Adicionar IA a um processo ruim não torna uma empresa “inteligente”

A inteligência artificial promete ganhos de produtividade consideráveis. Ela pode acelerar a busca de informações, produzir análises, preparar documentos, auxiliar os funcionários em suas decisões e, com a chegada dos agentes de IA, realizar progressivamente sequências de trabalho cada vez mais complexas. Diante dessas possibilidades, numerosas organizações buscam naturalmente determinar onde integrar a IA em suas operações.

Essa iniciativa comporta, contudo, uma armadilha. Quando uma empresa começa por buscar as tarefas que poderia confiar à inteligência artificial, ela corre o risco de automatizar processos que antes mereceriam ser questionados. Etapas inúteis podem ser aceleradas, validações sem valor real podem tornar-se automáticas e dados podem circular ainda mais rapidamente através de uma organização cujos processos permanecem complexos ou mal estruturados.

Uma empresa que consegue acelerar em 40% um processo ineficiente continua tendo um processo ineficiente. Ela simplesmente o executa 40% mais rapidamente.

A chegada da inteligência artificial deveria, portanto, ser considerada uma ocasião para rever a maneira como o trabalho é organizado. Antes de perguntar o que a IA pode automatizar, uma organização deveria voltar a uma questão muito mais fundamental: por que fazemos esse trabalho dessa maneira?

A automação pode preservar processos que deveriam ter desaparecido

Os processos organizacionais raramente se constroem a partir de uma folha em branco. Eles evoluem com a empresa. Uma etapa é acrescentada após um problema, uma aprovação aparece em seguida a um erro, um arquivo Excel é criado para contornar uma limitação do sistema e uma verificação adicional é introduzida porque falta uma informação em algum lugar. Com o tempo, essas adaptações se acumulam.

Cada etapa possui geralmente uma explicação histórica. Isso não significa que ela ainda possua uma justificativa operacional.

É assim frequente ver funcionários inserirem uma informação em um sistema, exportá-la em um arquivo e transmiti-la a outra pessoa que a verifica antes de registrá-la em outro aplicativo. Uma terceira pessoa pode em seguida produzir um relatório a partir desses mesmos dados. Quando a IA chega, a tentação consiste em automatizar a inserção, a verificação ou a preparação do relatório.

A tecnologia pode efetivamente tornar o conjunto muito mais rápido. No entanto, a questão mais importante permanece inteira: por que a informação deve percorrer todas essas etapas?

Automatizar sem questionar o processo pode então produzir uma forma particularmente moderna de desperdício: fazer extremamente bem algo que talvez já não devesse ser feito de modo algum.

Velocidade não é sinônimo de produtividade

A inteligência artificial torna igualmente necessária uma distinção entre velocidade e produtividade. Uma organização pode produzir mais documentos, analisar mais dados, responder mais rapidamente aos e-mails e gerar muito mais conteúdo sem necessariamente criar mais valor.

Essa distinção é particularmente importante com a IA generativa, uma vez que o custo marginal de produção de certas informações torna-se extremamente baixo. Um funcionário pode agora produzir em alguns minutos um relatório que lhe teria exigido várias horas. Isso representa um ganho potencial considerável se esse relatório for útil a uma decisão ou a uma atividade importante. O ganho torna-se muito menos evidente se o relatório é produzido unicamente porque um procedimento histórico exige sua criação e quase ninguém o utiliza realmente.

A IA pode, portanto, aumentar consideravelmente o volume de atividades sem melhorar proporcionalmente o desempenho da organização. Ela pode até contribuir para criar mais ruído: mais relatórios, mais comunicações, mais dados, mais recomendações e mais elementos que outras pessoas deverão em seguida ler, verificar ou gerenciar. A produtividade não consiste simplesmente em produzir mais. Ela consiste em criar mais valor com os recursos disponíveis.

A IA recoloca os princípios da excelência operacional em primeiro plano

Muito antes da inteligência artificial, a excelência operacional já buscava compreender a circulação real do trabalho. Por que essa etapa existe? Que valor ela traz? O que acontece antes e depois? Onde se encontram as esperas, os retrabalhos, os erros, as transferências inúteis e as atividades sem valor agregado? Essas perguntas tornam-se ainda mais importantes com a IA.

Quando um processo é mapeado corretamente, o objetivo não deveria ser identificar imediatamente os lugares onde colocar um agente ou um modelo de inteligência artificial. É preciso antes determinar se cada atividade ainda merece existir em sua forma atual.

Certas etapas podem ser eliminadas. Outras podem ser agrupadas. Uma informação inserida várias vezes pode vir diretamente de sua fonte. Uma aprovação sistemática pode ser substituída por uma gestão das exceções. Um relatório produzido periodicamente pode tornar-se uma informação disponível em tempo real. Uma tarefa realizada por vários departamentos pode ser simplificada antes mesmo de uma tecnologia adicional ser introduzida.

