Experimentação esclarecida: o novo imperativo para a inovação

A ideia em resumo A Millennium Pharmaceuticals reduziu seu tempo de testes de drogas de semanas para minutos e superou seus concorrentes no mercado. A BMW conduziu 91 testes virtuais de colisão de carro com menos tempo e dinheiro do que apenas dois testes físicos necessários e melhorou a segurança contra impactos laterais em 30% % . Isso é experimentação esclarecida: usando novas tecnologias acessíveis, como simulações de computador e prototipagem rápida, para inovar sistematicamente. A experimentação está no cerne da capacidade de inovação de qualquer empresa. Iluminado a experimentação reduz o custo e o tempo de inovação e permite que você teste regularmente um número maior de ideias de produtos diversos, aumentando o número de inovações. Indústrias com altos custos de desenvolvimento de produtos — software, farmacêutica, automotiva — fizeram grandes progressos usando essa abordagem. Mas virtualmente tudo as empresas podem se beneficiar de uma investigação mais barata e rápida de conceitos mais inovadores de produtos e serviços. A ideia na prática Como sua empresa pode se tornar uma pesquisadora esclarecida e lucrativa? Organize-se para uma experimentação rápida Experimentando rapidamente fornece o feedback rápido de que você precisa para moldar ideias. Exemplo: Usando muitas simulações de computador — e duas físicas — a BMW conduziu um total de 93 testes de colisão que transformaram sua compreensão do desempenho do carro e melhoraram a segurança em impactos laterais em 30%. % . Testar e reformular projetos demorou dias, em vez de meses, e os gerentes compartilharam informações muito antes. A inovação aumentou em toda a BMW. Falhe cedo e com frequência Em vez de estigmatizar o fracasso, convide-o. Experimente muitas ideias diversas e até absurdas. O fracasso precoce pode expor lacunas importantes em experiência e conhecimento, ajudando você a eliminar opções desfavoráveis e a se concentrar em alternativas mais promissoras. Mas não confunda falhas com erros — experimentos mal conduzidos ou repetições de falhas anteriores. Os erros não produzem informações novas ou úteis. Exemplo: A empresa de design de produtos IDEO enfatiza “falhar frequentemente para ter sucesso mais cedo”. Os gerentes incentivam os designers a criar “espantalhos”: protótipos baratos e rudimentares que convidam a questionamentos e críticas, em vez de protótipos elegantes que desencorajam mudanças no design. Resultados? Algumas ideias ridículas — e uma série de best-sellers, incluindo o computador portátil Palm V. Explore informações antecipadas Quando projetos importantes falham no final do jogo, os custos — em tempo e montante monetário. Cedo o uso de novas tecnologias permite identificar e resolver problemas a montante, por exemplo, usando simulações de computador “rápidas e sujas”. No desenvolvimento de software, problemas em estágio inicial são 100 vezes mais baratos do que problemas em estágio avançado. Em eletrônicos, chegar ao mercado seis meses antes pode equivaler a um quarto do ciclo de vida de um produto e a um terço de todos os lucros. Experimentos precoces e baratos também mantêm você atualizado com as mudanças nas preferências dos clientes. Mostrar aos clientes protótipos incompletos permite mudanças baratas e evita que os clientes reajam a um produto acabado com: “Isso é exatamente o que eu pedi que você desenvolvesse, mas é não o que eu quero.” Exemplo: Usando o desenvolvimento “antecipado”, a Toyota reduziu os custos e o tempo de desenvolvimento em 30—40% % e resolve 80 % de todos os problemas antes criando protótipos físicos iniciais. Como? Envolvendo mais engenheiros mais cedo, incentivando a comunicação entre diferentes grupos que trabalham no mesmo projeto e usando ferramentas de prototipagem rápida auxiliadas por computador. A experimentação está no cerne da capacidade de inovação de cada empresa. Em outras palavras, o teste sistemático de ideias é o que permite às empresas criar e refinar seus produtos. Na verdade, nenhum produto pode ser um produto sem antes ter sido uma ideia que foi moldada, em um grau ou outro, por meio do processo de experimentação. Hoje, um grande projeto de desenvolvimento pode exigir literalmente milhares de experimentos, todos com o mesmo objetivo: saber se o conceito do produto ou a solução técnica proposta são promissores para abordar uma nova necessidade ou problema e, em seguida, incorporar essas informações na próxima rodada de testes para que o melhor produto resulte. No passado, os testes eram relativamente caros, então as empresas precisavam ser parcimoniosas com o número de iterações experimentais. Hoje, no entanto, novas tecnologias, como simulação computacional, prototipagem rápida e química combinatória, permitem que as empresas criem mais aprendizado com mais rapidez, e esse conhecimento, por sua vez, pode ser incorporado em mais experimentos com menos despesas. De fato, novas tecnologias baseadas em informações reduziram os custos marginais da experimentação, assim como diminuíram os custos marginais em alguns sistemas de produção e distribuição. Além disso, um sistema experimental que integra novas tecnologias baseadas em informação faz mais do que reduzir custos; também aumenta as oportunidades de inovação. Ou seja, algumas tecnologias podem tornar as atividades experimentais existentes mais eficientes, enquanto outras introduzem formas totalmente novas de descobrir novos conceitos e soluções. A Millennium Pharmaceuticals em Cambridge, Massachusetts, por exemplo, incorpora novas tecnologias, como genômica, bioinformática e química combinatória, em sua plataforma tecnológica para a realização de experimentos. A