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.
No final de 2023, quando a equipe de gestão da empresa de bens de consumo Reckitt considerou adotar IA generativa, os possíveis casos de uso se estendiam por toda a empresa — desde a elaboração de apresentações até o atendimento ao cliente e a otimização de contratos de compras. Muitos desses casos de uso garantiam economia de tempo e um retorno imediato sobre o investimento, mas se aplicavam a tarefas desconectadas entre si.
Os executivos da Reckitt ficaram satisfeitos com o tempo que a IA generativa poderia economizar, mas sabiam que esse esforço não transformaria a estratégia da empresa nem criaria uma vantagem significativa. Eles esperavam algo mais dramático, não apenas melhorias marginais de eficiência.
Portanto, em vez de aprovar todos os projetos de IA que apresentassem ROI positivo, decidiram concentrar-se em um único domínio: o marketing. Nesse campo, a IA generativa poderia ser usada em muitas tarefas interligadas, incluindo geração de insights, criação de conteúdo e desenvolvimento de novos produtos. As tarefas estavam relacionadas entre si, utilizando informações provenientes dos mesmos dados, clientes e pesquisas de mercado. Os resultados de uma tarefa se conectavam a outras. Por exemplo, insights de consumidores em tempo real levam a uma inovação de produto superior e a uma melhor segmentação. Uma inovação de produto melhor e mais rápida ajuda as empresas a lançar produtos relevantes no mercado, fortalecendo assim a lealdade, a retenção e a defesa da marca. Os executivos acreditavam que concentrar seus esforços apenas em marketing ajudaria a empresa a melhorar em larga escala.
A Reckitt já possuía pontos fortes em marketing, como dados ricos de clientes e uma equipe experiente em tecnologias avançadas, incluindo IA preditiva. A adoção da IA generativa com foco na melhoria das operações de marketing ajudou a Reckitt a descobrir novas maneiras de o departamento operar. Isso obrigou a equipe de marketing a repensar radicalmente toda a sua abordagem, reformulando muitos processos à medida que aprendia como a IA generativa poderia melhorar toda a operação de marketing, e não apenas uma ou duas tarefas isoladas.
Menos de dois anos depois, a Reckitt credita à adoção deliberada da IA generativa a ajuda para gerar conceitos de produtos até 60% mais rápido do que antes. Também atribui à IA generativa a melhora da eficiência dos processos de comunicação de marca e marketing em 30% ou mais (dependendo do processo). Esses ganhos não teriam sido possíveis se a Reckitt não tivesse concentrado seus esforços de experimentação e investimento em IA em um conjunto de funções ou tarefas interconectadas dentro de um único domínio.
A experiência da Reckitt ilustra uma lição vital: para obter uma vantagem competitiva duradoura, as empresas devem evitar dois erros comuns e relacionados na implementação da IA generativa. O primeiro é dispersar esforços e recursos em casos de uso pontuais por toda a empresa. O segundo é focar exclusivamente no retorno imediato sobre o investimento. Essa abordagem — com muitos casos de uso não relacionados, cada um justificado pela forte promessa de ROI imediato — é frequentemente descrita como uma implantação “superficial e ampla”. Muitos executivos com quem conversamos acreditam que devem implantar a IA generativa o mais amplamente possível para ver o que funciona. Embora essa técnica gere algumas eficiências imediatas de custo, é improvável que produza uma vantagem competitiva, e as empresas que a adotam não são tão bem-sucedidas quanto poderiam ser.
Eis o porquê. Suponha que uma empresa automatize alguns processos dispersos na contabilidade, alguns na cadeia de suprimentos, alguns no marketing, alguns nas finanças e alguns em recursos humanos. Duas coisas acontecem: primeiro, os executivos têm pouca motivação para reformular completamente as funções quando apenas 5% a 10% das tarefas utilizam IA generativa. Segundo, executar casos de uso sem foco em um objetivo maior frequentemente leva à fadiga de iniciativas. E quando os casos de uso proporcionam pouca vantagem competitiva ou são facilmente copiados por concorrentes, os funcionários podem se tornar céticos ou desiludidos. (Na Reckitt, em contraste, o objetivo maior era impulsionar o crescimento da receita ao lançar novos produtos no mercado mais rapidamente.)
