Ashley Moser, cofundadora e diretora comercial da MelodyArc – Série de entrevistas

Ashley Moser, cofundadora e diretora comercial da MelodyArc, lidera a estratégia comercial da empresa, trabalhando com clientes para transformar metas operacionais ambiciosas em resultados mensuráveis. Ela traz uma experiência que abrange operações, estratégia de produto, logística, vendas e serviços financeiros, incluindo cargos de liderança na Wonder e na Jetblack da Walmart, onde atuou em cadeia de suprimentos, melhoria contínua, estratégia e logística. No início de sua carreira, foi diretora de vendas na Stella Connect, posteriormente adquirida pela Medallia, trabalhou com a plataforma de varejo móvel NewStore e passou mais de quatro anos no J.P. Morgan em vendas institucionais de ações.

MelodyArc é uma plataforma empresarial de orquestração de IA projetada para ajudar equipes de operações a coordenar dados, regras de negócios, sistemas de IA e decisões humanas dentro de um ambiente único e governado. A plataforma foi construída em torno da execução de processos operacionais complexos de ponta a ponta, permitindo que as equipes definam fluxos de trabalho, apliquem lógica de negócios, implantem operadores de IA ou outros agentes e escalem casos para pessoas quando for necessário um julgamento mais aprofundado. Seu Point Engine avalia caminhos potenciais para resolver cada caso, operando dentro das regras organizacionais e registrando cada etapa, proporcionando às empresas maior visibilidade e controle sobre fluxos de trabalho impulsionados por IA em áreas como atendimento ao cliente, merchandising, mensagens no site, cadeia de suprimentos e sortimento.

Você teve uma carreira diversificada, passando por finanças no J.P. Morgan, SaaS empresarial na Medallia e funções operacionais na Jetblack da Walmart. Qual insight ou frustração específica o levou a cofundar a MelodyArc, e como essas experiências moldaram a visão central da empresa? 

Começamos a empresa porque meu cofundador, James McHenry, e eu já havíamos sido operadores e tecnólogos antes. Vimos de perto, e em muitas situações, ajudamos a construir ótimas tecnologias para equipes de operações. Mas continuávamos encontrando a mesma lacuna: soluções pontuais que ou atendiam a uma fatia estreita do que as operações realmente faziam, ou não correspondiam à forma como o trabalho realmente ocorria no terreno.

Com isso em mente, decidimos criar uma plataforma que pudesse levar novas tecnologias às equipes de operações de linha de frente de maneira que elas realmente pudessem usar. Hoje, isso se materializa como orquestração humana no loop.

A MelodyArc está colocando IA diretamente nas mãos dos operadores de linha de frente. Como essa abordagem difere das implantações tradicionais de IA empresarial de cima para baixo, e por que essa mudança está ocorrendo agora? 

Com a MelodyArc, uma vez que a plataforma está em funcionamento, colocamos a capacidade de criar novos fluxos de trabalho, ideias e processos humanos no loop diretamente nas mãos das equipes, com pouco ou nenhum impacto no roadmap mais amplo. Isso significa que as equipes podem melhorar seus próprios processos usando IA sem precisar subir e descer na cadeia de comando a cada vez. É uma forma fundamentalmente diferente de implantar essa tecnologia.

Isso fica especialmente evidente em nossas maiores implantações empresariais. Em um cliente, começamos com um único caso de uso em uma equipe. Hoje, estamos operando com mais de cinco casos de uso em várias equipes.

Também vimos equipes construírem um processo assistido por IA em um único dia, algo que antes era priorizado menos porque nunca atendia ao critério de ROI para o que seria uma construção intensiva em engenharia.

Muitas organizações estão investindo fortemente em IA, mas ainda têm dificuldade em operacionalizá‑la. Quais são as lacunas mais comuns que você observa entre a estratégia de IA e a execução no mundo real?

