Ao mesmo tempo em que a IA continua influenciando de maneiras novas e estimulantes o nosso modo de trabalhar, é crucial que as organizações empreguem barreiras de proteção para mantê-la segura. Neste episódio do McKinsey Podcast, Alexander Sukharevsky e Lareina Yee, sócios seniores da McKinsey, analisam uma nova pesquisa sobre a adoção da IA, acompanhados pela diretora editorial Roberta Fusaro.
Mais insights da McKinsey em português
Confira nossa coleção de artigos em português e assine nossa newsletter mensal em português.
No nosso segundo segmento, como adquirir coragem para falar sobre algo desconfortável no trabalho? A sócia sênior Sherina Ebrahim tem duas dicas.
Esta transcrição foi editada para maior clareza e brevidade.
O McKinsey Podcast é apresentado conjuntamente por Roberta Fusaro e Lucia Rahilly.
Chegou a hora de a IA brilhar
Roberta Fusaro: Estamos aqui para discutir o último relatório da McKinsey sobre a situação da IA, uma tecnologia que vem evoluindo em velocidade exponencial. Com relação à IA generativa [gen AI, na abreviação em inglês], que é apenas um dos tipos de IA, 65% dos entrevistados relataram, na nossa pesquisa mais recente, que sua organização a utiliza regularmente. É o dobro do percentual da nossa pesquisa anterior, realizada há menos de 12 meses. Por que esse novo número é importante?
Lareina Yee: Esse número representa otimismo. Apesar de termos um longo caminho pela frente, o número mostra que as pessoas estão passando da curiosidade à integração [da tecnologia] à sua empresa.
O que também é importante observar é que o relatório não analisa apenas a IA generativa. Analisa a IA em termos gerais. Essa tendência vem se desenvolvendo há 40 anos. Uma das coisas que estamos observando é que todo esse entusiasmo com a IA generativa está fornecendo luz e oxigênio ao conjunto mais amplo de capacidades que podem ajudar as empresas a avançar.
Alexander Sukharevsky: Sim, a IA generativa nos permite democratizar uma jornada de cerca de 40 anos em IA porque ela está tão evidente, que podemos ver e sentir bem o que ela é. Somos capazes de interagir com ela. Os filhos dos nossos clientes estão interagindo com essa tecnologia, e ela virou assunto de conversas durante o jantar. Então, algo que costumava ser um nicho de mercado de repente se popularizou.
Por outro lado, quando 75% dos entrevistados afirmam que a IA generativa é usada em sua organização, a próxima pergunta deve ser: “Em que, exatamente, ela está sendo usada? Eles estão usando para experimentação, estão se familiarizando com a tecnologia ou estão realmente tentando gerar valor comercial real?”.
Parcerias para o sucesso em IA
Roberta Fusaro: Continuando na IA generativa, Alexander, cerca de metade dos entrevistados na nossa pesquisa afirma estar usando modelos de IA generativa já disponíveis, em vez de criar seus próprios modelos. Quais são os prós e os contras disso?
Alexander Sukharevsky: Um fato importante a ser lembrado é que, se você parar para pensar, apenas 11% dos modelos de IA acabam em produção, ou seja, se tornam verdadeiras ferramentas empresariais do dia a dia para gerar valor. Se levarmos em conta alguns dos custos e riscos da IA generativa, esse número está próximo de um único dígito quando falamos de empresas tradicionais, e não apenas de empresas de tecnologia. Portanto, é importante reconhecer que o modelo em si representa apenas 15% do sucesso.
Estamos entrando agora no paradigma de não apenas decidir entre criar ou comprar, mas de criar, fazer parcerias e comprar. Existem certos modelos de código aberto que contam com um excelente suporte da comunidade e que as organizações podem personalizar de acordo com suas necessidades. Existem alguns modelos de marca que envolvem um investimento muito alto e que as organizações não são capazes de desenvolver por conta própria. E há alguns modelos que as organizações desenvolverão em parceria com terceiros.
No fim das contas, a empresa do futuro terá uma espinha dorsal de dezenas de modelos de base. Alguns deles serão modelos de marca, que você compra. Alguns serão os que você desenvolve por conta própria. E alguns serão de código aberto. Portanto, a resposta a essa pergunta [comprar ou criar] vai depender do cliente.
