Mudando Como Pensamos Sobre GenAI na Sala de Reunião: Navegando ROI de Curto e Longo Prazo

À medida que as equipes de liderança em todo o mundo começam a planejar para 2025, o tópico em mente de todos é quando esperar que seus investimentos em IA e/ou IA geradora (GenAI) sejam recompensados. Nova pesquisa da Google Cloud revelou que mais de 6 em 10 grandes empresas (com mais de 100 funcionários) estão usando GenAI, e 74% já estão vendo algum retorno sobre o investimento (ROI) considerável. No entanto, maximizar o ROI da IA/GenAI exige uma abordagem estratégica que vá além da justificativa dos custos, abrangendo tanto retornos diretos/indiretos, um entendimento claro dos prazos de entrega e despesas ocultas, e a integração de recursos centrados no ser humano para garantir processos confiáveis e escaláveis.

Reestruturando o ROI

Considerando toda a atenção que a IA/GenAI recebeu nos meios de comunicação no ano passado, pode ser fácil esquecer que esses investimentos ainda são relativamente novos, o que significa que a maioria das empresas ainda não começou a ver o tipo de ROI que é possível. Isso torna ainda mais importante gerenciar as expectativas na sala de reunião desde o início, pois qualquer avaliação inicial criará impressões críticas que influenciarão como a liderança vê os investimentos futuros. Se eles têm grandes esperanças por uma mudança imediata e transformadora, sua opinião pode azedar se essas mudanças ainda estiverem se desenvolvendo nos estágios iniciais. Em outras palavras, novas inovações exigem novas perspectivas de medição, e os líderes devem reestruturar como pensam sobre o ROI de curto e longo prazo.

Em termos do que constitui uma transformação bem-sucedida, o progresso é frequentemente melhor medido pelo olho do observador, mas mesmo “pequenas” vitórias podem levar a resultados mais significativos no futuro. Aqui estão três maneiras de ajudar a contextualizar seus investimentos em IA/GenAI, bem como alguns exemplos de empresas que estão em uma jornada semelhante.

1. Distinguir entre ROI direto e indireto

Em algumas indústrias, um ROI direto é mais fácil de identificar. Por exemplo, se uma empresa de varejo ou CPG começa a oferecer nova funcionalidade GenAI, eles provavelmente obterão uma sensação imediata dos clientes de como as funcionalidades estão sendo recebidas. Já em outras indústrias, como a manufatura, há mais um ROI indireto que depende de investimentos de longo prazo. Com esses tipos de retornos indiretos, geralmente é o “impacto de efeito dominó” que pode criar novas oportunidades ou desbloquear novo valor. Imagine que você está implementando uma nova solução de IA para melhorar a produtividade da equipe. Embora seu objetivo inicial possa ter sido a produção, o aumento da atividade também pode levar a descobrir completamente novos caminhos de crescimento que não haviam sido considerados. Essa é a parte mais emocionante e emocionante sobre a IA/GenAI – o potencial desconhecido. E, embora o potencial seja difícil de medir, ele sempre deve ser incluído como um fator no cálculo do retorno.

Um bom exemplo de ambos, ROI direto e indireto, pode ser encontrado na empresa de comércio eletrônico Mercari, que no ano passado adicionou um assistente de compras impulsionado por ChatGPT à sua plataforma de marketplace para itens de segunda mão. Seu novo “Merchant AI” permitiria que os clientes “entrassessem no site, engajassem o assistente de compras em conversa natural, respondessem perguntas sobre suas necessidades e, em seguida, recebessem uma série de recomendações” para as próximas etapas. O ROI direto disso foi uma redução de 74% no volume de tickets na Mercari, enquanto o ROI indireto foi que as economias de tempo resultantes permitiram que a empresa reduzisse gradualmente a dívida técnica e escalasse suas operações.

