Neste episódio de McKinsey Talks Operations, Christian Johnson conversa com o sócio sênior Nicolai Müller e a sócia Marie El Hoyek da Prática de Operações da McKinsey. Eles discutem o potencial revolucionário da IA generativa – da automação de processos complexos às oportunidades inéditas surgindo em todos os setores – e oferecem seus insights sobre aumentos de produtividade, considerações sistêmicas e as capacidades vitais de que as organizações precisam para uma integração bem-sucedida.
A conversa foi editada para maior clareza.
Christian Johnson: O futuro da sua empresa exige operações ágeis, flexíveis e resilientes. Sou Christian Johnson e você está ouvindo McKinsey Talks Operations, podcast em que líderes executivos de todo o mundo e especialistas da McKinsey vão direto ao assunto e discutem como criar uma nova realidade operacional. Estamos gravando este episódio no final de 2023 e já está claro que a IA generativa, ou genAI, se tornou tema importante de conversas sobre o mundo digital, analytics e operações. Essa nova tecnologia de aprendizagem profunda e suas aplicações vêm reverberando ao longo de toda a cadeia de valor.
Mais insights da McKinsey em português
Confira nossa coleção de artigos em português e assine nossa newsletter mensal em português.
No episódio de hoje, fico feliz em ter a companhia de Marie El Hoyek, sócia no escritório de Londres, e Nicolai Müller, sócio sênior no escritório de Colônia. Juntos, iremos explorar o que é IA generativa nas operações, como ela difere dos gêmeos digitais e de outras tecnologias de inteligência artificial, e o seu potencial e riscos. Também examinaremos o que é preciso para começar a utilizar essas ferramentas. Nicolai, é ótimo tê-lo aqui hoje. Bem-vindo.
Nicolai Müller: Obrigado. É um prazer estar aqui, Christian.
Christian Johnson: Marie, fico feliz que você possa compartilhar conosco suas ideias hoje. Obrigado por participar.
Marie El Hoyek: É um prazer estar aqui, Christian.
Christian Johnson: Excelente. Pois bem, Nicolai, você poderia nos explicar brevemente por que acredita que a IA generativa precisa ser discutida por líderes de operações, especialmente hoje?
Nicolai Müller: Nas últimas décadas, havia esse mantra de ser mais rápido, buscar mais eficiência e aumentar a produtividade. Foi quando surgiram as ferramentas que todos nós conhecemos – gestão lean, offshoring, deliberações entre fazer ou comprar. Para não falar na tecnologia. Hoje, porém, vemos que essa melhora de produtividade é bem mais complexa.
Temos agora uma nova tecnologia chegando nesse cenário: a inteligência artificial generativa. Ela promete automatizar processos que, no passado, eram difíceis de automatizar – áreas envolvendo a colaboração gerencial, que atualmente são operadas por seres humanos, e também o gerenciamento de dados complexos. Nesse contexto, surge uma dúvida: Até que ponto a IA generativa pode ajudar nessa busca pela produtividade?
O McKinsey Global Institute estudou essa questão e verificou que, especialmente nas áreas de colaboração e gestão, cerca de 50% das atividades típicas podem hoje ser automatizadas pela IA generativa. Além disso, no que diz respeito a lidar com dados complexos e sintetizar sua essência, acreditamos que haverá um grande salto na automação. O que pode implicar a criação de valor em todos os setores e funções – indústria farmacêutica, automotiva, maquinário pesado, passando por funções de engenharia, procurement, cadeias de suprimentos e operações com clientes. O valor gerado poderá ser enorme. Estamos falando em $3,5 a $4 trilhões, o equivalente a aproximadamente o PIB do Reino Unido.
Christian Johnson: Nicolai, quais são algumas oportunidades específicas em que seus clientes estão focando – e nas quais você está focando hoje?
Nicolai Müller: Vejo nossos clientes agindo com maior rapidez no desenvolvimento de produtos. Se examinarmos mais a fundo o desenvolvimento de produtos, especialmente no que diz respeito à programação de software, veremos aumentos de produtividade de até 50% quando colocamos a IA para gerar códigos a partir de uma simples instrução: “Favor gerar código de programação capaz de executar XY”. Estou falando do uso de ferramentas como o ChatGPT, entre outras, que permitem gerar essas soluções. Esta é uma área de aplicação na qual já vemos a IA generativa se tornando “copiloto” do ser humano – auxiliando em tarefas que vão desde o gerenciamento de programas até procurement, e ajudando os gerentes de cadeias de suprimentos a desempenharem suas funções com mais eficácia.
