O estado da IA nos países do CCG: buscando escala e valor

Os países do Conselho de Cooperação do Golfo (CCG) estão lançando as bases para que a inteligência artificial exerça um papel importante na região, investindo bilhões de dólares em infraestrutura de ponta e parcerias tecnológicas que impulsionarão o seu uso.

Por exemplo, o G42, holding de tecnologia de IA de Abu Dhabi, com vínculos estatais, anunciou uma série de acordos; a HUMAIN, da Arábia Saudita, está promovendo uma enorme expansão de data centers de IA; e o governo do Qatar vem investindo para ampliar a capacidade de nuvem da IA.

Toda essa atividade do lado da oferta reflete a determinação da região em se posicionar como um polo internacional de infraestrutura e serviços de IA – uma verdadeira superpotência em IA. Mas, e a demanda local? As organizações do CCG estariam igualmente determinadas a adotar a IA? E qual tem sido seu progresso nessa direção?

À primeira vista, elas parecem estar conquistando novos terrenos. Em nossa pesquisa de 2023 sobre utilização de IA nos países do CCG, 62% dos entrevistados disseram que suas organizações haviam adotado a tecnologia em maior ou menor grau. Passados dois anos, nossa pesquisa elevou esse número para 84% (veja Box “Sobre a pesquisa”). Entretanto, esses percentuais camuflam um progresso desigual.

A escala com que algumas organizações da região estão implantando a IA é impressionante. A Saudi Aramco, por exemplo, utilizou dados operacionais de várias décadas para construir um modelo de IA generativa com 250 bilhões de parâmetros, que tem se mostrado de grande valia para analisar planos de perfuração, dados geológicos, tempos de perfuração ao longo da história e custos. E, em 2024, o Qatar assinou uma parceria de cinco anos com a empresa americana Scale AI para impulsionar a adoção de IA no governo e aprimorar os serviços públicos. Contudo, a maioria das organizações ainda não avançou além dos programas-piloto. Apenas 31% dos entrevistados afirmaram que a IA havia atingido um nível de maturidade suficiente para ser escalada ou plenamente implantada em toda a organização.

A criação de valor também continua sendo um problema, visto que muitas organizações têm pouco a mostrar por seus esforços até o momento. Apenas uma pequena parcela dos entrevistados (11%) classificou suas organizações como “realizadoras de valor”, querendo dizer com isso que elas adotaram a IA em pelo menos uma função de negócios, estão expandindo ou já expandiram sua implementação e podem atribuir pelo menos 5% de seus lucros a essa tecnologia. Em resumo, há uma dessincronia entre o grau de utilização da inteligência artificial, seu nível de maturidade e o valor gerado.

Mas que ninguém se iluda: os líderes empresariais do CCG são grandes entusiastas da IA. Cerca de três quartos dos entrevistados afirmaram que a alta liderança de suas empresas havia se comprometido a escalar a tecnologia, e um percentual ainda maior disse que os orçamentos de IA provavelmente aumentarão no próximo ano. Contudo, a intenção da liderança talvez não seja suficiente. Traduzir intenção em implementação de modo a impactar os resultados financeiros depende de três fatores: uma estratégia de IA voltada para os negócios que vise especificamente gerar valor, a capacidade de colocá-la em prática (as tecnologias e os talentos da organização, por exemplo) e um programa de gestão de mudanças que incentive sua adoção em escala. Em nossa pesquisa, as empresas “realizadoras de valor” superam seus pares justamente nessas frentes.

O ritmo da mudança é acelerado. Há apenas um ano, o foco era a IA generativa, mas desde então a tecnologia já deu um grande salto e muitas organizações estão criando pilotos de IA agêntica, que é tida como um novo marco na evolução da IA corporativa. Visto que a tecnologia continuará a evoluir, a construção de novas capacidades e a formulação das estratégias certas de adoção serão fundamentais para que, em termos de criação de valor, a empresa não fique atrás das líderes em adoção de IA.

