Gen AI e além: onde mais devemos focar agora?

A inteligência artificial generativa (gen AI, na sigla em inglês) vem chamando a atenção dos líderes, e com razão. Mas será que ela também está ofuscando imperativos digitais de menor visibilidade? Neste episódio do McKinsey Podcast, Rodney Zemmel e Kate Smaje, sócios seniores da McKinsey, juntamente com a diretora editorial global Lucia Rahilly, discutem ideias que os líderes podem estar ignorando neste momento em que a gen AI está sob os holofotes, além de maneiras de garantir que suas iniciativas digitais – inclusive a gen AI – atuem em conjunto para gerar valor substancial.

Esta transcrição foi editada para maior clareza e brevidade.

O McKinsey Podcast é apresentado conjuntamente por Roberta Fusaro e Lucia Rahilly.

Por onde começar

Lucia Rahilly: A gen AI é o novo objeto resplandecente do mundo dos negócios, mas, como o novo artigo de vocês leva a crer, ela corre o risco de cegar os líderes para outras ferramentas digitais que também são vitais para o sucesso de sua organização. Na visão de vocês, como os líderes estão equilibrando a tendência de irem atrás desse brilho com a necessidade de manterem o foco em outras operações e estratégias essenciais para os negócios?

Rodney Zemmel: A gen AI é, de fato, um objeto muito reluzente, o que soa um pouco depreciativo, porque ela pode gerar e já está gerando valor real. Mas a pergunta errada a fazer é: “Qual é a minha estratégia de gen AI?”. É preciso começar pela origem do valor e pensar em formas de obter valor ao transformar um domínio do seu negócio com a tecnologia. Seja gen AI, IA à moda antiga, digitalização de processos ou qualquer outra coisa, isso deve ser secundário à questão da origem do valor.

Negócios que são como o seu cérebro

Lucia Rahilly: O relatório de vocês apresenta dez “ideias pouco valorizadas” sobre o digital e a IA, e hoje vamos nos concentrar em três delas. Vamos começar pela ideia de que toda empresa vai se tornar uma empresa neural. O que isso significa?

Rodney Zemmel: No ano passado, houve alguns avanços científicos surpreendentes na nossa compreensão do cérebro. No meu antigo laboratório em Cambridge, obtivemos nossa primeira visualização do conectoma, ou seja, do conjunto de ligações entre os neurônios – primeiro em um cérebro de mosca-das-frutas e, depois, em uma fatia do cérebro humano de uma equipe do Google. O que vemos é uma arquitetura incrível e intrincada em que tudo se conecta com todo o resto. E achamos que essa é a nova metáfora dos negócios.

A antiga metáfora de como uma empresa é organizada é a de uma árvore: hierárquica, com ramificações que saem umas das outras. Mas o problema dessa analogia é que é muito difícil obter conexões entre os galhos da árvore.

Para realizar o que há de mais interessante e inovador nos negócios, você precisa fazer com que essas conexões funcionem de forma muito mais eficaz do que em muitas organizações hierárquicas e rígidas. Essa não é uma ideia nova. É uma abordagem nova e mostra a escala das conexões necessárias.

Além disso, também é preciso garantir que os padrões comuns gerais, a governança e a estrutura de organização sejam maravilhosamente intrincados e conectados em rede e permitam que as equipes de toda a organização trabalhem umas com as outras e se formem e reformem sem que haja um caos completo.

Kate Smaje: É uma questão de proporcionar rapidez. Será que posso, como organização, trabalhar a uma taxa metabólica mais alta do que a atual? Em segundo lugar, é uma questão de escala. É aí que alguns desses padrões comuns entram em jogo, porque, quanto maiores a reutilização e o reconhecimento de padrões, mais você consegue fazer em escala, em vez de reinventar a roda toda vez.

Lucia Rahilly: As equipes precisam operar de forma autônoma ao se formarem e se reformarem. Poderiam falar um pouco sobre o que significa autonomia nesse contexto?

Rodney Zemmel: Uma maneira de avançar nisso é através do que chamamos de empresa de produtos e plataformas. Você possui um conjunto central de serviços de plataforma e uma rede distribuída de equipes empoderadas que têm autonomia e estão alinhadas com relação a um objetivo de negócios específico, e elas utilizam serviços da plataforma central.

Elas são autônomas no sentido de que são autossuficientes e trabalham em direção a um objetivo de negócios pelo qual são responsáveis. Mas não são autônomas no sentido de que trabalham dentro de uma estrutura geral e um conjunto geral de objetivos da empresa, de que existe uma equipe de plataforma cujos serviços elas devem utilizar e de que seguem regras em vez de simplesmente criar as suas próprias.