É somente após essa reflexão que a IA revela plenamente seu valor. Ela intervém então em um processo já concebido para atingir um objetivo, e não na acumulação histórica de métodos de trabalho.

Digitalizar um processo não é necessariamente transformá-lo

Essa confusão já existia muito antes da inteligência artificial. Vários projetos de transformação digital consistiram essencialmente em reproduzir eletronicamente processos em papel.

Um formulário em papel torna-se um formulário digital. Uma assinatura manuscrita torna-se uma aprovação eletrônica. Um dossiê físico torna-se um diretório de arquivos. Uma planilha torna-se um aplicativo. A ferramenta muda, enquanto a lógica operacional permanece praticamente idêntica.

A IA corre o risco de reproduzir o mesmo fenômeno em uma escala muito maior. Um processo concebido há quinze anos pode agora ser confiado parcialmente a agentes sem que ninguém se pergunte por que ele ainda comporta doze etapas.

A verdadeira transformação começa quando a organização aceita questionar o próprio processo. Se concebêssemos essa atividade hoje com as tecnologias, os dados e os conhecimentos de que dispomos agora, ainda a construiríamos dessa maneira?

A resposta pode por vezes ser desconfortável, porque questiona procedimentos, responsabilidades e até certas estruturas organizacionais. Ela abre, contudo, o caminho para os ganhos mais importantes.

Os agentes de IA tornam possível uma reformulação muito mais profunda

Os sistemas tradicionais automatizam particularmente bem os processos previsíveis e estruturados. Os agentes de IA podem intervir em ambientes muito mais variáveis. Eles podem consultar diferentes fontes de informação, interpretar um contexto, preparar uma decisão, utilizar várias ferramentas e prosseguir uma sequência de trabalho em função do resultado obtido em cada etapa.

Essa capacidade permite repensar processos que antes eram fragmentados entre várias pessoas simplesmente porque um software convencional não conseguia gerenciar certas transições.

Tomemos uma solicitação recebida de um cliente. Ela pode hoje ser lida por um funcionário, classificada, transmitida a outro departamento, analisada, complementada por informações provenientes do CRM e então encaminhada a uma pessoa autorizada a tomar uma decisão. Um agente corretamente integrado poderia eventualmente efetuar várias dessas atividades, enriquecer automaticamente o dossiê e transmitir diretamente ao humano a situação que realmente exige sua expertise.

O ganho não provém então unicamente do fato de que o agente trabalha mais rapidamente. Ele provém sobretudo do desaparecimento de várias transferências, esperas e manipulações intermediárias. É precisamente aí que a IA encontra a excelência operacional.

Um dado ruim automatizado torna-se um problema mais rápido

A qualidade do processo depende igualmente da qualidade da informação que o alimenta. Uma empresa cujos dados são fragmentados, contraditórios, mal estruturados ou difíceis de encontrar não resolve automaticamente esse problema acrescentando inteligência artificial. Ela pode até amplificá-lo.

Um agente capaz de agir rapidamente a partir de uma informação incorreta pode propagar um erro muito mais eficazmente do que um humano. Um dado duplicado pode conduzir a várias interpretações. Um procedimento obsoleto pode ser utilizado como referência. Conhecimentos importantes podem estar trancados nos arquivos pessoais de funcionários ou dispersos em documentos cuja versão oficial ninguém conhece realmente.

A preparação para a IA exige, portanto, igualmente uma preparação da própria organização. Os conhecimentos devem estar suficientemente estruturados, as fontes de informação devem ser identificáveis e as responsabilidades em torno dos dados devem ser claras.

É aqui que a governança dos conhecimentos torna-se diretamente ligada à excelência operacional. Uma organização difícil de compreender para seus próprios funcionários também o será para seus sistemas de inteligência artificial.

A automação pode também acelerar os erros

Quanto mais um sistema se torna autônomo, mais a velocidade de execução deixa de ser unicamente uma vantagem. Um funcionário pode cometer um erro em uma transação. Um agente capaz de tratar vários milhares delas pode reproduzir o mesmo erro em uma escala muito maior antes que ele seja detectado.

Essa realidade modifica a concepção dos controles. As empresas devem determinar quais decisões podem ser executadas automaticamente, quais exigem uma validação, quais limiares devem provocar uma intervenção humana e como interromper rapidamente um processo quando um comportamento anormal aparece.

A excelência operacional na era da IA deve, portanto, integrar a resiliência. O melhor processo não é unicamente aquele que funciona rapidamente quando tudo se desenrola como previsto. É também aquele que detecta rapidamente as anomalias, limita suas consequências e permite à organização retomar o controle. A autonomia deve progredir junto com a capacidade de supervisão.