Lareina Yee: Este é um tópico importante porque é uma pergunta clássica que se faz sobre “comprar ou criar” em tecnologia. Mas eu e o Alexander estamos trabalhando nisso com relação à implantação, e acho que estamos em um paradigma diferente. Fazer parte de uma parceria é um ponto muito importante que o Alexander está trazendo. É difícil criar tudo isso sozinho. Também não é viável comprar tudo sozinho. O que está sendo constatado é que é necessário fazer parcerias em toda a pilha. Esse é um termo técnico tradicional. O que isso significa é que você fará parcerias com fornecedores de grandes modelos de linguagem. Há um monte de opções.
Assim, o objetivo de tudo isso é gerar valor comercial que você não conseguia acessar antes. Estamos vendo muitas empresas criar uma constelação de parcerias para concretizar o que as soluções de gen AI prometem.
Alexander Sukharevsky: Mas, para alimentar os modelos, você também precisa de poder computacional. Você precisará de certos parceiros que lhe permitirão obter esse poder computacional. E, mesmo que a sua organização seja a mais poderosa e com mais recursos do mundo, ela não poderá fazer isso sozinha.
Lareina Yee: A pergunta número um a fazer é: “Qual é o caso de uso empresarial que estou tentando desenvolver?”. E, com base nisso: “Quais são os conjuntos de fornecedores que vão me ajudar mais?”. Pode ser uma combinação com um fornecedor de modelos de linguagem de porte muito grande [“very large language models”] com intenso foco empresarial. Pode ser alguém que tem pontos mais fortes em vídeo, mas está fazendo algo relacionado a texto.
Assim, mesmo sendo um ambiente em rápida mudança, acho que sempre voltamos à pergunta: “Qual é o objetivo de negócios? Qual é o objetivo relacionado às pessoas?”. E trata-se de simplesmente ter uma mentalidade muito mais aberta sobre como usar diferentes fornecedores de tecnologia e diferentes combinações de parceiros para alcançar isso rapidamente.
O futuro ainda é humano
Roberta Fusaro: Os talentos são uma questão e um problema enorme para todos. Estou curiosa para saber o que a pesquisa mostrou ou se há diferentes imperativos relacionados a talentos para os executivos que estão buscando avançar em gen AI.
Lareina Yee: Os talentos são sempre a prioridade. É preciso ser muito prático e combinar os talentos com, por exemplo, uma solução de gen AI, IA ou aprendizado de máquina. Os casos de uso são diferentes. Mas, em todos os casos, há conjuntos de capacidades que serão de grande importância para a equipe. E o principal aspecto que observamos no relatório e nas nossas próprias experiências com os clientes são as capacidades relacionadas a dados. Então, a sua maneira de pensar nos dados e nos tipos de talentos que você tem é importante. Esse é apenas um exemplo dos tipos de talento de que você precisa para implementar essas soluções.
Quando nos perguntam o que está acontecendo com relação aos talentos, a pergunta normalmente tem mais a ver com ganho e perda de empregos. E essa é uma questão mais econômica. Por isso, sabemos que essas tecnologias mudam de fato o contexto dos empregos. Por outro lado, um dos aspectos otimistas que observamos é que elas também criam novos empregos. Assim, o que vemos em termos de talentos é que há diversos aspectos. Há os talentos e as capacidades de que você precisará como empresa para desenvolver e dar escala a essas soluções. Há também uma questão geral de talentos em termos de como elas mudam o contexto dos empregos.
Alexander Sukharevsky: Uma das citações favoritas da Lareina é: “Para cada dólar de tecnologia, precisamos investir de três a cinco em seres humanos”, porque os seres humanos são muito caros e difíceis de mudar.
Então, as verdadeiras perguntas são: “Além de ter um departamento de tecnologia incrível, quem pode ajudá-lo a operar e desenvolver as ferramentas? Como convencer o restante da organização a realmente usar essas ferramentas, a adotá-las e a gerir os riscos relacionados a qualquer outro terceiro?”. Essas são as perguntas difíceis, casos em que você leva colegas que estão vindo completamente de fora da tecnologia para aprender a tecnologia e confiar nela. Essa é uma jornada e tanto, seja com relação à gestão das mudanças, seja no que diz respeito aos recursos.
Lareina Yee: Nós gastamos muito tempo com a tecnologia. Mas, na verdade, essa é a parte fácil. A parte mais difícil é a mudança humana. Às vezes, também ficamos perdidos nessa parte. O objetivo não é a IA generativa como tecnologia. O objetivo é a IA generativa como ferramenta para ajudar a humanidade. As pessoas estão no centro disso. E essa mudança é difícil. Há esse nível de micromudanças.
