Priorizando investimentos em IA que geram valor real

Na sequência do lançamento do ChatGPT, há três anos, os executivos estão sob pressão de seus conselhos de administração e investidores para que apresentem uma estratégia clara de IA que os impeça de ficar para trás em relação aos concorrentes — e que realmente gere retorno sobre o investimento. A criação de tal estratégia exige que as organizações superem a fase de experimentação de baixo para cima e a pressa em incluir IA, sob qualquer forma, em seus produtos. Para isso, os líderes precisam reexaminar questões básicas sobre como suas empresas criam valor para os clientes e compreender como o cenário tecnológico em constante evolução está alterando as respostas. Então, como identificar em quais oportunidades investir? Aqui estão três perguntas a serem discutidas com sua equipe executiva para definir sua estratégia. Perguntas a fazer Onde é criado valor em nosso setor? E como isso está mudando? Ao se depararem com uma nova tecnologia, muitas empresas já estabelecidas tentam incorporá-la rapidamente aos seus processos e ofertas atuais. Mas isso omite uma etapa e significa que a verdadeira transformação pode passar-lhes ao lado, segundo John Winsor, consultor estratégico, empreendedor em série e membro do Instituto de Digital, Dados e Design da Harvard Business School. Para reinventar verdadeiramente seus negócios, argumenta Winsor, os líderes precisam compreender onde reside a vantagem competitiva em seu setor e como a nova tecnologia pode alterar isso. Os exercícios tradicionais de mapeamento da cadeia de valor podem ajudar, oferecendo uma maneira estruturada de visualizar como o valor é criado, entregue e capturado em seu setor. Ao revelar dependências e áreas de atrito ou escassez, eles podem indicar oportunidades de melhoria ou diferenciação. Em seguida, analise como a IA já está transformando a criação e o controle de valor ao longo dessa cadeia de valor. Em que áreas seus esforços atuais deixarão de ser eficazes? Este processo não se resume apenas a identificar ameaças. Existem lacunas na cadeia de valor em evolução que a sua empresa tenha capacidade ou recursos para preencher? Reconecte-se com a sua missão e o seu propósito. Perguntem-se: Em que ramo de atividade realmente atuamos? No que somos realmente bons? Existe uma definição mais ampla do nosso propósito que se conecte com essas novas oportunidades? Veja o caso da Shutterstock, uma empresa de banco de imagens. Tradicionalmente, o setor de banco de imagens criava valor com base na escassez de imagens de alta qualidade. Mas, na era da IA, a Shutterstock percebeu que a abundância de imagens sintéticas e baratas não estava apenas diminuindo essa fonte de valor, mas levando a um colapso da confiança no valor da autoria e dos direitos autorais, que são essenciais para que qualquer conteúdo seja licenciado comercialmente. Desde então, a empresa mudou seu foco para a gestão de confiança e direitos. Aproveitando suas capacidades existentes nessas áreas, bem como suas relações com fotógrafos e clientes, ela criou um sistema que torna o conteúdo gerado por IA seguro para uso corporativo. Estabeleceu parcerias de licenciamento de dados com a OpenAI e a Nvidia, modelos de remuneração que garantem um pagamento justo aos colaboradores e estruturas de indenização que protegem os clientes contra riscos relacionados a direitos autorais. Está deixando de ser um agregador de fotos para se tornar um mecanismo de governança. (Exemplo adaptado de“What Executives Get Wrong About AI.”) Com demasiada frequência, as empresas só realizam esse tipo de trabalho estratégico quando enfrentam uma ameaça existencial. Dê um passo atrás e entenda como a sua empresa pode se posicionar nesse setor em constante mudança antes que seja tarde demais; assim, terá muito mais possibilidades à sua disposição. Em que aspectos a IA pode agregar valor à experiência de nossos clientes? Embora muitas empresas estejam focadas na automação e na eficiência, as oportunidades de crescimento acabarão por surgir de ofertas aprimoradas e totalmente novas para os clientes. No entanto, muitas das primeiras ofertas de IA voltadas para o mercado, lançadas por empresas estabelecidas, fracassaram porque foram lançadas sem levar em consideração as necessidades dos clientes. Tomemos, por exemplo, o caso do Snapchat. A plataforma ganhou popularidade inicialmente entre sua base de usuários jovens com recursos como mensagens que desaparecem, que promoviam uma sensação de privacidade e, com isso, o compartilhamento casual e frequente de momentos autênticos. Em 2023, a empresa lançou o My AI, um chatbot de IA generativa. O recurso foi fixado no topo dos feeds dos usuários, onde eles estavam acostumados a interagir com seus contatos humanos reais, e foi percebido como uma espécie de observador indesejado. Embora a empresa tenha informado que muitos de seus usuários gostaram do recurso, a enxurrada de avaliações negativas que o citavam contava uma história diferente, e a classificação do aplicativo no iOS nos EUA despencou para 1,67 estrelas. (Exemplo adaptado de“Make Sure Your AI Strategy Actually Creates Value.”) Para evitar o que aconteceu com o Snapchat e outras empresas, não deixe que sua ânsia em oferecer um recurso de IA se sobreponha a um foco disciplinado nas necessidades do cliente. Reavalie o que você sabe sobre a jornada do cliente e considere como ela pode estar mudando — ou como poderia ser aprimorada — com a IA, de forma a diferenciá-lo de seus