O erro que impede empresas de extrair valor real da inteligência artificial

Passados quase quatro anos desde a disseminação dos grandes modelos de linguagem, a maioria das empresas avançou na adoção da inteligência artificial, mas muitas ainda não conseguiram transformar esse investimento em ganhos reais de produtividade ou desempenho. O descompasso se tornou um desafio central para as organizações, mobiliza departamentos de tecnologia, influencia o valor de mercado de empresas do setor e eleva a ansiedade de executivos.

Uma pesquisa de Hyunjin Kim e Dahyeon Kim, do INSEAD, e Rembrand Koning, da Harvard Business School, ajuda a explicar o problema. Os gestores sabem que a IA executa tarefas úteis, mas têm dificuldade para identificar onde e como ela pode transformar seus negócios. Os pesquisadores chamam isso de “problema de mapeamento”: o desafio de descobrir onde a IA pode impactar o processo produtivo e quais atividades precisam ser adaptadas para liberar seu potencial.

Para investigar a questão, os pesquisadores realizaram um experimento de campo com 515 empresas em estágio inicial de diversos países. Todas receberam acesso a ferramentas avançadas de IA, treinamento técnico, mentoria e créditos para uso de APIs. Apenas metade, porém, teve contato com exemplos de como outras organizações haviam redesenhado seus fluxos de trabalho e modelos de negócios com a tecnologia. As empresas expostas a esses exemplos identificaram 44% mais casos de uso, concluíram 12% mais tarefas, tiveram 18% mais chances de conquistar clientes pagantes, geraram quase o dobro de receita e precisaram de menos capital externo para crescer.

Os pesquisadores sugerem práticas para extrair mais valor da tecnologia. A primeira é mapear o fluxo de trabalho do início ao fim, observando onde o trabalho muda de mãos, onde aprovações se acumulam, onde funcionários transferem informações entre sistemas e onde decisões ficam paradas. Esses pontos de transição costumam oferecer oportunidades maiores do que as próprias tarefas. A segunda é esperar que novos gargalos apareçam: quando uma atividade se acelera, outra pode se tornar o novo bloqueio, o que explica por que muitos projetos de IA parecem bem-sucedidos no início, mas estagnam. A implementação deve ser tratada como processo contínuo, e não como iniciativa isolada.

As empresas de melhor desempenho no estudo foram além de identificar gargalos e reformularam todo o trabalho ao redor deles. Ganhos em velocidade ou volume de tarefas têm pouco valor se as etapas seguintes continuam no mesmo ritmo. “Caso contrário, você está medindo atividade, não impacto”, afirma Hyunjin Kim. Segundo ele, as maiores oportunidades da IA podem não ser óbvias e nem sempre dependem da tecnologia mais avançada. “É preciso colocar as pessoas em uma posição que lhes permita enxergar possibilidades que jamais imaginariam sem a IA.”

Esta matéria foi publicada primeiro em Economia · InfoMoney e republicada aqui com tratamento editorial (síntese dos pontos mais relevantes), a partir de feed RSS. Ver publicação original.