados reais e específicos. Em vez disso, elas identificam quatro ou cinco domínios críticos e concentram seus esforços de transformação nessas áreas. Desenvolvimento de software, atendimento ao cliente, eficiência dos profissionais do conhecimento e marketing estão consistentemente entre os quatro principais domínios para casos de uso de IA no trabalho com os clientes da Bain e são os mais citados no feedback dos tomadores de decisão, por exemplo; no entanto, os executivos precisarão identificar os domínios adequados para seus próprios setores. Para restringir a busca aos casos de uso adequados para a sua empresa, considere a organização como um todo e faça as seguintes perguntas: Quais partes do negócio se beneficiarão mais da IA hoje e no futuro, supondo um progresso contínuo nas capacidades? Onde temos a maior concentração de recursos com o trabalho mais repetitivo? Quais são os casos de uso de alto valor e baixo esforço (geralmente onde os funcionários enfrentam gargalos atualmente)? Quais soluções devem ser adquiridas ou desenvolvidas internamente? Onde dispomos de competências e capacidades internas e onde precisamos de estabelecer parcerias? Por exemplo, na FabricationCo, os líderes reuniram uma equipe de alto desempenho composta por operadores da linha de frente e gerentes de cada divisão e organizaram um workshop multifuncional de uma semana de duração, focado na descoberta de casos de uso de IA. Ao longo da semana, as equipes mapearam de ponta a ponta os fluxos de trabalho mais importantes, tanto para os clientes quanto para as funções internas, identificando pontos críticos operacionais evidentes em equipes como vendas, engenharia e produção. Esse esforço identificou 14 casos de uso distintos de IA, representando um valor potencial agregado de dezenas de milhões de dólares. Isso permitiu que a equipe de liderança se concentrasse em um pequeno conjunto de iniciativas com claro potencial para resultados no curto prazo, alinhados a um alto impacto no cliente e aos pontos críticos compartilhados pelas equipes da linha de frente. Ao concentrar-se em um pequeno subconjunto de casos de uso potenciais, a FabricationCo está agora a caminho de obter cerca de US$ 30 milhões em lucro adicional. Ao intensificar seus esforços em IA após o lançamento do ChatGPT, a Lowe’s concentrou-se em uma área centrada no valor essencial que a empresa oferece: ajudar os clientes a concluir seus projetos. Dentro de sua estrutura mais ampla de “Como os clientes compram conosco, como vendemos, como trabalhamos”, eles priorizaram os esforços com base na “maturidade da tecnologia, na dimensão dos casos de uso, na prontidão para a mudança e no risco dimensional, incluindo o risco à marca, bem como outros riscos comerciais” , segundo Chandhu Nair, vice-presidente sênior de lojas, dados, IA e inovação. Considerando esses fatores, chegaram a uma visão de democratizar o conhecimento especializado em toda a organização e criaram duas interfaces de IA lançadas em março de 2025: Mylow e Mylow Companion, que ampliaram o conhecimento especializado em reforma residencial para todos os visitantes online e funcionários da loja, respectivamente. Etapa 2: Repensar os fluxos de trabalho em toda a organização Em nossa experiência, é a reformulação dos processos — e não a tecnologia — que constitui o maior desafio na implantação da IA para as empresas, além de ser o que gera a maior parte do valor. É necessário considerar o escopo total do trabalho em toda a empresa, em vez de permitir que equipes e departamentos abordem a reestruturação dos processos isoladamente. Muitos resultados de trabalho que parecem específicos de um departamento são, na verdade, bastante multifuncionais. Na FabricationCo, mesmo atividades aparentemente simples, como a cotação de trabalhos de clientes, exigiam coordenação entre as equipes de vendas, design e operações, com variações significativas nos processos entre as diferentes áreas do negócio. Isso tornou esses fluxos de valor candidatos ideais para a reinvenção, em vez de uma automação incremental. Assim como fez a FabricationCo, comece por compreender os fluxos de trabalho atuais em toda a empresa para a prioridade estratégica escolhida e determine como o tempo é gasto nessa área e por quem. Isso o ajudará a selecionar as oportunidades mais promissoras dentre as que identificou e a garantir que o valor seja concretizado em toda a empresa. Pergunte: Quais áreas oferecem o maior valor em termos de tempo, esforço e utilização? Quais processos estão mais preparados em termos de repetibilidade, qualidade dos dados de apoio e tecnologia? E onde existe atualmente uma grande variação entre as unidades de negócio? Em seguida, reimagine esses fluxos de trabalho com a IA no