Fred Laluyaux, Co-Fundador e CEO da Aera Technology – Série de Entrevistas

Fred Laluyaux, Co-Fundador, Presidente e CEO da Aera Technology, é um executivo de software empresarial experiente que construiu e liderou empresas na interseção da análise, automação e tomada de decisões. Antes de fundar a Aera, ele atuou como CEO da Anaplan e ocupou várias funções de liderança sênior na SAP, abrangendo finanças, gestão de desempenho, risco, vendas e desenvolvimento corporativo. No início de sua carreira, ele trabalhou em funções executivas na Business Objects e na ALG Software, e fundou a Transcribe Technologies, o que lhe deu décadas de experiência em escalonar organizações de software globais e traduzir dados complexos em resultados de negócios.

Aera Technology desenvolve software de inteligência de decisão impulsionado por IA projetado para ajudar grandes empresas a operar com maior velocidade e precisão. A plataforma da empresa analisa continuamente dados de toda a organização e seu ambiente externo, transformando insights em ações recomendadas e automatizadas em tempo real. Ao se concentrar em decisões em vez de dashboards, a Aera visa ajudar as organizações a mudar de análise reativa para operações proativas e continuamente melhoradas.

Você fundou e liderou várias empresas de software empresarial, desde os primeiros dias construindo a Transcribe Technologies até executar a Anaplan e agora co-fundar a Aera Technology. Qual problema você viu nas grandes empresas que o convenceu de que a inteligência de decisão precisava existir como sua própria categoria, e por que 2017 foi o momento certo para construir a Aera?

Eu estive trabalhando nesse problema por mais de uma década — muito antes da existência da Aera. Em 2010, enquanto estava na SAP, eu escrevi um artigo sobre o que acredito que se tornaria o maior desafio para as grandes empresas: tomar e executar decisões rapidamente o suficiente para acompanhar a digitalização da economia.

Três forças estavam colidindo — volume, complexidade e velocidade. As decisões estavam se movendo para um grão muito mais fino, mais perto do ponto de impacto, mas as empresas ainda estavam estruturadas como pirâmides profundas de pessoas, ferramentas e processos que simplesmente não podiam escalar.

A questão real se tornou: 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 os humanos no controle.

Quanto a 2017, estávamos cedo. O mercado não estava totalmente pronto, e nem nós. Essa é a natureza de uma startup: você começa com uma visão clara e constrói cedo para que esteja pronto quando o mercado amadurece. No caso da Aera, levou alguns anos. E a COVID-19 não ajudou. Mas foi fascinante ver que nossa visão central permaneceu fiel à sua formulação inicial, enquanto a plataforma e o mercado evoluíram para o ponto em que a Aera agora lidera a categoria de inteligência de decisão e trabalha com algumas das maiores organizações do mundo.

Há muita discussão hoje em torno de agentes de IA, mas você foi claro que insights sozinhos não são suficientes. Como você explica a diferença entre análise, recomendações assistidas por IA e verdadeira inteligência de decisão para CIOs que estão tentando cortar o barulho?

Ferramentas tradicionais de análise e inteligência de negócios contam o que aconteceu. A IA pode ajudar a prever o que pode acontecer. Recomendações assistidas por IA sugerem opções, mas ainda dependem dos humanos para decidir e agir.

A inteligência de decisão vai além de dashboards estáticos ou recomendações de uma vez. Ela opera como um loop de aprendizado contínuo para acelerar e melhorar as decisões — usando dados, análise, IA e automação para avaliar trade-offs, simular cenários e executar e monitorar ações em tempo real, alinhadas com os objetivos de negócios.

Enquanto a IA pode ajudar as equipes a prever a demanda ou otimizar fluxos de trabalho, a inteligência de decisão determina como agir sobre esses insights. Ela equilibra custo, risco, níveis de serviço e restrições operacionais em toda a empresa em escala.

A Aera é frequentemente descrita como habilitadora da empresa autônoma. Em termos práticos, como isso realmente funciona dentro de uma grande organização, e quais decisões estão realisticamente prontas para esse nível de automação hoje?

Quando falamos sobre a empresa autônoma, isso não é autonomia sem controle. Desde o início, nossa visão foi mudar de pessoas tomando e executando decisões apoiadas por máquinas para máquinas executando decisões guiadas por pessoas — com intenção clara, restrições e responsabilidade.