O estado atual da IA

Os resultados da pesquisa sugerem que a maioria das organizações do CCG já está utilizando inteligência artificial, algumas em grande escala, e gerando valor, embora muitas ainda não avançaram além da fase dos projetos-piloto.

Utilização

Em nossa pesquisa de 2023, 62% dos entrevistados disseram que suas organizações haviam adotado a IA em pelo menos uma função de negócios. Em nossa pesquisa mais recente, esse número subiu para 84% – quatro pontos percentuais menos do que o relatado pelas organizações na pesquisa global da McKinsey (Quadro 1).

Como nos anos anteriores, as organizações do CCG tendem a implantar IA mais regularmente nas funções de marketing, vendas e operações de serviços, onde o valor de certos casos de uso se tornou evidente. No entanto, nos últimos dois anos, o maior salto na adoção ocorreu no desenvolvimento de produtos e serviços, área em que as organizações têm reformulado de ponta a ponta os fluxos de trabalho e os ciclos de inovação, visando aprimorar os produtos existentes com novas funcionalidades e até mesmo criando novos produtos baseados em IA (Quadro 2).

Das organizações do CCG que relatam utilizar IA em pelo menos uma função de negócios, 32 atuam no setor industrial, de energia ou de infraestrutura. Os setores de serviços financeiros, profissionais e ao consumidor representam 22 organizações cada, seguidos por 16 organizações no setor de tecnologia, mídia e telecomunicações, e outras 16 no setor social, de saúde e educação. Embora o nível de utilização de IA varie conforme o setor, o simples fato de estar sendo adotada indica o quanto ela já foi incorporada à economia do CCG como um todo.

Igualmente notável é o número de organizações que já utilizam a IA agêntica – a aplicação de inteligência artificial que muitos acreditam provocará mais transformações no ambiente de trabalho do que a IA generativa, trazendo consigo uma nova onda de produtividade e inovação. Os softwares agênticos executam tarefas para um usuário ou sistema, e são capazes de orquestrar fluxos de trabalho complexos, coordenar atividades entre vários agentes, aplicar lógica a problemas complexos e avaliar as respostas às consultas dos usuários. Em essência, estão deixando de ser ferramentas baseadas no conhecimento e se tornando não só mais orientados à ação, como também mais precisos nesse processo.

Sessenta por cento dos entrevistados afirmaram que suas organizações já estão utilizando agentes de IA em alguma medida.¹Esse percentual refere-se à utilização autorrelatada de IA, o que pode abranger atividades em diferentes níveis de maturidade – desde a exploração inicial e os projetos-piloto até implantações em larga escala. “Existe enorme interesse em modelos especializados de IA agêntica”, explicou um entrevistado. “Com modelos anteriores, como o GPT-2 ou o GPT-3, obtínhamos resultados, mas não podíamos confiar neles cegamente; por sua vez, alguns dos modelos atuais são extremamente precisos, podendo oferecer suporte efetivo a aplicações comerciais sem envolvimento humano. Além disso, esses agentes afetam diretamente os resultados financeiros, pois reduzem as despesas gerais, administrativas e de vendas, por exemplo, e também os ciclos de desenvolvimento. Isso os torna muito atraentes.”

Escala e valor

Apesar do momentum que esses números confirmam, uma análise mais detalhada sugere um progresso mais irregular: embora quase todas as organizações estejam utilizando IA, mais de dois terços não passaram da fase dos projetos-piloto (Quadro 3). Um executivo do CCG disse: “Muitas pessoas ainda associam IA a modelos como o ChatGPT. Seu conhecimento de outras ferramentas de IA e do potencial delas é superficial. Portanto, eu não diria que há adoção em larga escala. É bem limitada.”

