Fred Laluyaux, cofundador e CEO da Aera Technology – Série de entrevistas

Fred Laluyaux, cofundador, presidente e CEO da Aera Technology, é um executivo experiente em software empresarial que construiu e liderou empresas na interseção de análise de dados, automação e tomada de decisões. Antes de fundar a Aera, atuou como CEO da Anaplan e ocupou diversos cargos de liderança sênior na SAP, abrangendo finanças, gestão de desempenho, riscos, vendas e desenvolvimento corporativo. No início de sua carreira, trabalhou em cargos executivos na Business Objects e na ALG Software, e fundou a Transcribe Technologies, o que lhe proporcionou décadas de experiência em escalar organizações globais de software e traduzir dados complexos em resultados de negócios.

Tecnologia Aera A Aera desenvolve software de inteligência de decisão baseado em IA, projetado para ajudar grandes empresas a operar com maior rapidez e precisão. A plataforma da empresa analisa continuamente dados de toda a organização e do seu ambiente externo, transformando insights em ações recomendadas e automatizadas em tempo real. Ao focar em decisões em vez de dashboards, a Aera visa ajudar as organizações a migrarem de análises reativas para operações proativas e em constante aprimoramento.

Você fundou e liderou diversas empresas de software empresarial, desde seus primeiros dias construindo a Transcribe Technologies até administrar a Anaplan e agora cofundar a Tecnologia AeraQue problema você identificou em grandes empresas que o convenceu de que a inteligência de decisão precisava existir como uma categoria própria, e por que 2017 foi o momento certo para criar a Aera?

Venho trabalhando nesse problema há mais de uma década — muito antes da Aera existir. Em 2010, quando eu estava na SAP, escrevi um artigo sobre o que eu acreditava que se tornaria o maior desafio para as grandes empresas: tomar e executar decisões com rapidez suficiente para acompanhar a digitalização da economia.

Três forças estavam em conflito: volume, complexidade e velocidade. As decisões estavam se tornando muito mais detalhadas, mais próximas do ponto de impacto, mas as empresas ainda estavam estruturadas como pirâmides profundas de pessoas, ferramentas e processos que simplesmente não conseguiam escalar.

A verdadeira questão passou a ser: como trazer o poder da tecnologia para o nível transacional? Não apenas insights ou dashboards, mas máquinas executando decisões, aprendendo continuamente com todas as decisões tomadas e com humanos no controle.

Em 2017, estávamos adiantados. O mercado não estava totalmente preparado, e nós também não. Essa é a natureza de uma startup: você começa com uma visão clara e constrói cedo para estar pronto quando o mercado amadurecer. No caso da Aera, isso levou alguns anos. E a COVID-19 não ajudou. Mas tem sido fascinante ver que nossa visão central permaneceu fiel à sua formulação inicial, enquanto tanto a plataforma quanto o mercado evoluíram a ponto de a Aera agora liderar a categoria de inteligência de decisão e trabalhar com algumas das maiores organizações do mundo.

Hoje em dia, muito se discute sobre agentes de IA, mas você já deixou claro que insights por si só não bastam. Como você explica a diferença entre análises, recomendações assistidas por IA e inteligência de decisão genuína para CIOs que estão tentando se orientar em meio a tanta informação?

As ferramentas tradicionais de análise e inteligência de negócios informam o que aconteceu. A IA pode ajudar a prever o que pode acontecer. As recomendações assistidas por IA sugerem opções, mas ainda dependem de humanos para decidir e agir.

A inteligência decisória vai além de painéis estáticos ou recomendações pontuais. Ela opera como um ciclo de aprendizado contínuo para acelerar e aprimorar as decisões — usando dados, análises, IA e automação para avaliar compensações, simular cenários e executar e monitorar ações em tempo real, alinhadas aos objetivos de negócios.

Embora a IA possa ajudar as equipes a prever a demanda ou otimizar fluxos de trabalho, a inteligência de decisão determina como agir com base nessas informações.. Ela equilibra custos, riscos, níveis de serviço e restrições operacionais em toda a empresa, em grande escala.

A Aera é frequentemente descrita como a facilitadora da empresa autônoma. Na prática, como isso se traduz na realidade dentro de uma grande organização e quais decisões estão realmente preparadas para esse nível de automação hoje?

Quando falamos de empresas autônomas, não estamos falando de autonomia sem controle. Desde o primeiro dia, nossa visão foi passar de pessoas tomando e executando decisões com o apoio de máquinas, para máquinas executando decisões guiadas por pessoas — com intenção clara, restrições e responsabilidade.

