Ontem escrevi sobre uma ideia que me parece cada vez mais importante: automatizar é o último passo.
A ideia vem do chamado algoritmo de Elon Musk. Primeiro, questionar os requisitos. Depois, eliminar o que não devia existir. Depois, simplificar. Depois, optimizar e acelerar. Só no fim, automatizar.
A ordem é importante porque a pior coisa que podemos fazer é acelerar aquilo que devia ter sido apagado. No podcast sobre Musk, a história aparece de forma muito clara: a automatização na Tesla foi, muitas vezes, tentada cedo demais; só depois se percebeu que havia partes, movimentos, requisitos e processos que, primeiro, deviam ter sido eliminados ou simplificados.
Hoje junto outra peça ao puzzle. Num texto publicado no WSJ no passado dia 6 de Maio, "IBM CEO Says Al Requires Big Shift", Arvind Krishna, CEO da IBM, aparece praticamente com a mesma ideia, mas em linguagem de empresa grande:
"maximizing returns on investment in artificial intelligence requires a fundamental restructuring of business workflows rather than just adopting new technology."
Ou seja, o retorno da inteligência artificial não surge por comprarmos mais uma ferramenta. Aparece quando a empresa tem coragem de redesenhar a forma como o trabalho atravessa a organização.
Isto é muito diferente da conversa habitual sobre IA. A conversa habitual começa com a ferramenta. Que modelo vamos usar? Que plataforma devemos comprar? Que agente podemos criar? Que casos de uso estão na moda? Krishna sugere outra sequência. A IA pode começar no indivíduo, passar para pequenas equipas, depois para grupos multifuncionais e só mais tarde chegar à organização inteira. É nessa última fase que o valor se torna realmente interessante. Mas é também aí que a coisa dói, porque já não estamos a falar de produtividade pessoal. Estamos a falar de responsabilidades, interfaces, decisões, informação, sistemas, hábitos, territórios e pequenas capelinhas internas.
O exemplo da IBM é muito bom precisamente por não ser sofisticado. Não estamos a falar de descobrir uma nova molécula, desenhar um foguetão ou reinventar a banca. Estamos a falar de uma carta de verificação de emprego para apoiar um pedido de empréstimo. Antes, segundo Krishna, esse workflow podia exigir até 18 pontos de contacto: gestor, especialista de RH, back-office, diferentes sistemas, passagens de informação e validações. Hoje, o colaborador faz o pedido a um bot interno; o sistema verifica a identidade, recolhe a informação necessária e envia a carta.
"The 18 touchpoints have been reduced to just one."
Esta frase devia ficar colada na parede de muitas empresas.
Porque a pergunta relevante não é: "Onde podemos usar IA?" A pergunta relevante é: "Onde é que temos 18 pontos de contacto escondidos?"
Nas PME, esses 18 pontos de contacto raramente aparecem num desenho bonito. Aparecem numa proposta comercial que demora demasiado tempo. Numa reclamação que passa por três pessoas antes de alguém decidir. Num pedido de informação técnica que fica preso entre comercial, qualidade e produção. Numa aprovação que sobe à direcção por hábito. Num ficheiro Excel que alguém preenche porque outro sistema não fala com o primeiro. Num processo de compras onde ninguém sabe exactamente quem decide o quê. Em pequenas esperas, pequenas dúvidas, pequenas repetições, pequenos "manda-me outra vez", pequenos "quem é que tem isto?", pequenos "temos de confirmar com fulano". Pequenos, pequenos, pequenos. Até que, somados, deixam de ser pequenos.
É aqui que o vídeo de Mark Cuban também entra bem na conversa. Cuban tem chamado a atenção para a oportunidade de ajudar empresas, em particular pequenas e médias empresas, a implementar agentes de IA e a aplicar tecnologia existente de forma prática, em vez de tentar construir o próximo grande modelo. A formulação citada pela Inc. é directa:
