IA obriga empresas a mapear processos e p�r os dados em ordem

A corrida das empresas para incorporar a inteligência artificial está produzindo um efeito inesperado. Antes de descobrir o que a tecnologia pode fazer por elas, muitas estão sendo obrigadas a entender como elas mesmas funcionam para, só então, ingressarem nessa revolução tecnológica. Para ensinar a máquina, é preciso saber onde o trabalho começa, quais informações devem ser utilizadas, que decisões são tomadas no caminho e qual resultado deve ser entregue —e o mais comum é que os gestores das empresas não façam a menor ideia de como isso se dá. O problema aparece quando se tenta fazer a transição do uso da IA das tarefas mais simples—resumir um documento, produzir um texto ou ajudar a escrever um código— para a execução de parte dos processos vitais no dia a dia do negócio. A consultora de IA Aline Sordili explica que a facilidade —ou a dificuldade— de incorporar a tecnologia está diretamente relacionada ao conhecimento que os gestores têm sobre a empresa. "Muitos CEOs estão ansiosos para melhorar os processos e adotar ferramentas com IA, mas a maioria das empresas, logo de saída, se depara com o problema elementar: não terem procedimentos mapeados, um passo inicial e essencial na adoção do sistema", diz Sordili. Empresas que passaram os últimos anos digitalizando operações, organizando bases de dados e transformando rotinas em software são as que largam na frente. As demais descobrem que, antes de adotar a inteligência artificial, existe uma etapa bem menos glamourosa: arrumar a casa. Na Petrobras, essa arrumação começou muito antes de existir o ChatGPT, por exemplo. A companhia trabalha na estruturação e governança de dados há cerca de 25 anos. Parte desse conhecimento hoje está reunido no Aida (Ambiente Integrado de Dados e Analytics), criado para permitir que diferentes áreas publiquem e compartilhem informações seguindo os mesmos conceitos. Já são cerca de 10 mil produtos de dados disponíveis. Parece muito. Para uma empresa do tamanho da Petrobras, é pouco, diz Cassiano Ebert, gerente-executivo de tecnologia da informação e telecomunicações. "Em um projeto de inteligência artificial, você gasta 80% do tempo organizando os dados e 20% fazendo inteligência artificial", afirma Ebert. "A organização do dado é que vai determinar o sucesso ou não do projeto." No caso da estatal, esse mapeamento pode colocar a IA em áreas estratégicas, como exploração de novas reservas e automação de plataformas, com ganhos mensuráveis. A tecnologia, por exemplo, regula as tochas das refinarias de petróleo. Câmeras e visão computacional monitoram a chama, enquanto uma IA ajusta automaticamente os parâmetros de combustão. A sua entrada nessa operação já gerou uma economia de US$ 200 milhões. Ou seja, a IA precisa ser entendida não como um salto tecnológico milagroso, mas como uma nova etapa da transformação digital. Na geração anterior, havia o software. A IA é um estágio seguinte, mais sofisticado. Se uma empresa ainda trabalha com formulários e rotinas pouco estruturadas, introduzir inteligência artificial é possível, mas de forma mais lenta e custosa. Se o processo já está organizado em softwares e conta com dados digitalizados, o caminho é bem mais curto. O Itaú vivenciou essa realidade. O banco já utilizava modelos tradicionais de inteligência artificial em áreas como gestão de risco e crédito quando apareceu a IA generativa, uma tecnologia capaz de criar conteúdos inéditos. Ao decidir ampliar o seu uso, na virada de 2022 para 2023, o avanço foi rapidamente difundido, diz Carlos Eduardo Mazzei, diretor de tecnologia do Itaú. O executivo diz desconhecer uma área do banco na qual hoje a IA não esteja presente em algum nível. Em três anos foram materializados mais de mil casos de uso da ferramenta, em setores tão diversos quanto marketing, gestão de pessoas, operações de câmbio. No jurídico, uma das primeiras áreas a investir em ciência de dados, ela ajuda a lidar com um universo de mais de 70 milhões de documentos. "Brinco que eu fui atropelado pela IA. Em muitos aspectos, a tecnologia amadureceu muito rápido aqui, e a gente conseguiu sair do mundo de pesquisa para o mundo de aplicação", afirma Mazzei. O nível de envolvimento com a tecnologia é tal que o banco já está olhando para uma etapa seguinte: como viabilizar transações financeiras entre agentes de IA. Mazzei lembra que o uso das ferramentas tem avançado rapidamente para que as pessoas orientem suas IAs a comprar uma passagem, reservar um hotel, efetuar pagamentos. Do outro lado, estarão outras IAs prestando o serviço. "Chamamos de dinheiro das máquinas", explica o executivo, uma alternativa que, apesar de parecer ficção científica, pode estar em uso no mercado em cerca de dois anos. O segundo choque de realidade ocorre quando as empresas se dão conta de que não vão encontrar uma IA pronta, sob medida para suas demandas, na prateleira de uma big tech. Os grandes fornecedores até começam a oferecer agentes parcialmente prontos, mas a transformação do negócio depende da combinação da tecnologia com informações, sistemas e processos que pertencem à própria empresa, explica Anderson Soares, um dos maiores especialistas brasileiros na área. Professor da UFG (Universidade Federal de Goiás), Soares é fundador do Centro de Excelência em Inteligência Artificial da universidade e preside o seu conselho estratégico, além de atuar como