Na prática, a Aera funciona como um agente de decisão. Ela compreende continuamente os dados, detecta gatilhos, avalia as vantagens e desvantagens, recomenda ações e executa decisões diretamente nos sistemas corporativos. Com a Aera, os humanos não gerenciam painéis de controle; eles governam as decisões, muitas vezes por meio de uma simples interação de concordância ou discordância.

As decisões que hoje estão prontas para esse nível de automação são de alto volume e repetitivas — reequilíbrio de estoque, priorização de pedidos de compra, alterações de parâmetros — onde a velocidade é crucial e a coordenação manual gera a maior ineficiência.

Você trabalhou em estreita colaboração com empresas globais em toda a cadeia de suprimentos, finanças e operações. Onde os CIOs estão vendo os retornos mais rápidos e tangíveis da inteligência de decisão, seja em capital de giro, níveis de serviço ou redução de desperdício?

Os CIOs observam os retornos mais rápidos e tangíveis da inteligência de decisão em situações onde as decisões são de alto volume, repetíveis e limitadas por custos, capacidade ou compromissos de serviço. Na cadeia de suprimentos e operações, isso geralmente inclui o rebalanceamento de estoques, a priorização de pedidos de compra e a logística. É nesse contexto que a execução automatizada em escala gera ganhos mensuráveis ​​em capital de giro, níveis de serviço e redução de desperdício.

Por exemplo, uma empresa global de ciências da vida utiliza inteligência de decisão para monitorar continuamente a demanda e ajustar pedidos de compra — solicitando automaticamente cancelamentos ou reduções aos fornecedores, validando as respostas e confirmando as alterações. Essa capacidade está gerando uma redução anual de desperdício superior a milhões, além de reduzir a quilometragem percorrida por caminhões e as emissões de gases de efeito estufa (GEE) associadas.

Muitas empresas já têm dificuldades para operacionalizar modelos de IA em larga escala. Quais são os obstáculos mais comuns que você observa quando as organizações tentam passar da geração de insights para a execução automatizada de decisões?

Os desafios costumam surgir quando as equipes começam experimentando ferramentas de IA isoladas. Elas podem automatizar um único fluxo de trabalho, mas têm dificuldade em operacionalizar as decisões de forma consistente em toda a empresa. Sem uma plataforma de decisão modular e específica, esses esforços são difíceis de gerenciar, escalar ou adaptar conforme as condições mudam.

Outro obstáculo comum é a falta de clareza sobre onde o processo de tomada de decisões está falhando. As empresas investem em IA e previsão, mas não identificam por que os estoques aumentam, as previsões falham ou a logística apresenta baixo desempenho. A visibilidade fragmentada das decisões agrava o problema.

As equipes de sucesso começam com um caso de uso claro e de alto impacto, onde as compensações são compreendidas, constroem confiança por meio de recomendações e execução, e automatizam gradualmente. A partir daí, elas podem escalar à medida que as decisões se adaptam e melhoram continuamente ao longo do tempo.

A IA agética está se tornando um termo muito usado no setor. Como você vê os agentes se encaixando em plataformas de inteligência de decisão e em que situações as empresas precisam ter cautela em relação à autonomia versus supervisão humana?

Em inteligência de decisão, os agentes agregam mais valor quando estão integrados a um sistema de decisão supervisionado — e não quando operam isoladamente. Com o Plataforma Aera Decision CloudOs agentes trabalham em equipes coordenadas, cada um contribuindo com uma capacidade específica: simular cenários; integrar sinais em tempo real; validar a viabilidade; avaliar o impacto financeiro; e executar ações — tudo orquestrado em torno de uma única decisão.

Onde as empresas precisam ser cautelosas é na autonomia sem governança. Na prática, as decisões baseadas em agentes são sempre guiadas por pessoas. Equipes humanas definem os parâmetros e objetivos, monitoram o desempenho, testam hipóteses e gerenciam a qualidade dos dados a partir de um ambiente de sala de controle. O sistema pode funcionar continuamente, mas são os humanos que governam a evolução das decisões. Esse equilíbrio é o que torna a IA baseada em agentes escalável, confiável e segura no ambiente corporativo.

A confiança é fundamental quando as decisões afetam a receita, os clientes ou a conformidade. Como a Aera garante que as decisões sejam explicáveis, auditáveis ​​e defensáveis, especialmente em ambientes regulamentados?

A confiança começa com a transparência. Para cada decisão, a Aera captura o contexto completo — os dados utilizados, a recomendação, a lógica por trás dela, a decisão tomada e o resultado. À medida que o sistema é executado e atualizado, ele monitora e mensura os resultados das decisões para aprimorar continuamente a tomada de decisões.

