AI : uma onda de transformação a ser dominada

Artificial intelligence já não Artificial intelligence apenas uma promessa; é uma realidade que está redefinindo os contornos dos negócios. No entanto, sua integração eficaz nas organizações ainda apresenta grandes desafios. Hanan Ouazan, sócio-gerente e líder global AI na Artefact, ofereceu recentemente insights esclarecedores sobre como abordar o surgimento de AI em nossos processos de marketing, comunicação e operacionais. Sua intervenção destacou os imperativos para uma adoção bem-sucedida.

Adoção fragmentada e obstáculos persistentes

Um estudo revelador realizado pelo Google e pela BCG constatou que menos de 1% das empresas realmente concluíram sua AI . Embora muitas estejam experimentando e otimizando processos existentes, a maioria enfrenta dificuldades para orquestrar uma integração global. Essa lacuna se explica pela dificuldade de passar de uma lógica centrada em ferramentas para uma verdadeira lógica centrada em processos. O mercado está saturado de tecnologias, tornando o monitoramento e a integração consistentes um desafio diário.

Três grandes obstáculos impedem essa adoção em larga escala. O primeiro diz respeito data: quase dois terços dos data corporativos data inexplorados. O segundo é de natureza organizacional: o marketing, uma disciplina madura, muitas vezes herda rigidez e compartimentação que impedem uma coordenação fluida. O terceiro desafio é a integração. Embora seja fácil criar provas de conceito (POCs) isoladas, integrar a tecnologia a montante e a jusante dos processos existentes é muito mais complexo.

Dos LLMs aos agentes: AI ação

Apesar desses desafios, o contexto atual é propício à inovação. O advento dos Grandes Modelos de Linguagem (LLMs), há cerca de dois anos e meio, trouxe a capacidade de processar enormes volumes de data. Além das aplicações de recuperação de informações, os LLMs permitem uma análise muito mais detalhada. Hanan Ouazan dá um exemplo marcante: um LLM pode analisar os registros do Google Analytics para detectar a intenção subjacente de um usuário em um site. Um usuário que está vendo uma variedade de produtos de mobiliário não está apenas procurando itens individuais; ele provavelmente está “redecorando sua sala de estar”. Essa compreensão da intenção geral abre perspectivas de marketing com uma precisão sem precedentes.

O próximo passo, o dos AI , marca a verdadeira aceleração. Enquanto os LLMs processam informações, os agentes permitem sua ativação e coordenação. Esse avanço preenche a lacuna de harmonização entre os canais e representa uma revolução para a fluidez dos processos. Para dominar essa transformação, três áreas-chave devem ser consideradas: data, integração e confiança.

Data: combustível essencial para AI autônoma

A primeira área é data, a matéria-prima de qualquer AI generativa. Sua qualidade é fundamental. O objetivo é explorar 100% dos data, tanto de forma corretiva (para melhorar data existentes) quanto de forma proativa (para qualificar cada nova interação). Por exemplo, um LLM pode corrigir fichas de produtos mal preenchidas ou, em um call center, capturar e estruturar informações de chamadas em tempo real para enriquecer o CRM de maneira qualificada.

Integração: O desafio da produção em grande escala

A segunda área é a integração. O exemplo do call center ilustra bem esse ponto: o ideal é uma AI ouça a chamada em tempo real, identifique a solicitação do cliente e exiba instantaneamente a resposta relevante para o atendente. Isso requer uma integração perfeita entre telefonia, AI, bases de conhecimento e CRM. Embora as demonstrações de viabilidade (POCs) sejam rápidas de criar, a entrada em produção costuma ser retardada por problemas de conectividade ou compatibilidade de software. Antecipar esses “pontos de atrito” é crucial para a expansão.

Confiança e governança: Dominando a implantação de agentes

A terceira e fundamental área é a questão da confiança. A implantação de AI para cada funcionário – potencialmente vários agentes por pessoa – levanta questões existenciais.  Essa proliferação de agentes data, geram custos e são potencialmente incontroláveis é frequentemente subestimada. Ela levanta questões cruciais de viabilidade econômica, confiabilidade (os modelos podem “alucinar”), segurança (acesso a APIs e data confidenciais) e conformidade. A governança e a supervisão desses AI estão se tornando uma prioridade absoluta, com o surgimento de plataformas dedicadas, como AI Space do Google.

A gestão desses agentes vai além do âmbito da TI. Embora a TI garanta o funcionamento técnico, as equipes data de negócios devem avaliar em conjunto a relevância e a precisão AI . A transformação organizacional é inevitável. Não se trata mais de otimizar o que já existe, mas de reinventar os processos. AI não estão lá para potencializar os métodos atuais, mas para repensá-los completamente, incluindo a experiência do usuário, já que os consumidores têm expectativas muito altas em relação AI.

Essa profunda transformação requer um forte apoio da alta direção da empresa. Não se trata apenas de um projeto técnico, mas de uma redefinição das profissões, do papel da TI, data dos negócios. Isso implica em orçamentos, mas também em um investimento maciço em treinamento e na adaptação da equipe à nova cultura. Um estudo recente (início de 2025) destaca uma lacuna alarmante entre as expectativas dos funcionários e a realidade no campo: uma grande proporção carece de treinamento em AI. Isso é um sinal de que, apesar das promessas de transformação, muitas organizações ainda não estão prontas.

Em conclusão, o surgimento dos AI vai muito além do âmbito tecnológico. Trata-se de um desafio fundamentalmente organizacional, estratégico e humano, que exige uma abordagem holística e uma visão clara para orientar a redefinição do papel da empresa nesse novo paradigma.

Assista à replay apresentação: