After the hype, integral design before the pilot

O mercado finalmente chegou a um consenso: a IA saiu da fase do encantamento e entrou na fase da cobrança.

Pilotos que impressionam na demonstração e não chegam à operação viraram regra, e todo mundo passou a dizer que é preciso olhar para o resultado do negócio. É um bom sinal, mas há uma diferença grande entre reconhecer o problema e ter um método para resolvê-lo.

As perguntas que hoje circulam como check list são:

Que resultado a iniciativa deve mudar?
Quem responde pelo resultado?
Como a solução entra na rotina de quem opera?

Essas são as perguntas certas. O erro é tratá-las como uma conferência antes de começar. Elas não se respondem numa reunião. Elas se respondem no design.

O que as grandes consultorias estão dizendo?

Os números contam a mesma história.

Segundo a McKinsey, apenas 39% das empresas veem algum efeito da IA nos seus resultados, e a própria consultoria diz que é preciso redesenhar não só os processos, mas a organização com um todo. A BCG mostra que, em um ano, os gastos com IA dobraram para 3,3% da receita. A Deloitte aponta que só um quinto das empresas obteve valor tangível com IA.

A conta subiu, o CFO entrou na sala, e o problema já não é a ferramenta, é o design da organização.

Três perguntas, três decisões de design

Que resultado a iniciativa deve mudar?

Não é uma meta escrita num slide.

É a moeda de valor de uma capacidade do negócio medida contra uma linha de base antes de qualquer tecnologia ser escolhida. Sem linha de base, nenhum ganho pode ser demonstrado depois.

Quem responde pelo resultado?

Não é o patrocinador do piloto.

É o dono de uma capacidade com identidade própria que responde pelo valor dela, qualquer que seja a combinação de pessoas e IA que realiza essa capacidade. E esse dono tem o direito de parar o que não funciona.

Como a solução entra na rotina de quem opera?

Não é um plano de treinamento ao fim do projeto.

É a especificação dos papéis, das interfaces e dos contratos de cooperação entre pessoas, sistemas e IA, que deve ser decidida ainda no design. Quando isso está desenhado, a solução não precisa entrar na rotina, ela já nasce sendo a rotina.

Não é processo. É capacidade.

Ouve-se que redesenhar processos gera mais valor do que automatizar aquilo que já existe. É verdade, mas é uma verdade da era digital, e muitas consultorias já estão indo além dessa afirmação.

Na era agêntica, o processo é pequeno demais como unidade de transformação.

O que gera valor real é a capacidade: a aptidão da organização em realizar, de ponta a ponta, uma função de negócio, onde se encontram, ao mesmo tempo, o resultado, o custo e o risco.

Desenhar uma capacidade é diferente de redesenhar um fluxo. Começa-se pelo propósito, pelos serviços que essa capacidade precisa prestar para atingi-lo e pelos papéis que cooperam para prestar esses serviços.

Só depois se decide, para cada papel, se ele será cumprido por uma pessoa, por um sistema, por um modelo ou por um agente.

O processo deixa de ser o ponto de partida e passa a ser consequência do design.

Agente não é solução. É componente.

O mercado ainda pensa em agentes: quantos construir, onde aplicar, como escalar.

Porém, quem transforma capacidades trabalha com todo tipo de organização (hospitais, bancos, seguradoras, indústria, logística, educação, varejo, telecomunicações, utilities) com centenas de capacidades diferentes.

Cada capacidade pede a sua combinação de ferramentas. A análise de crédito, por exemplo, precisa de um modelo de machine learning para calcular o risco, de regras determinísticas para as políticas de crédito, de um agente de IA generativa para ler documentos e de uma pessoa para aprovar as exceções.

Usar só agentes de IA generativa é como o martelo de Maslow, é tratar todo problema como um prego: resolver qualquer situação usando apenas a ferramenta ou a habilidade que já domina em vez de analisar o que o problema realmente exige.

Por isso, na Squadra, criamos turing bots.

Os turing bots são caixas de ferramentas organizadas em torno de um papel e de um propósito de negócio. Eles têm LLMs e agentes de IA generativa, mas também têm machine learning, deep learning, regras, sistemas e pessoas, cada um no papel em que funciona melhor.

Os componentes podem ser trocados quando a tecnologia evolui, sem que o propósito se perca. E a inteligência se distribui pela rede, nos papéis e nas relações entre eles, em vez de se concentrar em agentes complexos que viram gargalos.

O turing bot não é só um conceito.

Na própria Squadra, aplicamos dezenas de turing bots em todo o ciclo de transformação digital, transformando as nossas capacidades e fazendo da Squadra uma empresa agêntica, o que gera um retorno expressivo para o nosso negócio e para os nossos clientes.

Medir capacidades, e não iniciativas

Contar quantas iniciativas mudaram um resultado é melhor do que contar pilotos. Mas ainda assim é medir projetos.

O que a diretoria precisa acompanhar é cada capacidade: o seu custo e o seu resultado contra a linha de base da meta, iteração a iteração, até que o ganho se componha. Uma capacidade bem projetada não entrega um resultado e acaba, ela melhora a cada ciclo e serve como base para a próxima.

De onde vem a diferença?

Nada disso nasceu com a IA generativa.

A inteligência artificial dos anos 1980 era feita de regras do tipo “se, então, senão” de sistemas especialistas e de linguagens como o Prolog.

Nessa mesma época, no CPqD (Centro de Pesquisa e Desenvolvimento em Telecomunicações), em Campinas, mal sabíamos que enfrentávamos um enorme desafio, mesmo que por outro caminho: projetar uma central telefônica digital como uma rede de agentes que cooperam.

Foi para isso que nasceu a Teoria Sysware, apresentada por Per-Arne Mannby em 1988, um método que permitiu a centenas de engenheiros, juntos, conceber um sistema enorme, com cada parte especificando o que deveria fazer e como cooperar com as outras antes de se decidir como seria construída.

Era o design de redes de agentes, quarenta anos antes dos agentes virarem moda.

O design integral nasceu dessa raiz e foi aplicado durante mais de vinte anos na Squadra, na transformação digital de grandes organizações. Quando a IA chegou, colocamos esse método inteiro, e a nossa própria empresa, em operação agêntica, antes de levá-lo ao mercado.

É dessa prática que vêm casos de sistemas de missão crítica entregues em prazo recorde, com altíssima qualidade e nos mais diversos setores, como seguros, logística e serviços financeiros.

A pergunta para o próximo piloto

Antes de aprovar o próximo piloto de IA, peça ao seu fornecedor três coisas, por escrito:

a capacidade de negócio que será transformada;
a sua linha de base;
o design dos serviços e dos papéis que realizarão a capacidade.

Se houver design, há método.

É assim que propomos começar: design integral antes da prova de conceito.

Com a primeira capacidade em operação, o retorno é validado de acordo com a linha de base e o ganho é medido. A partir daí, no ritmo de cada negócio, avança-se para as próximas capacidades, em um modelo aberto à evolução, em que cada capacidade aproveita o que a anterior construiu.

É nesse momento que a transformação agêntica da empresa, de fato, começa.

Se você quiser conversar sobre o nosso método de inovação, o DESIGN INTEGRAL de capacidades, e sobre o TURING BOT, o nosso bloco de implementação agêntico, estamos à disposição. Converse com nossos especialistas.

Confira o resumo conceitual do artigo no infográfico abaixo: