Parem de executar tantos projetos-piloto de IA

As empresas ansiosas para adotar a IA generativa costumam lançar inúmeros projetos-piloto em diferentes departamentos, buscando ganhos rápidos e eficiências marginais. Mas uma abordagem dispersa não gera impacto transformador. A empresa global de bens de consumo Reckitt adotou um caminho diferente. Ela escolheu se aprofundar em um único domínio — marketing — onde a IA generativa poderia ser aplicada em tarefas interconectadas, como geração de insights, criação de conteúdo e desenvolvimento de produtos.

A lição? Para liberar todo o potencial da IA generativa, as organizações devem resistir à tentação de experimentar amplamente e, em vez disso, adotar uma abordagem profunda e focada — concentrando esforços onde a escala e a sinergia podem impulsionar mudanças significativas. Devem começar escolhendo um único domínio estratégico em que a IA generativa possa ser aplicada em tarefas interconectadas. Em seguida, devem aproveitar suas forças existentes — como ativos de dados ou capacidades técnicas — para ampliar a adoção de IA de forma significativa. Ao repensar processos centrais dentro desse domínio e alinhar as equipes em torno da transformação, e não da experimentação, as empresas podem obter insights mais profundos, acelerar a inovação e alcançar impacto mensurável.

Continuar lendo Parem de executar tantos projetos-piloto de IA

Como monetizar seus dados

Muitas organizações possuem dados proprietários valiosos, mas carecem de um plano claro para comercializá-los. À medida que o interesse em vender dados cresce — impulsionado pelos avanços em IA, pela pressão para encontrar novas fontes de receita e pelo sucesso de empresas como Amazon, Mastercard e Instacart — os líderes precisam de uma abordagem estruturada. As estratégias mais eficazes começam próximas de casa: com os negócios principais, parceiros existentes e foco em dados que apoiam a missão principal da empresa. Para ter sucesso, as empresas devem primeiro esclarecer quem são seus clientes de dados e quais problemas os dados vão resolver. Também precisam escolher entre monetização direta, como assinaturas ou licenciamento, e abordagens indiretas que incorporam os dados em ofertas existentes. E, independentemente do método, privacidade de dados, conformidade regulatória e risco reputacional devem ser tratados desde o primeiro dia. Finalmente, a forma como os dados são apresentados importa. As empresas podem vender dados brutos, agrupar insights ou oferecer produtos comercialmente prontos. Quanto mais completa for a oferta, maior o potencial de diferenciação estratégica e retorno sustentável.

Continuar lendo Como monetizar seus dados

Manual da Gen Ai – IA Generativa para organizações

Os líderes não podem se dar ao luxo de adotar uma postura de esperar para ver em relação à adoção da inteligência artificial generativa (IA generativa). Eles precisam de um plano para aplicá-la de forma diferente dos outros participantes da cadeia de valor, dizem os autores. Neste artigo, é apresentado um modelo para pensar estrategicamente sobre a IA generativa e são oferecidas orientações práticas sobre como aplicá-la às tarefas que compõem os cargos dentro de uma organização.

Continuar lendo Manual da Gen Ai – IA Generativa para organizações

Enfrentando o problema de controle de qualidade da IA Generativa

Apesar de todo o entusiasmo em torno da inteligência artificial generativa, há um obstáculo que limita sua adoção: a tendência da tecnologia de inventar informações, omitir dados e criar tantas possibilidades que se torna difícil descobrir quais realmente serão eficazes. Por isso, a grande maioria das empresas utiliza revisões humanas e ferramentas independentes de teste, mas esses métodos de controle de qualidade são caros e conseguem lidar apenas com uma fração da produção total da IA generativa.

A Amazon desenvolveu uma abordagem melhor para sua gigantesca operação de catálogo de produtos: um sistema baseado em IA generativa chamado Catalog AI, capaz de detectar e bloquear automaticamente dados não confiáveis, gerar ideias para novas páginas de produtos e testar sua eficácia, além de se aprimorar continuamente por meio de feedback de verificações de qualidade e experimentos. Neste artigo, Stefan Thomke, da Harvard Business School, e Philipp Eisenhauer e Puneet Sahni, da Amazon, descrevem o sistema criado pela empresa para realizar controle de qualidade em grande escala sobre conteúdo gerado por IA. Embora a Amazon considere o Catalog AI um trabalho em andamento, os autores acreditam que ele já está suficientemente avançado para que gestores de outras organizações possam aprender com sua experiência.

Continuar lendo Enfrentando o problema de controle de qualidade da IA Generativa

Como empresas visionárias estão usando a IA chinesa

Muitas empresas globais estão integrando a IA generativa em seus negócios, e a maioria utiliza ferramentas ocidentais de empresas como OpenAI e Anthropic. Mas agora elas se veem diante de um segundo ecossistema, muito diferente, que cresceu rapidamente, de forma discreta e com uma lógica própria: empresas chinesas desenvolveram uma infraestrutura única e competitiva de IA generativa que difere significativamente dos sistemas ocidentais. Este artigo apresenta uma estrutura para ajudar líderes de empresas globais a entender a arquitetura singular da IA generativa da China. Três pilares — personalização na infraestrutura, liderança em custos no desenvolvimento de modelos e calibração para aplicações práticas — diferenciam a IA generativa chinesa da ocidental. Os autores afirmam que estamos entrando em uma era em que nenhum conjunto de ferramentas ou pilha única de IA dominará. Pelo contrário, as empresas precisarão integrar estrategicamente soluções chinesas e ocidentais de IA. Eles oferecem um roteiro para adotar uma abordagem de via dupla a fim de alcançar melhores resultados estratégicos e maior eficiência operacional. Não se trata de Leste versus Oeste, escrevem os autores. Trata-se de elaborar estratégias que funcionem em um mundo com mais de um futuro para a IA.