Christian Johnson: Obrigado, Nicolai. Você nos deu uma ótima noção do porquê e de algumas das oportunidades. Vamos tentar agora examinar mais detalhadamente o que é a IA generativa. Marie, o que você pode descrever aqui para nós?
Marie El Hoyek: A IA generativa é um campo fascinante que, tal como o nome sugere, existe na intersecção entre a inteligência artificial e o processamento de linguagem natural. Em essência, envolve uma máquina capaz de analisar algo, a diferença sendo que esse algo pode agora ser não-estruturado – por exemplo, uma imagem ou uma linguagem. À maneira dos seres humanos, a IA generativa implica ensinar as máquinas a compreender e gerar textos ou conteúdos.
Para tornar a questão um pouco mais saborosa, podemos discutir as várias gerações dos grandes modelos de linguagem – LLMs – que são a força motriz por trás do que chamamos de IA generativa. Um dos primeiros de que ouvimos falar foi o GPT-3 (que significa “Transformador Gerativo Pré-Treinado 3”). Quando foi introduzido, continha 175 bilhões de parâmetros. Pense em parâmetros como a quantidade de informações aprendidas e que permitem gerar textos – desde cartas até respostas a perguntas. O GPT-3 é fundamentalmente baseado em textos. Logo em seguida, porém, foi lançado o GPT-4 e vimos um salto de 175 bilhões para 170 trilhões de parâmetros. Pense no quanto o sistema aprendeu, no quanto se tornou mais fluente e preciso, a tal ponto que agora também pode ser utilizado para gerar imagens e vídeos.
Esta é a possibilidade transformadora da IA generativa. Hoje é possível gerar novos conteúdos em muitos tipos diferentes de espaços. Dito isto, a IA generativa traz consigo uma variedade de riscos e desafios. Como ela é baseada em lógica ou probabilidades, de maneira muito semelhante ao cérebro humano, as respostas vêm do que aprendeu e de suas fontes. Devido a este fato, toda IA generativa também pode nos dar respostas convincentes, mas erradas – é o que chamamos de alucinação.
Christian Johnson: Adoro esse termo. Mas o que é possível fazer a respeito? Como mitigar as alucinações?
Marie El Hoyek: Se um ser humano nos der uma resposta baseada em informações erradas, diremos: “Quero que sua resposta seja fundamentada neste ou naquele livro específico”. Do mesmo modo, podemos instruir melhor a IA generativa dizendo: “Quero que me responda a partir deste conjunto de dados ou então que me diga onde você está ‘chutando’”.
Outro risco são os vieses do modelo. Imagine que a fonte da qual o modelo ou a pessoa aprendeu seja a internet (que não é exatamente o lugar mais amável ou respeitoso que existe). Portanto, sempre que utilizarmos um modelo, precisaremos ser capazes de contrabalançar esses vieses e de instruí-lo a não recorrer a fontes inadequadas ou falhas, ou a coisas em que não confiamos. Outro risco importante é o risco da propriedade intelectual. Imagine agora uma IA generativa que criou um programa de software para você. Quem é o dono desse código? Será a genAI, que o gerou? Ou será você, que fez a solicitação? Esses detalhes são algo que precisaremos resolver em breve.
Christian Johnson: O que estou percebendo aqui é uma discussão dos próprios limites das fontes de dados. É algo realmente crítico, não?
Marie El Hoyek: É crítico. Além disso, o fato de que precisamos orientar nossos próprios dados implica cuidar deles e garantir sua segurança. Caso contrário, trata-se de um risco adicional. Dito isto, todos esses riscos podem ser mitigados. Mas precisamos estar cientes deles, planejar levando-os em conta e lidar com eles de uma forma que os limite para que possamos controlá-los. A propósito, temos visto regulamentações e ofertas que estão começando a se adaptar a esses riscos, e imagino que iremos ver muitas mudanças num futuro próximo.
Christian Johnson: Só essa evolução – a rápida expansão de 100 bilhões para 170 trilhões – já é realmente dramática. O que eu gostaria de abordar agora é como tudo isso vem sendo usado e onde existem hoje casos de uso ganhando vida nas empresas. Quais seriam alguns bons exemplos disso?