Quando se trata de implantação de IA, as empresas devem seguir o exemplo da Reckitt — o que chamamos de abordagem “profunda e focada”. É uma estratégia incomum: apenas 4% das empresas adotam uma abordagem concentrada em poucas prioridades onde transformam profundamente, segundo uma pesquisa da BCG de 2024 com 1.000 CXOs e executivos seniores. Mas as que o fazem obtêm o dobro do ROI ao longo do tempo.
Temos décadas de experiência como profissionais, educadores e consultores de marcas globais nas áreas de marketing, estratégia e tecnologia. E, desde a introdução da IA generativa no mercado em 2022, observamos que a abordagem profunda e focada oferece muitas vantagens. Ela exige que você repense fundamentalmente como o trabalho é realizado dentro de uma parte específica do seu negócio. Leva a uma melhor produtividade ao aproveitar suas vantagens competitivas. E incentiva a descoberta de novas formas de trabalhar que são exclusivas da cultura de sua empresa, tornando-as difíceis de serem copiadas por concorrentes. Uma vez que você domine a IA generativa em uma área de negócios, poderá aplicar o que aprendeu em outras.
Quando propusemos pela primeira vez a ideia de implantações profundas e focadas, muitos executivos se preocuparam por parecer algo contraintuitivo — e mais arriscado do que a abordagem superficial e ampla. Afinal, as implantações superficiais e amplas não estão erradas: elas realmente economizam tempo e dinheiro. E os executivos devem se sentir à vontade para conduzir alguns experimentos superficiais e amplos, especialmente no início, quando estão testando a disposição e a prontidão da organização para adotar a IA. Mas é importante entender que casos de uso pontuais e desconectados não são implantações transformadoras. Os executivos também demonstraram desconforto com o investimento significativo necessário para reconstruir processos e temiam se desviar da sabedoria convencional, que afirma que é preciso executar centenas de projetos de IA para ter sucesso. Além disso, muitos não haviam feito uma avaliação honesta e intensa das principais competências e da maturidade dos dados de suas empresas — uma etapa essencial para decidir onde se aprofundar — porque consideravam esse processo difícil e demorado. Com o tempo, no entanto, muitos dos céticos passaram a compreender por que a abordagem profunda e focada faz sentido.
Neste artigo, exploraremos por que tantas empresas administram mal a adoção da IA generativa. Em seguida, apresentaremos um guia para aplicar com sucesso a abordagem profunda e focada em suas próprias implantações de IA, usando exemplos da IKEA, da L’Oréal e de outras empresas.
Por que adotar uma abordagem profunda e focada?
Os líderes tendem a exigir projeções concretas de ROI para cada caso de uso. Somente depois que o retorno imediato é demonstrado, segundo eles, é que acreditam ser hora de implantar a IA generativa em outras áreas. Mas essa abordagem ignora a realidade de como a adoção de IA realmente funciona: o ROI se acumula em velocidades e magnitudes diferentes para cada caso de uso. Nas empresas que acreditamos ter implantado a IA generativa de forma eficaz, o impacto pode levar algum tempo para se materializar, e o progresso não deve ser medido apenas pelo ROI de curto prazo.
Comparada à abordagem superficial e ampla, uma implementação profunda e focada exige muito tempo e esforço. É extremamente difícil realizá-la simultaneamente em vários domínios porque requer uma ampla gestão de mudanças. Você estará introduzindo tecnologias novas para seus funcionários. Estará mudando processos de trabalho. As estruturas das equipes e as formas de trabalhar também precisarão mudar. Claro, introduzir qualquer nova tecnologia exige aprendizado e alguma adaptação dos processos de trabalho, mas a abordagem profunda exige mudanças estruturais e uma reimaginação completa de como o trabalho é realizado.