Na prática, a Aera opera como um agente de decisão. Ela entende continuamente os dados, detecta gatilhos, avalia trade-offs, recomenda ações e executa decisões diretamente nos sistemas empresariais. Com a Aera, os humanos não gerenciam dashboards; eles governam decisões, frequentemente por meio de uma interação simples de concordar ou discordar.

As decisões prontas para esse nível de automação hoje são de alto volume e repetíveis — reequilíbrio de estoque, priorização de pedidos de compra, alterações de parâmetros — onde a velocidade importa e a coordenação manual cria 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 veem os retornos mais rápidos e tangíveis da inteligência de decisão onde as decisões são de alto volume, repetíveis e restritas por custo, capacidade ou trade-offs de serviço. Na cadeia de suprimentos e operações, isso frequentemente inclui reequilíbrio de estoque, priorização de pedidos de compra e logística. É aqui que a execução automatizada em escala impulsiona ganhos mensuráveis em capital de giro, níveis de serviço e redução de desperdício.

Por exemplo, uma empresa global de ciências da vida usa inteligência de decisão para monitorar continuamente a demanda e ajustar pedidos de compra — solicitando automaticamente cancelamentos ou reduções de fornecedores, validando respostas e confirmando alterações. Essa capacidade está entregando mais de milhões em redução anual de desperdício, além de reduzir milhas de caminhão e emissões de gases de efeito estufa (GEE) associadas.

Muitas empresas já lutam para operacionalizar modelos de IA em escala. Quais são os principais bloqueadores que você vê quando as organizações tentam mudar da geração de insights para a execução automatizada de decisões?

Desafios frequentemente surgem quando as equipes começam experimentando com ferramentas de IA autônomas. Elas podem automatizar um único fluxo de trabalho, mas lutam para operacionalizar decisões consistentemente em toda a empresa. Sem uma plataforma de decisão composta e projetada para esse fim, esses esforços são difíceis de governar, escalar ou adaptar à medida que as condições mudam.

Outro bloqueador comum é a falta de clareza sobre onde a tomada de decisão está quebrando. As empresas investem em IA e previsão, mas não identificam por que o estoque aumenta, as previsões erram ou a logística subperforma. A visibilidade fragmentada das decisões complica o problema.

As equipes que têm sucesso começam com um caso de uso de alto impacto claro, onde os trade-offs são entendidos, constroem confiança por meio de recomendações e execução e automatizam gradualmente. A partir daí, elas podem escalar à medida que as decisões continuamente se adaptam e melhoram com o tempo.

A IA agente está se tornando uma palavra-chave na indústria. Como você vê os agentes se encaixando nas plataformas de inteligência de decisão, e onde as empresas precisam ter cuidado com a autonomia versus a supervisão humana?

Na inteligência de decisão, os agentes adicionam mais valor quando estão incorporados em um sistema de decisão supervisionado — não operando em isolamento. Com a plataforma Aera Decision Cloud, os agentes trabalham como equipes coordenadas, cada um contribuindo com uma capacidade específica: simulação de cenários; integração de sinais em tempo real; validação de viabilidade; avaliação de impacto financeiro; e execução de ações — todos orquestrados em torno de uma decisão única.

Onde as empresas precisam ter cuidado é com a autonomia sem governança. Na prática, as decisões agênticas são sempre guiadas por humanos. As equipes humanas definem os parâmetros e objetivos, monitoram o desempenho, testam suposições e gerenciam a qualidade dos dados a partir de um ambiente de controle. O sistema pode funcionar continuamente, mas os humanos governam como as decisões evoluem. Esse equilíbrio é o que torna a IA agente escalonável, confiável e segura na empresa.

Confiabilidade é crítica quando as decisões afetam receita, clientes ou conformidade. Como a Aera garante que as decisões sejam explicáveis, auditáveis e defensáveis, especialmente em ambientes regulamentados?

A confiabilidade começa com transparência. Para cada decisão, a Aera captura o contexto completo — os dados usados, a recomendação, a lógica por trás dela, a decisão tomada e o resultado. À medida que o sistema funciona e se atualiza, ele monitora e mede os resultados das decisões para melhorar continuamente a tomada de decisão.

