*Por Renan Vellone
Após passar pela curva de adoção, empresas se deparam com uma nova realidade no uso de Inteligência Artificial no âmbito corporativo: como transformá-la em força efetiva de trabalho. Segundo dados da McKinsey, embora 88% das empresas implantem ou experimentem IA, 81% relatam não observar ganhos significativos no resultado.
Há, portanto, uma pergunta que o mercado ainda não parece fazer com a mesma urgência com que discute ferramentas, modelos e produtividade: o que de fato precisa ser transformado antes de instalar IA para funcionar? Antes de escolher a tecnologia, é preciso entender o problema, onde ele acontece, quem está envolvido, quais informações são usadas e quais decisões precisam ser tomadas. Afinal, a IA aplicada a um processo mal estruturado acelera a complexidade. Processos bem desenhados podem valer mais que a própria tecnologia.
Processos com etapas desnecessárias, informações espalhadas, regras pouco claras, sistemas que não conversam entre si e decisões que dependem de muito trabalho manual devem ser o foco da automatização – aqui, trata-se de ganhar agilidade e escala.
E este é o ponto crítico de atuação da consultoria. A distância entre o desenho do processo para a rotina diária pode ser quilométrica. Daí, é quando aparecem os atalhos, os retrabalhos, as exceções e atividades que foram incorporadas à rotina ao longo dos anos. A empresa não precisa ter uma operação perfeita para começar a usar IA. Mas, precisa saber o que pretende melhorar e onde a tecnologia pode contribuir.
Essa é uma visão amplamente vivenciada pela Kumulus em um projeto recente, em parceria com a Microsoft, para a Porsche Cup Brasil, onde os processos de avaliação de danos no veículo que ocorre após um acidente precisaram ser revisados, bem como integrações sistêmicas precisaram ser realizadas para que de fato o uso de inteligência artificial de das automações pudesse trazer ganhos efetivos, e assim otimizar em 40% o processo.
A jornada exigiu entender como essas informações eram utilizadas e quais decisões precisavam ser tomadas antes de definir como a tecnologia seria incorporada ao fluxo.
Governança vem na frente da construção do projeto
Quanto maior a autonomia de uma solução de IA, maior o cuidado com o que ela pode acessar, fazer e recomendar. Agentes de IA podem consultar fontes, interpretar informações, executar tarefas e interagir com sistemas, exigindo limites e controle de acessos. No Brasil, a governança ganha relevância pelos riscos éticos, financeiros e reputacionais. O PL 2.338/2023 prevê multas de até 2% do faturamento bruto, limitadas a R$ 50 milhões por infração. Investidores, grandes empresas e mercados internacionais também pressionam por maior maturidade, enquanto normas como o EU AI Act e a ISO 42001 reforçam a importância da governança para empresas que buscam atuar globalmente.
A tecnologia não isenta o risco – ainda que seja mínimo. O papel de uma boa arquitetura e de uma boa governança é reduzir riscos, criar controles e estabelecer mecanismos para que a solução funcione dentro dos limites definidos pela empresa. Mais do que escolher ferramentas, empresas precisam entender sua operação e onde a tecnologia pode gerar resultados. Caso contrário, correm o risco de apenas automatizar processos que deveriam ser, à priori, repensados.