Nicolai Müller: Acho que uma pergunta que os clientes devem se fazer é: “Qual o impacto que eu quero alcançar?” Pois, no final das contas, nós temos uma grande questão e um grande desafio para resolver: Como aumentar a produtividade? E isso envolve eficiência e eficácia.
Quando analisamos os casos de uso, precisamos investigar diferentes ângulos. Um deles é a questão da automação. Coisas que hoje levam horas poderão ser feitas em segundos. Mas também se trata de augmentation [ampliação dos dados], visto que um ser humano só é capaz de trabalhar com um determinado conjunto de dados. Imagine o que significa poder acessar todos os dados que existem no mundo! Esta foi uma das grandes revoluções; a internet nos deu acesso a todos os dados. Agora, com máquinas, podemos utilizar e sintetizar esses dados. Por isso falamos em augmentation. E com isso vem inovação.
Inovação é a capacidade de criar soluções inteiramente novas. Não apenas tornar mais barato um produto existente ou acelerar seu desenvolvimento, mas agora também gerar ideias completamente novas de funcionalidades e serviços. E o que temos visto? Automação. Mencionei o quanto estou fascinado pelo que poderemos fazer agora em programação de software e em todo o campo da engenharia. Você também deve ter ouvido, por exemplo, o CEO da Nvidia dizer: “A era do software acabou. Dissemos a nossos filhos que aprendessem software, mas agora descobrimos que software pode ser produzido por uma máquina.” É uma evolução enorme que estamos vendo – e não apenas em software.
Desenvolver peças e hardware. Sintetizar uma enorme quantidade de requisitos de um cliente e pedir à IA generativa que decifre quais são esses requisitos e como diferem dos do produto anterior. Como os requisitos variam de produto para produto? São similares ou diferentes? Com isso, poderemos chegar a uma síntese melhor, a um entendimento melhor dos requisitos, para desenvolver produtos melhores e mais rápidos.
Com augmentation na indústria farmacêutica e na pesquisa, acho que teremos um crescimento enorme da eficácia, da produção e da pesquisa. Temos casos na indústria farmacêutica em que já é possível imaginar compreender cada pequena molécula, quais tipos de efeito ela tem e como reage com outras moléculas. É algo instrumental. Assim, graças à utilização da IA generativa, temos vacinas e outros produtos farmacêuticos sendo desenvolvidos mais depressa do que tradicionalmente se esperava. Esse tipo de augmentation leva a soluções melhores.
Quanto à inovação, vocês também devem ter visto um famoso OEM alemão que integrou o ChatGPT a seus produtos nos Estados Unidos, permitindo às pessoas interagirem e falarem com seus carros. Isso é inovação. Marie, você trabalhou comigo nesse espaço. O que você viu?
Marie El Hoyek: Minha formação é industrial e muito profunda em operações. Pessoalmente, adoro todas essas aplicações de copilotagem, especialmente em procurement. Acho prodigiosa a ideia de poder fazer perguntas a um “amigo” que conhece todos os meus contratos e é capaz de responder de imediato, em linguagem simples, a qualquer pergunta que eu fizer. Assim, em vez de ficar analisando contratos antigos, históricos de preços e tendências externas, eu posso simplesmente fazer algumas perguntas. Tenho certeza de que existem muitos outros aplicativos mais interessantes em termos de geração de conteúdo etc., mas este, em particular, me fascinou.
Nicolai Müller: Marie, o que tenho observado são essas oportunidades enormes e os inúmeros casos de uso. Isto é, temos participado de workshops com nossos clientes em que, fácil, fácil, depois de uma ou duas horas, acabamos não com cinco ou seis possíveis casos de uso para uma função totalmente diferente, mas com 150 ou mais. Vejo aqui uma tremenda oportunidade, mas o grande desafio que enfrentamos é saber por onde começar. O que chamo de “IA generativa feliz” (em que um copiloto nos ajuda em nosso trabalho diário) poderá se tornar uma commodity disponível a qualquer um. Onde está sendo utilizada a IA generativa verdadeiramente transformadora? Ela está se tornando um fator de diferenciação para seu negócio? Está realmente agregando valor e criando valor para seus clientes?
Acho que esse é o desafio que enfrentamos. Como se diz na Alemanha, não consigamos enxergar a floresta por causa da quantidade de árvores à nossa frente. Onde começar e onde terminar?