Chamamos isso de aprendizado de decisão automático. Com base no desempenho da decisão, a Aera calcula pontuações de confiança para as recomendações — explicando as causas raiz, os trade-offs e o impacto esperado. Um usuário pode ver uma recomendação com uma justificativa clara e uma pontuação de confiança de 92%.

Essa abordagem é autônoma, mas supervisionada. Através da Rede de Inteligência de Decisão da plataforma, que serve como um centro de controle centralizado, os usuários têm visibilidade completa sobre as decisões, ações e resultados. Eles podem monitorar o desempenho, testar suposições, 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 de decisão amadurecem, e quais habilidades se tornam mais importantes à medida que as máquinas assumem mais decisões operacionais?

À medida que a inteligência de decisão amadurece, o papel dos humanos não some — ele se move para a cadeia de valor. Estamos vendo uma mudança de pessoas executando manualmente decisões para pessoas projetando, governando e melhorando decisões.

Em muitas empresas de bens de consumo embalados, os papéis tradicionais de planejamento já estão evoluindo para analistas de decisão que se concentram em monitorar os resultados, entender os trade-offs e melhorar a lógica de decisão ao longo do tempo. Ao lado deles, os arquitetos de decisão definem a intenção, as restrições e as barreiras que guiam como as máquinas agem.

As habilidades mais importantes se tornam julgamento, pensamento em nível de sistema e a capacidade de enquadrar as decisões certas. Os humanos permanecem firmemente no controle, governando como as decisões são feitas pelas máquinas, mas não a cada ação individual.

O primeiro Quadrante Mágico da Gartner para Plataformas de Inteligência de Decisão sinaliza que essa categoria está entrando no mainstream. Quais capacidades você acredita que separarão os principais fornecedores dos atrasados nos próximos anos?

Por ter sido nomeada Líder no inaugural Quadrante Mágico da Gartner para Plataformas de Inteligência de Decisão, vemos a liderança definida por uma forte execução e a capacidade de entregar capacidades abrangentes e compostas em todo o ciclo de vida da decisão. Na pesquisa de Capacidades Críticas da Gartner, a Aera também foi reconhecida por seu desempenho em casos de uso de decisão-chave — incluindo análise de decisão, engenharia de decisão, ciência de decisão e administração de decisão — avaliando como as plataformas podem modelar, operacionalizar, governar e melhorar continuamente as decisões em escala empresarial.

Acreditamos que os principais fornecedores também serão distinguidos por quão eficazmente integram técnicas de IA avançadas, incluindo IA generativa e agente, em sistemas de decisão supervisionados e prontos para empresas. Isso exige plataformas projetadas para esse fim que sejam compostas, acessíveis ao negócio por meio de interfaces de código baixo e linguagem natural e governadas em escala para atender aos requisitos de segurança e regulamentação. No final, os fornecedores mais fortes incorporarão a inteligência de decisão como uma camada operacional que aprende e melhora continuamente, não apenas outro aplicativo que as equipes precisam gerenciar.

Para as organizações que reconhecem a lacuna entre insights e ação, como a plataforma da Aera ajuda a fechar esse loop na prática, e como um primeiro deploy bem-sucedido geralmente parece para um CIO que busca impulsionar um impacto de negócios mensurável?

Fechar a lacuna entre insight e ação começa operacionalizando decisões nas operações diárias. A plataforma da Aera permite que os CIOs tratem as decisões como processos contínuos: monitorando os resultados; testando os trade-offs; e melhorando o desempenho ao longo do tempo. Isso é frequentemente ancorado em um centro de excelência de decisão, virtual ou físico, onde as equipes governam e aprimoram como as decisões são feitas e executadas.

A Aera une dados, análise, regras de negócios, IA e automação em uma plataforma composta para impulsionar decisões que fluem do insight até a execução e o aprendizado. Sua arquitetura composta permite que o TI mantenha a supervisão e a segurança, enquanto as equipes de negócios definem, adaptam e evoluem os fluxos de decisão. À medida que os resultados são capturados, as decisões continuamente melhoram e liberam as equipes para se concentrar em julgamento, estratégia e exceções.

Um primeiro deploy bem-sucedido geralmente prova resultados mensuráveis em um caso de uso de decisão de alto impacto em 10-12 semanas, executando e continuamente melhorando as decisões de ponta a ponta. Isso cria um modelo repetível para escala empresarial.

Obrigado pela grande entrevista, leitores que desejam aprender mais devem visitar Aera Technology.