centro. A partir do conjunto mais amplo de oportunidades identificadas, a FabricationCo utilizou perguntas como essas para selecionar dois casos de uso com o objetivo de repensar o processo de ponta a ponta, concentrando-se nas áreas em que o trabalho manual, o tempo de ciclo e os custos posteriores eram mais críticos. O primeiro deles concentrou-se em repensar o processo de cotação para propostas de clientes. Anteriormente, os engenheiros de projeto gastavam várias horas produzindo projetos iniciais como base para cotações em todas as propostas, incluindo aquelas com poucas chances de concretização, o que representava uma parcela significativa — superior a 50% para determinados segmentos de clientes. No fluxo de trabalho transformado, uma estimativa de custo rápida, de 20 minutos, é realizada por não projetistas para propostas em estágio inicial, permitindo que projetos de engenharia completos sejam reservados para oportunidades de maior probabilidade. Essa mudança reduziu o esforço desperdiçado, ao mesmo tempo em que melhorou a velocidade, o foco e a economia geral das propostas, proporcionando um tempo de geração de cotação cerca de 15 vezes mais rápido do que o processo anterior. Como resultado, a FabricationCo reduziu significativamente o tempo total de resposta, ao mesmo tempo em que melhorou as taxas de sucesso. Etapa 3: Envolva as pessoas mais próximas do processo atual Líderes perspicazes são capazes de descrever como será um novo processo, quais serão seus benefícios e até mesmo como ele parecerá diferente. No entanto, soluções transformadoras bem-sucedidas envolvem tanto a perspectiva de cima para baixo quanto a de baixo para cima. A reformulação de processos exige uma colaboração estreita com líderes de todos os níveis hierárquicos que estejam próximos do processo de trabalho, mas que também estejam comprometidos com a transformação por IA e sejam capazes de imaginar uma nova forma de realizar o trabalho. Colaboradores individuais que se destacam em suas áreas de atuação também são essenciais para compreender profundamente o processo atual, especialmente aqueles que conseguem dar um passo atrás para repensar como o trabalho poderia ser realizado de forma mais eficiente com a IA. Ao envolver os funcionários da linha de frente, os líderes obtêm insights daqueles que estão mais próximos das áreas problemáticas na abordagem atual e que podem ter descoberto ganhos de produtividade individuais que podem se traduzir em amplas inovações no fluxo de trabalho. Outra forma de envolver os funcionários é por meio da prototipagem. Incentive os membros da equipe a participar de hackathons ou micro-sprints. Uma cultura de prototipagem em todas as áreas da empresa (não apenas na equipe de tecnologia) pode aumentar a velocidade dos ciclos de iteração e permitir o surgimento de inovações de baixo para cima. Os resultados dessas sessões podem ser impactantes: oferecer aos membros da equipe até mesmo um wireframe simples de uma nova solução pode motivar aqueles que possam estar céticos, ansiosos ou desmotivados, à medida que percebem o que é possível e o que não é, e de onde virá o valor para a organização no futuro. A FabricationCo redesenhou os fluxos de trabalho e as ferramentas de apoio com um grupo representativo de funcionários de todas as regiões desde o início. Os usuários foram selecionados com base na importância estratégica de sua região e na disposição de serem os pioneiros dentro da organização. Os sucessos visíveis nas regiões piloto geraram confiança em outras regiões antes da implantação nelas. Mesmo quando a ferramenta foi testada em uma única região para avaliar o desempenho e coletar feedback em tempo real, os funcionários de outras regiões também receberam demonstrações e treinamento sobre a ferramenta e foram convidados a participar de sessões de feedback com os funcionários do projeto piloto. Isso ajudou a possibilitar uma rápida expansão para outros mercados. Para o Mylow Companion, a Lowe’s realizou testes-piloto direcionados em lojas com os funcionários, a fim de coletar feedback sobre o uso na prática. A empresa começou com um ou dois departamentos em cada loja (por exemplo, hidráulica ou elétrica), envolvendo os funcionários por meio de mecanismos de feedback no aplicativo e diretamente no local para refinar os prompts, os limites de segurança da IA e a experiência do usuário, e depois expandiu gradualmente os testes para outros departamentos e lojas. A equipe de desenvolvimento utilizou esses insights para aprimorar o Mylow Companion antes de cada expansão. Por meio desse processo, o Mylow Companion foi totalmente implantado em mais de 1.700 lojas da Lowe’s. Etapa 4: Avaliar o que é relevante Ao iniciar uma iniciativa de IA, é fundamental