Os ganhos devem ser medidos onde o valor é criado

O entusiasmo em torno da IA pode igualmente levar a medir os indicadores errados. O número de usuários, de requisições, de agentes implantados ou de tarefas automatizadas demonstra uma atividade tecnológica. Ele não demonstra necessariamente uma melhoria do desempenho.

Uma organização deveria antes observar o que acontece em suas operações. O prazo de processamento diminuiu? A taxa de erro melhorou? Os funcionários dedicam mais tempo às atividades de alto valor? O cliente recebe um melhor serviço? O custo do processo realmente diminuiu? A capacidade de produção ou de processamento aumentou? As decisões são tomadas mais rapidamente e com melhores informações?

Esses indicadores permitem distinguir a adoção da criação de valor.

Uma empresa pode ter implantado pouquíssimas ferramentas de inteligência artificial e obter ganhos consideráveis em alguns processos críticos. Outra pode ter dado acesso à IA a todos os seus funcionários sem constatar uma melhoria significativa de seus resultados. A maturidade em IA não deveria, portanto, ser avaliada principalmente pela quantidade de tecnologia utilizada, mas por sua contribuição mensurável ao desempenho da organização.

A IA deveria por vezes levar a automatizar menos

Essa conclusão pode parecer paradoxal. Uma análise aprofundada de um processo pode revelar que certas tarefas não deveriam ser automatizadas. Uma relação com um cliente pode ter mais valor quando permanece humana. Uma decisão excepcional pode exigir uma compreensão do contexto difícil de formalizar. Uma atividade pouco frequente pode custar mais para ser automatizada do que para continuar a ser realizada manualmente. Um processo pode também ser suficientemente simples após sua revisão para que uma automação convencional seja mais confiável e menos custosa do que uma solução de inteligência artificial. Utilizar a IA em todos os lugares em que ela é tecnicamente possível não é, portanto, um sinal de maturidade. A maturidade consiste em saber onde ela traz valor suficiente para justificar sua complexidade, seus custos e seus riscos.

A transformação começa por compreender o trabalho real

Para obter essa resposta, os executivos devem compreender como o trabalho é realmente efetuado em sua organização. Os procedimentos oficiais nem sempre bastam. Entre o que está documentado e o que acontece diariamente, podem existir numerosos ajustes, arquivos paralelos, comunicações informais e soluções de contorno.

Os funcionários que realizam o trabalho possuem então um conhecimento essencial. Eles sabem onde falta informação, quais etapas tomam tempo inutilmente, quais validações são realmente úteis e quais procedimentos existem principalmente por hábito.

Associá-los à transformação permite descobrir as possibilidades que a tecnologia sozinha jamais revelará. Isso contribui igualmente para reduzir a resistência à mudança, uma vez que a IA torna-se um meio de resolver irritantes que eles conhecem, em vez de um sistema imposto para modificar seu trabalho a partir de fora. A inteligência artificial torna-se assim um projeto organizacional antes de ser um projeto tecnológico.

As possibilidades oferecidas pela inteligência artificial e pelos agentes de IA são suficientemente importantes para transformar profundamente a maneira como as empresas funcionam. Essa potência torna, contudo, ainda mais necessária uma compreensão rigorosa dos processos nos quais essas tecnologias serão integradas.

Automatizar uma tarefa inútil não lhe dá mais valor. Acelerar uma má decisão não a melhora. Gerar mais informação não torna necessariamente uma organização mais inteligente. E acrescentar agentes a um processo complexo não garante que ele se tornará mais eficiente.

A empresa deve começar por compreender o trabalho que realiza, o valor que busca criar e os obstáculos que retardam essa criação de valor. Ela pode em seguida eliminar o que é inútil, simplificar o que é complexo demais, automatizar o que é previsível e utilizar a inteligência artificial onde suas capacidades trazem uma vantagem real.

Essa abordagem conecta diretamente a transformação pela IA à excelência operacional. Na Quantum Beyond, trabalhamos com as equipes de direção, os responsáveis operacionais e as equipes tecnológicas a fim de analisar os processos, estruturar os conhecimentos, identificar as possibilidades de melhoria e integrar a inteligência artificial onde ela pode contribuir concretamente para o desempenho. O objetivo continua sendo reforçar as capacidades da organização e de suas equipes, conservando ao mesmo tempo uma governança adaptada aos novos níveis de autonomia tecnológica.

A empresa verdadeiramente inteligente provavelmente não será aquela que tiver implantado o maior número de agentes de IA. Será aquela que tiver compreendido suficientemente bem suas próprias operações para saber o que deve eliminar, o que deve simplificar, o que deve automatizar e o que deve continuar a confiar à inteligência humana.