IA empresarial: os casos de uso que criam mesmo valor.

Raramente uma tecnologia terá sido adotada tão depressa nos discursos e tão devagar nos processos. Todas as direções viram demonstrações impressionantes. Muitas lançaram pilotos. Muito poucas conseguem apontar um processo completo cujo desempenho tenha mudado de forma duradoura. Este desfasamento deve pouco à maturidade dos modelos; deve-se à forma como as empresas escolhem os seus casos de uso. Ou, mais exatamente, à forma como não os escolhem.

Porque é que «a IA em todo o lado» falha

Polvilhar IA sobre todos os temas ao mesmo tempo produz invariavelmente o mesmo resultado: uma coleção de pilotos órfãos. Os mecanismos são sempre os mesmos.

• A demonstração substitui o processo. Um assistente que brilha em comité e um tratamento que cumpre a sua promessa em milhares de operações reais, com as suas exceções, os seus litígios e os seus documentos mal digitalizados, são dois objetos diferentes. O primeiro obtém-se em poucas semanas. O segundo exige refazer o processo que o rodeia.
• Ninguém é dono do resultado. Quando o caso de uso nasce num laboratório em vez de nascer num responsável de processo, ninguém responde pelo desvio entre a promessa e a produção. O piloto tem sucesso, a implementação fica órfã, o tema apaga-se.
• Os dados descobrem-se tarde demais. A IA empresarial não raciocina sobre a internet, mas sobre as suas encomendas, as suas faturas, os seus contratos, os seus históricos de contactos. Se forem incompletos ou contraditórios, o modelo industrializa a confusão. Muitos projetos de IA morrem de um problema de dados que um enquadramento honesto teria revelado no primeiro dia.

O que distingue um bom caso de uso

A nossa grelha de leitura é voluntariamente austera. Cinco condições, todas necessárias.

• Um processo frequente e caro em atenção humana. O valor da IA conta-se em ocorrências; desconfie dos temas prestigiosos com baixo volume.
• Um resultado mensurável nos termos do negócio: prazo, taxa de erro, carga evitada, tempo de resposta ao cliente. Definido antes do projeto. Os indicadores reconstruídos a posteriori não provam nada.
• Dados acessíveis e suficientemente fiáveis, ou um projeto de fiabilização explicitamente incluído no perímetro.
• Um proprietário de negócio que quer o resultado ao ponto de aceitar modificar o seu próprio processo para o obter.
• Um caminho para a produção: integração no sistema, gestão das exceções, supervisão. Sem plano de industrialização, um caso de uso permanece um protótipo, seja qual for o seu orçamento.

Substitua «onde podemos pôr IA?» por «que processo queremos ver funcionar de outra forma daqui a um ano?»: metade da triagem já está feita.

Em SAP e Salesforce, o que passa a barreira da produção

Os casos de uso que chegam à produção parecem-se uns com os outros. Vemo-los agrupar-se em torno de cinco terrenos, dos quais dois vivem sobretudo no núcleo de gestão e dois sobretudo na relação com o cliente.

A extração documental

Faturas de fornecedores, notas de encomenda, conhecimentos de embarque, declarações aduaneiras, documentos de identidade na abertura de uma conta: uma parte considerável do trabalho administrativo consiste em ler documentos para voltar a introduzir o seu conteúdo no SAP ou no CRM. A extração, a reconciliação e a contabilização assistidas formam o terreno mais seguro da IA empresarial. Os volumes são elevados, o resultado verifica-se, e os ganhos são visíveis para as próprias equipas, o que muda tudo para a adoção. Numa economia em que muitos documentos ainda circulam em papel ou em fotografia de telemóvel, a qualidade da captura condiciona tudo: faz parte do projeto.

O serviço ao cliente aumentado

No Salesforce Service Cloud, a IA resume o histórico de um cliente antes da chamada, propõe uma resposta ao assistente, classifica e encaminha os pedidos recebidos, cheguem por e-mail, por WhatsApp ou pela agência. O valor é real quando o assistente continua a ser dono da resposta e o sistema aprende com as suas correções. Desaparece quando se tenta substituir o assistente em pedidos que comprometem o cliente, um litígio ou um reembolso.

A previsão ancorada nas operações

Previsão da procura, antecipação de atrasos de abastecimento, projeção de tesouraria: a previsão cria valor quando o seu resultado alimenta uma decisão recorrente e instrumentada, um plano de abastecimento ou uma revisão de tesouraria, em vez de mais um painel de controlo. O critério decisivo nada tem a ver com a sofisticação do modelo. É preciso que um gesto de negócio mude graças a ele.

O scoring

Prioridade dos prospetos, risco de perda de um assinante, propensão para subscrever uma oferta: o scoring no Salesforce Sales Cloud ou Marketing Cloud é útil se for explicado, contestável e revisto. Uma pontuação que ninguém sabe justificar acaba ignorada pelos comerciais, ou pior, aplicada sem discernimento a clientes que classifica mal. E assim que toca em pessoas, está sujeita à lei n.º 2008-12: finalidade declarada, informação das pessoas, direito de contestação.

Os agentes

Assistentes que respondem com o conhecimento da empresa, agentes que preparam ou executam transações sob controlo humano, em SAP como em Salesforce: a família mais promissora é também a mais exigente. Pressupõe um enquadramento estrito. Perímetro de ação delimitado, rastreabilidade de cada gesto, validação humana em tudo o que compromete a empresa. Um agente sem governação não é mais do que um risco operacional dotado de uma boa interface.

Três condições que o entusiasmo não substitui

Nenhuma destas famílias se aguenta sem três fundações. Dados limpos, primeiro: referenciais partilhados entre o ERP e o CRM, definições comuns, acessos governados. É o trabalho ingrato que condiciona todos os outros, e a razão pela qual a nossa oferta Data & Analytics trata os dados e os seus usos em conjunto. Uma supervisão humana, a seguir: alguém olha para o que o modelo produz, corrige, e as suas correções voltam ao modelo. Uma governação, por fim: quem decide o que a IA tem o direito de fazer, quem responde pelos seus erros, como são informadas as pessoas envolvidas. Recusamos ver nisto travões à inovação. É o que separa uma capacidade de empresa de uma experimentação permanente.

O que o terreno nos ensinou

Algumas lições, tiradas dos nossos projetos sem nomear nenhum. O limiar de confiança de uma extração afina-se com as equipas que verificam, não num gabinete de arquiteto: demasiado baixo, deixam de confiar; demasiado alto, voltam a introduzir tudo. Um modelo deriva: o que funcionava nos documentos de janeiro degrada-se nos de junho quando um fornecedor muda de formato, e ninguém o vê se ninguém medir. As equipas adotam o que lhes tira uma tarefa penosa e rejeitam o que lhes acrescenta uma, mesmo mínima. Por fim, o melhor caso de uso é quase sempre menos espetacular do que o apresentado em comité, e é esse que é preciso financiar.

Porque estas fundações vivem no núcleo do sistema e no CRM, a trajetória de IA não se pensa independentemente da trajetória ERP e da trajetória de relação com o cliente. Um núcleo SAP S/4HANA limpo, com processos harmonizados e dados fiáveis, e um Salesforce em que a visão do cliente é única, continuam a ser, na nossa opinião, os melhores investimentos em IA que a maioria das empresas pode fazer. Explicamo-lo na nossa leitura da data ECC 2027 e no nosso ponto de vista sobre a relação com o cliente dos bancos e das telecomunicações. A nossa oferta IA e automação parte daí.