Observação: Nós nos empenhamos ao máximo para manter o espírito e as nuances originais de nossos artigos. Porém, pedimos desculpas desde já por quaisquer erros de tradução que você venha a notar. Seu feedback é bem-vindo através do e-mail reader_input@mckinsey.com
No início do século 20, a linha de montagem de Henry Ford revolucionou a fabricação de automóveis. Em vez de depender de trabalhadores qualificados para montar um carro inteiro – ou grandes partes dele – Ford dividiu a produção em uma sequência de tarefas simples e repetitivas, executadas por trabalhadores ao longo de uma esteira rolante. O resultado foi mais do que uma transformação da manufatura: representou uma mudança cultural e a criação de um novo modelo operacional. O tempo necessário para produzir um Modelo T1 caiu de mais de 12 horas para apenas 90 minutos, os custos despencaram e possuir um automóvel deixou de ser um luxo para se tornar uma realidade do mercado de massa. Embora a transformação de Ford tenha ocorrido há mais de 100 anos, o modelo que ele desenvolveu ainda persiste.
Assim como a linha de montagem transformou o trabalho físico, a IA agêntica – sistemas capazes de agir de forma autônoma, e não apenas responder a comandos – está agora redefinindo o trabalho cognitivo, desde projetos de engenharia até o planejamento da cadeia de suprimentos e a avaliação de riscos. (Neste artigo, nos referiremos à IA agêntica apenas como “IA”.) Com a IA, as empresas já não dependem exclusivamente do discernimento e da disponibilidade de um pequeno grupo de especialistas para tomar decisões complexas ou desenvolver produtos sofisticados. O conhecimento tornou-se agora acessível a qualquer pessoa com as competências adequadas de IA, acelerando a tomada de decisões, a customização de produtos e outras tarefas antes restritas a especialistas.
Em todos os setores, as empresas reconhecem o potencial da IA e lançaram dezenas – ou mesmo centenas – de iniciativas. No entanto, os retornos permanecem limitados. A maioria das organizações relata apenas ganhos incrementais, em funções específicas, como redução de custos em procurement ou processamento mais rápido de faturas. Grandes avanços, abrangendo a organização inteira, continuam sendo uma miragem.
Contudo, esses resultados modestos não chegam a surpreender. Muitas vezes, a IA é tratada como um projeto de tecnologia e aplicada a domínios funcionais isolados, em vez de ser adotada como uma transformação do negócio. A alta liderança raramente se depara com questões mais profundas, que precisam ser resolvidas para ampliar o impacto: como os fluxos de trabalho podem ser reimaginados de ponta a ponta com a IA agêntica? Quais decisões devem ser automatizadas, aprimoradas ou escalonadas? O que acontece com funções, amplitudes de controle e métricas de desempenho quando tarefas cognitivas que antes levavam semanas passam a ser concluídas em minutos?
Responder a essas perguntas exige uma liderança do mesmo calibre que transformou a indústria manufatureira no início do século 20. O modelo desenvolvido por Ford ainda constitui a melhor estratégia para empresas modernas: os CEOs precisam mobilizar a equipe de liderança para que reimagine e redesenhe os fluxos de trabalho de ponta a ponta – incluindo funções, governança e processos – incorporando a inteligência artificial em toda a organização. Essa reconfiguração abrangente dos negócios requer uma estrutura baseada em seis grandes temas: planejamento estratégico, talentos, modelo operacional, tecnologia, dados, e adoção e escala. Neste artigo, o foco é a definição da estratégia e da base tecnológica subjacente necessárias para impulsionar transformações de IA.
Mais insights da McKinsey em português
Confira nossa coleção de artigos em português e assine nossa newsletter mensal em português.
Se a empresa aderir a essa estrutura, poderá criar uma verdadeira linha de montagem de IA, composta por múltiplos agentes capazes de concluir tarefas em diversas áreas, aumentando a eficiência e a produtividade. As recompensas podem ser enormes: pesquisas preliminares da McKinsey indicam que transformações digitais lideradas pelo CEO têm 1,5 vez mais probabilidade de sucesso do que aquelas conduzidas predominantemente pelas áreas de tecnologia.
