Scott Ernst, CEO da Vyond — Série de entrevistas

Você liderou repetidamente empresas de tecnologia em grandes transições: ajudou a expandir a Compete desde seu estágio inicial até a aquisição, conduziu a Macromill por uma oferta pública inicial e, mais tarde, reposicionou a Drift em torno da IA antes de sua aquisição pela Salesloft. Ao assumir o comando da Vyond durante outra grande transformação tecnológica, que lições dessas experiências estão orientando sua abordagem à era da IA?

O padrão que observei em todas essas transições é que a mudança tecnológica raramente é a parte mais difícil; o mais difícil é fazer uma organização avançar em conjunto quando a mudança se torna evidente. Na Compete, a lição foi sobre disciplina: transformar uma empresa com uma base pequena em líder de uma categoria exige foco incansável nas poucas coisas que realmente fazem o negócio avançar, em vez de correr atrás de todas as oportunidades. Na Macromill, a expansão global e a abertura de capital me ensinaram que o crescimento sem rigor operacional acaba causando problemas… são necessários processos de prestação de contas, previsões e governança para acompanhar o ritmo de expansão do negócio.

A Drift é o caso que mais se relaciona diretamente com o que está acontecendo agora. Quando o ChatGPT foi lançado, já havíamos desenvolvido nosso próprio produto proprietário de IA, e nosso primeiro impulso foi protegê-lo. Em vez disso, tomamos a decisão mais difícil de nos abrir e reposicionar toda a empresa em torno da IA generativa, porque acreditávamos que o mercado estava avançando mais rápido do que nossa vantagem competitiva poderia nos proteger. Não foi uma decisão sobre o produto, mas uma decisão de liderança sobre convicção e momento certo.

A lição que levei para a Vyond é que, durante uma verdadeira mudança de plataforma, as empresas vencedoras não são as mais cautelosas nem as mais imprudentes: são aquelas que alinham rapidamente toda a organização em torno de uma visão clara e, em seguida, agem com verdadeira urgência. É exatamente esse o processo que estamos conduzindo agora: compreender o que é verdadeiro hoje, formar convicções sólidas sobre os rumos do mercado e fazer a empresa inteira avançar na mesma direção antes que a janela de oportunidade se feche.

A IA generativa tornou muito mais fácil para as empresas produzir conteúdo, mas você defende que o desafio maior agora é operacionalizar o conhecimento. O que isso significa na prática e por que você acredita que a geração de conteúdo, por si só, resolve apenas uma pequena parte do problema?

A IA generativa resolveu o maior gargalo histórico da criação de conteúdo: antes, era preciso contar com um especialista, um fluxo de produção e um prazo considerável. Agora, quase qualquer pessoa em uma organização consegue produzir algo em minutos. Isso representa um avanço genuíno, mas também significa que todas as áreas — marketing, RH, vendas, TI e aprendizagem e desenvolvimento (L&D) — estão criando conteúdo de forma independente, muitas vezes sobre o mesmo conhecimento, com ferramentas diferentes e sem um sistema de registro compartilhado.

Operacionalizar o conhecimento tem menos a ver com gerar mais conteúdo e mais com garantir que as pessoas encontrem e usem as informações corretas: saber onde está a versão confiável e atualizada de algo, quem é responsável por ela, se foi aprovada e como ela chega aos fluxos de trabalho em que as pessoas realmente precisam dela — o LMS, o CRM, a lista de verificação de integração e o controle de conformidade. Sem essa camada, surge o que eu chamaria de Caos de Comunicação: o conteúdo se duplica, os padrões da marca se desviam, as equipes refazem trabalhos que já existem e ninguém consegue afirmar com segurança qual versão é a correta. Muito desse caos começa ainda antes do que as pessoas imaginam, antes mesmo de qualquer material ser criado, quando ninguém confirma de fato quem é o público, qual é o objetivo ou em que material de referência a solicitação deveria se basear.