As implementações profundas e focadas podem se concentrar em uma única função ou em processos de ponta a ponta. A L’Oréal, a maior empresa de cosméticos do mundo, implantou a IA extensivamente dentro de sua função de marketing, assim como fez a Reckitt. O Acme Bank (nome fictício), por outro lado, concentrou-se em transformar seu processo de hipotecas de ponta a ponta. Seu processo original era notavelmente trabalhoso: primeiro, um consultor hipotecário coletava os documentos do mutuário e inseria manualmente os dados no sistema de originação de empréstimos. Em seguida, um agente de crédito verificava os documentos e usava documentos adicionais (como buscas de título e certificações de enchentes) para auxiliar na avaliação. Por fim, um analista de crédito avaliava a solvência do mutuário e definia os termos do empréstimo.
Hoje, o Acme utiliza IA generativa para automatizar o processamento de toda a papelada hipotecária. O banco também desenvolveu uma interface conversacional de IA generativa para os analistas. Eles podem conversar com o sistema e pedir que ele execute tarefas, como rodar modelos de IA preditiva e redigir uma explicação para a aprovação ou rejeição de um solicitante. Essa interface simples permitiu que os agentes de crédito analisassem as decisões do modelo, e eles descobriram que fornecer melhores informações sobre o contexto do cliente melhorava os resultados tanto para os clientes quanto para o banco. Como resultado, o Acme Bank aprimorou a qualidade de suas decisões, sua velocidade e sua capacidade de responder às preocupações dos clientes.
Como começar
Antes de implementar a IA generativa, é preciso identificar onde ela seria mais estratégica, pois, em última análise, o objetivo é fazer com que a IA generativa fortaleça suas vantagens competitivas existentes. Para isso, recomendamos um processo em quatro etapas.
Etapa 1: Identificar a oportunidade mais promissora.
A IA generativa é uma tecnologia de uso geral, com um amplo espectro de aplicações. As tarefas de produtividade de escritório, como resumir reuniões e criar apresentações, estão no extremo rotineiro do espectro. No outro extremo estão as atividades de geração de valor, como usar a IA generativa para possibilitar novos modelos de negócios ou, quando incorporada a produtos e serviços, reformular as experiências dos clientes. No meio do espectro está a reinvenção de domínios — a reimaginação completa de processos ou funções de trabalho de ponta a ponta.
A produtividade no escritório diz respeito a melhorar a eficiência no tratamento de tarefas rotineiras. É improvável que isso gere uma vantagem competitiva. Permitir novos modelos de negócios usando IA é uma oportunidade empolgante, mas pode ser difícil para empresas que vendem produtos nos quais a IA não pode ser facilmente incorporada (por exemplo, pasta de dente). A reinvenção de domínios — que abrange funções e processos — é uma área de oportunidade para praticamente qualquer empresa.
Vamos voltar ao exemplo do Acme Bank. É um dos maiores credores da região, e os empréstimos hipotecários são uma grande parte de seu portfólio. O financiamento imobiliário tem grandes margens mesmo em ambientes de baixa taxa de juros, o que torna as hipotecas um produto estrategicamente importante para o banco. O Acme usou empréstimos hipotecários para melhorar o relacionamento com os clientes e vender outros produtos de forma cruzada. A equipe mapeou as etapas essenciais do processo, avaliou onde fazia sentido agir de maneira diferente e eliminou redundâncias. A equipe desenvolveu um processo mais eficaz, e a IA generativa o tornou ainda mais rápido e fácil.
Etapa 2: Identificar áreas de vantagem duradoura.
Sempre que você implantar IA de forma profunda, seu objetivo deve ser proteger ou aprimorar uma força competitiva existente ou criar uma nova vantagem difícil de copiar.
A L’Oréal usou IA generativa para criar uma nova vantagem competitiva. A varejista francesa de cosméticos, com faturamento de 43 bilhões de euros, combinou recentemente sua expertise em cosméticos com poderosas ferramentas de IA generativa para reinventar as interações com os clientes. Nicolas Hieronimus, CEO da empresa, disse que a L’Oréal mudou sua visão de beleza para todos para beleza para cada um, colocando a personalização no centro de sua missão. Como? Ela concentrou seus esforços de IA generativa na jornada do consumidor — de forma profunda e específica. Seu chatbot Beauty Genius realiza um diagnóstico detalhado da pele de cada usuário e, em seguida, fornece uma análise especializada, recomendações de produtos e rotinas personalizadas. Isso é possível porque a L’Oréal vem desenvolvendo suas capacidades de realidade aumentada (AR) de forma constante desde 2015 e porque tem acesso a pesquisas avançadas da empresa sobre biologia da pele. A L’Oréal concentrou seu programa de IA generativa em sua expertise de domínio e em seu vasto acervo de dados de clientes. Ela reinventou a jornada do consumidor ao introduzir o Beauty Genius, que facilita para os consumidores entenderem sua pele (diagnóstico), obterem conselhos, escolherem os produtos certos e compartilharem com amigos. Além disso, cada vez que um cliente interage com o chatbot, a L’Oréal obtém dados mais valiosos.