Christian Johnson: Não enxergar a floresta por causa das árvores… É exatamente isso. Quando ouço todo esse entusiasmo, penso também no clássico gráfico das tecnologias em geral, no qual há sempre essa acentuada curva inicial ascendente e todos ficam muito entusiasmados. Em vista da direção em que estamos nos movendo, parece que precisaremos antever, como você disse, quando as organizações descobrirão que a tecnologia foi commoditizada ou que ela é difícil de implementar. E isso então nos leva ao valor. Como as empresas devem pensar sobre valor no longo prazo – e não apenas sobre um conjunto de casos de uso bastante interessantes, mas que talvez não levem a nada?
Nicolai Müller: Esta é uma questão desafiadora. Se você estudar o índice de buscas do Google, que nos dá uma boa ideia de onde estamos na curva, verá que agora essa pergunta é mais pesquisada do que qualquer dúvida operacional tradicional. Há um monte de termos de manufatura digital sendo utilizados. Tivemos a computação na nuvem e a internet das coisas ao longo dos anos. A discussão é constante.
Eu diria que a IA generativa começou a ganhar ritmo nas operações somente no primeiro trimestre de 2023. E, tomando por base a quantidade de buscas na internet que as pessoas têm feito, ela ultrapassou tudo o que podemos imaginar. Isso nos dá um indício do grau de estardalhaço que existe em torno dela. Mas será que todo esse burburinho e todos os sonhos já se tornaram realidade? As pessoas estão começando a reconhecer que as coisas são fáceis, como frutos caindo em suas mãos, mas, na verdade, continua sendo um desafio tanto implementar o verdadeiro cerne da IA como tornar a empresa adaptável às mudanças necessárias. Mas estamos prestes a responder a uma pergunta importante sobre a IA generativa: Será que é apenas mais um kit de ferramentas para as operações (como a gestão lean, ou os sistemas digitais, ou qualquer outro tipo inteligência artificial ou de manutenção preditiva) que nos oferece alavancas que podemos aplicar? Ou será que é, em si mesma, uma disrupção? Ela está mudando a maneira como operamos? Esses são dois cenários que posso imaginar.
Tendo a acreditar que essas duas perguntas serão respondidas nos próximos dois ou três anos. E as respostas poderão diferir completamente conforme a empresa ou o setor. Vamos falar sobre disrupção. Imagine que programar software tenha se tornado algo fácil. O que costuma acontecer, por exemplo, é que um OEM automotivo define seus requisitos, os quais são então encaminhados a algum fornecedor que, mais ou menos, programará o código. Mas agora que esse código pode ser programado por máquinas, por que você precisaria desse fornecedor? É bastante disruptivo e assustador afirmar que a razão de ser desse fornecedor, o motivo de ele existir, simplesmente desapareceu. Esta é uma forma extrema disrupção.
Por exemplo, em uma empresa onde há muita pesquisa, se você de repente começar a explorar fontes de dados totalmente novas, chegará a um conjunto de produtos inteiramente novos. E encontrar o modelo de linguagem mais adequado adotando a IA generativa de maneiras diferenciadas poderá ajudar a empresa a avançar mais depressa e com produtos melhores. Acho que esta é a pergunta mais urgente que os clientes precisam responder.
Christian Johnson: Uma das questões com que temos nos debatido (e que todas organizações parecem enfrentar quando se trata de uma nova tecnologia ou de uma nova metodologia) é: Como escalar? Alguns anos atrás, falávamos sobre o purgatório dos programas-piloto, isto é, a ideia de se tentar um monte de ideias mas elas nunca realmente formarem um todo coerente capaz de criar valor duradouro. Portanto, como as organizações devem refletir sobre isso de modo a minimizar – ou até mesmo evitar – esse tipo de estagnação com tal ideia?
Marie El Hoyek: É uma boa pergunta, Christian. A IA generativa pode ser relativamente nova, mas temos anos de experiência em escalar transformações digitais. Como você mencionou, um dos maiores desafios é a armadilha dos programas-piloto. Construir um piloto ou inovar a tecnologia pode ser ótimo, mas transformar uma organização é uma jogada totalmente diferente.
Nicolai falou sobre a mentalidade empresarial que prioriza aplicações que favoreçam o retorno do investimento em negócios reais. Para além disso, obter um impacto efetivo de qualquer mudança digital (e da IA generativa em particular) será sempre uma questão humana e sistêmica. Eu resumiria isso dizendo que, sem pessoas, nem mesmo a melhor tecnologia terá impacto. Precisamos levar nosso pessoal em uma verdadeira jornada de mudança para construir as capacidades necessárias para utilizar essa tecnologia, para desenvolvê-la, mas também simplesmente para saber o que podemos extrair dela. Por falar nisso, no que diz respeito a desenvolver essa tecnologia, novas competências serão necessárias.
