O executivo de tecnologia e inovação, André de Barros Faria, com formação em gestão estratégica pela Fundação Dom Cabral, lidera a Vert Analytics, que desenvolve tecnologia própria em IA e hiperautomação. Nesse cenário, ele analisa uma pesquisa global da McKinsey com empresas que usam IA generativa, testando 25 atributos organizacionais. Dentre esses, o fator que mais impactou os resultados financeiros foi o redesenho dos fluxos de trabalho, superando práticas como treinamento por função e comunicação interna sobre resultados.
Esse dado revela um erro frequente nas empresas: integrar a ferramenta em processos antigos e esperar que os ganhos se reflitam nos resultados financeiros. O texto a seguir explora onde esses ganhos podem se dissipar.
Por que a ferramenta entra e o resultado não muda?
Um assistente de IA redige em segundos uma resposta que antes tomava vários minutos. Ela, porém, segue para a fila de aprovação, passa por duas revisões e só sai no dia seguinte. O ganho existiu na etapa da redação e se dissolveu na espera.
Toda cadeia de trabalho tem um gargalo, a etapa que limita o ritmo do conjunto. Acelerar um trecho que não é o gargalo apenas desloca o acúmulo para a etapa seguinte. André de Barros Faria indica que a IA encaixada no processo antigo costuma acelerar o trecho mais visível, o da produção de texto, análise ou código, e deixa intacto o que define o prazo total.
Que métrica engana quem acompanha a adoção?
Como o gargalo não aparece no painel, a métrica errada esconde o problema. Licenças ativas, comandos enviados e horas economizadas por pessoa medem uso, não resultado. Uma hora poupada por analista só vira ganho para a empresa quando o tempo liberado é redirecionado, a fila diminui ou o custo por caso cai.
Na mesma pesquisa, entre as práticas de adoção, a de maior efeito sobre o resultado foi acompanhar indicadores bem definidos para cada solução, mas menos de um quinto dos respondentes dizia fazê-lo. Prazo do ciclo completo, custo por caso resolvido e taxa de retrabalho respondem ao que a diretoria quer saber: o que mudou no negócio.
O que muda quando o processo é redesenhado antes?
Com o resultado como régua, a fila de respostas do início ganha outro desenho: pedidos de baixo valor e sem histórico de problema seguem direto ao cliente, com auditoria por amostragem depois. Só o caso fora do padrão vai para uma pessoa. A dupla aprovação desaparece, e o ciclo encurta porque o desenho do trabalho mudou, não porque o modelo ficou mais rápido.
Redesenhar significa definir onde a máquina decide sozinha, onde apenas propõe e onde a pessoa assume. É nesse território que a Vert Analytics desenvolve agentes autônomos de IA, tecnologia própria voltada a simplificar operações. Antes de qualquer agente, porém, vem o mapa das decisões do processo.
Quem responde pelo resultado de um projeto de IA?
Um mapa de decisões não muda o processo por conta própria. Projetos de IA costumam nascer na área de tecnologia, que compra, configura e entrega, mas o resultado financeiro depende de decisões que pertencem a outras áreas: alçadas, prazos, distribuição de tarefas. Sem alguém no negócio que responda por esses ajustes, o projeto termina no prazo e não altera nada.
A mesma pesquisa coloca a supervisão da governança de IA pelo próprio CEO, cargo que André de Barros Faria ocupa, entre os elementos mais ligados ao impacto financeiro da IA generativa. O dado não faz do CEO um gerente de projeto. Indica que a decisão sobre o que mudar no trabalho precisa estar onde há poder para mudá-lo.
O que a concorrência não consegue alugar?
Nessa perspectiva, André Faria sustenta que os mesmos modelos de IA estão ao alcance de qualquer concorrente. O que não se aluga é a capacidade de uma organização decidir o que muda no próprio trabalho, medir o efeito e repetir o movimento em outra área.
Vista assim, a IA generativa deixa de ser item de compra e passa a testar a agilidade da gestão. Quem aprende a redesenhar um fluxo depois do outro acumula uma vantagem competitiva que nenhuma licença reproduz, porque ela vive em processos, indicadores e hábitos de decisão.