O objetivo não é a IA generativa como tecnologia. O objetivo é a IA generativa como ferramenta para ajudar a humanidade. As pessoas estão no centro disso. E essa mudança é difícil.
Há também a mudança macro: “Eu confio no meu modo de interagir com uma máquina de forma diferente? Como me sinto com relação à possibilidade de delegar ações para uma máquina?”. Estamos começando a ver o surgimento de capacidades agênticas, que é quando esses sistemas podem realizar uma ação. Há uma série de perguntas, e nos sentirmos mais à vontade com isso é uma jornada, e mudar os processos de negócios fundamentais que usamos é a parte mais difícil.
Casos de uso e aplicações
Roberta Fusaro: Tenho curiosidade em saber se, nas novas pesquisas, estamos vendo diferentes tipos de aplicações de IA generativa. Há partes da organização em que estamos vendo isso mais ou menos?
Lareina Yee: Analisando o relatório, as áreas que mais vemos são a de marketing e a de vendas. Também vemos uma enorme quantidade de trabalho no desenvolvimento de produtos e na engenharia de software. Essas áreas são esperadas porque é nelas que os tipos de trabalho de conhecimento são mais aplicáveis às capacidades da tecnologia atual, sobretudo quando a grande maioria do que estamos analisando é mais o resumo e a concisão do texto.
Também observamos diferenças de acordo com o setor. Não é de surpreender que vejamos o setor de tecnologia, o de energia e o de serviços financeiros como os que provavelmente estão mais adiantados na experimentação e no início da implantação desses recursos em escala.
Alexander Sukharevsky: A perspectiva a ser adotada é a de que, fundamentalmente, a IA generativa é a interface humana mais conveniente para a aplicação de outras técnicas de IA. Portanto, tudo gira em torno da interface, seja com um banco de dados, seja com outros algoritmos, seja até mesmo entre diferentes aplicativos de IA generativa.
Acho que, se olharmos para frente, como a Lareina mencionou, veremos cada vez mais agentes virtuais autônomos se comunicando uns com os outros para realizar diferentes tarefas sob supervisão humana rigorosa, a fim de gerir adequadamente os riscos e garantir que a qualidade dos resultados esteja de acordo com os padrões que buscamos. Assim, se no momento estamos vendo principalmente interações entre humanos e máquinas, à medida que nos desenvolvemos, veremos cada vez mais interações entre máquinas para realizar diferentes tarefas. Não estamos falando agora de superinteligência ou AGI [inteligência geral artificial]; estamos a anos de distância desse momento. Ao mesmo tempo, veremos assistentes muito sofisticados e especializados que nos ajudarão a fazer o nosso trabalho melhor, mais rapidamente e com mais precisão.
Limitar os riscos da IA
Roberta Fusaro: Há claramente muitas oportunidades, considerando a nossa conversa até agora. Mas, de acordo com o nosso relatório, dois dos principais riscos citados com mais frequência pelas organizações com relação ao uso de gen AI são a incorreção e a violação de PI [propriedade intelectual]. As organizações já começaram a mitigar alguns desses riscos? Se sim, como?
Lareina Yee: Então, pensando nos riscos, eles são muitos. E uma das coisas que tanto o Alexander quanto eu lembramos aos nossos clientes é que estamos nos primeiros estágios da tecnologia. A incorreção é um dos riscos que mais preocupam as pessoas, mas também há a violação de propriedade intelectual, a segurança cibernética, a privacidade individual, a conformidade regulatória, a explicabilidade, a imparcialidade e a amplificação de vieses.
Com relação àqueles que estão desenvolvendo esses grandes modelos de linguagem, eles estão trabalhando rapidamente em muitos desses riscos. A explicabilidade é outro aspecto. Há também a redução das alucinações, algo que se viu que melhorou ao longo do ano.
Não chegou a zero, mas houve muito trabalho por parte dos fornecedores para garantir que melhorasse. E isso vai amenizar o problema de incorreção. Do outro lado disso está a implementação pelas empresas. A maneira pela qual elas desenvolvem, treinam e testam esses sistemas antes de liberá-los é extremamente importante.
Alexander Sukharevsky: A parte mais importante a entender é quais são os riscos. Porque, se você observar o nosso relatório, a maioria dos entrevistados acredita que há riscos, mas não consegue articular quais são esses riscos. Existem maneiras de solucionar esses riscos. A número um é, claramente, ter um ser humano no circuito. E é por isso que não gosto de falar de inteligência artificial. Prefiro “inteligência híbrida”, em que colocamos o melhor dos seres humanos e das máquinas para trabalhar em conjunto com o objetivo de superar os desafios e os riscos e aproveitar as oportunidades.