plataforma permite uma automação semelhante à de uma fábrica que pode gerar e testar candidatos a medicamentos em minutos ou segundos, em comparação com os dias ou mais exigidos pelos métodos tradicionais. Obter informações precoces sobre, digamos, o perfil toxicológico de um candidato a medicamento melhora significativamente a capacidade do Millennium de prever o sucesso do medicamento em testes clínicos e, em última análise, no mercado. Candidatos pouco promissores são eliminados antes que centenas de milhões de dólares sejam investidos em seu desenvolvimento. Além de reduzir o custo e o tempo do desenvolvimento de medicamentos tradicionais, as novas tecnologias também aprimoram a capacidade da Millennium de inovar, de acordo com o diretor de tecnologia Michael Pavia. Especificamente, a empresa tem maiores oportunidades de experimentar medicamentos potenciais mais diversos, incluindo aqueles que inicialmente podem parecer improváveis, mas que podem eventualmente levar a descobertas inovadoras. Até agora, essa era de “experimentação esclarecida” afetou empresas com altos custos de desenvolvimento de produtos, como as indústrias farmacêutica, automotiva e de software. Ao estudá-los, aprendi várias lições valiosas que, acredito, têm ampla aplicabilidade a outros setores. À medida que o custo da computação continua caindo, tornando todos os tipos de cálculos complexos mais rápidos e baratos, e à medida que novas tecnologias como a química combinatória surgirem, praticamente todas as empresas descobrirão que têm uma capacidade maior de experimentação rápida para investigar diversos conceitos. Instituições financeiras, por exemplo, agora usam simulações de computador para testar novos instrumentos financeiros. Na verdade, o desenvolvimento de software de planilhas mudou para sempre a modelagem financeira; até mesmo iniciantes podem realizar muitos experimentos hipotéticos sofisticados que antes eram proibitivamente caros. Um sistema para experimentação Compreender a experimentação esclarecida requer uma apreciação do processo de inovação. Ou seja, as inovações de produtos e tecnologias não caem do céu; elas são nutridas em laboratórios e organizações de desenvolvimento, passando por um sistema para experimentação. Todas as organizações de desenvolvimento têm esse sistema para ajudá-las a reduzir o número de ideias a serem perseguidas e, em seguida, refinar esse grupo no que pode se tornar produtos viáveis. Um estágio crítico do processo ocorre quando uma ideia ou conceito se torna um artefato funcional ou protótipo, que pode então ser testado, discutido, mostrado aos clientes e aprendido com ele. Talvez o exemplo mais famoso do sistema experimental em funcionamento venha dos laboratórios de Thomas Alva Edison. Quando Edison observou que o gênio inventivo é “99 % transpiração e 1 % inspiração”, ele estava bem ciente da importância da capacidade e da capacidade de experimentar de uma organização. É por isso que ele projetou suas operações em Menlo Park, Nova Jersey, para permitir iterações experimentais rápidas e eficientes. Edison sabia que os vários componentes de um sistema para experimentação — incluindo pessoal, equipamento, bibliotecas e assim por diante — funcionam de forma interdependente. Dessa forma, eles precisam ser otimizados em conjunto, pois juntos definem o desempenho do sistema: sua velocidade (o tempo necessário para projetar, construir, testar e analisar um experimento), custo, fidelidade (a precisão do experimento e as condições sob as quais ele é conduzido), capacidade (o número de experimentos que podem ser realizados em um determinado período de tempo) e o aprendizado obtido (a quantidade de novas informações geradas pelo experimento e pela organização capacidade de se beneficiar disso). Assim, por exemplo, maquinistas altamente qualificados trabalhavam próximos ao pessoal do laboratório em Menlo Park para que pudessem fazer melhorias rapidamente quando os pesquisadores tivessem novas ideias ou aprendessem algo novo em experimentos anteriores. Esse sistema levou a invenções marcantes, incluindo a lâmpada elétrica, que exigiu mais de 1.000 experimentos complexos com materiais e formas de filamentos, reguladores eletromecânicos e tecnologias de vácuo. O objetivo de Edison de alcançar grandes inovações por meio de experimentação rápida e frequente é especialmente pertinente hoje, à medida que os custos (financeiros e de tempo) da experimentação diminuem. No entanto, muitas empresas veem erroneamente as novas tecnologias apenas em termos de redução de custos, ignorando seu vasto potencial de inovação. Pior ainda, empresas com essa visão limitada ficam atoladas na confusão que ocorre quando tentam incorporar novas tecnologias. Por exemplo, a simulação computacional não substitui simplesmente os protótipos físicos como uma medida de redução de custos; ela introduz uma forma totalmente diferente de experimentar que convida à inovação. Assim como a Internet oferece enormes oportunidades de inovação, superando em muito seu uso como substituto de baixo custo para transações por telefone ou catálogo, o mesmo acontece com a experimentação de última geração. Mas perceber esse potencial exige que as empresas adotem uma mentalidade diferente. De fato, as novas tecnologias afetam tudo, desde o próprio processo de desenvolvimento, incluindo a forma como uma organização de P&D é estruturada, até como o novo conhecimento — e, portanto, o aprendizado — é criado. Assim, para que as empresas sejam mais inovadoras, os desafios são gerenciais e técnicos, como sugerem essas regras para experimentação esclarecida: O essencial para uma experimentação esclarecida Novas tecnologias, como simulações em computador, não