selecionar as métricas certas a serem monitoradas. Termos como “eficiência” ou “produtividade” são muito vagos; em vez disso, esses benefícios devem estar vinculados a resultados comerciais essenciais, com métricas que permitam comparações com métodos que não utilizam IA. Por exemplo, a FabricationCo avaliou seus fluxos de trabalho redesenhados principalmente sob a ótica da capacidade de resposta ao cliente e da diferenciação no mercado. O objetivo geral era aproveitar a IA para fornecer orçamentos mais rápidos, melhorando, em última instância, as taxas de sucesso. Para avaliar o progresso em relação a essa meta, a empresa concentrou-se em várias métricas-chave: taxas de sucesso para orçamentos gerados por IA em comparação com orçamentos não gerados por IA, prazos de entrega dos orçamentos, margens sobre os custos de materiais e de fábrica a jusante, e o volume e a precisão das propostas com preços definidos. Nos dois fluxos de trabalho priorizados, a empresa observou uma melhoria significativa em cada uma dessas dimensões — mais notavelmente, um aumento de 10 pontos percentuais na taxa de sucesso nos primeiros três meses de implementação —, reforçando a justificativa para ampliar essas mudanças em toda a empresa. Além disso, os sistemas de IA exigem novas formas de avaliação contínua. Como esses sistemas, assim como os seres humanos, podem produzir resultados diferentes a partir de uma mesma solicitação, é necessário avaliar seu comportamento de forma contínua. Para isso, é necessário um conjunto de testes de avaliação (“eval”); esses testes medem o desempenho do seu sistema em relação a um intervalo aceitável de comportamentos desejados. O processo de criação dessas suítes exige não apenas uma definição clara desses comportamentos esperados, mas também a identificação de níveis de tolerância adequados, a auditoria de seus processos para garantir que estejam em conformidade e o aprimoramento dos mesmos quando não estiverem. Para avaliar seu sistema, a Lowe’s contratou especialistas na área para criar um conjunto de prompts e respostas validadas por especialistas sobre como o Mylow Companion deveria responder a perguntas típicas feitas por um funcionário. Eles avaliaram o desempenho de vários modelos em relação às respostas validadas e ajustaram os prompts para melhorar o desempenho do sistema. Além disso, a Lowe’s também coletou feedback dos usuários e solicitou que seus funcionários auditassem regularmente tanto os resultados apresentados aos clientes quanto as etapas intermediárias do sistema, a fim de identificar oportunidades de melhoria e garantir que o sistema estivesse atendendo às expectativas. Para medir os resultados, a Lowe’s optou por acompanhar os fatores que influenciam os resultados comerciais, como o tamanho da cesta de compras, a taxa de conversão e as vendas incrementais, bem como os principais fatores de sucesso, como o conhecimento dos funcionários, a satisfação do cliente e a facilidade do processo de checkout. Quando os clientes interagem com o Mylow durante suas visitas online, a taxa de conversão mais que dobra, e a Lowe’s observa um aumento de 200 pontos-base nos índices de satisfação do cliente quando os funcionários utilizam o Mylow Companion para auxiliar os clientes nas compras nas lojas físicas. A Prioridade da Diretoria A liderança da alta administração é fundamental para o sucesso da transformação em IA. Em empresas que apresentam atrasos na adoção da IA, observamos que os líderes reconhecem a IA como uma oportunidade importante, mas delegam a responsabilidade por ela a equipes ou divisões de TI. Normalmente, essa delegação ocorre sem metas ou métricas específicas, apenas com um vago “melhorar a produtividade” ou “focar em fontes de valor de alto potencial”. A partir daí, as iniciativas frequentemente fracassam. Em vez disso, a transformação da IA deve ser priorizada nos níveis mais altos da empresa, com a participação de todos os executivos e funções, pois os líderes que têm uma visão abrangente da organização são essenciais para implementações transformadoras. Eles devem definir metas ambiciosas, de cima para baixo e de propriedade da empresa, e, em seguida, responsabilizar suas equipes. Para passar de uma posição de atraso para uma de liderança, é necessário que as empresas evitem iniciativas isoladas e, em vez disso, promovam uma transformação mais abrangente de seus negócios. Para tal, estas etapas podem ajudar os líderes e as organizações a superar o impacto limitado da armadilha da microprodutividade. Os autores gostariam de agradecer a Mike Coxon e Daan Kakebeeke, da Bain, por suas contribuições na redação deste artigo.

Como passar da experimentação com IA para a transformação por IA

Resumo.

Partner Center