Construindo a linha de montagem de IA
Embora a IA possa otimizar tarefas repetitivas, como processar faturas e folhas de pagamento, sua aplicação corporativa mais transformadora está na tomada de decisões de ponta a ponta. Tradicionalmente, as empresas sempre dependeram de certos líderes, gerentes de nível médio e especialistas para avaliar opções, mas é difícil compartilhar conhecimentos em organizações grandes e geograficamente dispersas. Além disso, o discernimento humano está sujeito a erros, vieses e inconsistências, e os especialistas frequentemente discordam entre si. Esse tipo de atrito costuma desencadear reuniões e revisões adicionais, atrasando a ação.
Tais dinâmicas criam gargalos cognitivos que limitam a velocidade com que a organização consegue aprender, se adaptar e responder. À medida que a complexidade dos produtos aumenta e os volumes de dados disparam, amplia-se o descompasso entre a expertise disponível e a necessária para tomar decisões de qualidade. O verdadeiro potencial da IA reside não apenas na automação de tarefas, mas também na extensão da capacidade decisória para um grupo muito mais amplo e na aceleração do processo como um todo (por exemplo, reunindo a documentação necessária para fundamentar uma decisão em questão de minutos, não dias).
Inúmeras empresas estão incorporando IA à tomada de decisões, mas muitas dessas iniciativas acabam paralisadas porque as equipes responsáveis concentram seus esforços em soluções tecnológicas, não em reestruturar a organização para dar suporte a uma linha de montagem de IA. Ainda que os diretores de tecnologia (CTOs) ou as equipes de TI sejam capazes de gerenciar decisões tecnológicas críticas, cabe ao CEO atuar como o arquiteto chefe da transformação impulsionada por IA.
Estratégia: reconfigurando a organização
Em seu plano estratégico, o CEO deve estabelecer uma visão clara e inequívoca, com metas ambiciosas e exemplos concretos do impacto desejado – por exemplo, reduzir em 50% o tempo de desenvolvimento de produtos em toda a organização. Como cada linha de montagem de IA deve ser desenhada de acordo com necessidades específicas da empresa, não existe uma configuração fixa de agentes aplicável a todos os casos.
As seguintes ações podem ajudar a organização a se reestruturar para viabilizar as linhas de montagem de IA:
- Eliminar silos para promover a colaboração. A maior assimetria costuma ocorrer entre as equipes de tecnologia, responsáveis por desenhar as soluções de IA, e as áreas de negócio encarregadas de implementá-las. O novo modelo liderado pelo CEO deve buscar eliminar essas falhas de comunicação e mitigar alguns problemas comuns – como soluções de IA tecnologicamente sofisticadas, mas que agregam pouco valor comercial.
- Suprimir burocracia desnecessária. O CEO ou os líderes funcionais designados devem identificar os gargalos decisórios mais graves da organização. As restrições podem ser estruturais, como múltiplas camadas hierárquicas de aprovação e encaminhamentos funcionais complexos, ou procedimentais, incluindo dependência excessiva de processos manuais. Uma vez identificados os pontos de atrito, os líderes podem conduzir sessões de trabalho voltadas à eliminação de etapas desnecessárias, assegurando que haja mecanismos adequados de supervisão dos agentes de IA na linha de montagem.
- Padronizar dados e combinar ferramentas de IA. Os líderes devem garantir que todas as soluções de IA compartilhem os mesmos dados e a mesma estrutura operacional. Quando existe uma base de dados comum, várias ferramentas podem ser utilizadas de forma coordenada, criando mais valor em conjunto do que isoladamente.
- Definir novas metas e expectativas para os talentos. A adoção da IA exigirá a criação de novos cargos – por exemplo, líder de equipe agêntica – para garantir que as ferramentas produzam o impacto desejado. Em outros casos, o CEO talvez precise revisar os critérios de desempenho, à medida que a IA libera os profissionais para atividades mais avançadas ou permite que o RH desenvolva programas de treinamento para novos contratados – por exemplo, cursos rápidos sobre processos de IA em vez de um processo de seis meses para integrá-los.