Dois pontos principais se destacam. Primeiro, quando as empresas analisam um processo ao qual desejam aplicar IA, muitas vezes adotam uma abordagem tudo ou nada. Elas automatizam tudo sobre o processo em foco ou não o tocam de forma alguma. Incentivamos as empresas a, em vez disso, analisar a composição de um processo e identificar onde a automação se encaixa, onde a IA se encaixa e onde as pessoas ainda precisam estar envolvidas, não necessariamente nessa ordem. Essa abordagem abre muito mais processos como candidatos à IA e também libera mais automação downstream, porque você foi deliberado sobre onde as pessoas são inseridas no loop.

Segundo, do ponto de vista estratégico, as empresas costumam ter centenas de casos de uso elegíveis para escolher. O essencial é avaliá‑los com base no impacto real nos negócios, em dólares, horas e métricas concretas, em vez de perseguir o que for mais chamativo ou fácil. Atacar primeiro as áreas maiores e de maior impacto, mesmo que sejam mais difíceis, é onde as empresas obtêm mais valor. Isso também demonstra um efeito de roda‑giratória positivo de valor que os projetos de IA podem gerar nas organizações.

A MelodyArc combina IA com fluxos de trabalho humanos em vez de substituí‑los. Como você determina o equilíbrio correto entre automação e tomada de decisão humana em ambientes empresariais?

MelodyArc ajuda as empresas a alcançar seus objetivos de automação encontrando o equilíbrio certo entre IA e tomada de decisão com humanos no loop. Quando a MelodyArc inicia o processo de implementação, o objetivo final de uma organização pode ser que a automação complete 90 % do trabalho, com os 10 % restantes dependendo da expertise dos membros da equipe. Mas, em vez de priorizar apenas a velocidade, a MelodyArc aproveita a participação humana no loop desde o início. Por exemplo, começando com uma divisão 50‑50 entre automação e contribuição dos membros da equipe, e então automatizando incrementalmente mais do processo. Essa abordagem coloca fluxos de trabalho em nível empresarial em produção mais rapidamente, porque não estamos tentando aperfeiçoar o fluxo antes de integrar a IA.

Outra força dessa abordagem é que, ao lançarmos em produção, coletamos dados do processo que nos indicam exatamente quais partes do processo automatizar a seguir. Isso permite que a MelodyArc continue avançando em direção aos objetivos de automação de forma mais rápida e consistente. Na prática, isso frequentemente significa que uma empresa vê a automação melhorar continuamente, sem precisar interromper o fluxo de trabalho para correções ou ajustes.

Com sua experiência em experiência do cliente e operações, como você acha que a IA está redefinindo o que significa “um ótimo serviço” em um ambiente onde as respostas podem ser geradas instantaneamente?

Acredito que “instantâneo” se tornará algo básico e essencialmente comoditizado. Um ótimo serviço nunca foi apenas fornecer ao cliente uma resposta rapidamente, mas sim oferecer a resposta correta com o menor esforço possível. A IA nos oferece novas maneiras de reduzir esse esforço, seja executando tarefas em nome dos clientes, sugerindo os próximos passos ou preenchendo campos automaticamente – tudo que torna a experiência mais ágil e agradável. Gerar uma resposta instantaneamente não significa nada se não for realmente relevante, e eu argumentaria que perseguir apenas a velocidade é como as empresas acabam otimizando a coisa errada.

A IA empresarial frequentemente falha na fase final, onde adoção e usabilidade se tornam críticas. Quais princípios de design têm sido essenciais para garantir que a MelodyArc seja realmente utilizada pelas equipes de linha de frente?

Começamos partindo da compreensão de que há muito conhecimento tácito presente em nossas equipes, e somos muito claros sobre o que podemos e não podemos automatizar. Ser transparente sobre essa distinção torna a experiência muito mais intuitiva. Não se trata de uma caixa preta em que as equipes ficam incertas sobre o que está acontecendo ou por quê.

A usabilidade se resume à ideia de que a tecnologia trabalha com as equipes de linha de frente, em vez de se tornar algo que elas precisam contornar. Isso se relaciona ao motivo pelo qual fundamos a empresa, já que muitas soluções pontuais atendiam apenas a um recorte estreito das operações ou não correspondiam à forma como o trabalho realmente ocorria no terreno. Descobrimos que essa é uma das principais razões pelas quais muitas ferramentas de IA empresarial permanecem sem uso meses após o lançamento.