apenas tornam a experimentação mais rápida e barata, mas também permitem que as empresas sejam mais inovadoras. Mas conseguir isso requer uma compreensão completa da ligação entre experimentação e aprendizado. Resumidamente, a inovação requer os sistemas corretos de P&D para realizar experimentos que gerarão as informações necessárias para desenvolver e refinar produtos rapidamente. Os desafios são gerenciais e técnicos: 1) Organize para uma rápida experimentação Examine e, se necessário, reformule rotinas arraigadas, limites organizacionais e incentivos para incentivar a experimentação rápida. Considere usar pequenos grupos de desenvolvimento que contenham pessoas-chave (projetistas, engenheiros de teste, engenheiros de fabricação) com todo o conhecimento necessário para iterar rapidamente. Determine quais experimentos podem ser realizados em paralelo em vez de sequencialmente. Experimentos paralelos são mais eficazes quando o tempo é mais importante, o custo não é um fator primordial e os desenvolvedores esperam aprender pouco que os oriente no planejamento da próxima rodada de experimentos. 2) Falhe cedo e com frequência, mas evite erros Abrace as falhas que ocorrem no início do processo de desenvolvimento e promova significativamente o conhecimento. Não se esqueça do básico da experimentação. Testes bem elaborados têm objetivos claros (o que você espera aprender?) e hipóteses (o que você espera que aconteça?). Além disso, geralmente ocorrem erros quando você não controla variáveis que podem diminuir sua capacidade de aprender com os experimentos. Quando a variabilidade não puder ser controlada, permita várias tentativas repetidas. 3) Antecipe e explore informações antecipadas Reconheça o valor total do carregamento antecipado: identificar problemas a montante, onde eles são mais fáceis e baratos de resolver. Reconheça a compensação entre custo e fidelidade. Experimentos de menor fidelidade (geralmente custando menos) são mais adequados nos estágios exploratórios iniciais do desenvolvimento de um produto. Experimentos de alta fidelidade (normalmente mais caros) são mais adequados posteriormente para verificar o produto. 4) Combine tecnologias novas e tradicionais Não presuma que uma nova tecnologia necessariamente substituirá uma já estabelecida. Normalmente, as tecnologias novas e tradicionais são melhor usadas em conjunto. Lembre-se de que novas tecnologias surgem e evoluem continuamente. A nova tecnologia de hoje pode eventualmente substituir sua contraparte tradicional, mas pode ser desafiada pela nova tecnologia de amanhã. 1. Organize-se para uma rápida experimentação. A capacidade de experimentar rapidamente é parte integrante da inovação: à medida que os desenvolvedores concebem uma infinidade de ideias diversas, os experimentos podem fornecer o feedback rápido necessário para moldar essas ideias, reforçando, modificando ou complementando o conhecimento existente. A experimentação rápida, no entanto, geralmente requer a renovação completa das rotinas arraigadas. Quando, por exemplo, certas classes de experimentos se tornam uma ordem de magnitude mais baratas ou mais rápidas, os incentivos organizacionais podem repentinamente ficar desalinhados e as atividades e rotinas que antes eram bem-sucedidas podem se tornar obstáculos. (Veja a barra lateral “As armadilhas potenciais das novas tecnologias”.) As armadilhas potenciais das novas tecnologias Novas tecnologias podem reduzir os custos (financeiros e de tempo) da experimentação e aumentar drasticamente a capacidade da empresa de desenvolver produtos inovadores. Para colher esses benefícios, no entanto, as organizações devem se preparar para os efeitos completos dessas tecnologias. Simulações em computador e prototipagem rápida, por exemplo, aumentam não apenas a capacidade de uma empresa de realizar experimentos, mas também a riqueza de informações geradas por esses testes. Isso, no entanto, pode facilmente sobrecarregar uma organização que não tem a capacidade de processar as informações de cada rodada de experimentos com rapidez suficiente para incorporá-las na próxima rodada. Nesses casos, o resultado é desperdício, confusão e frustração. Em outras palavras, sem um planejamento cuidadoso e completo, uma nova tecnologia pode não apenas falhar em cumprir sua promessa de menor custo, maior velocidade e maior inovação, mas também pode, na verdade, diminuir o desempenho geral de uma organização de P&D ou, no mínimo, gerar disrupção em suas operações. Objetivos desalinhados são outro problema comum. Especificamente, alguns gerentes não apreciam totalmente a compensação entre tempo de resposta e utilização de recursos. Considere o que acontece quando as empresas estabelecem departamentos centrais para supervisionar os recursos de computação para realizar simulações. Claramente, testar ideias e conceitos virtualmente pode fornecer aos desenvolvedores o feedback rápido de que precisam para criar novos produtos. Ao mesmo tempo, os computadores são caros, então as pessoas que os gerenciam como centros de custo são avaliadas pelo quanto esses recursos estão sendo usados. No entanto, quanto mais ocupado é um computador central, mais tempo leva para os desenvolvedores obterem o feedback de que precisam. Na verdade, a relação entre tempo de espera e utilização não é linear — a teoria das filas mostrou que o tempo de espera normalmente aumenta gradualmente até que um recurso seja utilizado por volta de 70%. % e, em seguida, a duração dos atrasos aumenta. (Veja a exposição “À espera de um recurso”.) Uma organização que tenta reduzir custos pode se tornar vítima de seu próprio objetivo míope. Ou seja, uma economia anual de talvez algumas centenas de milhares