Quatro perguntas que todo COO deve fazer antes de implementar IA

A era da IA é cheio de promessa, todas as empresas estão relatando o quanto aumentaram sua eficiência e o quanto a IA está fazendo isso. Como alguém que já gerenciou operações em diversas startups de IA e agora administra um fundo de capital de risco de IA com mais de 120 empresas em seu portfólio, vejo um cenário diferente. Muitas e muitas ferramentas úteis de IA e automação estão sendo adquiridas, integradas e introduzidas com pouco ou nenhum efeito. De acordo com relatório recente da McKinsey sobre o potencial da IAQuase 70% das transformações de IA falham. O problema é que, se você introduzir até mesmo a melhor ferramenta de IA em um processo confuso, conduzido por humanos, tudo o que você obtém é um processo confuso que agora também é alucinando e perdendo contexto.

Um de nossos investidores compartilhou recentemente que sua empresa introduziu agentes de IA em uma de suas operações e, em seguida, realizou um estudo para verificar o ganho de eficiência. Os resultados foram chocantes — seus funcionários estavam economizando muito tempo em algo que faziam manualmente antes, mas gastando exatamente a mesma quantidade de tempo. tentando consertar erros que a IA cometeu. Nem é preciso dizer que a automação foi implementada pela TI e a equipe de operações ficou de fora. Vamos falar sobre como os COOs podem aproveitar a IA para realmente melhorar as operações.

Na DVC, não investimos apenas em startups de IA, mas também somos pioneiros na adoção de praticamente todas as novas tecnologias que vemos. Construímos nossos próprios agentes e usamos os produtos das empresas do nosso portfólio em todos os aspectos do trabalho de capital de risco — desde a busca e a obtenção de negócios, passando pela assistência aos fundadores do portfólio, até a criação de ferramentas que nossos LPs usam para analisar oportunidades de investimento anjo. Nosso sucesso nisso advém da aplicação de uma estrutura bastante tediosa, mas muito útil.

Antes de qualquer implantação de IA, fazemos estas quatro perguntas:

1. Existem regras claras?

O processo pode ser definido por diretrizes específicas? Em caso afirmativo, é um ótimo candidato à automação. Fluxos de trabalho jurídicos, regras contábeis, integração estruturada? Perfeito. São sistemas em que os resultados seguem regras. A IA prospera aqui.

Mas se o seu processo for inerentemente criativo — digamos, narrativa de marca ou design estratégico — a autonomia total não funcionará, e o processo precisa ser projetado com pessoas usando copilotos. No marketing de marca, quebrar as regras muitas vezes acrescenta valor. Não terceirize isso para um agente.

2. Este processo tem uma única fonte de verdade?

Se o seu CRM diz uma coisa, o seu rastreador de pedidos diz outra, e a atualização real está na planilha pessoal de alguém — pare. Os sistemas de IA são tão bons quanto os dados que você os fornece.

Criar uma única fonte de verdade e eliminar silos de dados ou conhecimento é um padrão ouro de design de processos eficientes e, para a IA de agência, é mais importante do que nunca.

Quando todos os pontos de contato e históricos do cliente são registrados em um banco de dados unificado, a IA pode automatizar acompanhamentos, recomendar as próximas ações e gerar relatórios precisos. E até mesmo fornecer suporte por voz ao cliente ou agendar compromissos com clientes. Muitas vezes, vemos startups terem sucesso quando vendem uma solução com uma fonte de verdade integrada, especialmente quando vendem para pequenas empresas, como Avoca AI, um assistente telefônico para eletricistas, integrado com um CRM integrado, garantindo que todos os dados e interações do cliente sejam centralizados e atualizados.

3. Existe um histórico de dados rico?

Cada ação é registrada com exemplos de como as decisões foram tomadas? A IA aprende com padrões em seus dados históricos. Sem registros, não há aprendizados. Se o seu sistema não registra o que aconteceu e porque, não pode gerar padrões. Não pode melhorar. Você desperdiçará dinheiro.

Mas mesmo que você grave todas as ligações dos clientes, transcreva-as com IA e armazene-as em uma pasta, provavelmente não será suficiente. Os agentes que trabalham com isso devem ser configurados para converter esses dados não estruturados em dados resumidos e estruturados, talvez até mesmo em gráficos, para entender melhor os relacionamentos, ou eles rapidamente excederiam sua capacidade de atenção. Imagine que você é um funcionário cuja memória é apagada toda vez que você chega ao trabalho. Você consegue ler e escrever com velocidade sobre-humana, mas precisa olhar para megabytes de registros de conversas e histórico de bate-papo tentando descobrir o que a empresa faz e como fazer o que o gerente pediu. É assim que um agente de IA "se sente" sem um bom banco de dados.