A geração de conteúdo responde à pergunta: “Dá para criar isso rapidamente?”, um problema real que a IA em grande parte já resolveu. A operacionalização do conhecimento responde a outra pergunta: “A pessoa certa consegue encontrar a versão correta e confiável no momento em que precisa dela, na ferramenta que já está usando?” Esse segundo problema é maior, mais estrutural e está longe de ser resolvido em todo o setor. É essa a verdadeira oportunidade que temos diante de nós.

As empresas estão acumulando volumes enormes de documentos, dados, resumos gerados por IA e conhecimento institucional. Onde você vê a maior dificuldade entre ter acesso a essas informações e conseguir comunicá-las de fato de uma forma que os funcionários possam entender e colocar em prática?

A dificuldade não está no acesso… A maioria das empresas já tem mais informações do que uma pessoa consegue processar. O desafio está na transformação e na confiança. O conhecimento fica armazenado em formatos densos e estáticos, como PDFs, apresentações, wikis e documentos de políticas, criados para serem armazenados e pesquisados, não para serem compreendidos rapidamente. Transformá-lo em algo que uma pessoa possa realmente assimilar e colocar em prática exige uma etapa de transformação na qual a maioria das organizações não investe de maneira sistemática.

Percebi isso claramente em uma conversa com o vice-presidente de tecnologia de marketing corporativo de um cliente, de uma empresa de tecnologia da Fortune 100. O problema dele não era a falta de informações, mas o fato de diferentes áreas de uma organização muito grande estarem resolvendo os mesmos problemas de comunicação de maneiras isoladas e inconsistentes. Assim, o conhecimento que existia em algum lugar da empresa não chegava de forma confiável às pessoas que precisavam dele, em um formato que pudessem usar. Como ele disse, em uma empresa desse porte, a mão esquerda simplesmente não sabe o que a direita está fazendo.

Essa é a verdadeira lacuna: as empresas têm dados de sobra e poucos insights. A solução não é criar mais conteúdo nem ampliar o armazenamento, mas adotar uma disciplina e, cada vez mais, um sistema para transformar o conhecimento institucional bruto em comunicações claras, visuais e confiáveis, e encaminhá-las aos fluxos de trabalho em que as decisões realmente são tomadas.

À medida que os agentes de IA se tornam capazes de transformar autonomamente o conhecimento das empresas em treinamentos, materiais de apoio às vendas, conteúdos de conformidade ou comunicações internas, o que deve continuar sob controle humano e em que situações as empresas podem permitir, com segurança, que os agentes atuem de forma independente?

Minha regra geral é que os agentes devem cuidar do trabalho operacional, enquanto os humanos ficam responsáveis pelo julgamento, sobretudo em situações em que um erro pode ter consequências reais. Em tarefas repetitivas, de alto volume e baixo risco, como preparar primeiros rascunhos, adaptar conhecimentos a um novo formato, ajustar conteúdos já aprovados para outro idioma ou região, ou atualizar um módulo de treinamento quando um documento-fonte muda, os agentes podem e devem atuar com bastante autonomia. Esse é justamente o tipo de trabalho que hoje consome enormes quantidades de tempo e gera pouquíssimo valor estratégico.

O controle humano precisa ser rigoroso sempre que o conteúdo envolver riscos jurídicos, regulatórios, de segurança ou para a marca. Nesses casos, uma pessoa precisa fazer a verificação final antes de qualquer publicação, e os materiais de origem precisam ser totalmente rastreáveis.

Vimos isso acontecer diretamente com um cliente nosso do setor de defesa. Devido à sensibilidade do trabalho, a equipe de segurança inicialmente não aprovou o uso de IA em nenhum ponto do fluxo de trabalho. A solução não foi dar mais autonomia ao agente, mas criar as salvaguardas adequadas: um acordo personalizado que garantia que os dados do cliente nunca seriam usados para treinar modelos externos e pontos de verificação claros nos quais as próprias equipes mantinham o poder de aprovação. Esse é o modelo que eu generalizaria: a autonomia do agente aumenta conforme a tarefa se torna mais reversível e de menor risco, enquanto o controle humano se intensifica de acordo com o nível de confiança, conformidade ou exposição da marca em jogo.