Chamamos isso de aprendizado de decisão automática. Com base no desempenho das decisões, a Aera calcula índices de confiança para as recomendações, explicando as causas principais, as compensações e o impacto esperado. Um usuário pode ver uma recomendação com uma justificativa clara e um nível de confiança de 92%.

Essa abordagem é autônoma, porém supervisionada. Por meio da Rede de Inteligência de Decisão da plataforma, que funciona como uma sala de controle centralizada, os usuários têm visibilidade completa das decisões, ações e resultados. Eles podem monitorar o desempenho, testar hipóteses, gerenciar a qualidade dos dados e ajustar a lógica ao longo do tempo.

Com base em suas conversas com CIOs, como o papel dos humanos está evoluindo à medida que os sistemas de inteligência decisória amadurecem, e quais habilidades se tornam mais importantes conforme as máquinas assumem mais decisões operacionais?

À medida que a inteligência decisória amadurece, o papel dos humanos não desaparece — ele se desloca para um nível superior na cadeia de valor. Estamos testemunhando uma mudança, passando de pessoas executando decisões manualmente para pessoas que projetam, governam e aprimoram as decisões.

Em muitas empresas de bens de consumo embalados, as funções tradicionais de planejamento já estão evoluindo para analistas de decisão, focados em monitorar resultados, compreender as compensações e aprimorar a lógica de decisão ao longo do tempo. Paralelamente, os arquitetos de decisão definem a intenção, as restrições e as diretrizes que orientam o funcionamento das máquinas.

As habilidades mais importantes passam a ser o discernimento, o pensamento sistêmico e a capacidade de formular as decisões corretas. Os humanos mantêm o controle firme, governando como as máquinas tomam decisões, mas não cada ação individual.

O primeiro Quadrante Mágico do Gartner para Plataformas de Inteligência de Decisão indica que essa categoria está se tornando popular. Quais recursos você acredita que diferenciarão os fornecedores líderes dos retardatários nos próximos anos?

Tendo sido nomeada Líder no Quadrante Mágico do Gartner para Plataformas de Inteligência de Decisão, vemos a liderança definida por uma forte execução e pela capacidade de fornecer recursos abrangentes e combináveis ​​em todo o ciclo de vida da decisão. Na pesquisa complementar do Gartner sobre Capacidades Críticas, a Aera também foi reconhecida por seu desempenho em casos de uso de decisão importantes — incluindo análise de decisão, engenharia de decisão, ciência da decisão e gestão de decisões — avaliando o quão bem as plataformas podem modelar, operacionalizar, governar e aprimorar continuamente as decisões em escala empresarial.

Acreditamos que os principais fornecedores também se destacarão pela eficácia com que integram técnicas avançadas de IA, incluindo IA generativa e agente, em sistemas de decisão supervisionados e prontos para uso corporativo. Isso exige plataformas desenvolvidas especificamente para esse fim, que sejam componíveis, acessíveis à empresa por meio de interfaces de baixo código e linguagem natural, e governadas em escala para atender aos requisitos de segurança e regulamentação. Em última análise, os fornecedores mais fortes incorporarão a inteligência de decisão como uma camada operacional que aprende e melhora continuamente, e não apenas como mais um aplicativo que as equipes precisam gerenciar.

Para organizações que reconhecem a lacuna entre insights e ações, como a plataforma da Aera as ajuda a preencher esse ciclo na prática, e como é tipicamente uma primeira implementação bem-sucedida para um CIO que busca gerar impacto mensurável nos negócios?

Reduzir a lacuna entre a compreensão e a ação começa com a operacionalização das decisões no dia a dia. A plataforma da Aera permite que os CIOs tratem as decisões como processos contínuos: monitorando resultados, testando alternativas e aprimorando o desempenho ao longo do tempo. Isso geralmente se baseia em um centro de excelência em decisões, virtual ou físico, onde as equipes governam e refinam a forma como as decisões são tomadas e executadas.

A Aera unifica dados, análises, regras de negócios, IA e automação em uma única plataforma modular para impulsionar decisões que fluem da compreensão à execução e ao aprendizado. Sua arquitetura modular permite que a TI mantenha a supervisão e a segurança, enquanto possibilita que as equipes de negócios definam, adaptem e evoluam os fluxos de decisão. À medida que os resultados são registrados, as decisões melhoram continuamente e liberam as equipes para se concentrarem em julgamento, estratégia e exceções.

Uma primeira implementação bem-sucedida geralmente demonstra resultados mensuráveis ​​em um caso de uso de decisão de alto impacto em 10 a 12 semanas, executando e aprimorando continuamente as decisões de ponta a ponta. Isso cria um modelo replicável para escala empresarial.

Obrigado pela ótima entrevista, os leitores que desejam saber mais devem visitar Tecnologia Aera.