O que vimos neste modelo de produtos e plataformas é que ainda estamos no começo. Mas, se analisarmos um conjunto de empresas que o adotaram, a metade superior das empresas, em termos de maturidade, obteve um retorno total para os acionistas 60% maior do que o da metade inferior.

Lucia Rahilly: Poderiam nos dar um exemplo de uma empresa bem-sucedida na implementação dessa abordagem de rede neural ágil?

Rodney Zemmel: Uma das empresas sobre as quais falamos no nosso livro Rewired, o DBS Bank, conhecido como um dos bancos líderes em serviços bancários digitais, repensou a si mesmo na forma de células horizontais. Assim que você usa um exemplo bancário, as pessoas dizem: “Bem, isso obviamente faz sentido em um setor de serviços”. Mas outra empresa que está no livro, a Freeport-McMoRan, fez isso em suas operações de mineração de cobre.

Kate Smaje: Uma das maneiras pelas quais qualquer empresa pode testar isso é fazer uma pergunta simples: com que rapidez você consegue conceber, desenvolver e lançar um novo produto ou serviço hoje?

Rodney Zemmel: Sobre o teste decisivo, é uma boa pergunta, porque hoje em dia é difícil encontrar uma empresa na qual um líder sênior não diga: “Sim, é claro que estamos trabalhando na metodologia ágil”. E, muitas vezes, isso significa que eles têm uma equipe de tecnologia trabalhando com a metodologia ágil. Mas isso nem sempre significa que os negócios e a tecnologia estão trabalhando juntos de forma adequada e, para ser franco, raramente significa que você tem as funções de controle incorporadas a esses grupos ágeis [“agile pods”] da maneira correta.

Lucia Rahilly: Por falar em funções de controle, que tipo de modelo operacional precisa estar sendo utilizado para que esse tipo de empresa neural funcione bem? E que tipo de supervisão é necessária para que essas equipes autônomas operem bem, o que inclui limitarem os erros e manterem uma alta produtividade nesse modelo?

Rodney Zemmel: Certo, e como se faz isso em escala? Porque, mais uma vez, muitas empresas têm capacidade para tanto, mas como fazê-lo em dezenas ou centenas de equipes? Essa é a parte difícil.

Primeiro, muito disso tem a ver com os talentos. Você precisa se empenhar no aprimoramento e na requalificação dos seus talentos para poder trabalhar nesse modelo. Depois, é preciso ser muito cuidadoso na maneira de formar essas equipes e de deixar a equipe de liderança sênior à vontade para estabelecer as barreiras de segurança e os objetivos. Ela participará de revisões nos marcos importantes do processo, mas nem todas as decisões serão encaminhadas a ela. Isso requer uma estrutura de governança bastante evoluída.

Tomemos como exemplo os dados: descobrir todas as regras de governança de dados na sua organização, porque você pode ver um claro retorno sobre o investimento no próximo caso de uso de IA. Caso você não esteja implementando esses modelos e regras de governança de dados desde o início, será impossível trabalhar nesse tipo de modelo distribuído e capaz de ganhar escala.

Kate Smaje: Eu pergunto: “Existe um conjunto de resultados que as equipes empoderadas estão buscando?”. É nesse aspecto que fica importante a gerência acompanhar e saber como as coisas estão indo. Se houver um alinhamento quanto aos resultados que se deseja da equipe, haverá transparência para saber se já chegamos lá. Caso não haja, o que está atrapalhando? Como podemos melhorar da próxima vez? Por fim, voltando à ideia de reconhecimento de padrões, como posso ter certeza de que estou resolvendo a questão da reutilização?

Como os melhores se distanciam

Lucia Rahilly: Vamos passar a outra dessas ideias, a de os líderes digitais e de IA se tornarem transformadores eternos. A quais das novas tecnologias ou tendências os líderes devem estar atentos neste momento?

Kate Smaje: De certa forma, todo mundo tem uma tecnologia na qual adora se aprofundar, e nós não somos diferentes. Mas, para mim, a magia está menos em uma única tecnologia ou tendência e mais no poder da união de várias dessas tecnologias. É somente quando isso acontece de fato – e, a propósito, o mesmo vale para a IA generativa – que você cria uma oportunidade de avanço na criação de um novo modelo de negócios, gerando uma disrupção que não havia ocorrido antes.