A governança da marca se torna muito mais complexa quando milhares de conteúdos podem ser gerados automaticamente. De quais salvaguardas técnicas e organizacionais as empresas precisarão para garantir que as comunicações geradas por IA sejam precisas, consistentes e alinhadas às políticas da empresa?

Do ponto de vista técnico, as salvaguardas mais importantes são aquelas que mantêm os conteúdos gerados por IA fundamentados nos materiais de referência aprovados e no sistema de identidade da marca da empresa, em vez de permitir que sejam gerados sem restrições. Os guias de estilo, os ativos da marca e as restrições de personalização precisam ser aplicados pela própria plataforma, e não ficar a cargo de cada usuário. Isso significa que o logotipo aprovado, as cores, os modelos e os vídeos de referência precisam estar dentro da própria plataforma, para que cada conteúdo gerado use a mesma fonte, em vez de qualquer versão que por acaso esteja na área de trabalho de alguém naquela semana. O controle de versões e as trilhas de auditoria são igualmente importantes: se um conteúdo for gerado, editado ou aprovado, a empresa precisa conseguir rastrear quem o solicitou, de qual fonte ele veio e quem o aprovou. Também é preciso dar aos revisores e às partes interessadas, e não apenas à pessoa que opera a ferramenta, uma maneira de comentar e aprovar o conteúdo nesse mesmo fluxo de trabalho. Assim, a aprovação não acontece em uma conversa de e-mail separada que interrompe justamente a trilha de auditoria que se está tentando criar.

Do ponto de vista organizacional, a salvaguarda essencial é definir claramente as responsabilidades. As empresas com as quais trabalhamos e que fazem uma boa gestão nessa área deixaram de permitir que cada equipe adotasse, por conta própria, suas ferramentas e seus processos. Em vez disso, tratam a plataforma de comunicação como tratariam um sistema de registro: o acesso é concedido de forma deliberada, o uso é monitorado de maneira agregada e uma pequena equipe de governança é responsável pelos padrões que todos devem seguir. Já vimos grandes organizações avaliarem explicitamente se uma plataforma pode se tornar seu sistema padrão em toda a empresa, justamente por esse motivo: é a única forma de garantir consistência em larga escala, em vez de acumular milhares de conteúdos considerados “bons o suficiente” de forma isolada, mas que, na prática, são incompatíveis entre si.

O princípio fundamental é o mesmo que sempre se aplicou à gestão da marca; a diferença é que agora ele opera em uma escala e velocidade muito maiores, o que significa que as salvaguardas precisam estar integradas ao sistema, e não ser aplicadas depois do ocorrido.

Alucinações são preocupantes em um chatbot, mas podem ter consequências muito mais graves quando informações incorretas são transformadas em um vídeo de treinamento ou de compliance com aparência de autoridade. Como as empresas devem pensar em fundamentação em fontes, verificação e procedência à medida que a comunicação gerada por IA se torna mais automatizada?

Você tem razão: os riscos são diferentes. Uma resposta alucinada em uma janela de chat é questionada na hora. Já um fato alucinado inserido em um vídeo de compliance bem acabado e produzido profissionalmente transmite uma autoridade que faz as pessoas questionarem menos — exatamente o contrário do que deveria acontecer em uma situação que exige o mais alto nível de escrutínio.

O primeiro princípio precisa ser a fundamentação em fontes: a comunicação gerada por IA deve se limitar ao material de referência que a empresa realmente fornece… seus próprios documentos, suas próprias políticas, seus próprios dados aprovados, e não o conhecimento geral do modelo.

O segundo princípio é a procedência: deve ser possível rastrear cada conteúdo gerado até a fonte específica em que se baseou. Assim, se algo estiver errado, será possível descobrir exatamente de onde veio e corrigir o problema na origem, em vez de apenas remendar o resultado.

O terceiro princípio é a verificação: criar pontos de controle no próprio fluxo de trabalho, em vez de acrescentá-los depois. Uma pessoa responsável pela revisão deve ver as etapas intermediárias, e não apenas o vídeo finalizado e bem acabado, pois é justamente o acabamento que torna mais difícil detectar erros. Na prática, isso significa revisar um roteiro completo ou uma versão preliminar, cena por cena, antes de aprovar uma renderização final, mais cara, para detectar fatos incorretos ou afirmações desalinhadas com a marca enquanto ainda é barato e fácil corrigi-los. Essa é uma área em que as empresas têm razão em agir com cautela. Por isso, as plataformas que conquistarão a confiança das empresas não serão as mais rápidas, mas aquelas que incorporarem a fundamentação em fontes, a rastreabilidade e a revisão à estrutura do sistema, em vez de oferecê-las como uma configuração opcional

A quarta camada é a avaliação contínua, não apenas uma revisão final. Em um sistema baseado em agentes, não basta verificar o vídeo finalizado. Queremos ter visibilidade de como o agente chegou ao resultado. Monitoramos continuamente as saídas do agente e as decisões que ele toma ao longo do processo, verificando se continuam alinhadas aos documentos de referência, à base de conhecimento e à intenção original do cliente. Isso nos permite detectar desvios ou resultados de qualidade inferior enquanto o vídeo ainda está sendo gerado, em vez de descobrir um problema somente depois de concluído.

Os sistemas de IA estão sendo conectados cada vez mais diretamente às bases de conhecimento e aos fluxos de trabalho das empresas. Você espera que a próxima geração de plataformas de comunicação se torne uma interface entre os dados empresariais, os agentes de IA e os funcionários, em vez de ser apenas um conjunto de ferramentas para criar conteúdo?

Sim, e acho que essa mudança já está em curso. A criação de conteúdo foi o primeiro problema — e o mais óbvio — que a IA podia resolver, porque era o gargalo mais visível. Mas, quando a criação deixa de ser o fator limitante, a posição mais valiosa passa a ser entre o conhecimento da empresa… seu CRM, seu LMS, seus sistemas de políticas, suas wikis internas e as pessoas que precisam ter esse conhecimento traduzido em algo que possam realmente usar.

Esse papel é substancialmente diferente do de uma ferramenta de criação. Uma ferramenta de criação espera que alguém faça uma solicitação. Uma camada de interface se integra aos fluxos de trabalho em que o conhecimento já está presente, entende o que mudou e ajuda a encaminhar a comunicação adequada à pessoa certa, sem que alguém precise iniciá-la todas as vezes.

Já estamos vendo os primeiros sinais de que as empresas querem exatamente isso. Cada vez mais, os grandes clientes não nos pedem uma ferramenta de vídeo para uma equipe; perguntam se podemos ser o sistema padrão para toda a organização. Transformar o conhecimento institucional em comunicação permitiria que funcionários muito além da equipe criativa principal — das áreas jurídica e de compliance, das equipes regionais e da gestão da linha de frente — contribuíssem sem precisar de uma licença completa ou de uma curva de aprendizagem acentuada.

Essa mudança também está sendo acelerada por protocolos abertos emergentes, como MCP e A2A. O MCP oferece aos agentes de IA uma maneira padronizada de obter contexto confiável das próprias ferramentas e dos sistemas de registro da empresa, enquanto o A2A permite que agentes especializados de diferentes plataformas trabalhem em conjunto. Na prática, isso significa que uma plataforma como a nossa não precisa controlar todos os fluxos de trabalho nem todos os dados da empresa para ser útil. Ela pode se conectar aos sistemas em que a empresa já confia, colaborar com outros agentes quando fizer sentido e se concentrar no que fazemos de melhor: transformar esse contexto em uma comunicação que as pessoas possam realmente entender e usar para agir. Essa é a passagem da criação de conteúdo para a infraestrutura de comunicação, e espero que todo o setor siga nessa direção.

A Vyond já atende organizações nas áreas de aprendizagem e desenvolvimento, RH, capacitação de vendas, compliance e comunicação interna. Qual dessas áreas, na sua opinião, será mais transformada pela IA baseada em agentes, e como poderão ser esses fluxos de trabalho quando os agentes se tornarem mais capazes?

Eu destacaria a conformidade e a aprendizagem e o desenvolvimento como as duas áreas com maior potencial de mudança, justamente porque hoje são as mais afetadas pela desatualização. O treinamento de conformidade geralmente é criado uma única vez e atualizado em um ciclo lento, anual ou semestral, embora as políticas, as regulamentações e os riscos mudem continuamente. Quando os agentes conseguirem monitorar com confiabilidade um documento de política de referência e entender o que mudou, o conteúdo de conformidade poderá deixar de ser um projeto de produção periódica e passar a se manter continuamente atualizado, o que representa uma redução real de riscos para a empresa, e não apenas um ganho de eficiência. Cada vez mais, isso também significa que o próprio conteúdo precisa incluir um registro claro e auditável de que teve o auxílio de IA, já que tanto os órgãos reguladores quanto os compradores corporativos começam a esperar que esse tipo de divulgação seja uma prática padrão, e não algo considerado posteriormente.

A aprendizagem e o desenvolvimento (L&D) apresentam uma dinâmica semelhante, mas a oportunidade está na personalização, e não apenas na atualização: em vez de um único módulo de treinamento criado para um aluno médio, os agentes podem ajudar a adaptar o ritmo, os exemplos e até o formato à função e a cada pessoa, mantendo-se alinhados ao mesmo material de referência aprovado e aos mesmos padrões de design instrucional. Para organizações globais, isso cada vez mais inclui também o idioma e a voz, para que o mesmo treinamento chegue ao chão de fábrica no Brasil ou a uma equipe de vendas no Japão em um formato que realmente pareça local, e não apenas legendado.

A capacitação de vendas e a comunicação interna também vão mudar, mas eu descreveria essa mudança mais como uma questão de rapidez e relevância do que de transformação estrutural… fazer a mensagem certa chegar mais rápido ao representante ou à equipe certa, em um formato adequado à maneira como realmente consomem informações. O que todas essas áreas têm em comum é o seguinte: a IA agêntica não apenas torna cada uma delas mais rápida; também permite que se mantenham atualizadas de uma forma simplesmente inviável com os ciclos de produção manual de hoje.

Olhando mais adiante, se as empresas conseguirem transformar continuamente o conhecimento interno em comunicações personalizadas e atualizadas para cada funcionário, como isso poderá mudar a forma como as organizações treinam as pessoas, compartilham conhecimentos especializados e, em última análise, operam?

Se isso se tornar realidade — e acredito que vai —, mudará o ritmo operacional de uma empresa, não apenas sua função de treinamento. Hoje, a maioria das organizações se comunica em ciclos: um ciclo anual de conformidade, uma reunião trimestral para toda a empresa, um pacote de integração criado uma vez e reutilizado por anos. Isso se deve ao fato de que, historicamente, produzir comunicações era caro e demorado, não ao ritmo em que os negócios realmente mudam.

Em um mundo no qual o conhecimento se transforma continuamente em comunicações personalizadas e atualizadas para cada funcionário, o treinamento deixa de ser um evento e passa a ser um fluxo constante e adaptável… cada pessoa recebe a atualização no formato e no nível de profundidade adequados à sua função, no momento em que ela é relevante, e não meses depois, em um envio em lote. O conhecimento especializado deixa de ficar restrito às pessoas que por acaso o detêm e passa a ser algo que a organização pode distribuir sistematicamente e manter atualizado.

O resultado a que sempre volto é o tempo. Cada minuto que uma organização passa hoje procurando a informação certa, recriando algo que já existe ou corrigindo uma mensagem enviada desatualizada ou inconsistente é um minuto que não é dedicado à execução. Se as empresas conseguirem realmente reduzir essa lacuna entre conhecimento e compreensão, de forma contínua e em grande escala, as que chegarem lá primeiro não apenas se comunicarão melhor: simplesmente avançarão mais rápido do que aquelas que ainda operam em ciclos.

Obrigado pela ótima entrevista. Para saber mais, os leitores podem visitar Vyond.