1. Contexto do setor: O envelope estratégico

O setor em que você está operando influencia muito o resultado esperado dos casos de uso AI que você planeja lançar.
Essa primeira porta se baseia em três critérios: as forças regulatórias e os custos de conformidade do setor, a maturidade de seu ecossistema tecnológico específico e a cultura de investimento de curto a longo prazo.

1.1 Forças regulatórias e custos de conformidade

Toda iniciativa de AI opera dentro de limites regulatórios específicos do setor que moldam diretamente o potencial de ROI.

Vejamos o exemplo do acesso a data de prescrição de profissionais de saúde

  • Nos EUA, a HIPAA protege as informações identificáveis do paciente, mas permite o uso e a venda de data de prescrição médica não identificados para fins comerciais e de pesquisa, sujeitos a controles menos rigorosos - isso possibilitou um mercado robusto para a análise de prescrição
  • No Brasil, as regulamentações estão evoluindo: A ANVISA e a Lei Geral de Proteção de Dados (LGPD) supervisionam data de saúde, com regras semelhantes às do GDPR, mas a aplicação é menos madura; data de prescrição são considerados sensíveis e seu uso está sujeito às leis de confidencialidade e segredo comercial, com acesso frequentemente restrito, a menos que sejam anônimos ou agregados
  • Na Europa, o GDPR impõe controles rigorosos sobre data pessoais e de saúde, tornando a coleta, o processamento e o uso comercial de data de prescrição médica altamente restritos e, muitas vezes, exigindo consentimento explícito ou forte anonimização

Como consequência, o ROI do uso de data prescrição para direcionar os profissionais de saúde é forte nos EUA, médio no Brasil e limitado na Europa, onde, na maioria das vezes, os data são agregados em nível regional.

Essas restrições criam "grades de proteção de ROI" que determinam os casos de uso viáveis.

1.2 Multiplicadores de maturidade do ecossistema

O cenário tecnológico de um setor - especialmente a presença de agentes especializados e start-ups inovadoras - desempenha um papel fundamental na aceleração do ROI do projeto de AI .

Quando um setor se beneficia de um ecossistema dinâmico de provedores de tecnologia, integradores e start-ups de nicho, as organizações podem identificar, testar e implantar mais rapidamente soluções AI de ponta, adaptadas aos seus desafios comerciais específicos. Esse ecossistema promove a colaboração, o compartilhamento de conhecimento e o acesso às melhores ferramentas da categoria, reduzindo o tempo de desenvolvimento e os obstáculos de integração.

Além disso, as comunidades de código aberto e os fornecedores especializados permitem que as empresas façam experiências com estruturas comprovadas e se beneficiem da inovação coletiva, o que agiliza os pilotos e reduz o tempo de obtenção de valor. Como resultado, os setores com uma rede rica de participantes AI conseguem dimensionar projetos bem-sucedidos mais rapidamente e obter ganhos tangíveis de produtividade e eficiência mais cedo, impactando diretamente sua trajetória de ROI.

1.3 Longo prazo como acelerador de ROI

Os setores que adotam o planejamento plurianual (por exemplo, energia, aeroespacial) obtêm um ROI de AI acumulado significativamente maior em períodos de cinco anos em comparação com os setores de ciclo curto. Os ciclos de longo prazo permitem investir em tecnologias mais inovadoras e arrojadas, ao mesmo tempo em que suavizam o custo do gerenciamento de projetos, com recrutamento interno e planejamento de fornecimento de longo prazo.

Um exemplo famoso é o roteiro de AI de uma década da BP para manutenção preditiva em perfuração offshore.

2. Custos de implementação da empresa: A camada de execução

A empresa na qual um caso de uso de AI é implantado tem uma influência significativa nos custos de implementação, dependendo da maturidade de três ativos: as bases tecnológicas, a governança data e o apetite comercial pela AI.

2.1 Custos de preparação da pilha de tecnologia

As organizações com infraestrutura data modernacloud lagosdata cloud , pipelines de MLOps) aceleram significativamente a implementação de casos de uso AI em comparação com seus pares que dependem de sistemas legados.

Para fornecer números estimados, o estabelecimento de uma nova conexão com um sistema de origem pode levar de alguns dias a um mês, dependendo dos tipos de conectores disponíveis.

2.2 Dívida de governança Data

A falta de uma governança data robusta reduz significativamente o ROI dos casos de uso de AI de duas maneiras principais.

Em primeiro lugar, os projetos costumam sofrer atrasos devido à necessidade de uma preparação extensiva data e da implementação de um gerenciamento de acesso adequado, pois as equipes precisam gastar um tempo considerável limpando, organizando e protegendo data antes que qualquer modelagem possa ser iniciada. A preparação Data pode consumir até 80% do esforço em projetos de aprendizado de máquina.

Em segundo lugar, a governança insuficiente leva à má qualidade data e à rotulagem inadequada, o que afeta diretamente o desempenho AI - os modelos treinados com data incompletos, inconsistentes ou mal rotulados fornecem resultados menos precisos e menos confiáveis, prejudicando o valor comercial e exigindo retrabalho dispendioso ou ciclos de desenvolvimento estendidos.

2.3 Índice de atrito de adoção

A afinidade tecnológica dos funcionários e os recursos de gerenciamento de mudanças determinam se as ferramentas AI agregam valor ou se tornam um produto de prateleira.

