Ouça o podcast: Construindo AI: da visão à execução | Uma conversa com Artefact Ardian

 

No cenário em rápida evolução do capital de risco, o debate já foi muito além da simples engenharia financeira. Hoje, a criação de valor é cada vez mais impulsionada pela capacidade de uma empresa de aproveitar data. Na segunda edição da conferência AI Alternative Investment” (AI AI), Arthur Garnier, da equipe Data da Ardian, conversou com Elina Ashkinazi-Ildis, sócia da Artefact, para analisar a trajetória que vai AI teórico AI à excelência operacional tangível.

A conversa deles revela uma verdade crucial: embora AI generativa AI GenAI) seja o catalisador “atraente” que atrai todos para a sala, os verdadeiros vencedores são aqueles que passaram anos realizando o trabalho pouco glamoroso de construir data robustas.

Data e data Não é algo atraente, é menos empolgante. Mas agora, com AI generativa, o fato de poder criar casos de uso incríveis e obter resultados impressionantes… de repente desperta o interesse das pessoas. Elas perguntam: ‘O que posso fazer para aproveitar todo o potencial da AI?’ E, muitas vezes, a resposta é: primeiro, é preciso alinhar data ”, afirma Arthur Garnier, Data sênior da Ardian.

A pirâmide de quatro camadas AI

Artefact, uma antiga empresa do portfólio da Ardian Expansion, passou uma década aprimorando sua abordagem à transformação digital. Segundo Elina, AI bem-sucedida AI não se resume apenas à tecnologia; trata-se de uma pirâmide de quatro camadas que garante a sustentabilidade:

  • A camada de casos de uso: “Em que ramo de atividade atuamos?” Esse é o ponto de partida. Antes mesmo de escrever uma única linha de código, as empresas devem identificar onde as equipes dedicam seu tempo e quais são os pontos críticos que, se resolvidos, gerariam um impacto significativo nas vendas e nas margens.
  • O modelo operacional: como conectar profissionais de investimentos e data ? O sucesso exige uma estrutura na qual esses dois mundos possam colaborar de forma eficiente.
  • Infraestrutura e governança: esta é a “sala de máquinas”. Sem data limpos, estruturados e acessíveis, mesmo os algoritmos mais avançados fracassarão
  • Gestão da mudança: é aqui que reside o elemento humano. Envolve a mudança de processos, a capacitação, a transformação de mentalidades e a garantia de que a organização esteja pronta para evoluir em sintonia com a tecnologia.

GAIA: Um estudo de caso sobre agilidade estratégica

Um dos pontos centrais da discussão foi a GAIA, AI interna AI generativa da Ardian. A GAIA representa um meio-termo estratégico no debate “desenvolver ou adquirir”. O conselho de Elina é pragmático: “Se houver uma solução disponível no mercado que responda a todas as suas necessidades e esteja dentro do orçamento… não a desenvolva. Simplesmente adquira-a.”

No entanto, a Ardian optou por desenvolver o GAIA porque isso lhe permitiu manter controle absoluto sobre sua inteligência interna. Arthur observa que, quando uma empresa realiza 95% do trabalho pesado de limpar, organizar e manter a propriedade de seus data, os 5% finais — integrar esses data uma AI personalizada — constituem um próximo passo natural e poderoso. Ao criar uma camada personalizada sobre tecnologias de parceiros como Microsoft, OpenAI, Mistral e outras, a Ardian alcançou vários objetivos fundamentais:

  • Agilidade tecnológica: eles permanecem “agnósticos”, capazes de substituir um LLM por outro mais novo e melhor sem precisar reconstruir todo o sistema.
  • Inovação de baixo para cima: muitos dos recursos do GAIA não surgiram nas salas de reunião, mas sim em eventos internos de hackathon, como o “Ardian Startup Studio”, e em apresentações internas nas quais os funcionários identificaram suas próprias necessidades.
  • Data : 95% do trabalho em AI na limpeza e no controle dos data internos. Uma vez feito isso, a implementação final passa a ser um ativo próprio, em vez de um serviço contratado.

A necessidade imperativa da “reengenharia de processos”

Talvez a reflexão mais profunda da conversa tenha sido o mantra de Elina: “Vamos reestruturar o processo.” Aplicar AI um processo falho ou desorganizado é como colocar um motor mais potente em um carro com rodas quadradas. Elina compara ensinar um AI a ensinar uma criança pequena a atravessar a rua. Não se pode dar a ela um milhão de variáveis e “atalhos”. É preciso simplificar o processo em etapas binárias e precisas:

Luz vermelha: Pare. * Luz verde: Olhe para os dois lados e depois atravesse.

“A tecnologia será apenas uma parte muito pequena… é a primeira parte [simplificação do processo] que vai ser realmente complicada para qualquer setor”, explica Elina Ashkinazi-Ildis

Para uma empresa de private equity como a Ardian, isso significa analisar as empresas do portfólio — desde as nativas digitais até as do setor de manufatura “tradicional” — e ajudá-las a eliminar fluxos de trabalho legados ineficientes antes de integrar AI esses processos.

Preenchendo a lacuna: dos silos técnicos ao impacto nos negócios

O tema central da AI Ardian AI AI ficou claro: a era do data que trabalha isoladamente chegou ao fim. Arthur enfatizou que, para AI um impacto real, data deve estar integrada às unidades de negócios.

Quando as equipes técnicas trabalham isoladamente, criam painéis que ninguém usa. Quando trabalham em conjunto com as equipes de investimento, incorporando feedback em tempo real e contando com a colaboração de “embaixadores” de toda a empresa, elas criam ferramentas como o GAIA, que transformam radicalmente a forma como a empresa opera.

À medida que o setor de private equity continua a evoluir, o papel do investidor não se limita mais apenas a fornecer capital; trata-se de traçar um roteiro tecnológico para garantir que as empresas de seu portfólio não apenas sobrevivam à AI , mas a aproveitem para alcançar novos patamares de eficiência.

Ouça o podcast: Construindo AI: da visão à execução | Uma conversa com Artefact Ardian