Rodney Zemmel: Temos uma análise chamada Quociente Digital ou Quociente de IA, na qual avaliamos em que medida as empresas tiveram sucesso na adoção de diferentes abordagens digitais ou de IA. Nos últimos dois ou três anos, estamos observando que o setor em que você atua deixou de ser determinante. Há uma diferença muito maior dentro de um setor do que entre os setores. Os mais avançados são mais digitalizados do que a mediana do setor de alta tecnologia, e os menos avançados são menos digitalizados do que a mediana do setor público.

O que está por trás disso é a noção de um transformador eterno. Você vê que as empresas que começaram a jornada conseguem avançar, continuar investindo e, para ser franco, avançar ainda mais. E você vê retornos crescentes para as líderes digitais ao longo do tempo, à medida que elas conseguem se distanciar das outras no setor.

Lucia Rahilly: Eu tenho uma espécie de fascínio romântico pela computação quântica. Passei por uma fase Carlo Rovelli.

Rodney Zemmel: Ele é ótimo.

Lucia Rahilly: É ótimo. Eu gostava de pensar no entrelaçamento quântico como uma construção romântica. Mas as nossas pesquisas mostram que alguns setores podem se beneficiar consideravelmente aplicando a computação quântica de forma muito prática a casos de uso específicos, enquanto eu tendo a pensar nela como algo mais abstrato. Como é a computação quântica na prática?

Rodney Zemmel: Estou tão empolgado quanto você com a computação quântica. Na verdade, todas as conversas que estamos tendo sobre IA ou gen AI hoje podem ser sobre a computação quântica daqui a cinco ou dez anos.

É importante enfatizar que ainda se trata de um experimento científico. Embora a velocidade das mudanças seja impressionante, o número de qubits funcionais – as unidades necessárias para realizar tarefas quânticas – que podemos obter em um computador quântico hoje ainda é muito pequeno. Portanto, ainda está na fase de pesquisa ou talvez na fase inicial de desenvolvimento.

Mas, se funcionar, o impacto pode ser absolutamente espetacular. Os setores sobre os quais se fala são o farmacêutico, o químico e o agrícola, o automotivo e o de serviços financeiros, entre vários outros. E, basicamente, os muitos problemas matemáticos difíceis que levariam anos ou até séculos para serem resolvidos por algoritmos tradicionais podem ser resolvidos muitíssimo mais rapidamente com uma abordagem de algoritmo quântico. É possível resolvê-los a uma taxa exponencial em vez de linear.

Portanto, isso pode afetar tudo, desde a construção de portfólios e a análise de desempenho em serviços financeiros até a concepção de uma catálise eficaz na agricultura – o que não parece tão empolgante, mas, se for possível encontrar uma maneira mais eficiente de produzir fertilizantes à base de amônia, o impacto econômico no mundo será enorme.

Tenho a sensação de que o primeiro passo serão coisas que se assemelham a problemas reais de física quântica. Mas, com o tempo, qualquer problema matemático complexo – seja a reformulação de uma rota de entrega para uma empresa de logística, seja a composição de camadas de fibra de carbono para desenvolver um material resistente para o setor aeroespacial – será extremamente tratável pela computação quântica quando ela funcionar.

Transformar a gen AI no seu superpoder

Lucia Rahilly: À medida que a gen AI vai melhorando e os funcionários vão ficando cada vez mais dependentes dela para, pelo menos, algumas partes de seu portfólio, de que maneira as organizações podem identificar as funções ou tarefas que se beneficiarão mais da gen AI, a fim de criarem uma força de trabalho mais produtiva?

Kate Smaje: Nossa pesquisa indica, sem dúvida, que há oportunidades para grandes ganhos de produtividade, mas eles são bastante difíceis de concretizar hoje. Parte disso se deve ao fato de que, para qualquer avanço tecnológico, é necessário um avanço correspondente ou igual e oposto do lado humano.

Como mudar o fluxo de trabalho para liberar tempo de forma significativa? O que fazer em termos de aprendizados, qualificação, requalificação e novos planos de carreira que redefinam de maneira fundamental o que os humanos farão quando os superpoderes da IA estiverem ao lado deles?

Rodney Zemmel: O superpoder da gen AI não é encontrar uma maneira de poupar 20 minutos do seu dia, mas encontrar uma maneira de fazer do uso da gen AI o seu primeiro instinto. Vimos isso até agora no desenvolvimento de software. Se você simplesmente der as ferramentas a um desenvolvedor de software e disser: “aqui está o que há de mais moderno”, ele vai pegar a parte mais entediante do que faz e vai agilizá-la com essas ferramentas. E você vai obter ganhos de produtividade de 5% ou 10%.