de dólares obtida com o aumento da utilização de 70%. % para 90 % pode levar a atrasos muito longos para dezenas de engenheiros de desenvolvimento que aguardam feedback crítico de seus testes. À espera de um recurso De acordo com a teoria das filas, o tempo de espera por um recurso, como um computador mainframe central, aumenta gradualmente à medida que mais recursos são usados. Mas quando a utilização ultrapassa 70%, os atrasos aumentam dramaticamente. Uma grande consequência negativa é que os atrasos excessivos não afetam apenas os cronogramas de desenvolvimento, mas também desencorajam as pessoas a experimentarem, reduzindo assim sua capacidade de inovar. Portanto, a longo prazo, operar equipamentos de informática adicionais em um nível de utilização mais baixo pode valer a pena o investimento. Uma solução alternativa é afastar esses recursos dos centros de custo e colocá-los sob o controle de desenvolvedores, que têm fortes incentivos para um feedback rápido. Considere as principais mudanças pelas quais a BMW passou recentemente. Há apenas alguns anos, experimentar novos conceitos de design — para fazer com que os carros resistissem melhor a colisões, por exemplo — exigia a construção de protótipos físicos caros. Como esse processo demorou meses, ele atuou como uma barreira à inovação porque os engenheiros não conseguiam obter feedback oportuno sobre suas ideias. Além disso, os dados dos testes de colisão chegaram tarde demais para influenciar significativamente as decisões nos estágios iniciais do desenvolvimento do produto. Portanto, a BMW teve que incorporar as informações muito abaixo, incorrendo em custos maiores. No entanto, a organização de P&D da BMW, estruturada em torno desse sistema tradicional, desenvolveu automóveis premiados, consolidando a reputação da empresa como líder do setor. Mas seu sucesso também dificultou a mudança. Hoje, graças aos experimentos virtuais — falhas simuladas por um computador de alto desempenho e não por meio de protótipos físicos — algumas das informações chegam muito cedo, antes que a BMW tome decisões importantes sobre recursos. Os custos de experimentação (tanto financeiros quanto de tempo) são, portanto, mais baixos porque a BMW elimina a criação de protótipos físicos, bem como a despesa de potencialmente retrabalhar projetos ruins depois que a empresa se compromete com eles. (Protótipos físicos ainda são necessários muito mais adiante para verificar os projetos finais e atender às normas de segurança.) Além disso, o feedback rápido e a capacidade de ver e manipular imagens de computador de alta qualidade estimulam uma maior inovação: muitas possibilidades de design podem ser exploradas em “tempo real”, mas virtualmente, em iterações rápidas. Para estudar o impacto dessa nova tecnologia na inovação, a BMW realizou o seguinte experimento. Vários projetistas, um engenheiro de simulação e um engenheiro de testes formaram uma equipe para melhorar a segurança dos carros em caso de impacto lateral. Usando principalmente simulações de computador, a equipe desenvolveu e testou novas ideias que resultaram de suas frequentes reuniões de brainstorming. Como todo o conhecimento necessário sobre segurança, projeto, simulação e testes residia em um pequeno grupo, a equipe conseguiu iterar experimentos e desenvolver soluções rapidamente. Depois de cada rodada de acidentes simulados, a equipe analisou os resultados e desenvolveu novas ideias para a próxima rodada de experimentos. Como esperado, a equipe se beneficiou muito do feedback rápido: levou apenas alguns dias para aceitar, refinar ou rejeitar novas soluções de design, algo que antes levava meses. À medida que os testes se acumulavam, os membros do grupo aumentaram consideravelmente seus conhecimentos sobre a mecânica subjacente, o que lhes permitiu projetar experimentos antes inimagináveis. Na verdade, um teste mudou completamente seus conhecimentos sobre a complexa relação entre resistência e segurança do material. Especificamente, os engenheiros da BMW presumiram que quanto mais forte fosse a área próxima à parte inferior dos pilares de um carro (as estruturas que conectam o teto de um automóvel ao chassi), melhor o veículo seria capaz de resistir a colisões. Mas um membro da equipe de desenvolvimento insistiu em verificar essa suposição por meio de uma simulação computacional barata. Os resultados chocaram a equipe: fortalecendo substancialmente uma área específica abaixo de um dos pilares diminuiu a resistência ao choque do veículo. Depois de mais experimentos e análises cuidadosas, os engenheiros descobriram que fortalecer a parte inferior do pilar central tornaria o pilar propenso a se dobrar mais para cima, acima da área reforçada. Assim, o compartimento de passageiros seria mais penetrável na parte do carro mais próxima à barriga, peito e cabeça dos passageiros. A solução foi enfraquecer, não fortalecer, a área inferior. Esse conhecimento contra-intuitivo — de que enfraquecer propositalmente uma parte da estrutura de um carro poderia aumentar a segurança do veículo — levou a BMW a reavaliar todas as áreas reforçadas de seus veículos. Em resumo, essa pequena equipe aumentou a segurança contra colisões laterais em cerca de 30%. % . Vale notar que dois testes de colisão de protótipos físicos no final do projeto confirmaram os resultados da simulação. Também deve ser notado que os protótipos físicos custam um total de cerca de $ 300.000, o que foi mais do que o custo de todas as 91 falhas virtuais juntas. Além disso, os protótipos físicos demoraram mais para serem construídos, preparados e testados do que toda a série de falhas virtuais. Mas, para obter todos os benefícios das tecnologias de simulação, a BMW