A parte mais importante a entender é quais são os riscos. Porque, se você observar o nosso relatório, a maioria dos entrevistados acredita que há riscos, mas não consegue articular quais são esses riscos.
Por outro lado, será que devemos achar que a tecnologia não pode nos ajudar a resolver alguns desses problemas? Por exemplo, no que diz respeito à PI ou à rastreabilidade, é possível aplicar a tecnologia para rastrear a PI a fim de protegê-la. Ao mesmo tempo, apesar de acreditarmos que todos nós focamos em riscos de curtíssimo prazo, acredito que nós, como humanidade, devemos parar para pensar: “Qual é o quadro geral? O que isso faz por nós e pelas gerações futuras? Onde devemos e não devemos aplicá-la – seja do ponto de vista humano, seja do social, seja do ambiental? Que tipo de futuro estamos criando ao aplicarmos a IA como tecnologia?”. Essas são questões significativamente mais importantes, às quais deveríamos dedicar mais tempo tanto nas salas de reuniões quanto nas salas de máquinas, com o intuito de garantir que saibamos exatamente aonde estamos indo.
Lareina Yee: Acho que há algumas questões de prazo longuíssimo, Alexander, e algumas delas são muito filosóficas em termos do nosso relacionamento com as máquinas. Também acho que uma delas é a capacidade humana de adaptação e criatividade. Vou dar um exemplo simples, algo com que qualquer pai, aluno ou professor pode se identificar, que é a preocupação muito concreta com os plágios. Esse assunto tem surgido com frequência – a preocupação de que os alunos possam usar o ChatGPT ou o Claude para plagiar. Essa é uma preocupação real, e não um risco do sistema. Na verdade, a questão é como se usa.
Há um truque bastante prático que alguns professores estão usando, que é os trabalhos serem feitos na sala de aula. Temos essa velha tecnologia chamada escrita à mão, lápis e papel, que podemos usar para mostrar que conseguimos dominar as informações. É um exemplo muito simples, mas mostra que há algumas questões éticas enormes e importantíssimas que a introdução desses recursos na nossa vida cotidiana traz.
Governança responsável da IA
Roberta Fusaro: Lareina, você escreveu um pouco sobre governança de IA no relatório, e isso parece estar relacionado aos riscos e à garantia de não irmos longe demais. Como as empresas podem começar a aumentar a eficácia de sua governança de IA?
Lareina Yee: Quando eu e o Alexander conversamos com as empresas, dizemos logo no início: “A IA responsável começa no primeiro dia”. Em um mundo tradicional e nas gerações anteriores, a nossa maneira de pensar nisso é desenvolver uma solução e depois nos certificar de detectar os riscos e ter um departamento de conformidade.
Precisamos absolutamente de toda essa força na nossa conformidade, mas também precisamos avançar e ter uma IA responsável desde o primeiro dia. Então, o que isso quer dizer? Isso significa que, no nível da governança, você tem alguém com capacidade e experiência em IA responsável que está à mesa tomando as decisões. Isso pode ser feito no nível da diretoria, com alguém ajudando nessa discussão.
Também significa que, ao desenvolver essas soluções, você testa e integra a forma de desenvolvê-las para evitar coisas como vieses e incorreção. Portanto, a nossa maneira de pensar na IA responsável não é como algo momentâneo. É algo incorporado à nossa maneira de desenvolver os nossos planos de negócios, de criar, configurar e testar as soluções, de implementá-las e continuar recebendo feedback e de ter uma conformidade robusta na retaguarda, para o caso de termos cometido algum erro.
Passos para a obtenção de valor
Roberta Fusaro: Quais são os primeiros passos para as organizações que querem ter certeza de que estão começando a obter valor de seus investimentos em gen AI?
Lareina Yee: Acho que o primeiro passo é ter as métricas de sucesso. O que você está tentando alcançar com isso? Implantar IA generativa só para dizer que você fez isso, só para criar uma demonstração de conceito ou uma engenhoca, não gerará valor comercial. Logo no início, é importante perguntar: “Quais são as métricas de sucesso? O que vou ver trimestre após trimestre?”. E depois: “Como estamos nos saindo em relação a isso?”. Então, pode ser que você espere 20% mais produtividade e vá usar essa capacidade extra para conseguir mais clientes.