O projeto tem sido um sucesso. O Beauty Genius realizou mais de 400.000 conversas nos Estados Unidos em seus primeiros seis meses. A L’Oréal está integrando o Beauty Genius ao WhatsApp, o que deve levar a um aumento expressivo no uso. A estratégia da L’Oréal é oferecer uma série de serviços de Beauty Tech, dos quais o Beauty Genius é um componente-chave. Esses serviços — como testes virtuais e o Hapta, um aplicador de maquiagem computadorizado — utilizam IA de forma extensiva e já foram usados mais de 110 milhões de vezes. No Sudeste Asiático, Oriente Médio e Norte da África, o Beauty Tech dobrou a taxa de conversão de seus 50 milhões de usuários. Com um sucesso desses, é natural que surjam muitos imitadores, mas eles não podem oferecer o vasto conhecimento em pesquisa cosmética que a L’Oréal possui.
A IKEA está adotando uma abordagem um pouco diferente: está usando IA generativa para amplificar seus pontos fortes. A empresa, conhecida por seus móveis acessíveis, também oferece serviços de design de interiores. Mas, para os clientes, o preço costuma ser uma barreira, pois é necessário contratar designers altamente pagos para prestar o serviço. Agora, a IKEA busca usar IA generativa para tornar os serviços de design mais acessíveis. Com base em resultados iniciais, Francesco Marzoni, diretor de dados e análise da IKEA, projeta que os designers profissionais da empresa poderão usar IA generativa para concluir projetos de design em 10 minutos e, em seguida, aplicar sua expertise para aprimorá-los. Isso representa uma grande mudança em relação ao uso de consultores, cujas taxas geralmente são de 99 dólares por cômodo e que levam alguns dias para entregar os projetos.
Essa nova forma de projetar aprimora a força competitiva existente da IKEA no design. A empresa já possui a maior comunidade de designers de interiores do mundo e realiza muito mais projetos de design do que seus concorrentes. Agora, pode alimentar seus modelos de IA generativa em tempo real com dados de alta qualidade de milhares de projetos. Esses dois elementos — expertise e escala — permitirão que seu sistema de IA generativa aprenda mais rápido e melhor do que os de outras empresas. Será difícil para outros varejistas de móveis oferecer um serviço comparável com a mesma qualidade e preço.
Etapa 3: Escolher a sequência certa.
A IA generativa pode aumentar os lucros ao permitir ganhos de eficiência e crescimento. Você deve priorizar eficiência, crescimento ou uma combinação dos dois? Quando se adota uma abordagem profunda e específica, começar com ganhos de eficiência de custos dentro de um único domínio costuma ser a opção mais inteligente, porque normalmente é possível reduzir custos mais rapidamente do que aumentar a receita.
Foi isso que a Reckitt fez. A empresa identificou cinco projetos-piloto de IA generativa para demonstrar ganhos imediatos de eficiência em marketing. Um experimento, por exemplo, mostrou que a IA generativa poderia desenvolver análises de campanhas de mídia em horas, em vez de dias. Vitórias iniciais como essa ajudaram a conquistar o apoio dos executivos. Uma vez convencida a liderança, a Reckitt avançou profundamente no marketing para impulsionar tanto a eficiência quanto o crescimento.
