3 Princípios Fundamentais para Obter Retorno sobre o Investimento em Implantações de GenAI

Os líderes das empresas estão ansiosos para implantar inteligência artificial gerativa (GenAI) em seus negócios. Então, por que tantos projetos estão falhando em sair da fase de prova de conceito (POC)? Em um evento recente da Gartner, Rita Sallam, vice-presidente analista distinta, disse que pelo menos 30% dos projetos de GenAI serão abandonados após as POCs até o final de 2025 devido a problemas como baixa qualidade de dados, controles de risco insuficientes, custos em rápido crescimento ou incapacidade de realizar o valor de negócios desejado.

Esses problemas estão entre os motivos pelos quais a Gartner disse que a GenAI está começando a entrar no trough de desilusão em seu último Ciclo de Hype para Tecnologia Emergente, 2024. No entanto, em uma pesquisa separada da Gartner, os respondentes relataram que suas implantações de GenAI ajudaram as empresas a registrar aumentos de receita de 15,8%, economias de custos de 15,2% e melhorias de produtividade de 22,6%.

Então, o que separa as empresas que têm sucesso em integrar a GenAI em fluxos de trabalho-chave daquelas que falham em realizar o valor de negócios projetado? Esses líderes e equipes usam uma abordagem diferente caracterizada por preparação rigorosa e gestão de mudanças. Aqui estão três princípios fundamentais para orientar a avaliação, seleção e habilitação de casos de uso com GenAI, para que as equipes possam mitigar riscos e gerenciar custos enquanto transformam processos de negócios.

1. Princípio fundamental 1: Quantificar rigorosamente o valor de negócios desde o início:

Enquanto os líderes de negócios podem ter priorizado a experimentação de GenAI inicialmente, agora eles estão ansiosos para colher valor de negócios tangível dos investimentos.

Os parceiros podem ajudar as empresas a desenvolver casos de negócios detalhados realizando workshops para entender os objetivos gerais, o estado atual dos processos de dados e infraestruturas de tecnologia e mais. Como parte desse processo, eles trabalham com equipes de empresas para avaliar casos de uso potenciais, priorizando-os por resolver dores de negócios, determinando o nível de esforço e ROI esperado e desenvolvendo indicadores de desempenho-chave para medir o progresso. Na Google Cloud Next ’24, a empresa destacou 101 histórias de organizações que estão tendo sucesso com a GenAI implantando agentes de cliente, funcionário, criativo, dados, código e segurança.

As capacidades do mercado continuam a evoluir, simplificando o caminho para a criação de valor. A Microsoft e a Google integraram grandes modelos de linguagem em seus mecanismos de busca. Os usuários da Internet agora podem receber respostas resumidas e links, acelerando seu tempo de insight. Da mesma forma, os parceiros estão oferecendo plataformas de acelerador de GenAI com modelos de IA e aprendizado de máquina que as empresas podem personalizar e implantar em seu ambiente em questões de semanas. As empresas se beneficiam ao ganhar ferramentas comprovadas, reduzir o custo e o risco de implantação e escalar novas capacidades de negócios mais rapidamente.

2. Princípio fundamental 2: Garantir a qualidade, privacidade e segurança dos dados.

Fornecer dados de alta qualidade, conformes com a privacidade e seguros para o treinamento de modelos e inferência é a base de cada implantação de GenAI bem-sucedida. As empresas devem preparar os dados para garantir que os modelos de IA gerem saídas precisas e confiáveis. Além disso, elas estão implementando guardrails e novas ferramentas para proteger informações sensíveis, incluindo saídas de modelo, da exposição. Da mesma forma, a GenAI pode ser usada para identificar problemas de segurança que podem ser remediados por equipes ou automação.

A Mastercard está usando a GenAI para facilitar interações com os clientes e reduzir a fraude. Seus chatbots impulsionados por IA fornecem aos clientes acesso instantâneo a recomendações personalizadas, informações de conta e histórico de transações.

A empresa também usa modelagem preditiva de GenAI para identificar padrões de gastos incomuns, que podem indicar fraude potencial. Com a GenAI, a Mastercard dobrou a taxa de detecção de cartões comprometidos; reduziu os falsos positivos em até 200%; e aumentou a velocidade de identificação de comerciantes vulneráveis à fraude em 300%.

3. Princípio fundamental 3: Fortalecer a colaboração humano-GenAI.

Embora a GenAI automatize alguns processos, a maior parte do tempo, ela ajudará os humanos a tomar decisões melhores. A GenAI pode criar dados sintéticos, processar dados, reconhecer padrões e criar análises preditivas para empoderar a equipe e a criação de novos serviços. Por exemplo, a GenAI pode fornecer cenários e recomendações para os tomadores de decisão considerarem para que eles possam otimizar os resultados. Os humanos trazem consciência do mercado e contextual, conhecimento de negócios, julgamento e empatia para a tomada de decisões, construindo sobre as capacidades da GenAI.

Então, como as empresas podem maximizar o potencial das colaborações humano-GenAI? Os líderes devem dedicar tempo para definir claramente papéis e responsabilidades, treinar continuamente as equipes sobre as últimas capacidades, e fornecer guardrails e caminhos de escalada quando a GenAI não atende às expectativas. Além disso, eles devem compartilhar sua visão para a GenAI redefinir o negócio e enfatizar que estão aumentando as capacidades humanas em vez de substituí-las. Uma pesquisa da Forrester encontrou que 36% dos funcionários temem perder seus empregos para a automação ou a IA, mas apenas 1,5% perderão, enquanto 6,5% terão seus papéis influenciados pela GenAI. Como resultado, os funcionários devem abraçar essa tecnologia em vez de evitá-la.

A Allstate implementou um chatbot impulsionado por GenAI que aproveita o processamento de linguagem natural para fornecer suporte em tempo real e multilíngue e obter maior insight sobre o comportamento do cliente. Por exemplo, busca melhorar o desempenho de modelos anteriores em três vezes, identificando aquelas jornadas do cliente que exigem suporte de agente.

O chatbot simplifica o processo de sinistro fornecendo uma plataforma centralizada para coletar e revisar informações relevantes. Enquanto os agentes humanos continuam a lidar com sinistros complexos que exigem julgamento especializado, o chatbot melhora significativamente a eficiência, automatizando tarefas rotineiras e reduzindo o tempo de processamento. Ao usar a IA para simplificar a conclusão de formulários, a Allstate está melhorando a precisão e a satisfação do cliente.

Colher Mais Retorno sobre o Investimento em GenAI Adotando Esses 3 Princípios Fundamentais

Quando a GenAI irrompeu na consciência do mundo, os líderes aplicaram-na rapidamente em seus negócios, incentivando a experimentação e a inovação. No entanto, às vezes as POCs correram à frente dos fundamentos, escalando custos e criando soluções que não entregaram o valor desejado.

Os líderes podem usar esses três princípios fundamentais – desenvolver um caso de negócios sólido, atender aos requisitos de dados e ajudar as equipes a colaborar com a IA – para tornar as novas iniciativas de GenAI bem-sucedidas. Eles poderão apontar para casos de uso e ferramentas de alto valor, salvaguardas de dados e melhorias de produtividade e inovação que encantam a C-suite, conselhos, clientes e investidores.