Gestão antes de tecnologia: 8 problemas que IA, sozinha, não resolve

Provar o retorno sobre investimento (ROI) dos projetos com inteligência artificial (IA) não é, ainda, a realidade de muitas empresas. A Gartner aponta que apenas 28% dos casos de uso de IA cumprem plenamente as expectativas de ROI, enquanto 20% fracassam completamente. 

A maioria dos casos que observamos é a falta de gestão antes da tecnologia. As empresas escolhem as ferramentas e aprovam o orçamento. Na hora de mostrar o resultado, não é o que foi prometido no discurso. 

A mensagem a se passar é simples. IA não é um projeto de tecnologia que a área técnica implementa e a empresa colhe os frutos. É um projeto de gestão, que exige decisões de processo, dados, responsabilidade e cultura. 

Oito problemas nas empresas que exigem gestão antes de tecnologia 

Antes de adotar IA, as empresas precisam resolver desafios de gestão como dados dispersos, processos mal desenhados e falta de clareza quanto aos problemas de negócio. Observo que os entraves mais comuns na geração de valor real são: 

1. Dados espalhados. Muitas organizações com as quais falo reconhecem que seus dados não estão prontos para sustentar IA em produção. São diversos sistemas em uso, que não conversam entre si e não convergem em uma fonte única de verdade. 
2. Processos não redesenhados. Essa situação ocorre quando tecnologia acelera uma tarefa isolada, mas o processo ao redor continua com redundâncias e retrabalho. O ganho de velocidade se perde no fluxo, porque a empresa automatizou apenas uma parte sem pensar no todo. 
3. Responsáveis indefinidos. Quando um agente de IA toma uma decisão equivocada, quem responde por ela? Quem tem autoridade para desligá-lo em produção? Sem essa clareza, a organização hesita, porque ninguém quer assinar embaixo do risco.
4. Problema mal formulado. Muitas iniciativas nascem da tecnologia disponível e não da dor real da empresa. O resultado são soluções sofisticadas que não viram decisões melhores. E os reais problemas do negócio permanecem intocados. 
5. Cultura de experimentação sem critério. Quando o custo de testar cai, o número de experimentos cresce e, junto dele, as iniciativas irrelevantes. Sem critério claro para priorizar e para abandonar o que não funciona, pouco valor adicional será entregue. 
6. Histórico de decisões não documentado. Parte do conhecimento gerado na interação com IA permanece tácito, concentrado em quem conduziu aquela interação. Isso reduz a capacidade de reproduzir o resultado e de escalar a solução para outras áreas.
7. Integração fraca com os fluxos de trabalho. Entre as empresas que efetivamente colocaram IA em produção, um dos fatores decisivos de sucesso foi a integração da tecnologia aos fluxos existentes, segundo a Gartner. 
8. Capacitação do time. Treinamento apenas na ferramenta é insuficiente. Empresas precisam investir na mudança de cultura e na capacitação sobre o processo completo. 

Como implementar IA sem criar um problema de gestão 

Um grande erro é comprar a solução e só depois resolver a gestão. Por exemplo, as organizações que usam múltiplos sistemas e têm silos de informações correm o risco de escalar desordem e não resultados. Por isso, a gestão vem antes da tecnologia. 

Diagnóstico de prontidão é o primeiro passo. Antes de qualquer piloto, é mapear se os dados têm dono definido e se existe uma única versão da verdade para as informações. 

Em seguida, deve-se escolher o problema certo. O ponto de partida é uma dor de negócio mensurável, como redução de ruptura de estoque ou aumento de conversão comercial, não a tecnologia. 

Antes de qualquer linha de código, é preciso estabelecer governança. Significa definir quem aprova, quem responde por decisões automatizadas e qual o critério para encerrar um piloto.  

Com isso, é o momento de redesenhar processos. Revisar o fluxo de trabalho completo ao redor da tarefa que será automatizada, garantindo que o ganho de velocidade se traduza em eficiência de ponta a ponta. Por fim, monitorar a IA. Medir adoção, valor entregue e qualidade das decisões, com revisões periódicas que permitam ajustar ou encerrar iniciativas com agilidade. 

Caso prático de gestão antes do uso de tecnologia 

Em um projeto de Construção Civil, a companhia tinha o grande desafio de capital imobilizado em estoque em volume superior ao necessário. Antes de implementar uma solução, foi preciso definir o ideal a ser armazenada e o nível se serviço desejado para minimizar backorders, quando um pedido é vendido mesmo sem ainda tê-lo no estoque, ao mesmo tempo em que o atendimento aos pedidos era garantido.  

No escopo técnico, preparamos os dados provenientes do SAP e de outros sistemas para, então, desenvolver uma interface e modelo de otimização de inventário. Foi criado um modelo baseado nos inputs de um modelo preditivo de demanda, que também desenvolvemos.  

Esse exemplo ilustra as duas visões: os dados tinham origens diversas e foram unificados. Em seguida, a interface foi criada, o modelo construído, validado e só então implementado.  Para essa companhia, os resultados foram bastante significativos. Houve redução de R$13 milhões de inventário e de 6,10% do backorder. 

O que muda quando a gestão vem antes da tecnologia 

O passo a passo não elimina a complexidade da IA. Por outro lado, a ferramenta se torna uma vantagem competitiva que permite a empresa responder precisamente a perguntas que muitas ainda hesitam em enfrentar, como quem é dono de cada decisão automatizada e qual o teto de custo operacional aceitável. 

A tecnologia continuará evoluindo em ritmo acelerado. Porém, só quando se tornar uma pauta de gestão, com dados, processos e responsáveis claramente definidos, a IA começará a gerar resultado consistente e sustentável. 

*Breno Barros é vice-presidente de Soluções Digitais e CTO da Falconi.