Os ganhos das empresas com inteligência artificial só serão significativos quando saírem das aplicações commodities, focadas em tarefas individuais, e implementarem soluções específicas, com visão de processos.
Volta e meia vemos na mídia exemplos de casos de uso de GenAI, a imensa maioria “overhypado”. Minhas ressalvas à essas matérias é que elas não falam dos desafios encontrados, dos custos e tempo envolvidos e dos benefícios tangíveis que estão sendo obtidos. Passa a impressão que foram feitos em poucas horas, quase sem esforço.
A maioria das cases enfatiza tarefas, como ganhos de produtividade em e-mails e resumos de relatórios, que são tarefas individuais, e não processos, embora os processos sejam muito mais importantes.
Os processos integram a produção de tarefas de diferentes funcionários em algo que o cliente final deseja e definem a forma como a qualidade da tarefa é definida.
Tarefas como e-mail e relatórios só agregam valor quando contribuem com valor para os clientes finais, não apenas para funcionários individualmente.
Por isso, achei bem sintomático que esse artigo na HBR (Is GenAI’s Impact on Productivity Overblown?), geralmente positiva em relação a cada nova tecnologia, afirma que os benefícios da IA generativa têm sido exagerados. E enfatizam exatamente que esse exagero é decorrente dos exemplos se concentrarem demasiado nas tarefas e não nos processos como um todo.
Usar as produtividades individuais para tirar conclusões amplas sobre o desempenho ao nível da empresa pode revelar-se inadequado e inacurado.
Desempenho global da empresa
A análise de dados específicos de tarefas revela pouco sobre o verdadeiro efeito de uma nova tecnologia como os LLMs no desempenho global da empresa.
Outra questão é que muitas empresas não adotam rapidamente a IA para uma aplicação específica se esta exigir muita personalização. Por exemplo, olhemos dois casos de uso amplamente discutidos: assistentes de pesquisa e chatbots.
Uma razão pela qual esses casos de uso propostos ainda não estão sendo amplamente utilizados é que eles não podem ser realizados por um único produto, mas exigem integração com outros sistemas e muita personalização e, portanto, não são facilmente implementados.
Isso não quer dizer que a tecnologia não seja útil para muitos tipos de trabalho, mas sim que os usuários e executivos devem ter clareza sobre onde, quando e com qual intensidade podemos usar LLMs de forma eficaz e confiável.
Os gestores devem estar atentos aos contextos onde a adoção de LLMs se revela útil e vantajosa, não adotando nem rejeitando cegamente a tecnologia.
Os ganhos das empresas com GenAI só serão significativos quando saírem das aplicações commodities, focadas em tarefas individuais, e implementarem soluções específicas, com visão de processos. Mas isso exige estratégia, maturidade digital, dados e talentos. Não é tão simples quanto fazer alguns prompts. [Webinsider]