Christian Johnson: De que tipo de capacidades as organizações realmente precisam agora?
Marie El Hoyek: Estou pensando na engenharia de prompts, por exemplo, que é a capacidade de fazer perguntas cada vez melhores para a IA. Em seguida vêm os sistemas. Existem questões fundamentais que as empresas precisam considerar desde o início para assegurar que tudo o que decidirem levará a uma utilização capaz, consistente e segura da tecnologia. Ninguém quer acabar com dez decisões diferentes sobre a tecnologia só porque os programas-piloto ficaram dando voltas.
Portanto, precisaremos nos perguntar: Devemos construir nossos próprios modelos de linguagem? Trabalhar com parceiros? Adquirir soluções prontas para uso? Onde colocar nossos dados? Como processá-los? Essas perguntas devem ser respondidas o quanto antes, e decisões conscientes devem ser tomadas sobre elas, para garantir que mais adiante, à medida que a IA generativa for sendo cada vez mais utilizada, a solução adotada se mostre segura, escalável e consistente. De modo que, sim, para mim, são tanto o elemento humano como o elemento sistêmico que nos permitirão cruzar a linha de chegada.
Christian Johnson: Excelente. Muito obrigado. Estamos chegando ao fim da nossa conversa. Mas antes de encerrá-la, gostaria de fazer uma última pergunta: O que nosso público deveria estar fazendo neste momento para incorporar a IA generativa a suas organizações? Há muito ruído em torno disso, como fica bem claro quando examinamos as buscas no Google. Como deslindar essa questão a fim de começarmos com o pé direito?
Nicolai Müller: Eu recomendaria duas coisas. A primeira é começar com um piloto, e eu até usaria o termo “brincar” com a IA generativa. O custo de não fazer nada é simplesmente alto demais, pois hoje a genAI está no topo da agenda de todos. Penso que, em todas as regiões e setores, este é um tópico que todo Conselho já analisou e que todo CEO já explorou. Portanto, é importante começar já e descobrir o que a IA generativa é capaz de fazer.
Paralelamente, é realmente preciso pensar na estratégia. E quando digo estratégia estou incluindo alguns elementos. Como isso impactará meu negócio? Onde gerará melhorias? Onde não levará a melhorias? Devo avançar rapidamente? Devo não ir tão depressa? Existem soluções disponíveis por aí? Preciso de parceiros? Posso confiar nos LLMs existentes ou devo construir o meu próprio? Acho que é tudo uma questão de compreender a fundo o que a IA generativa significará para nós daqui a três a cinco anos.
Além disso, há uma camada na estratégia que consiste em acertar a tecnologia de dados. Implica entender como se deseja implementar a governança e a organização necessárias para construir soluções. E aí vem a pergunta: De onde provêm realmente as competências da minha empresa? Posso desenvolvê-las? Preciso adquiri-las? Temos que ficar atentos a toda essa questão das competências necessárias.
E há também a questão de efetivamente fazer a mudança acontecer. Costumamos ouvir que isso é o mais importante. É preciso fazer com que as pessoas trabalhem com a IA generativa. É preciso capturar algumas vitórias iniciais, mas também empreender as coisas que são mais desafiadoras.
Christian Johnson: Excelente. Marie, há algo que você gostaria de acrescentar?
Marie El Hoyek: Há, sim, Christian. Nicolai, da última vez que conversamos, você falou sobre essa nova onda de inovação em nossas empresas. Eu adoro repetir isso, como dá para ver até mesmo em nossa discussão. Isto nos dá a capacidade de sonhar novamente, de inventar coisas novas, de ter esperança de um impacto maior. Acho que, em certa medida, tudo o que precisamos é aprender, colocar mãos à obra e capturar [os benefícios da IA].
Christian Johnson: Um final magnífico, Marie. Obrigado a ambos, Nicolai e Marie, por compartilharem conosco sua expertise e experiências com a IA generativa. É um tópico que não irá desaparecer tão cedo. De modo que a recomendação de vocês – mergulhar fundo, mas com ambos os olhos bem abertos para a mitigação de riscos e a criação de valor – é uma ótima maneira de finalizarmos.