Como implementar IA generativa na sua empresa? A McKinsey responde

Executivos que desejam implementar inteligência artificial (IA) em suas empresas devem saber que investirão mais na gestão das mudanças de processos internos do que em tecnologia em si. Essa é a principal orientação dada por Sergio Canova, sócio da McKinsey, durante a palestra “O que CEOs devem saber hoje sobre IA Generativa para começar a agir”, que aconteceu nesta quinta-feira (15), no Startup Summit 2024, em Florianópolis (SC).

LEIA MAIS:

• Startup que “ouve” vacas incorpora IA nas fazendas e quer dobrar de tamanho até 2026

• IA vai ampliar lacuna tecnológica entre países ricos e pobres, diz estudo
• Quem é a Groq, rival da Nvidia que captou R$ 3,5 bi para desenvolver seus chips de IA

A IA generativa é um tipo de sistema baseado em inteligência capaz, a partir da análise de um banco de dados, de gerar texto, imagens ou outros meios de resposta a solicitações, usando uma linguagem do dia a dia.

Após quase dois anos da explosão da popularidade dessa tecnologia, suas vantagens para os negócios já são amplamente conhecidas. Contudo, para Sergio Canova, a transformação em uma companhia só se dá com o uso correto da IA generativa pelas pessoas que formam a organização.

“A tecnologia sozinha não resolve problemas. O que os resolve, no fim das contas, é mudar processos, mudar como as pessoas exercem o seu trabalho. Por isso a gestão da mudança é fundamental na implementação não só da IA generativa, mas de qualquer tecnologia”, disse Canova.

Segundo dados da McKinsey, a cada US$ 1 investido em tecnologia, são necessários outros US$ 5 em gestão de mudanças. “Se as pessoas não sabem usar, se elas não adotam, aquela tecnologia não cria nenhum valor”, complementa.

Como implementar?

Um caso de implementação de IA generativa na McKinsey foi o desenvolvimento de um ChatGPT interno, que reúne informações de todo o banco de dados da empresa a partir da busca de um analista – “marketing de vendas para uma empresa da indústria x”, por exemplo.

Devido à economia de tempo, a ferramenta foi amplamente adotada e incorporada no dia a dia pelos funcionários, sobretudo os mais jovens. O caso é o que a empresa chama de “farol”: uma aplicação bem-sucedida, que serviu para educar os colaboradores sobre a tecnologia.

Sergio Canova descreveu aprendizados obtidos no processo. O primeiro passo é identificar um problema de negócio cuja resolução tem potencial de criação de valor para a empresa. A partir disso, a pesquisa por uma IA generativa que resolva essa questão deve começar. “Temos que evitar a implementação de tecnologia pela tecnologia”, afirma.

O segundo passo é pensar no “como”. São necessárias ferramentas de tecnologia, desde infraestrutura de dados até a capacidade de processamento. Como terceiro passo, é preciso objetivar a melhora do coeficiente de aprendizado da sua organização. “Todo mundo está testando essa tecnologia. E aqui vale o mesmo que se aplica no teste de outras tecnologias: velocidade é estratégia, ou seja, erre, mas erre rápido”.

Depois, busque por parceiros para ajudar a empresa na implementação da IA generativa. “Já existe uma oferta grande de potenciais parceiros. Então não perca tempo. Ninguém tem que desenvolver tudo em casa e sozinho”.

Por fim, envolva não apenas o time de TI, mas a força de vendas, os recursos humanos, o time jurídico e todas as outras áreas na implementação da novidade e na gestão da mudança de processos que essa novidade causará.

Não é resposta para tudo

Apesar do ganho de produtividade que a implementação da inteligência artificial generativa pode trazer para uma empresa, ela não é a resposta para tudo, segundo Sergio Canova, partner da McKinsey.

“Em situações em que existem riscos associados, como uma aplicação jurídica, eu sempre precisarei de um humano para olhar para a amplitude desses riscos”, explica. O mesmo vale para o diagnóstico de doenças na medicina.

Além disso, devido à sua característica mais criativa, a IA generativa não é recomendada para prever demandas ou ser usada em aplicações que requerem raciocínio numérico.

A análise de crédito é outra área em que essa tecnologia não é recomendada, segundo a McKinsey. “Essa tecnologia olha para uma quantidade enorme de dados, identifica padrões e dá uma resposta média. Ela não olha para todos os potenciais problemas, como é necessário ser feito em uma avaliação de crédito – aqui eu quero achar a exceção da exceção, o bom pagador, e não a média”.