teve que realizar mudanças radicais no processo, na organização e na atitude — mudanças que levaram vários anos para serem realizadas. A empresa não só precisou reorganizar a forma como diferentes grupos trabalhavam juntos, mas também teve que mudar hábitos que funcionavam tão bem no antigo processo de desenvolvimento sequencial. Anteriormente, por exemplo, os engenheiros costumavam relutar em divulgar dados menos do que perfeitos. Até certo ponto, era do interesse de cada grupo conter e monitorar a produção de outros grupos. Afinal, o grupo que primeiro submeteu suas informações a um banco de dados central provavelmente teria que fazer o maior número de mudanças porque teria recebido menos feedback de outras áreas. Então, por exemplo, a equipe de desenvolvimento de portas da BMW estava acostumada e recompensada por divulgar dados quase perfeitos (detalhes sobre a resistência do material de uma porta proposta, por exemplo), que poderiam levar muitos meses para serem gerados. A ideia de divulgar informações aproximadas muito cedo, parte integrante de um processo de experimentação rápido e paralelo, era impensável — e não estava embutida no sistema de incentivos. No entanto, um atraso de seis meses enquanto os dados estavam sendo aperfeiçoados poderia atrapalhar um programa de desenvolvimento baseado em iterações rápidas. Assim, para incentivar o compartilhamento precoce de informações, os gerentes da BMW precisavam garantir que cada grupo entendesse e apreciasse as necessidades de outras equipes. O grupo de simulação de colisão, por exemplo, precisava informar os projetistas de portas sobre as informações necessárias para criar modelos aproximados para simulações de colisões em estágio inicial. Essa transferência de conhecimento teve um efeito cascata, mudando a forma como os projetistas de portas trabalhavam porque algumas das informações solicitadas exigiam que eles também prestassem muita atenção às necessidades de outros grupos. Eles começaram a entender que reter informações pelo maior tempo possível era contraproducente. Ao fazer esse tipo de mudança organizacional, a BMW na Alemanha reduziu significativamente o tempo e os custos de desenvolvimento e impulsionou a inovação. 2. Falhe cedo e com frequência, mas evite erros. Experimentar muitas ideias diversas — e às vezes aparentemente absurdas — é crucial para a inovação. Quando um novo conceito falha em um experimento, a falha pode expor lacunas importantes no conhecimento. Esses experimentos são particularmente desejáveis quando são realizados desde o início, para que as opções desfavoráveis possam ser eliminadas rapidamente e as pessoas possam reorientar seus esforços em alternativas mais promissoras. Desenvolver a capacidade de experimentação rápida no desenvolvimento inicial significa repensar o papel do fracasso nas organizações. O fracasso positivo exige ter uma pele grossa, diz David Kelley, fundador da IDEO, uma empresa líder em design em Palo Alto, Califórnia. A IDEO incentiva seus projetistas a “falharem frequentemente para terem sucesso mais cedo”, e a empresa entende que experimentos mais radicais frequentemente levam a fracassos mais espetaculares. De fato, a IDEO desenvolveu vários protótipos que beiram o ridículo (e foram posteriormente rejeitados), como sapatos com estatuetas de brinquedo nos cadarços. Ao mesmo tempo, a abordagem da IDEO gerou uma série de best-sellers, como o computador portátil Palm V, que tornou a empresa objeto de intenso interesse da mídia, incluindo um Linha noturna segmento com Ted Koppel e cobertura em Jogo sério, um livro de Michael Schrage, codiretor da iniciativa de mercados eletrônicos do MIT Media Lab, que descreve a importância crucial de permitir que inovadores brinquem com protótipos. No entanto, remover o estigma do fracasso geralmente requer a superação de atitudes arraigadas. Pessoas que falham em experimentos geralmente são vistas como incompetentes, e essa atitude pode levar a um comportamento contraproducente. Como ressalta Kelley, os desenvolvedores que têm medo de falhar e parecem ruins para a gerência às vezes criam protótipos caros e elegantes com os quais se comprometem antes de saberem qualquer resposta. Em outras palavras, o protótipo elegante pode parecer impressionante, mas dá a falsa impressão de que o produto está mais avançado do que realmente está, e essa percepção sutilmente desencoraja as pessoas de mudar o design, mesmo que existam alternativas melhores. É por isso que a IDEO defende o desenvolvimento de protótipos baratos e rudimentares que as pessoas sejam convidadas a criticar — um processo que eventualmente leva a produtos melhores. “Você precisa ter a coragem de criar um espantalho”, afirma Kelley. Para promover uma cultura na qual as pessoas não tenham medo de falhar, a IDEO criou uma atmosfera semelhante à de uma sala de jogos. Às segundas-feiras, as diferentes filiais realizam apresentações, nas quais os funcionários exibem e falam sobre suas ideias e produtos mais recentes. A IDEO também mantém uma “caixa tecnológica” gigante de centenas de gadgets e curiosidades que os designers vasculham rotineiramente, buscando inspiração entre os interruptores, botões e vários materiais e objetos estranhos. E as sessões de brainstorming, nas quais ideias ousadas são incentivadas e os participantes adiam o julgamento para evitar atrapalhar a discussão, são a base dos diferentes grupos de projetos. A 3M é outra empresa com uma atitude saudável em relação ao fracasso. Os grupos de produtos da 3M geralmente têm equipes que investigam as oportunidades (ou dificuldades) que um produto em potencial pode representar. As equipes, formadas principalmente por técnicos, incluindo engenheiros de manufatura, enfrentam pouca repercussão se uma ideia fracassar — na verdade, às vezes um fracasso é motivo de comemoração. Quando uma equipe descobre que um produto potencial não funciona, o grupo rapidamente se separa e seus membros passam para outros projetos. Falhas, no entanto, não devem ser confundidas com erros. Os erros produzem poucas informações novas ou úteis e, portanto, não têm valor. Um experimento mal planejado ou mal conduzido, por exemplo, pode resultar em dados ambíguos, forçando os pesquisadores a repetir o experimento. Outro erro comum é repetir uma falha anterior ou não conseguir aprender com essa experiência. Infelizmente, mesmo as melhores organizações geralmente não possuem os sistemas de gerenciamento necessários para distinguir cuidadosamente entre falhas e erros. 