Em seguida, a Reckitt adotou uma abordagem sistemática para a implementação. Ela categorizou todas as tarefas realizadas por seus mais de 2.000 profissionais de marketing em todo o mundo. Essa foi uma atividade meticulosa, que envolveu tanto pesquisas quanto entrevistas individuais. Essa pesquisa identificou 300 tarefas distintas. Os profissionais de marketing forneceram estimativas de quanto tempo cada tarefa levava. A empresa então plotou cada tarefa em dois eixos: o grau de automação possível (com base no tipo de IA generativa aplicável) e o tamanho da oportunidade para a empresa (com base no tempo gasto na tarefa). Essa análise ajudou a equipe a identificar aproximadamente 100 tarefas que seriam mais adequadas para o uso de IA generativa.
Como grande parte do trabalho da equipe passaria a envolver IA, os líderes da Reckitt reconheceram que os profissionais de marketing teriam que repensar completamente a forma como o departamento funcionava. À medida que a IA generativa assumia as tarefas rotineiras, os profissionais humanos passaram a lidar com trabalhos mais exigentes, incluindo tarefas que antes eram desempenhadas por seus gestores. A Reckitt concentrou a implementação de sua IA generativa na eficiência, pois esses ganhos contribuiriam imediatamente para os resultados financeiros. Quando os executivos perceberam isso, autorizaram o uso da IA generativa para objetivos de crescimento, que normalmente demoram mais para serem alcançados. Os profissionais de marketing usaram a IA generativa para impulsionar o crescimento corporativo, traduzindo percepções de consumidores em inovações de produto melhores e mais rápidas e em um tempo de lançamento no mercado mais curto.
Como a abordagem profunda e específica exige maior foco na transformação de processos e tem um impacto maior no trabalho diário dos funcionários, ela é mais intensa do ponto de vista gerencial do que a abordagem superficial e ampla. A gestão da mudança representa 70% do desafio. Aperfeiçoar os dados e usar a IA generativa de forma eficaz representam apenas 20% e 10%, respectivamente. À medida que as empresas tentam expandir seus primeiros sucessos e avançar além do departamento inicial em que se aprofundaram, elas devem estar preparadas para uma iniciativa completa de gestão da mudança.
Etapa 4: Monitorar o cenário competitivo.
Assim como você está usando a IA generativa para fortalecer seu posicionamento competitivo, seus concorrentes também estão. Pergunte a si mesmo: nosso principal concorrente pode replicar uma força valiosa nossa usando IA generativa? A outra empresa não precisa ser tão boa quanto a sua nessa competência. Para causar problemas, basta que ela ofereça uma solução “boa o suficiente”, mais simples e barata. Para evitar perder sua vantagem, você deve implementar a IA generativa de maneiras que aumentem a distância entre sua empresa e seus concorrentes, como faz o Beauty Genius da L’Oréal. Quando você prioriza a IA generativa em suas operações, ela revelará oportunidades para mudar a forma como você trabalha. Aproveite-as.
Ainda estamos nos primeiros dias da IA generativa e da IA agentiva, mas um padrão claro já surgiu. A maioria das empresas implanta IA amplamente em toda a organização; elas usam a abordagem superficial e ampla e esperam que alguns projetos-piloto entreguem valor significativo. Muitos desses esforços realmente geram retorno sobre o investimento, mas, coletivamente, seu impacto é frequentemente limitado e temporário, porque as implementações superficiais e amplas são facilmente replicadas.
Seguir a abordagem profunda e específica reforça as forças da sua empresa de maneira deliberada. IKEA, L’Oréal, Reckitt e outras empresas usaram essa abordagem para melhorar funções ou processos complexos de ponta a ponta. Elas se fizeram perguntas difíceis sobre seus objetivos com IA. Em alguns casos, isso as levou a criar novas linhas de negócios. E os resultados valeram o esforço. Um estudo da BCG constatou que empresas que utilizam a abordagem profunda e específica têm o dobro do retorno sobre o investimento em comparação com aquelas que usam implementações superficiais e amplas. Prevemos que essa diferença continuará a aumentar.
Fonte:
Uma versão deste artigo foi publicada na edição de novembro-dezembro de 2025 do periódico Harvard Business Review.
Sobre os autores:
Goutam Challagalla é titular da Cátedra Dentsu Group em Estratégia e Marketing Sustentável no IMD.
Mahwesh Khan é assessora sênior no IMD.
Fabrice Beaulieu é ex-diretor global de marketing da Reckitt.
Artigo traduzido pelo ChatGPT 5.