Além disso, embora quase todas as organizações estejam investindo em IA em maior ou menor grau, poucas chegaram a extrair valor desses investimentos. Segundo os resultados de nossa pesquisa, apenas 11% delas se qualificam como “realizadoras de valor”.

Capturando escala e valor: as capacidades que importam

Os resultados da nossa pesquisa sugerem que a maioria das organizações já alinhou sua estratégia de negócios com sua estratégia de IA e conta com forte adesão da liderança. Mas um número bem menor tem o que é preciso para traduzir a intenção estratégica em impacto.

Com 89% de nossos entrevistados planejando aumentar as verbas para IA no próximo ano, é imprescindível entender como impactar positivamente os resultados financeiros.

Um roadmap estratégico é um bom ponto de partida. Muitas vezes, a estratégia de IA da organização é determinada pelo seu departamento de TI. Contudo, a pesquisa da McKinsey mostra que, para que essa estratégia possa gerar valor, ela deve ser responsabilidade dos executivos do mais alto escalão, assegurando assim que haja alinhamento com a estratégia de negócios. Desse modo, as iniciativas de IA se tornam um programa estratégico, não uma coletânea de iniciativas dispersas.

Os resultados da nossa pesquisa sugerem que a maioria das organizações do CCG possui forte alinhamento estratégico. Mas isso terá pouca importância se a organização não for capaz de traduzir intenção estratégica em impacto. A continuidade da execução é crucial, sobretudo nas áreas em que as organizações “realizadoras de valor” tendem a ser perceptivelmente mais vigorosas que as demais: talentos, modelo operacional, tecnologia, dados e as iniciativas de gestão de mudanças que incentivam a adoção em escala. Dos 13 entrevistados de organizações realizadoras de valor que responderam a esta pergunta, 11 afirmaram que suas empresas são fortes em todas essas três áreas. Menos da metade dos demais entrevistados afirmou o mesmo (Quadro 4).

Talentos e o modelo operacional

Quase todas as organizações do CCG em nossa pesquisa contrataram talentos em IA no ano anterior – em especial, engenheiros e cientistas de dados e engenheiros de software. No entanto, sem um modelo operacional adequado, até mesmo os melhores profissionais correm o risco de ser subutilizados. As organizações que mais capturam valor da IA tendem a ser aquelas que, por meio de pequenas equipes ágeis, combinam expertise centralizada em IA com know-how de execução do negócio.

Centralização dos talentos em IA. Novos cargos e funções estão surgindo à medida que a implantação de IA acelera – como engenheiros de implantação avançada,²Forward deployed engineers: engenheiros especializados que atuam na interface entre pesquisa e aplicação, colaborando com as unidades de negócio para converter conceitos de IA em sistemas de produção. Eles desenham, constroem e operacionalizam soluções escaláveis, ao mesmo tempo em que extraem conhecimentos para aprimorar as plataformas corporativas. engenheiros de contexto³Context engineers: especialistas que projetam e constroem sistemas dinâmicos para fornecer a grandes modelos de linguagem as informações e ferramentas corretas, no momento certo, para realizar tarefas com eficácia. e gestores de produtos de IA – mas há relativamente poucas pessoas qualificadas para preenchê-los. Visando maximizar recursos escassos, muitas organizações estão se voltando para um modelo no qual os talentos em IA são centralizados, possivelmente em um centro de excelência, mas atuam com flexibilidade em diferentes funções e áreas de negócios. Uma pesquisa da McKinsey sobre serviços financeiros indica que, em 70% das organizações com esse modelo de centralização, os projetos-piloto haviam avançado para a fase seguinte de produção – o que só ocorreu em cerca de 30% das que tinham um modelo descentralizado. Proximidade com os negócios continua sendo fundamental para os pods [ou células ágeis] multifuncionais – pequenas equipes formadas por engenheiros, cientistas de dados e os stakeholders relevantes da empresa. Esse modelo garante que as responsabilidades permaneçam na empresa, que as prioridades de cada área orientem o desenvolvimento da IA e que a criação de valor continuará ancorada em resultados comerciais.