Se vários sucessos AI já abriram o caminho e os funcionários tiverem acesso a programas de treinamento contínuo em AI que ajudem a desmistificar a tecnologia, demonstrar resultados e destacar sua complementaridade com os seres humanos, eles se tornarão significativamente mais receptivos aos futuros casos de uso AI que serão lançados.

Por exemplo, as sessões de treinamento que apoiam o lançamento de um produto AI geralmente incluem 20% de conteúdo dedicado à aculturação de AI , juntamente com pelo menos uma seção sobre acesso a ferramentas. Quanto mais esses produtos são centralizados em uma única interface e direcionados a equipes já treinadas, mais o esforço de aculturação diminui em 30 a 40%.

3. Benefícios em vários horizontes: A matriz de valor

Os benefícios dos casos de uso AI são estruturados em dois horizontes de tempo para liberar seu valor total, com ganhos que variam em tangibilidade.

O primeiro horizonte se estende por um ano e é altamente tangível, concentrando-se nos ganhos relacionados ao lançamento de novos produtos e serviços possibilitados pela AI, bem como na automação de tarefas possibilitada pela AI.

O segundo horizonte abrange de dois a três anos e é menos tangível, envolvendo melhorias na tomada de decisões estratégicas e maior resiliência dos negócios às mudanças do mercado por meio do uso da AI.

3.1 Curto prazo (0 a 12 meses)

Motor de crescimento da linha de base

O principal método para o crescimento da linha superior envolve o aumento da receita dos produtos existentes. No campo da personalização, considere dois exemplos ilustrativos: O mecanismo de recomendação da Netflix, que aumentou o envolvimento do cliente em 30% e, consequentemente, reduziu a rotatividade. Outro exemplo é a Stitch Fix, uma empresa de roupas que emprega algoritmos AI para analisar as preferências e os comportamentos dos clientes, fornecendo assim recomendações de roupas sob medida. Essa personalização em larga escala seria inatingível sem AI, e é exatamente essa tecnologia que torna viável o modelo de negócios da Stitch Fix.

A segunda abordagem envolve o lançamento de novos produtos que antes não eram lucrativos até o advento da AI. Por exemplo, a Nutella fez uma parceria com a Ogilvy Italia para utilizar uma rede neural na criação de sete milhões de rótulos de potes exclusivos, que se esgotaram em uma semana. Sem a AI, a produção de um número tão grande de rótulos exclusivos teria sido proibitivamente cara ou simplesmente impossível, tornando a campanha excepcionalmente lucrativa.

3.2 Longo prazo (mais de 12 meses)

Superioridade na decisão estratégica

É sempre desafiador avaliar o impacto de uma decisão estratégica sobre as finanças de uma empresa e, mais ainda, avaliar a influência da artificial intelligence nessa decisão. No entanto, as opiniões convergem no sentido de reconhecer que AI já se tornou um parceiro estratégico na tomada de decisões. Um exemplo fornecido pela Artefact é o uso da modelagem de mix de marketing, uma ferramenta projetada para otimizar a alocação do orçamento de marketing em vários canais para o ano seguinte. Em alguns casos, o aumento de lucro possibilitado por essa otimização pode chegar a 40%.

Resiliência organizacional

A adoção de uma cultura AI traz agilidade às organizações ao incorporar o aprendizado contínuo, a adaptabilidade e a experimentação rápida nas operações cotidianas. AI permite que as equipes automatizem tarefas de rotina, detectem anomalias rapidamente e simplifiquem os fluxos de trabalho, liberando os funcionários para se concentrarem na inovação e na criação de valor. Essa cultura incentiva a tomada de decisões descentralizada e capacita as equipes a testar novas ideias, analisar resultados e iterar processos em tempo real, promovendo uma mentalidade em que a mudança é adotada e o fracasso é visto como uma oportunidade de aprendizado. Como resultado, as organizações se tornam mais flexíveis, mais bem preparadas para responder às mudanças do mercado e capazes de evoluir suas estratégias e funções para enfrentar os desafios emergentes - tornando a agilidade uma parte essencial de sua identidade e força operacional.

Noventa por cento das empresas pesquisadas em um estudo da Dataiku consideram AI uma ferramenta de resiliência diante do risco de recessão e de crises econômicas. Mais de 80% dos gerentes relatam manter ou aumentar seus investimentos em AI apesar das incertezas econômicas, o que reflete uma forte confiança na capacidade da AIde proteger as empresas contra interrupções.

A estrutura de ROI da Concentric

Com base em todos os fatores mencionados acima, propomos a seguinte fórmula para calcular o ROI de um caso de uso AI , que depende de três níveis: setor, empresa e racionalização dos casos de uso em relação aos custos de TI, data e gerenciamento de mudanças. Embora a avaliação de cada fator seja complexa, essa fórmula o ajudará a ter em mente todos os elementos a serem considerados.

Conclusão: Equilibrando a equação do ROI

Essa estrutura vai além da análise estática de custo-benefício para modelar os impactos em cascata da AI:

  1. As forças do setor definem o campo de jogo do ROI
  2. A prontidão da empresa determina os custos de entrada
  3. Os horizontes de benefícios são compostos ao longo do tempo

Em nosso último artigo, exploraremos como operacionalizar essa estrutura por meio de dois exemplos do setor de saúde, um orientado para o ROI de 0 a 12 meses e outro orientado para mais de 12 meses.