Das licenças de IA aos resultados: porque é que o processo vem primeiro

“Experimentámos a IA, mas não produziu os resultados esperados.”

Ouço isto em muitas organizações. Foram adquiridas licenças e as equipas têm acesso a grandes modelos de linguagem (LLM), como o Claude, o ChatGPT ou o Copilot, mas os resultados não aparecem.

O retorno destes investimentos é uma questão legítima e, em muitos casos, continua a ser difícil de responder. Muitas vezes, as empresas limitam-se a disponibilizar as ferramentas e a dizer às pessoas que as utilizem. É como comprar um carro, encher o depósito e pedir às pessoas que conduzam, para mais tarde lhes perguntar onde estão os ganhos de produtividade.

A inteligência artificial (IA) vai mudar a forma como fazemos negócio e como trabalhamos. No entanto, o seu valor depende de a mesma ser utilizada de forma estruturada para resolver problemas reais. Utilizada sem orientação, raramente traz resultados mensuráveis.

Mais ferramentas não garantem mais resultados

Quando a IA não está ligada a um problema empresarial específico, as pessoas limitam-se, sobretudo, a explorá-la. Os colaboradores testam as ferramentas, percebem o seu potencial e utilizam-nas para facilitar as suas tarefas diárias. Isto tem algum valor, mas não significa necessariamente maior produtividade nem a resolução de um problema organizacional real.

O erro mais comum que vejo é introduzir a IA sem antes melhorar o processo. A nossa abordagem é clara: as organizações devem melhorar os seus processos e utilizar a IA para apoiar essa melhoria. Aplicar a IA a um processo que não foi repensado apenas automatiza o desperdício. Torna mais rápidas atividades que são ineficientes ou mal concebidas desde o início.

Assim, o ponto de partida deve ser o próprio processo. Como deve ser realizado o trabalho? Que etapas podem ser eliminadas? O que deve ser feito de forma diferente? Só então se deve aplicar a IA, onde acrescenta valor.

Para onde vai, de facto, o tempo poupado

A resposta depende da forma como a organização utiliza a IA.

Quando as empresas disponibilizam a tecnologia sem qualquer orientação adicional, o tempo poupado fica com cada colaborador. O seu trabalho torna-se mais fácil e algumas tarefas demoram menos tempo, mas o impacto no negócio é limitado.

Quando as empresas seguem uma abordagem estruturada e repensam os seus processos e formas de trabalhar, o tempo poupado chega ao cliente. Os processos tornam-se mais rápidos e os clientes obtêm melhores resultados.

Trata-se, portanto, de uma decisão estratégica. As organizações podem usar a IA de forma orientada, para melhorar processos e servir melhor os clientes, ou usá-la sem orientação e ver os benefícios dispersarem-se pela empresa sem impacto visível.

Por onde começar: a promessa ao cliente

Se o problema está no processo, o primeiro passo é analisar a organização e as suas equipas e colocar algumas questões básicas. O que estamos a entregar aos nossos clientes? Qual é a nossa missão? Que promessa lhes fizemos?

Com essas respostas, cada processo atual deve ser analisado à luz dessa promessa. Cada etapa contribui para a mesma? Acrescenta valor para o cliente? As etapas que não o fazem devem ser eliminadas e o processo redesenhado.

Na prática, isto significa:

• Analisar e mapear as atividades atuais;
• Questionar se cada uma delas faz sentido;
• Redesenhar o processo;
• Utilizar ferramentas de IA para apoiar o novo processo e melhorar o que é entregue aos clientes.

O objetivo final é melhorar o valor entregue aos clientes e, consequentemente, obter bons resultados para a empresa.

Do redesenho de processos a um roadmap de IA

Depois de repensado o processo, o passo seguinte é definir um roadmap de implementação. Este roadmap combina várias iniciativas: algumas centram-se no redesenho do próprio processo e outras estão relacionadas com a IA.