3. Antecipe e explore informações antecipadas. Quando projetos importantes falham no final do jogo, as consequências podem ser devastadoras. Na indústria farmacêutica, por exemplo, mais de 80 % dos candidatos a medicamentos são descontinuados durante as fases de desenvolvimento clínico, onde mais da metade das despesas totais do projeto podem ser incorridas. No entanto, embora muitas vezes as empresas sejam forçadas a gastar milhões de dólares para corrigir problemas nos estágios posteriores do desenvolvimento do produto, elas geralmente subestimam a economia de custos da solução precoce de problemas. Estudos de desenvolvimento de software, por exemplo, mostraram que problemas em estágio avançado são mais de 100 vezes mais caros do que problemas em estágios iniciais. Para outros ambientes que envolvem grandes investimentos de capital em equipamentos de produção, o aumento no custo pode ser muito maior. Além dos custos financeiros, as empresas precisam considerar o valor do tempo quando esses problemas em estágio avançado estão no caminho crítico de um projeto, como geralmente acontece. Em produtos farmacêuticos, reduzir seis meses de desenvolvimento de medicamentos significa estender efetivamente a proteção de patentes quando o produto chega ao mercado. Da mesma forma, uma empresa de eletrônicos pode facilmente descobrir que seis meses representam um quarto do ciclo de vida de um produto e um terço de todos os lucros. As novas tecnologias, então, podem fornecer algumas de suas maiores vantagens ao identificar e resolver problemas no upstream, melhor descritas como desenvolvimento antecipado. No setor automotivo, por exemplo, simulações de colisões “rápidas e sujas” em um computador podem ajudar as empresas a evitar possíveis problemas de segurança no futuro. Essas simulações podem não ser tão completas ou perfeitas quanto os protótipos em estágio avançado, mas podem forçar a resolução de problemas organizacionais e a comunicação em um momento em que muitos grupos posteriores não participam diretamente do desenvolvimento. (Veja a barra lateral “Os benefícios do desenvolvimento antecipado”.) Os benefícios do desenvolvimento antecipado Na década de 1990, a Toyota fez um grande esforço para acelerar seu ciclo de desenvolvimento de produtos. O objetivo era reduzir o tempo desde a aprovação de um estilo de carroceria até as primeiras vendas no varejo, aumentando assim a probabilidade de a Toyota acompanhar as rápidas mudanças nos gostos dos consumidores. A Toyota fez um esforço conjunto para identificar e resolver problemas relacionados ao design no início do desenvolvimento do produto — um conceito conhecido como carregamento frontal. Para conseguir isso, a empresa implementou uma série de iniciativas, como envolver mais engenheiros de manufatura durante a fase de engenharia de produto, aumentar a transferência de conhecimento entre projetos, investir substancialmente em ferramentas de design e engenharia auxiliadas por computador e desenvolver recursos de prototipagem rápida. Para medir os benefícios dessas iniciativas e monitorar a evolução das capacidades da empresa para a solução precoce de problemas, a Toyota acompanhou os problemas em vários projetos de desenvolvimento. (Veja a exposição “Resolvendo problemas mais cedo”.) O conhecimento de que uma porcentagem maior de problemas estava sendo resolvida em estágios iniciais garantiu aos gerentes da Toyota que eles poderiam reduzir agressivamente o tempo e o custo de desenvolvimento sem arriscar a qualidade do produto. Em particular, entre a primeira e a terceira iniciativas de carregamento frontal, a Toyota reduziu o custo (incluindo o número de protótipos físicos completos necessários) e o tempo de desenvolvimento em entre 30% % e 40 % . Resolvendo problemas mais cedo Fonte: Stefan Thomke e Takahiro Fujimoto, “O efeito da solução de problemas de “carregamento frontal” no desempenho do desenvolvimento de produtos”, The Journal of Product Innovation Management, Vol. 17, No.2, março de 2000 Deve-se notar que, no início da década de 1990, a Toyota reorganizou substancialmente suas atividades de desenvolvimento, resultando em uma comunicação e coordenação mais eficazes entre os diferentes grupos. Essa mudança provavelmente foi responsável por algumas das melhorias de desempenho observadas, principalmente durante as primeiras iniciativas de carregamento antecipado. Há vários anos, a Chrysler (agora DaimlerChrysler) descobriu o poder dos modelos computacionais tridimensionais, conhecidos internamente como maquetes digitais, para identificar certos problemas nos estágios iniciais de desenvolvimento. Quando a Chrysler desenvolveu os modelos Concorde e Dodge Intrepid de 1993, o processo de montagem do deck — colocar o trem de força e os componentes relacionados, como o escapamento e a suspensão no protótipo do automóvel — levou mais de três semanas e exigiu muitas tentativas antes