concorrentes. Avalie ideias de produtos ou recursos de IA tendo essas questões em primeiro plano, mas também use esse exercício para gerar novas ideias que surjam do que seus clientes valorizam e desejam, em vez de se basear apenas no que a tecnologia é capaz de fazer. Talvez em resposta à primeira onda de funcionalidades de produtos baseadas em IA que não tiveram sucesso, as empresas já estão lançando esses projetos com menos frequência do que no início da era da IA generativa, dedicando mais atenção às interfaces de linguagem natural para produtos existentes e à melhoria do desempenho dos produtos, de acordo com uma pesquisa com clientes realizada pela Bain no final de 2024. Onde estão as nossas maiores oportunidades para a melhoria da produtividade interfuncional? A automação de processos foi a primeira medida adotada por muitas empresas para gerar valor comercial a partir da IA. No entanto, como a primeira fase da adoção da IA se baseou em um aprendizado de baixo para cima, esses casos de uso desenvolveram-se em nichos isolados dentro de silos funcionais, limitando seu impacto. A adoção de uma abordagem mais coordenada e multifuncional pode gerar ganhos maiores. Para identificar as áreas com maior potencial, comece mapeando como os dados e as informações circulam pela sua organização. Com a tecnologia evoluindo tão rapidamente, não há tempo para realizar essa análise em toda a empresa. Em vez disso, comece pelas suas principais áreas de investimento e capacidades funcionais. Entenda quais tarefas exigem mais esforço e onde elas se estendem a outras funções. Essas são as principais áreas-alvo para um mapeamento mais aprofundado do fluxo de trabalho — e para uma possível automação. Depois de elaborar uma lista das principais áreas de atuação em toda a empresa, analise quais dessas tarefas a IA está mais apta a realizar atualmente. Leve em consideração o custo de eventuais erros, o tipo de dados necessários e se estes estão prontamente disponíveis. Em última análise, esse esforço deve envolver tanto uma reformulação disciplinada do fluxo de trabalho quanto a automação por meio da IA. Por exemplo, Arjun Dutt, sócio da Bain, descreveu como a empresa trabalhou com uma empresa de hardware listada na Fortune 100 que buscava consolidar seus esforços de automação por IA. A empresa de hardware realizou vários estudos de tempo para avaliar o esforço dos funcionários em áreas como P&D, vendas e marketing e descobriu que mais de 20.000 membros da equipe nas áreas de marketing, vendas, produtos e outras funções estavam dedicando até metade do seu tempo ao desenvolvimento de conteúdo de marketing. Isso apontou o conteúdo de marketing como uma área-chave com potencial para automação. A geração atual de ferramentas de IA generativa de geração de texto disponíveis no mercado também parecia adequada para as tarefas de composição de texto envolvidas, e o risco foi considerado relativamente baixo, uma vez que os seres humanos ainda revisariam o material. Por fim, os líderes também esperavam que a automatização desse trabalho pudesse demonstrar valor rapidamente, pois o tempo gasto seria facilmente mensurável em relação ao parâmetro de referência que já haviam estabelecido. O trabalho envolveu tanto a automação por IA quanto o desenvolvimento de novos fluxos de trabalho simplificados, com diretrizes de processo mais claras. No fim das contas, o esforço resultou em um processo redesenhado, com uma redução de 80% no tempo necessário desde a concepção até a publicação para conteúdos com grande volume de texto e uma redução de 30% para conteúdos com grande volume de imagens e vídeos. No entanto, os casos de uso mais propícios à automação podem não ser simplesmente aqueles que são mais fáceis de medir. Embora a maior parte dos gastos com experimentos de IA seja atualmente direcionada às funções de vendas e marketing, a automação de back-office é o que, na verdade, tende a gerar o maior retorno sobre o investimento (ROI) em termos de melhoria de produtividade — áreas jurídicas, financeiras e outros serviços que possuem métricas de produtividade menos bem estabelecidas. Lançar uma ampla rede inicial pode ajudá-lo a identificar os fluxos de trabalho que renderão os maiores ganhos. Aprofunde-se O Manual de Estratégias de IA generativa para Organizações Por Bharat N. Anand e Andy Wu HBR, novembro–dezembro de 2025 (37 minutos de leitura) O que os executivos entendem errado sobre IA Por John Winsor e Sangeet Paul Choudary HBR.org, 10 de novembro de 2025 (11 minutos de leitura) 3 perguntas a fazer sobre sua estratégia na era da IA Por Vijay Govindarajan, Venkat Venkatraman e Bill Achtmeyer HBR.org, 6 de novembro de 2025 (leitura de 12 minutos) Certifique-se de que sua estratégia de IA realmente crie valor Por W. Chan Kim, Renée Mauborgne e Mi Ji HBR.org, 5 de setembro de 2025 (leitura de 12 minutos) Como fazer com que a IA generativa empresarial funcione Por Melissa Valentine, Daniel J. Politzer e Thomas H. Davenport HBR.org, 18 de setembro de 2025 (leitura de 14 minutos) Créditos Arjun Dutt (sócio da Bain), Stefano Puntoni (professor da Wharton School e codiretor do corpo docente do Wharton Human-AI Research), Melissa Valentine (professora associada da Stanford e pesquisadora sênior do Stanford Institute for Human-Centered AI), John Winsor (empreendedor em série e pesquisador executivo do Digital, Data, and Design Institute da Harvard Business School).

Priorizando investimentos em IA que geram valor real

Resumo.

Exclusive Benefits

Partner Center