2. Fatorar o prazo de entrega para investimentos em IA/GenAI e os custos ocultos acompanhantes

Considerando a pressão constante sobre a equipe de liderança para crescer os lucros, há pouca chance de que eles adotem subitamente uma mentalidade de “coisas boas vêm para quem espera”. Mas a realidade é que qualquer incursão em IA/GenAI leva tempo e dinheiro, mesmo antes de você chegar à linha de partida. Desde o investimento em infraestrutura e treinamento até a aquisição de diferentes APIs e dados relevantes, pode ser meses de trabalho de preparação que não mostrarão nenhum “retorno” além de estar pronto para começar. Outro custo oculto (que muitas pessoas não mencionam) é a realidade de que você obterá alucinações e erros criados pela IA que podem custar às empresas grandes quantias de dinheiro, enviando-as na direção errada, abrindo uma brecha ou potencialmente desencadeando um problema de RP caro. Toda a experiência é muito nova, o que torna tudo um pouco mais arriscado e caro, então é importante que os líderes levem isso em consideração ao avaliar o ROI.

A McKinsey ofereceu insights sobre esse processo de tomada de decisão e seus custos associados, brincando com o cenário clássico “alugar, comprar ou construir”. Em seu arquétipo, CIOs ou CTOs devem considerar se são um “Taker” (usando LLMs publicamente disponíveis com pouca personalização), um “Shaper” (integrando modelos com dados próprios para obter resultados mais personalizados) ou um “Maker” (construindo um modelo personalizado para atender a um caso de negócios discreto). Cada arquétipo tem seus próprios custos que os líderes de tecnologia terão que avaliar, desde “Taker” que custa cerca de $2 milhões, até “Maker”, que às vezes pode chegar a 100 vezes esse valor.

Esforçar-se para tornar o investimento em IA/GenAI mais centrado no ser humano

Ainda há muito medo por aí (especialmente entre os trabalhadores) de que a IA substituirá os seres humanos. Em vez de descartar essas preocupações, as empresas devem posicionar qualquer transformação como um complemento e não como uma substituição, e tentar encontrar maneiras de tornar seu investimento mais centrado no ser humano. Com a GenAI, não é uma transação; é uma parceria, e ainda há uma necessidade real de que os seres humanos avaliem a eficácia de quaisquer insights ou materiais gerados para garantir que estejam livres de viés, alucinações ou outras interpretações erradas. É por isso que é fundamental que as empresas continuem desafiando a IA a fornecer a razão por trás de cada decisão para garantir a precisão. Isso dará ao conteúdo mais validação, os trabalhadores verão um papel definido no processo e, em última análise, ajudará o ROI, pois você está aprendendo a cada etapa.

Também é uma boa ideia estabelecer guardrails firmes para fornecer limites estritos sobre que tipo de informação a IA pode coletar. Pergunte a si mesmo: “Deveríamos permitir que a IA tenha acesso à internet?” Talvez não. O ponto é considerar a necessidade primeiro e, se você tiver outras metodologias comprovadas, use-as. Às vezes, a IA é útil apenas para resumir, não para “pensar”. Tudo gira em torno de criar o equilíbrio certo, e os seres humanos ainda têm um papel crítico a desempenhar. De acordo com a pesquisa da Accenture, 94% dos executivos sentem que as tecnologias de interface humana permitirão que entendamos melhor os comportamentos e intenções, transformando a interação humano-máquina.

Fechar a Lacuna entre Promessa e Realidade

Especialistas concordam que, embora a baixa barreira de entrada da GenAI seja um recurso excelente, seu “potencial de longo prazo depende de evidenciar seu valor de curto prazo”. Isso significa que qualquer piloto de IA/GenAI deve ter uma série de critérios de sucesso claramente definidos (mas flexíveis) antes de ser lançado, e as empresas devem monitorar constantemente os processos para garantir que eles estejam continuamente fornecendo valor. Quando se trata dessa nova era de inovação digital, pode nunca haver uma linha de chegada tradicional que estamos correndo em direção. Em vez disso, mudando como pensamos sobre o ROI de curto e longo prazo da IA/GenAI, as empresas podem ser mais astutas com seus dólares de investimento e se concentrar em desenvolver capacidades que possam escalar junto com os negócios.