Além disso, à medida que os talentos e o modelo operacional evoluem, as organizações precisarão tratar os agentes de IA como integrantes da força de trabalho, gerenciando seu desempenho e suas competências com a mesma disciplina utilizada para as pessoas. Empresas que dominarem isso desde cedo traduzirão o potencial agêntico em valor comercial duradouro.

Maneiras ágeis de trabalhar. A importância dos métodos ágeis de trabalho para acelerar o desenvolvimento é amplamente reconhecida, e muitas organizações estão bem familiarizadas com rituais ágeis como sprints de demonstração, planejamento trimestral e reuniões rápidas diárias. A execução, no entanto, às vezes carece de disciplina, e se torna um mero exercício burocrático, não uma prática de trabalho que produz resultados. Portanto, as organizações fariam bem em revisar suas práticas ágeis de trabalho.

Tecnologia e dados

Implantar inteligência artificial em escala pode ser caro, em vista de todos os requisitos tecnológicos e de dados. “Muitas empresas não dispõem do capital necessário, um dos fatores que retardam a adoção, já que a implementação das recomendações da IA exige um investimento substancial em equipamentos e infraestrutura automatizados”, explicou um executivo de um conglomerado do CCG. No entanto, atender a esses requisitos é fundamental para a criação de valor, como confirmam os resultados de nossa pesquisa. De acordo com os entrevistados, a maioria das empresas realizadoras de valor possui uma base tecnológica forte e fundamentos sólidos para dados⁴A pesquisa definiu “base tecnológica forte” como aquela que inclui infraestrutura escalável, operações de machine learning (MLOps), uma base de código reutilizável e ferramentas robustas. Os “fundamentos sólidos para dados” incluem uma arquitetura de dados fungível, uma estratégia de dados definida e um mecanismo claro para converter dados em ativos. – apenas 37% das demais podem dizer o mesmo.

Entre as principais características de uma estratégia para tecnologias e dados que favoreça a escalabilidade da IA estão:

• Arquitetura escalável. A arquitetura precisará ser escalável à medida que a IA for sendo implantada, o que significa construir não só componentes modulares que possam ser atualizados de forma independente uns dos outros, mas também ativos fungíveis, como bibliotecas de códigos pré-escritos que possam ser utilizados repetidamente nas tarefas mais comuns.
• Um ecossistema de parceiros. Em ciclos tecnológicos acelerados, a inovação e os custos podem sofrer se os fornecedores não forem flexíveis. Portanto, organizações experientes buscam um equilíbrio entre as melhores soluções de fornecedores e as ferramentas de código aberto, o que lhes permite ir se adaptando conforme a tecnologia avança. Com isso, sua independência e poder de negociação ficam protegidos, e novas tecnologias de IA podem ser integradas sem uma reconfiguração completa do sistema.
• Integridade dos dados. Dados confiáveis são a força vital da inteligência artificial e, na sua ausência, torna-se quase impossível escalar a IA. Problemas comuns incluem baixa qualidade dos dados, valores extraviados, vieses e atipicidades, que podem degradar os resultados e expor a organização a riscos. Cinquenta e três por cento dos entrevistados disseram que resultados incorretos são um dos maiores empecilhos à adoção da IA (Quadro 5). A integridade dos dados pode ser aprimorada com uma boa governança, que por sua vez se torna mais fácil se os dados forem centralizados e convertidos em ativos para serem reutilizados. Mas isso pode levar tempo – o que explica por que, nesse ínterim, algumas organizações priorizam áreas da IA que não dependam tanto de dados antigos. Na aquisição de talentos, por exemplo, automatizar a triagem de currículos, o agendamento de entrevistas e o processo de onboarding pode melhorar a eficiência sem a necessidade de criar enormes lagos de dados proprietários.
• Dados nativos da IA. As transformações verdadeiramente nativas em IA dependem não só da integridade dos dados, mas também de seu armazenamento contextualizado – capaz de capturar conversas, históricos de casos e o estado dos fluxos de trabalho – e de uma memória auditável que registre como as decisões são tomadas e validadas. Esses dados nativos da IA são estruturados em blocos dinâmicos governados, e desenhados de modo a interoperarem entre as diferentes entidades. Isso permite que os agentes atuem de forma autônoma e responsável, fortalecendo ecossistemas de IA baseados na confiança e na aprendizagem contínua.