As melhores equipes não apenas coletam dados — elas os estruturam e os versionam pensando no futuro. É aí que se formam os ciclos de aprendizado. É aí que a IA se torna mais inteligente, mesmo sem precisar de nenhum treinamento de modelo.

Na saúde, Coletivamente aplica esse princípio em escala: usando anos de dados anotados de faturamento, pagamento e interação com pacientes, eles otimizam o faturamento médico e a gestão do ciclo de receita. Sua IA aprende com resultados históricos para reduzir erros e acelerar as cobranças.

4. Sua pilha de tecnologia está preparada para IA?

A IA pode realmente se conectar aos seus sistemas e ferramentas, ou você está preso àquele portal interno de 1988 que mal carrega? Vimos casos em que as ferramentas de operações internas estavam tão desatualizadas que não conseguiam gerar saídas estruturadas — muito menos interagir com APIs. Nessas situações, muitas vezes era mais rápido e eficaz reconstruir o sistema do zero do que forçar a IA a se integrar à infraestrutura legada. Se os agentes de IA puderem usar o MCP, ou uma API estruturada e documentada, é sempre melhor (e mais barato) do que quando precisam fazer capturas de tela da interface e executá-las por reconhecimento de imagem para descobrir qual botão pressionar.

A IA está se tornando infraestrutura. Mas, assim como a eletricidade no início do século XX, seu potencial só se revela quando você redesenha a fábrica, e não apenas instala lâmpadas. Não faça retrofit. Reinvente. E, nem é preciso dizer, muitas ferramentas internas que antes custavam um milhão de dólares para serem desenvolvidas agora podem ser programadas do zero por um de seus engenheiros durante o horário de almoço.

Hora dos Primeiros Princípios.

Agora a parte mais interessante. Digamos que projetamos um processo ideal – ele seria definido por regras, teria uma única fonte de verdade e coletaria dados de forma estruturada para autoaperfeiçoamento. Até convencemos nosso engenheiro a passar o horário de almoço codificando um novo conjunto de ferramentas internas. Mas vamos analisar esse processo mais uma vez. É muito provável que, devido à automação, ele tenha se tornado muito, muito mais barato de operar. Agora tente imaginar o que acontece com o seu negócio com esse custo tão reduzido. Tente ter uma visão mais ampla – como esse processo coexistiria com outros processos se fossem aprimorados da mesma forma? Talvez seja hora de reimaginar tudo com a IA em mente.

Muitas vezes, pensar na operação do seu negócio desde os primeiros princípios pode levar à identificação de oportunidades inesperadas. Por exemplo, na DVC, automatizamos a análise de negócios, a due diligence e a preparação de memorandos de negócios, passando efetivamente de 6 pessoas/hora para 3 minutos de IA fazendo o trabalho. Tradicionalmente, os VCs só faziam todo esse trabalho depois de conversar com os fundadores e confirmar que o negócio valia a pena investir essas 6 pessoas/hora, e a empresa tinha um número limitado de analistas. Agora, como ficou tão barato para nós, analisamos o mercado, preparamos um memorando de negócios e até fazemos alguma due diligence ANTES de falar com o fundador. Isso nos permite ter ligações apenas com empresas nas quais sabemos que podemos e queremos investir, economizando tempo para nossos sócios e fundadores.

Mas podemos ir ainda mais longe. Como temos um analista ilimitado, podemos levar essas ferramentas aos nossos investidores e olheiros, que nos indicam novas oportunidades de negócios, para que economizem tempo, analisem cada negócio sob a ótica de um analista profissional de capital de risco e reduzam o número de vezes que teríamos que recusar um negócio após a análise. Ainda coletamos todos os dados, pois podemos usá-los para aprender e aprimorar nossas ferramentas.

Isso nos permitiu ser cerca de 8 vezes mais produtivos do que uma empresa de capital de risco típica do nosso porte. Mas não chegamos aqui por acaso. Mapeamos nossas operações internas, aplicamos as quatro perguntas e reconstruímos a partir dos princípios básicos.

Essa estrutura ajuda líderes de startups e COOs a mudar sua mentalidade: de "Podemos usar IA aqui?" — uma questão de possibilidade técnica — para "Deveríamos?", o que força uma análise mais aprofundada do valor estratégico, da prontidão dos dados e da manutenibilidade a longo prazo. É a diferença entre implementar ferramentas porque elas estão disponíveis e redesenhar processos porque é a coisa certa a fazer.