que o trem de força pudesse ser inserido com sucesso. Por outro lado, o uso precoce de maquetes digitais nos modelos Concorde e Intrepid de 1998 permitiu à empresa simular decks para identificar (e resolver) vários problemas de interferência antes que o decking físico ocorresse. Em vez de levar semanas, o decking foi concluído em 15 minutos porque todos os problemas de obstrução haviam sido resolvidos mais cedo, quando era relativamente barato e rápido fazer isso. Obviamente, não é pragmático nem economicamente viável que as empresas obtenham todas as informações antecipadas que desejam. Portanto, o IDEO segue o princípio de três Rs: aproximado, rápido e correto. O R final reconhece que os primeiros protótipos podem estar incompletos, mas ainda podem corrigir aspectos específicos de um produto. Por exemplo, para projetar um receptor de telefone, uma equipe da IDEO esculpiu dezenas de pedaços de espuma e os embalou entre a cabeça e os ombros para encontrar o melhor formato possível para um aparelho. Embora incompleto como um telefone, o modelo se concentrou em obter 100 % da forma correta. Talvez a principal vantagem dessa abordagem seja que ela força as pessoas a decidirem criteriosamente quais fatores podem inicialmente ser difíceis e quais devem ser corretos. Com seus três R's, a IDEO estabeleceu um processo que gera informações importantes quando elas são mais valiosas: os estágios iniciais do desenvolvimento. Além de economizar tempo e dinheiro, explorar informações antecipadas ajuda os desenvolvedores de produtos a acompanhar as preferências dos clientes que podem evoluir ao longo de um projeto. Como muitas empresas podem atestar, os clientes costumam dizer sobre um produto acabado: “Isso é exatamente o que eu pedi que você desenvolvesse, mas não é o que eu quero”. As principais empresas de software geralmente mostram protótipos incompletos aos clientes nos chamados testes beta e, por meio desse processo, muitas vezes descobrem mudanças e problemas quando ainda são relativamente baratos de lidar. 4. Combine tecnologias novas e tradicionais. As novas tecnologias usadas no próprio processo de inovação são projetadas para ajudar a resolver problemas como parte de uma experimentação sistema. Portanto, uma empresa deve entender como usar e gerenciar tecnologias novas e tradicionais em conjunto para que elas se complementem. Na verdade, uma pesquisa de Marco Iansiti, da Harvard Business School, descobriu que, em muitos setores, a capacidade de integrar tecnologias é crucial para o desenvolvimento de produtos superiores. Uma nova tecnologia geralmente atinge o mesmo desempenho geral de sua contraparte tradicional muito mais rapidamente e a um custo menor. Mas a nova tecnologia geralmente funciona com apenas 70%. % para 80 % da tecnologia estabelecida. Por exemplo, um novo processo de síntese química pode ser capaz de obter um nível de pureza de apenas três quartos do de uma técnica madura. Assim, ao combinar tecnologias novas e estabelecidas, as organizações podem evitar a lacuna de desempenho e, ao mesmo tempo, aproveitar os benefícios de uma experimentação mais barata e rápida. (Veja a barra lateral “Combinando o novo com o tradicional”.) Combinando o novo com o tradicional Uma nova tecnologia alcançará talvez apenas 70%. % para 80 % do desempenho de uma tecnologia tradicional. Um novo modelo de computador, por exemplo, pode ser capaz de representar uma funcionalidade do mundo real que é apenas três quartos da de um modelo de protótipo avançado. Para evitar essa lacuna de desempenho e, potencialmente, criar novas oportunidades de inovação, as empresas podem usar as tecnologias novas e tradicionais em conjunto. O momento ideal para alternar entre as duas ocorre quando as taxas de melhoria entre as tecnologias novas e maduras são praticamente as mesmas, ou seja, quando as inclinações das duas curvas são iguais. De fato, o verdadeiro potencial das novas tecnologias está na capacidade da empresa de reconfigurar seus processos e organização para usá-los em conjunto com as tecnologias tradicionais. Eventualmente, uma nova tecnologia pode substituir sua contraparte tradicional, mas pode ser desafiada por uma tecnologia mais nova que deve ser integrada. Para entender essa evolução complexa, considere o que aconteceu na indústria farmacêutica. No final do século XIX e durante grande parte do século XX, o desenvolvimento de medicamentos ocorreu por meio de um processo de experimentos sistemáticos de tentativa e erro. Os cientistas começavam com pouco ou nenhum conhecimento sobre uma doença específica e testavam várias moléculas, muitas das bibliotecas químicas de sua empresa, até encontrarem uma que funcionasse. As drogas podem ser comparadas a chaves que precisam se encaixar nas fechaduras dos alvos, como os receptores específicos de células nervosas associados às doenças do sistema nervoso central. Metaforicamente, então, os químicos já foram serralheiros cegos, ou pelo menos semicegos, que tiveram que inventar milhares de chaves diferentes para encontrar a que combinava. Fazer isso envolveu a síntese de compostos, um de cada vez, cada um dos quais geralmente exigia vários dias a um custo de $ 5.000 a $ 10,000. Normalmente, para cada medicamento bem-sucedido que chega ao mercado, uma empresa investiga cerca de 10.000 candidatos iniciais. Desses, apenas 1.000 compostos passam por testes mais extensivos in vitro (ou seja, fora de organismos vivos em ambientes como tubos de ensaio), 20 dos quais são testados ainda mais extensivamente in vivo (ou seja, no corpo de um organismo vivo, como um camundongo), e dez dos quais chegam a testes clínicos com humanos. Todo o processo representa um compromisso longo e caro. Mas nos