Gestão de mudanças

Em uma transformação, o que distingue as organizações que conseguem escalar seus projetos-piloto daquelas cujos esforços acabam estagnados? Em uma palavra, é a força de seus programas de gestão de mudanças. As transformações de IA não são diferentes. Repetidamente, os entrevistados nos disseram que a principal barreira à adoção é a resistência à mudança. “As pessoas resistem à mudança, pois acreditam que seus processos atuais são os melhores. Ou seja, se não forem conscientizadas de que a IA facilitará seu trabalho, a adoção será lenta. A IA deve ser apresentada como uma forma de reduzir as horas de trabalho, aumentar a eficiência e melhorar o equilíbrio entre vida profissional e pessoal, não como uma ameaça”, explicou o cofundador de uma consultoria do CCG.

Estratégias de gestão de mudanças são essenciais para enfrentar esse tipo de resistência. Em nossa pesquisa, todos os entrevistados de empresas realizadoras de valor, exceto um, afirmaram que suas organizações tinham uma estratégia claramente definida de adoção e escalabilidade, reforçada por iniciativas de gestão de mudanças – apenas 41% dos entrevistados das demais empresas disseram o mesmo.

Disseminar a capacitação em IA por toda a organização, garantir o patrocínio ostensivo da alta liderança e celebrar publicamente os resultados positivos obtidos com a tecnologia são elementos que devem fazer parte de um programa desse tipo. Todos esses fatores podem fazer a diferença, embora vários entrevistados ressaltaram a importância de promover simultaneamente a adoção da IA e a geração de valor. Eles destacaram três maneiras de escalar a IA maximizando o valor:

• Responsabilização. Com demasiada frequência, os projetos-piloto são lançados sem um vínculo claro com resultados comerciais e sem o monitoramento do grau de adoção. Verificações de desempenho podem combater isso associando KPIs mensuráveis ao piloto – como redução de custos, aumento da receita ou redução do tempo de ciclo. “A premissa de tudo o que fazemos é que cada caso de uso deve ter uma definição clara de sucesso”, explica o diretor de IA de uma empresa de bens de luxo. “Se for bem-sucedido, é encaminhado para a equipe de negócios, que assumirá a responsabilidade. Caso contrário, paramos tudo e seguimos em frente.” Outro entrevistado nos contou que, em sua organização, todo caso de uso proposto requer aprovação do comitê de IA antes de ser implementado, e os benefícios financeiros previstos precisam ser incluídos nas projeções de lucros e perdas. Esse tipo de monitoramento ajuda a concentrar a atenção de todos na geração de valor e, quando esse valor se torna evidente para todos, contribui para aumentar a adoção da tecnologia.
• Utilizar a IA para construir a IA. Outra maneira de demonstrar o valor da IA e de incentivar sua adoção é priorizar e sequenciar as áreas e os casos de uso para os quais essa tecnologia é capaz de produzir resultados rápidos e visíveis. “Comece pequeno, aja rápido, mostre o valor da IA e a própria empresa a escalará. Não complique demais; utilize a IA para construir a IA”: este foi o conselho de um entrevistado. A IA pode acelerar processos, mas utilizar a IA para construir a IA pode acelerar soluções, visto que ela não só gerará os prompts e o código estrutural [scaffold code] necessários para novos casos de uso, como até mesmo desenhará os fluxos de trabalho. Como explicou um executivo: “Para novos casos de uso, a inteligência artificial realizará mais de 90% do trabalho pesado – desde a engenharia de ideias até a codificação de software, a criação de agentes e os fluxos de trabalho. Utilizar a IA para construir a IA também significa equipes de desenvolvimento muito menores, permitindo que talentos escassos possam fazer mais e gerar mais valor.
• Redesenho dos fluxos de trabalho. É altamente provável que a organização deixará de extrair parte do valor potencial da IA se não redesenhar seus fluxos de trabalho. Isso porque a IA modifica não só o modo como as tarefas são executadas, mas também quem as executa e o escopo do que é possível realizar – o que explica por que seu valor muitas vezes não está em simplesmente sobrepô-la às tarefas e formas de trabalho existentes, mas no fato de ela repensar esses processos. E não há dúvida de que a reestruturação dos fluxos de trabalho pela IA tem relação direta com a melhoria dos lucros – relação que se tornará ainda mais forte com a IA agêntica. Entretanto, os entrevistados sugerem que esse tipo de redesenho ainda se encontra em fase preliminar nas organizações do CCG; a maioria não está pronta para romper completamente com as formas de trabalho existentes.