Continuar lendo Como empresas visionárias estão usando a IA chinesa

Os motores de busca não mudam suas opiniões – eles as reforçam

Apesar do que alguns possam pensar, procurar informações online dificilmente muda a opinião das pessoas sobre determinado assunto. Isso ocorre porque as crenças pré-existentes influenciam fortemente os resultados obtidos em mecanismos de busca como Google ou Bing.

Continuar lendo Os motores de busca não mudam suas opiniões – eles as reforçam

Como a IA está redefinindo os papéis gerenciais

A Inteligência Artificial libera os gerentes intermediários da constante coordenação de projetos. Faz menos de três anos desde que a OpenAI lançou o ChatGPT, mas a tecnologia já começou a transformar o ambiente de trabalho. Tarefas que antes consumiam grande parte dos dias de muitos funcionários agora podem ser feitas de forma mais rápida — e, em alguns casos, automaticamente, redefinindo os papéis gerenciais.

Continuar lendo Como a IA está redefinindo os papéis gerenciais

Não permita que um erro de I.A. possa afetar negativamente a sua marca

A inteligência artificial está sendo adotada em tudo, desde automóveis até chatbots, mas produtos com IA — como todos os produtos — eventualmente falham. E a forma como uma empresa divulga seus sistemas de IA afeta as repercussões que enfrentará quando ocorrer uma falha. Julian De Freitas, professor assistente da Harvard Business School, realizou diversos estudos sobre os perigos de um erro de I.A. sob a perspectiva do marketing.

Ele afirma que, para promover com sucesso seus produtos de IA, os profissionais de marketing precisam primeiro entender as atitudes únicas dos consumidores em relação à IA. Especificamente, eles devem considerar cinco armadilhas relacionadas às percepções dos consumidores:

  1. As pessoas tendem a culpar a IA em primeiro lugar;
  2. Quando uma IA falha, as pessoas perdem a confiança em outras;
  3. As pessoas culpam mais as empresas que exageram as capacidades da IA;
  4. As pessoas julgam com mais severidade IAs que se comportam como humanos; e
  5. As pessoas ficam indignadas com preferências programadas.

Este artigo analisa como as empresas devem se preparar para falhas — e o que fazer depois que a IA comete um erro. Ele explora as formas como as empresas promovem suas próprias soluções de IA e se suas estratégias representam riscos. E oferece conselhos práticos a gestores que desejam divulgar seus sistemas de IA protegendo suas marcas e fortalecendo a confiança dos consumidores.

Continuar lendo Não permita que um erro de I.A. possa afetar negativamente a sua marca

O CEO da Kaspi.kz escreve sobre o design de um superApp essencial

Em 2007, a Kaspi era um banco sem presença online, lutando para sobreviver em meio à crise financeira global. Hoje é a plataforma mais usada no Cazaquistão para serviços financeiros e governamentais, pagamentos e comércio eletrônico. Como a Kaspi promoveu uma transformação tão drástica? Com foco inabalável em tornar tudo mais barato, rápido e conveniente para os clientes. No centro dessa missão esteve a decisão de criar um superapp, reunindo em um só lugar todos os serviços digitais necessários para gerenciar a vida das pessoas. Qualquer funcionário pode sugerir um novo produto ou recurso para o aplicativo, mas a Kaspi desenvolve apenas as ideias com maior potencial de melhorar a experiência diária do cliente. Além disso, a empresa é rigorosa na coleta de feedback detalhado dos usuários sobre o que gostam ou não, usando essas informações para aprimorar sistematicamente suas ofertas. Esse foco em qualidade e utilidade compensou: a Kaspi é a empresa de tecnologia com maior penetração e maior engajamento em seu mercado doméstico.

Continuar lendo O CEO da Kaspi.kz escreve sobre o design de um superApp essencial

Da previsão à transformação

O problema

As previsões feitas por inteligência artificial frequentemente melhoram a qualidade de decisões específicas, mas podem ter um efeito disruptivo sobre sistemas de tomada de decisão como um todo.

Por que isso acontece

As decisões geralmente combinam previsão com julgamento. Quando as previsões são extremamente precisas, como pode ocorrer com a IA, os direitos de decisão tendem a migrar para onde o julgamento ainda é necessário, o que pode mudar quem toma as decisões e também onde, quando e como elas são tomadas. Além disso, previsões mais precisas em uma parte do sistema têm efeitos em cascata sobre outras partes.

A solução

Na ausência de comunicação perfeita e instantânea, organizações e cadeias de valor inteiras precisam criar sistemas que equilibrem modularidade no design com coordenação. A modularidade permite que muitas decisões sejam tomadas com base em fatores observáveis localmente, enquanto a coordenação permite que as decisões sejam otimizadas em uma rede mais ampla.

Continuar lendo Da previsão à transformação