As iniciativas de IA enquadram-se, geralmente, em duas categorias:

Tabela 1 – Iniciativas de IA: IA empresarial e transformação

A IA empresarial é uma forma rápida de dar os primeiros passos. Ao formar as pessoas para utilizarem grandes modelos de linguagem, como o Claude, as organizações podem acelerar partes dos seus processos sem iniciarem um projeto de grande escala. O que importa é que estas melhorias se mantenham ligadas à transformação mais ampla. Cada alteração a uma tarefa deve fazer parte de um redesenho do processo com um objetivo claro.

Resultados na prática

Estamos atualmente a aplicar esta abordagem em várias organizações. Dois casos ilustram diferentes níveis de complexidade.

Hotelaria

Num grupo hoteleiro, algumas reservas de clientes eram introduzidas automaticamente no sistema de gestão hoteleira, o Opera. Outras chegavam por e-mail e tinham de ser tratadas manualmente. Implementámos um agente baseado num LLM que lê estes e-mails, extrai a informação relevante e envia-a para o sistema através de integrações automáticas. Este foi o mais estruturado dos dois projetos. Exigiu mais especialização e combinou a IA com programação e integração de sistemas.

Seguros

Numa seguradora, um líder de equipa tinha de sequenciar manualmente as tarefas da equipa. Com o Claude, criámos uma ferramenta simples, baseada em HTML, que faz esta sequenciação automaticamente. O líder de equipa poupa agora três horas por dia e utiliza esse tempo para planear e melhorar o trabalho com a equipa. Neste caso, um modelo de linguagem foi suficiente para criar uma solução prática com muito pouco trabalho de TI.

Estes casos possuem dois pontos em comum:

• Partiram de uma necessidade empresarial: cada projeto foi concebido para resolver um problema real, melhorar um processo e entregar mais valor ao cliente;
• Foram construídos em conjunto com as pessoas que os utilizam: cada solução foi desenvolvida em conjunto com as equipas, o que ajuda as pessoas a utilizá-la efetivamente e proporciona uma base sólida para o futuro.

Decidir quais os processos a automatizar

A primeira pergunta é se o processo é realmente necessário e se ainda faz sentido continuar a realizá-lo.

A segunda é quanto tempo consome. Uma tarefa que demora uma hora por ano provavelmente não é o ponto de partida certo.

Em suma, há dois critérios que são importantes: relevância e impacto. Cada iniciativa deve resolver um problema real e gerar um resultado quantificável, em vez de seguir uma tendência.

Os primeiros passos para empresas que já possuem licenças

As organizações que já investiram em licenças devem concentrar-se em duas coisas. A primeira é a formação prática e hands-on, para que as pessoas consigam utilizar as ferramentas e compreender o seu potencial. A segunda é a elaboração de casos de uso detalhados que mostrem o que é possível fazer.

As reuniões diárias são um bom exemplo. Muitas equipas já acompanham os seus KPIs em dashboards de Power BI. Utilizar a IA para analisar esses KPIs, extrair insights e preparar a reunião diária é um primeiro caso de uso simples que torna estas reuniões mais eficazes e eficientes.

Reflexão final

Se há uma ideia que gostaria de deixar aos líderes, é esta: a IA deve ser orientada por um propósito, nunca por tendências ou impulso. A verdadeira oportunidade está em repensar a forma como trabalhamos.

Acrescentar estas ferramentas aos mesmos processos e às mesmas formas de trabalhar não fará com que obtenha resultados diferentes. Um exercício útil é imaginar que se constrói a empresa do zero e perguntar como seriam desenhados os seus processos.

Com essa clareza, a IA pode apoiar uma nova forma de entregar valor: uma melhor experiência de cliente, clientes mais satisfeitos, lead times mais curtos e melhores resultados. É aí que está o seu verdadeiro impacto.

No Kaizen Institute, ajudamos as organizações a transformar os investimentos em IA em resultados mensuráveis. Combinamos a nossa experiência em melhoria de processos com formação em IA empresarial e projetos de transformação, partindo sempre da promessa ao cliente e do problema real a resolver. Se a sua organização já tem as ferramentas, mas ainda não vê o retorno, este é o momento certo para analisarmos, em conjunto, como transformar esse investimento em resultados.