CAIO (Chief AI Officer) da AI Brasil, iniciativa nacional voltada ao desenvolvimento da tecnologia no país. Há uma década, afirma ele, empresas de setores tradicionais eram essencialmente compradoras de tecnologia. Quem desenvolvia, testava, errava e aperfeiçoava software era o fornecedor. Com a IA, companhias cujo negócio não seja necessariamente tec, mas banco, automóvel, telecomunicação ou varejo, começaram elas próprias a desenvolver e customizar tecnologia. "É preciso entender que tecnologia de prateleira não vai ser transformadora —isso nunca aconteceu, nunca vai acontecer, até porque aquilo que você pode comprar na prateleira, todos os seus concorrentes compram também. Então, você estaria só igualando o jogo", explica Soares. O Magazine Luiza, uma empresa de varejo, entende essa dinâmica há quase uma década. Desde 2014, conta com o Luizalabs, um hub de desenvolvimento de tecnologia que atua como um dos pilares da transformação digital da companhia. Com 2.400 desenvolvedores e especialistas, dá suporte a diferentes áreas, incluindo financeiro, atendimento e gestão de estoque, como uma peça fundamental para o posicionamento atual do Magalu como empresa de tecnologia. Em 2024, também criou uma liderança exclusiva para IA para acelerar sua adoção em toda a empresa, incluindo cuidar do "cérebro da Lu", uma ferramenta de IA commerce conhecida na ponta pelo cliente como WhatsApp da Lu. Graças ao avanço da inteligência artificial, ela entende gostos, necessidades e alternativas de pagamentos por pessoa, atendendo cada cliente em sua individualidade. O WhatsApp da Lu foi desenvolvido pelo Luizalabs em parceria com a Meta, dona do WhatsApp, e o Google. A empresa também percebeu que era preciso espalhar a capacidade de desenvolver IA para além do departamento de tecnologia, explica André Fatala, vice-presidente do Luizalabs e do Magalu Cloud. Quase 3.000 funcionários já passaram por um programa de capacitação. No final, participam de uma espécie de hackathon, um tipo de evento intensivo da área de tecnologia, em que as equipes se reúnem para criar um projeto do zero. Nessa dinâmica, escolhem problemas reais de suas áreas e tentam construir soluções para eles. Cerca de 250 nasceram daí. O Magalu também liberou ferramentas de IA para seus engenheiros de software estabelecerem novas relações com a máquina. O primeiro movimento foi semelhante ao de outras empresas: dar ao programador um assistente capaz de ajudá-lo a escrever código. Agora, a companhia testa outra relação, diz Fatala. Em vez de pedir ajuda para escrever determinado trecho, o desenvolvedor pode entregar o problema ao agente. A máquina lê o repositório de códigos, escreve a solução, executa os testes e devolve o trabalho para aprovação. "Você delega. Fala: ‘Eu preciso resolver determinado ponto de problema que identifiquei em produção’. Ele vai lá, lê toda a parte do seu repositório de códigos, escreve tudo sozinho, faz a parte dos testes e fala: ‘Está pronto, valida aí’", explica o executivo. Ou seja, o humano não desaparece. Ele muda de posição. Porém, nessa corrida pela adoção da IA, também é preciso saber evitar modismos. Não se adota IA por adotar. O grupo Fleury é um exemplo dessa moderação. A proposta é implantá-la onde ela realmente acrescenta valor, explica Edgar Gil Rizzatti, presidente das unidades médica, técnica e de inovação do grupo. "Está claro, por exemplo, que a IA ajuda demais em todas as tarefas que envolvem reconhecimento de padrões," afirma. Na área de saúde, é o caso dos exames de imagem. Algoritmos auxiliam médicos a identificar padrões suspeitos em mamografias, tomografias, dermatologia e anatomia patológica. A IA também é importante para fazer o chamado "rastreamento oportunístico", tarefa mais desafiadora para humanos: procurar, em um exame feito por uma razão, sinais de outro problema, que ainda não havia sido investigado ou sequer estava sob suspeita. Um exemplo são as tomografias de tórax, que contam com ferramentas de IA capazes de procurar cálcio nas artérias coronárias, um marcador de maior risco cardiovascular —mesmo quando o exame foi pedido por outro motivo. Na validação feita pelo grupo, com mais de 4.000 pessoas, cerca de 22% das que haviam feito o exame por razões não cardiológicas apresentavam cálcio nas coronárias. Identificado o risco, o paciente pode ser encaminhado para avaliação e prevenção antes de sofrer um evento cardiovascular. O Fleury estima que a estratégia possa evitar ao menos 70 casos de infarto ou de AVC por ano. Mas o laboratório mais importante funciona com outra lógica, explica o executivo. "É um laboratório totalmente automatizado, de maneira que as amostras chegam, um braço robótico pega os tubinhos, coloca num carrinho. Parece pista daquele carrinho de autorama", conta Rizzatti sobre a operação. Esse laboratório na cidade de São Paulo recebe material de mais de 720 municípios. Processa em torno de 4 milhões de exames por mês e tem capacidade para chegar a 7 milhões. O fluxo é tão afinado que libera mais de 150 mil exames por dia, sendo que 80% ficam prontos em até 180 minutos. Rizzatti explica que essa superlinha é comandada por três softwares convencionais. A IA aparece apenas em pontos específicos de verificação de procedimentos. "O sistema usa a chamada lógica booleana [sistema matemático anterior à IA e à própria computação], ele não precisa se valer de machine learning em todas as situações —e tudo bem."