As organizações dos países do CCG estão bem cientes de que precisam agir diante do potencial da inteligência artificial, mas não é fácil descobrir o que fazer. Algumas parecem inseguras quanto à melhor forma de avançar: “Os Conselhos e os executivos estão entusiasmados com a IA, mas muitos ainda não sabem como converter intenção em ação. O que eles precisam é de um plano que indique onde investir e como priorizar”, disse um entrevistado. Outras constatam que as iniciativas de IA não correspondem às expectativas e acham difícil integrá-las aos processos existentes. São esses desafios que contribuem para a crescente disparidade entre as organizações na vanguarda e na retaguarda da adoção e do impacto da IA.

Altos executivos determinados a adotar a IA em escala enfrentarão uma lista desconcertante de coisas a fazer. Contudo, bastam apenas algumas diretrizes gerais para garantir que seus esforços serão bem orquestrados para produzir o impacto almejado:

• Assegurar que a alta gestão defina a direção. O Conselho e a alta gestão devem assumir a responsabilidade pela estratégia de IA, vinculá-la às prioridades da empresa e promover a sua utilização com uma comunicação clara e patrocínio enfático.
• Construir as bases tecnológicas certas. É preciso investir em stacks de tecnologias modulares e escaláveis; definir um bom mix entre ferramentas de fornecedores e as de código aberto; e tratar os dados como um produto corporativo bem governado e reutilizável.
• Reorganizar o modo como o trabalho é realizado. Será preciso centralizar a alocação de talentos escassos para equipes multifuncionais e promover formas ágeis de trabalhar.
• Vincular a adoção ao desempenho. A organização deve combater a resistência cultural com um programa robusto de gestão de mudanças. Contudo, para assegurar que os casos de uso produzam valor, é preciso que haja métricas claras de desempenho. E os fluxos de trabalho talvez tenham de ser redesenhados para capturar todo o potencial da IA.
• Começar com inteligência, escalar com rapidez. Deve-se fazer o possível para obter uma sequência de vitórias rápidas a fim de comprovar o valor da IA e fazer com que os próprios funcionários queiram utilizá-la em escala. A IA deve ser utilizada para construir a IA e, com isso, acelerar sua implantação e, consequentemente, sua escala e criação de valor.

A IA está redefinindo o modo como as organizações competem. Nossa pesquisa sugere que muitas organizações do CCG precisam acelerar o ritmo para se manterem à frente. Devem estimular a experimentação e os projetos-piloto, guiadas por um plano que priorize as capacidades necessárias para implementar a IA em escala e, em seguida, promover sua adoção generalizada – tendo sempre a criação de valor como objetivo central.