E se, em vez disso, você disser: “vamos olhar para a equipe inteira e analisar uma semana ou um mês do ciclo de vida do desenvolvimento de software”, em vez de perguntar como o desenvolvedor A ou B realiza suas tarefas em uma terça-feira comum? Aí você pensa em como toda a equipe muda o trabalho dela, você treina as pessoas e tem uma medida real de onde aquilo está ou não atuando melhor do que um ser humano – é assim que você desenvolve superpoderes.

Lucia Rahilly: Como vocês estão vendo os líderes lidarem com esse aprendizado e treinamento?

Kate Smaje: O que eu vejo muito é: “vamos treinar a nossa organização em tecnologia, em IA; vamos ensinar o que ela é, vamos explicá-la, acabar com os mitos, e assim por diante”. E isso é importante, não me entenda mal. Porém, é uma daquelas coisas necessárias, mas insuficientes.

O que falta, por exemplo, é usar bem o que é fundamentalmente uma tecnologia de auxílio. Você tem que saber usá-la para tirar o melhor proveito dela. Certamente, vemos investimentos em coisas como ensinar a fazer prompts ótimos. Então, em vez de ensinar a respeito dela, ensinar a usá-la passa a ser muito importante.

A segunda está, como o Rodney apontou, no fluxo de trabalho diário. Trata-se de garantir que você tenha excelentes habilidades de pensamento crítico para poder analisar alguns dos complexos problemas de risco e uso responsável da IA, pensar em como as alucinações vão permear isso e o que você precisa fazer no pré e pós-processamento da modelagem.

Você provavelmente precisará ter um QE [quociente emocional] e habilidades relacionais incríveis, porque o que o ser humano fará – o que a tecnologia não fará – pode estar mais voltado a esse lado. Talvez até, francamente, as pessoas precisem de maior capacidade cognitiva ou curiosidade para aprender e para continuar evoluindo e iterando. Para mim, ainda não há foco suficiente nas chamadas habilidades não técnicas de que o ser humano precisará em um ambiente de inteligência híbrida.

Lucia Rahilly: Vocês acham que os profissionais da área de tecnologia precisam de qualificação tanto quanto os funcionários de outros setores?

Kate Smaje: Ambos precisam. Nenhum de nós está isento da necessidade de continuar aprendendo, até porque, de certa forma, o ritmo das mudanças só vai acelerar. Trata-se da sua capacidade, mesmo como profissional de tecnologia, de entender e estar aberto às novas tecnologias que virão.

Como posso ter certeza de que estou pronto para aprender sobre elas e adotá-las? Como posso continuar me aprimorando no uso dessa tecnologia no meu trabalho? Enquanto tecnólogo, como posso ajudar a obter valor dos modelos, e não apenas criar modelos ótimos?

Rodney Zemmel: Em uma empresa típica, a equipe sênior vai aprender mais observando o que uma empresa líder de um setor não tecnológico faz, do que observando o que uma empresa de tecnologia faz. O que temos visto funcionar muito bem é as equipes de gestão fazerem o que chamamos de visitas de reconhecimento a outras empresas, muitas vezes de setores bem diferentes do seu, – e as empresas típicas aplicarem isso e aprenderem a se transformar com o digital e a IA.

Quando se vê uma empresa “normal” fazer isso, o poder da tecnologia ganha vida muito mais do que quando se vê o que as nativas digitais são capazes de fazer – o que, para uma empresa típica, é empolgante, mas parece mais um passeio no parque do que algo diretamente pertinente a seu dia a dia.

O que vem pela frente

Lucia Rahilly: Vocês veem o risco de os funcionários ficarem excessivamente dependentes da IA? E as organizações precisam tomar medidas para ajudar a garantir que os funcionários mantenham seu discernimento humano?

Kate Smaje: De certa forma, podemos ver a “dependência da IA” como um termo pejorativo ou então como algo bem positivo, no sentido de que os funcionários estão usando a IA para fazer seu trabalho melhor, mais rapidamente e com menos gastos e menos riscos. A realidade é que o discernimento humano será mais importante do que nunca para garantir que esses modelos sejam desenvolvidos de maneira responsável e, mais importante ainda, garantir que realmente gerem valor.