À medida que os agentes de IA se tornam mais autônomos, quais desafios de governança e controle as empresas devem se preparar antes de escalar esses sistemas?

A observabilidade em qualquer ambiente empresarial é essencial, especialmente a capacidade de ver quais decisões foram tomadas e por quê. Para processos que as empresas poderiam automatizar, mas não se sentem confortáveis em automatizar totalmente, recomendo manter um humano no loop. Isso é crítico não apenas para manter a supervisão, mas também para testar novos sistemas a fim de compreender melhor como eles funcionam e seus impactos, tanto positivos quanto negativos.

Do ponto de vista comercial, como a venda de IA para empresas evoluiu nos últimos anos à medida que os compradores se tornam mais informados, mas também mais cautelosos?

Todos ficaram muito mais inteligentes, tanto compradores quanto fornecedores. Estamos cerca de quatro anos em um ciclo que na verdade se estende por várias décadas, então ainda estamos aprendendo. À medida que a IA se torna mais capaz e mais acessível, estamos iterando rapidamente sobre o que podemos fazer pelos clientes ao mesmo tempo em que eles aprendem o que podem fazer dentro de suas próprias organizações, o que é realmente empolgante porque há muita troca de valor.

As organizações estão mais focadas em segurança da informação do que nunca, em preservar o que as torna distintas e na eficiência real que a IA entrega. Elas também estão abordando os projetos de forma mais racional, dispostas a adotar de forma incremental em vez de apostar tudo de uma vez. Construir versus comprar ainda é um cálculo interno muito vivo, e cada vez mais vemos abordagens híbridas, como construir e comprar, ou “construir por meio da compra”, em vez de escolher apenas uma das opções.

Você trabalhou tanto em startups de alto crescimento quanto em grandes organizações como a Walmart. Como a construção de IA para operações empresariais difere dependendo do tamanho da empresa e da complexidade organizacional?

Na verdade, há duas dimensões aqui: a abrangência da organização e a profundidade histórica de sua pilha tecnológica e processos.

Em startups de alto crescimento, você não tem tantas pessoas nem tanta complexidade organizacional, e não está lidando com sistemas construídos há 20 anos ou equipes que fazem a mesma coisa há uma década. Quanto maior e mais estabelecida a organização, mais é necessário repensar as formas de fazer as coisas desde o início. Isso significa decidir como você quer operar no futuro e, então, avançar incrementalmente de maneira que se ajuste à organização. Às vezes, isso também implica conduzir experimentos independentes na periferia, de forma um tanto separada ou paralela aos processos existentes.

Olhando para o futuro, como você vê o papel dos trabalhadores de linha de frente evoluindo à medida que a IA se incorpora aos fluxos de trabalho cotidianos? Estamos avançando para a ampliação, orquestração ou algo totalmente novo? 

Para fluxos de trabalho cotidianos, uma camada de orquestração é fundamental. Fazer com que todas as suas pessoas e tecnologias trabalhem juntas de forma nativa é a direção que estamos seguindo. Mas a implementação desse tipo de tecnologia pode ser complexa, pois não se trata de um silo simples onde as organizações podem automatizar uma etapa e depois repassá‑la a um colaborador. É uma combinação de IA, automação e um colaborador trabalhando em conjunto.

Há muitas oportunidades para as equipes de linha de frente implementarem fluxos de trabalho. Sempre que conversamos com clientes, há dezenas, senão centenas, de projetos que eles gostariam de abordar, mas não podem, seja por orçamento, roadmap tecnológico, tamanho da equipe ou retorno sobre investimento que os impede. É exatamente aí que a IA e a orquestração entram: ajudam as equipes a fazer muito mais com o que já possuem, reduzindo o custo de lançamento. Isso, em última análise, gera um ROI positivo para projetos futuros.

Obrigado pela ótima entrevista, leitores que desejam saber mais devem visitar MelodyArc.