Alexander Sukharevsky: Essa parada para reflexão é extremamente importante. E, depois de identificar o que está procurando, você deve voltar à receita que discutimos anteriormente e pensar no que é necessário para dar escala e incorporar a IA à organização.
Lareina Yee: Alexander, adorei a sua observação sobre escala, porque às vezes as pessoas perguntam: “O que significa dar escala?”. Se você tiver apenas dez engenheiros usando a solução, isso não é escala. Escala é quando a grande maioria dos engenheiros usa a solução e realmente apresenta resultados com ela.
Sem dúvida, o passo mais difícil e mais longo é a curva de adoção pelos usuários e por todos que a estão utilizando e mudando o trabalho. Isso leva bastante tempo. Então, você pode ter a solução implantada em 12 semanas, mas será que terá a adoção e o uso em 12 semanas? Não. Você deve continuar trabalhando trimestre após trimestre para, ao longo de um ano ou 18 meses, obter o resultado empresarial que almeja.
O futuro é promissor
Roberta Fusaro: Quais são as considerações finais de vocês sobre o rumo que estamos tomando com a gen AI?
Lareina Yee: A tecnologia e as capacidades dela são espetaculares. Para capturar isso, precisamos trazer de volta a ideia de tomada de decisões pragmática. Quais são os casos que farão a diferença nos nossos negócios? Como começar a investir plenamente? Como investir nesses casos? Como dar vida a eles? E como gerar esse valor para os nossos negócios? Acho que estamos entrando em uma era de pragmatismo importante.
Alexander Sukharevsky: Concordo com a Lareina, com a ressalva de que ainda estamos na fase de pré-conscientização porque a tecnologia é muito nova. Em menos de um ano, dez milhões de desenvolvedores tiveram acesso a essas ferramentas. Então, o que estamos vendo agora é apenas o começo, e acredito que seja, portanto, a era da criatividade e da imaginação.
Apesar de entendermos o que ela pode fazer, não tivemos tempo suficiente para descobrir como reinventar os nossos modelos de negócios e a nossa maneira atual de trabalhar. Juntamente com o pragmatismo do qual a Lareina estava falando e a imaginação que mencionei, acho que, nos próximos 12 a 18 meses, veremos soluções pragmáticas revolucionárias, nas quais você aplicará a tecnologia não apenas para se entreter, mas para gerar valor verdadeiro, seja para os negócios, seja – e isso é o mais importante – para a humanidade.
O que fazer quando você não está sendo ouvido
Lucia Rahilly: A seguir, Sherina Ebrahim, sócia sênior da McKinsey, dá duas dicas para ajudar qualquer pessoa a enfrentar o comportamento irritante de seu gerente.
Sherina Ebrahim: A primeira vez que retornei da licença-maternidade, eu era gerente e tinha passado a trabalhar meio período. Naquela época, trabalhar meio período era uma política bem estabelecida, mas não era tão difundida como hoje, principalmente para o cargo de gerente.
Quando voltei, eu tinha um dia de folga por semana. Na primeira semana, o sócio com quem eu trabalhava marcou uma reunião para o meu dia de folga. Mesmo assim, fiz a reunião. Na segunda semana, aconteceu a mesma coisa, e eu fiz a reunião. Aí, na terceira semana, aconteceu o mesmo: foi marcada uma reunião interna da equipe e, novamente, eu não falei nada. Mas, a essa altura, achei que precisava dizer algo.
Então, eu disse ao sócio: “Sabe, estou trabalhando meio período, e amanhã é o meu dia de folga, e agora marcamos pela terceira vez uma reunião no meu dia de folga”. Para falar a verdade, o sócio ficou agoniado. Ele tinha se esquecido completamente. Ele pediu mil desculpas, mudamos a reunião, seguimos em frente, e o restante do projeto foi perfeitamente normal em termos de como o fizemos funcionar.
O que aprendi com isso foram duas coisas. A primeira foi supor que a intenção havia sido positiva. Foi uma daquelas coisas do tipo: “Não estou acostumado com isso, só estou passando de uma coisa para outra, não estava pensando nisso”. A segunda é se defender. Quando você vir algo que não funciona bem para você, pelo menos mencione isso e converse a respeito.
Acho que isso me ajudou pelo resto da minha carreira porque, é claro, as coisas nem sempre são perfeitas. Haverá momentos em que você estará trabalhando meio período e, se não tiver uma conversa e não interagir, não saberá o que seu gerente está pensando, ele não saberá o que você está pensando, e isso não levará a um resultado positivo.