“Be an expert in making agents for business.”
E, noutro contexto, Cuban sublinha que a vantagem não ficará apenas com quem adopta IA, mas com quem itera e executa melhor; nas palavras citadas pela Business Insider,
“the early adopters, that iterated and executed the best, were the winners.”
Musk, Cuban e Krishna estão a falar de coisas diferentes, mas a convergência é interessante. Cuban aponta para a oportunidade de mercado: há empresas que vão precisar de ajuda para transformar IA em trabalho útil. Krishna aponta para a condição de escala: a IA só gera retorno significativo quando os workflows são redesenhados de ponta a ponta. Musk lembra a disciplina operacional: não automatizar antes de questionar, eliminar e simplificar. Três linguagens diferentes, uma lição comum: a tecnologia entra no fim de uma reflexão sobre o trabalho, não no início.
A verdadeira oportunidade para as PME não está em “ter IA”. Dentro de pouco tempo, isso será banal. A oportunidade está em usar a IA para reduzir a distância entre perceber, decidir e fazer. E isso começa com uma auditoria dos workflows: escolher processos críticos, mapear o que acontece na prática, identificar esperas, duplicações, aprovações rituais, decisões sem dono, passagens manuais, documentos redundantes e sistemas que não comunicam entre si. Só depois vem a pergunta tecnológica: o que deve ser eliminado, simplificado, integrado, assistido por IA ou automatizado?
Esta é a parte que me interessa. A abordagem por processos, que tanta gente reduziu a fluxogramas para auditoria ou procedimentos para certificação, pode ganhar uma nova vida com a IA. Porque antes de criar um agente, é preciso saber que trabalho merece ser feito. Antes de automatizar uma decisão, é preciso saber quem deve decidir, com que critérios e com que informação. Antes de acelerar um fluxo, é preciso verificar se ele não deveria ser redesenhado.
Por isso, começo a ver uma linha de trabalho possível: juntar diagnóstico de processos, auditoria de workflows e desenvolvimento ágil de soluções com IA. Não para vender magia. Não para dizer "vamos pôr IA na sua empresa", mas para entrar em workflows concretos e perguntar: quantos pontos de contacto podemos eliminar? Que informação podemos estruturar? Que decisões podem deixar de subir? Que documentos podem ser preparados por um agente e revistos por uma pessoa? Que tarefas podem passar de trabalho manual repetitivo para controlo inteligente? Que parte do processo precisa de tecnologia e que parte precisa apenas de coragem para apagar o que não acrescenta?
O exemplo da IBM é útil por causa disso. Não se limitou a acelerar uma tarefa antiga. Reduziu o percurso. Eliminou o atrito. Ligou sistemas. Clarificou a experiência do utilizador. Transformou um processo com 18 contactos num processo com um único contacto. Isto não é apenas automatização. É redesenho operacional com IA.
Talvez seja essa a frase-chave: a IA só escala quando deixa de ser ferramenta e passa a ser desenho do trabalho.
No fundo, Musk avisa-nos para não automatizar cedo demais. Cuban lembra-nos que há um mercado enorme à espera de quem saiba implementar agentes de IA na prática. Krishna mostra que o verdadeiro retorno exige redesenhar processos de ponta a ponta. A mim, isto soa a uma oportunidade muito concreta: pegar na abordagem por processos, tirá-la do mundo dos manuais e das auditorias e usá-la como ponte entre a IA e o trabalho real das empresas.
Porque uma coisa é certa: automatizar desperdício continua a ser desperdício.
Só que agora vem com uma interface moderna.

%2012.31.jpeg)


%2012.31.jpeg)



%2012.55.jpeg)
%2013.46.jpeg)
%2014.12.jpeg)

%2017.28.jpeg)

%2016.51.jpeg)


%2012.18.jpeg)
%2011.40.jpeg)
%2013.28.jpeg)
%2013.08.jpeg)
%2013.28.jpeg)
%2014.15.jpeg)

%2016.12.jpeg)