últimos dez anos, novas tecnologias aumentaram significativamente a eficiência e a velocidade com que as empresas podem gerar e filtrar compostos químicos. Os pesquisadores não precisam mais criar meticulosamente um composto por vez. Em vez disso, eles podem usar a química combinatória, gerando rapidamente inúmeras variações simultaneamente em torno de alguns blocos de construção, assim como os serralheiros de hoje podem fazer milhares de chaves a partir de uma dúzia de formas básicas, reduzindo assim o custo de um composto de milhares de dólares para alguns dólares ou menos. Na prática, entretanto, a química combinatória interrompeu rotinas bem estabelecidas nos laboratórios. Por um lado, a rápida síntese de medicamentos gerou um novo problema: como rastrear esses compostos rapidamente. Tradicionalmente, medicamentos potenciais eram testados em animais vivos — uma atividade repleta de dificuldades logísticas, altos custos e considerável variação estatística. Assim, os laboratórios desenvolveram metodologias de triagem baseadas em tubos de ensaio que poderiam ser automatizadas. Chamada de triagem de alto rendimento, essa tecnologia requer inovações significativas em equipamentos (como robótica de precisão de alta velocidade) e no próprio processo de triagem para permitir que os pesquisadores conduzam uma série de testes biológicos, ou ensaios, em membros de uma biblioteca química virtualmente simultaneamente. As grandes corporações farmacêuticas e os departamentos acadêmicos de química inicialmente receberam essas tecnologias “combinatórias” (química combinatória e triagem de alto rendimento) com ceticismo. Entre os motivos citados estava que a pureza dos compostos gerados via combichem era relativamente baixa em comparação com a química sintética tradicional. Como resultado, muitos avanços na tecnologia foram feitos por pequenas empresas de biotecnologia. Mas à medida que a tecnologia amadureceu, ela atraiu o interesse de grandes corporações como a Eli Lilly, que em 1994 adquiriu a Sphinx Pharmaceuticals, uma das startups que desenvolviam o combichem. A Eli Lilly levou alguns anos para transferir as novas tecnologias para sua divisão de descoberta de medicamentos, que usava a síntese tradicional. Para superar a resistência interna, a gerência sênior implementou vários mecanismos para controlar como as novas tecnologias estavam sendo adotadas. Por exemplo, limitou temporariamente a triagem interna disponível para os químicos, deixando-os sem escolha a não ser usar alguns dos recursos de triagem de alto rendimento da subsidiária da Sphinx e interagir com a equipe local. Até agora, gigantes farmacêuticos como a Eli Lilly usaram a química combinatória principalmente para otimizar novos candidatos promissores a medicamentos que resultaram de uma pesquisa exaustiva em bibliotecas químicas e outras fontes tradicionais. Mas à medida que a própria química combinatória avança e atinge níveis de pureza e diversidade comparáveis aos compostos em uma biblioteca, as empresas a usarão cada vez mais nas fases iniciais da descoberta de medicamentos. Na verdade, todas as grandes empresas farmacêuticas tiveram que usar o combichem e a síntese tradicional em conjunto, e as empresas mais capazes de gerenciar as tecnologias novas e maduras juntas para que elas se complementem totalmente terão a maior oportunidade de obter os maiores ganhos em produtividade e inovação. Implicações esclarecidas Novas tecnologias reduzem o custo e o tempo de experimentação, permitindo que as empresas sejam mais inovadoras. As empresas automotivas, por exemplo, estão atualmente aprimorando o desempenho de sistemas de segurança sofisticados que medem a posição, o peso e a altura do passageiro para ajustar a força e a velocidade com que os airbags são acionados. A disponibilidade de simulações rápidas e baratas permite a experimentação massiva e rápida necessária para desenvolver esses dispositivos de segurança complexos. Mas é importante observar que o aumento da automação de experimentos de rotina não eliminará o elemento humano na inovação. Pelo contrário, permitirá que as pessoas se concentrem em áreas onde seu valor é maior: gerar novas ideias e conceitos, aprender com experimentos e, finalmente, tomar decisões que exijam julgamento. Por exemplo, embora as instalações de P&D da Millennium se pareçam cada vez mais com fábricas, o valor dos trabalhadores do conhecimento na verdade aumentou. Em vez de realizar experimentos laboratoriais de rotina, eles agora se concentram nos estágios iniciais (determinar quais experimentos conduzir, por exemplo) e em dar sentido às informações geradas pela experimentação. As implicações para as indústrias são enormes. A planilha eletrônica já revolucionou a solução de problemas financeiros ao reduzir o custo marginal da experimentação financeira para quase zero; até mesmo uma pequena startup pode realizar análises complexas de fluxo de caixa em um PC barato. Da mesma forma, a simulação computacional e outras tecnologias permitiram que pequenas empresas e indivíduos experimentassem rapidamente novos projetos de circuitos integrados personalizados. O resultado foi uma enorme onda de inovação, que vai desde brinquedos inteligentes até dispositivos eletrônicos. Anteriormente, o alto custo da personalização do circuito integrado tornava essa experimentação econômica apenas para as maiores empresas. Talvez, porém, essa era de experimentação esclarecida ainda esteja em sua infância. De fato, a tecnologia definitiva para experimentação rápida pode acabar sendo a Internet, que já está transformando inúmeros usuários em inovadores fervorosos.

Experimentação esclarecida: o novo imperativo para a inovação

Partner Center