Para garantir que os seres humanos estejam usando a IA de forma responsável, há pelo menos dois aspectos a levar em conta. Um é questionar constantemente a tecnologia. O segundo é procurar constantemente o “e”. Onde ocorre essa situação na qual um mais um é igual a cinco, no contexto de combinar seres humanos e tecnologia para realizar um avanço que não seria possível de outra forma? Enquanto ainda estivermos fazendo essas duas coisas, o discernimento humano ficará mais importante, não menos.

Rodney Zemmel: Dito isso, é claro que ela vai ser melhor do que os humanos em muitos casos. Vou dar um exemplo que talvez seja bobo. No tênis, existe o juiz eletrônico de linha. Wimbledon e o US Open seguiram caminhos diferentes. Em Wimbledon, eles têm o juiz eletrônico de linha, mas mantêm pessoas de blazer verde nas laterais. No US Open, eles adotaram totalmente o sistema eletrônico. E a maioria das pessoas diria que a versão do US Open está funcionando tão bem ou melhor. Há menos interrupções nos jogos. Há menos idas e vindas. Não há mais chamadas obviamente erradas.

Curiosamente, me disseram que o US Open emprega tantas pessoas quanto Wimbledon, mas em funções diferentes. São pessoas na sala de controle técnico e pessoas que implantam, configuram e monitoram a tecnologia.

Lucia Rahilly: Publicamos recentemente uma entrevista com o Reid Hoffman para o podcast At the Edge. Ele sugeriu que a IA tem o potencial de desenvolver QE e habilidades interpessoais. Vocês têm alguma ideia de como isso pode afetar o cálculo das proporções de IA e de seres humanos no local de trabalho?

Kate Smaje: Já estamos vendo isso. Eu e o Rodney costumamos brincar sobre um estudo muito reduzido que foi feito no Reino Unido e no qual testaram um ser humano e um bot para ver se os pacientes conseguiriam perceber a diferença. Na maioria dos casos, eles conseguiram.

Depois, os pacientes foram questionados sobre o que preferiram. Surpreendentemente, a maioria das pessoas preferiu o bot. Elas disseram: “Senti que ele entendeu melhor as minhas necessidades. Teve mais empatia. Resolveu meu problema mais rápido”. Não devemos subestimar o fato de que a tecnologia já é ótima nas qualidades que geralmente associamos aos seres humanos.

Lucia Rahilly: Há mais alguma coisa que possa ser mencionada e que talvez não seja a principal preocupação dos líderes, mas deveria ser?

Rodney Zemmel: Existe a questão de como será o futuro da força de trabalho. Um tempo atrás, foi feita uma entrevista muito interessante com o Garry Kasparov. Um fato notório é que ele foi derrotado pelo computador de xadrez da IBM nos anos 90. Ele disse: “Olha, eu fui o primeiro trabalhador do conhecimento a perder o emprego para um computador. E agora ele está vindo pegar todos vocês”.

É um pouco exagerado, mas essa visão está claramente presente. Há empresas que dizem: “OK, não precisamos mais de profissionais juniores, analistas, pessoas que realizam tarefas rotineiras. Podemos nos sair bem com uma força de trabalho com um formato de pirâmide muito diferente ou evoluir para esse tipo de força de trabalho”.

Há outras que dizem: “Talvez. Mas isso tem a ver com a ideia dos superpoderes. Significa que poderemos tornar os analistas ou os profissionais juniores da nossa empresa tão produtivos no futuro quanto os nossos funcionários mais seniores são hoje, porque isso vai eliminar muito da rotina maçante do trabalho deles e dar a eles habilidades incríveis para gerarem mais valor”. Há uma visão segundo a qual o valor do cientista de dados vai diminuir e o do engenheiro de dados vai aumentar no futuro.

Portanto, do ponto de vista do planejamento da força de trabalho, isso é algo profundo. Sinceramente, ainda não há uma resposta. As pessoas vão precisar de tempo para refletir e de flexibilidade para entender o que isso significa para esse planejamento.

Kate Smaje: Concordo plenamente. A sua observação sobre a flexibilidade tem outro aspecto também, no sentido de que muito do que estamos falando aqui é sobre aprendizagem constante, experimentação constante. Em períodos bons, é muito fácil financiar isso, fornecer recursos, alocar tempo.

É muito mais difícil quando as economias ou os mercados mudam de direção e as empresas precisam se preparar para dificuldades. Há um desafio real para os líderes superarem: como ter uma mentalidade mais abrangente para investir e aprender para o futuro quando o nível de certeza e, portanto, o nível de previsão de ROI, é mais desafiador? Posso ter um plano que seja flexível o suficiente para os períodos bons e também para os ruins?