Tecnologia: criando uma esteira rolante de informações
Para ganhar escala, a IA agêntica precisa de um alicerce sólido de tecnologia e dados, com foco no reaproveitamento. Subjacente a cada linha de montagem de IA existe uma camada de orquestração agêntica, na qual dados, modelos e agentes interagem em perfeita sincronia, eliminando a necessidade de “pontes” customizadas para cada novo caso de uso (Quadro). Essa camada deve ser capaz de planejar, raciocinar e executar tarefas complexas, em várias etapas, de forma independente e com mínima intervenção humana. Em uma linha de montagem de IA, ela funciona como uma esteira rolante de informações, coordenando o fluxo de tarefas, decisões e dados em toda a organização.
A camada de orquestração agêntica reúne agentes funcionais, que atuam em domínios específicos, e agentes corporativos, que supervisionam o fluxo de informações de ponta a ponta. Atuando em conjunto, os agentes funcionais e corporativos fornecem e disseminam insights profundos e detalhados por toda a organização. No setor de saúde, por exemplo, agentes funcionais podem analisar dados de diagnóstico, enquanto agentes corporativos asseguram que as informações cheguem ao médico certo no momento certo, permitindo otimizar em tempo real o atendimento ao paciente.
Ao assumir tarefas rotineiras e sintetizar dados, a camada de orquestração agêntica libera os profissionais humanos para se concentrarem em atividades de ordem superior, que exigem discernimento, criatividade, empatia e raciocínio estratégico. A camada deve possuir informações suficientes para perceber suas próprias limitações e sinalizar situações que requeiram intervenção humana. Em uma instituição financeira, por exemplo, a camada de orquestração agêntica pode processar 90% dos pedidos de empréstimo, encaminhando casos mais complexos ou ambíguos para revisão humana. Esse modelo híbrido garante eficiência, sem perda de responsabilidade e confiança.
À medida que as empresas ampliam a adoção da IA, uma das decisões mais importantes passa a ser escolher quais capacidades tecnológicas críticas devem ser desenvolvidas internamente ou quais podem ser terceirizá-las. Recorrer a provedores externos costuma ser mais rápido e menos dispendioso – vantagens significativas em um campo no qual as ferramentas evoluem continuamente. Por outro lado, a criação interna faz sentido quando as capacidades de IA são um fator central de diferenciação competitiva. Com base em dados internos exclusivos, por exemplo, uma empresa pode desenvolver um software proprietário que segmenta com precisão os clientes em grupos específicos e fornece orientações comerciais personalizadas. Em tais casos, deter a propriedade intelectual garante que os concorrentes não consigam reproduzir facilmente esses insights. Por outro lado, a empresa também pode decidir terceirizar certos serviços, como a adaptação dos sistemas de IA aos seus processos internos ou a anonimização de dados antes de sua utilização pelos modelos.
Benefícios da linha de montagem de IA
Henry Ford não venceu porque construiu um Modelo T melhor, mas porque transformou a própria lógica do custo unitário. Antes de implantar a linha de montagem, sua fábrica produzia 12 mil carros por ano, a um custo de $825 cada; em 1925, após a industrialização plena, a produção da fábrica saltou para dois milhões de veículos anuais, a $260 cada.
Hoje, nas empresas industriais tradicionais, cada aumento incremental da complexidade do produto – seja pela adição de sensores adicionais, software embarcado ou novos requisitos regulatórios – provoca uma elevação desproporcional das despesas “artesanais”: a expertise especializada necessária para desenhar, integrar e validar essas ofertas. Reuniões, e-mails e testes manuais envolvendo várias funções podem consumir milhares de horas. Empresas industriais – como fabricantes de robótica, semicondutores e automóveis – são particularmente vulneráveis a processos de desenvolvimento lentos e complexos, pois seus produtos são cada vez mais definidos por software. No setor aeroespacial, por exemplo, o software hoje representa cerca de 40% do valor do produto (comparado com apenas 10% em 2010).
Se a linha de montagem de IA for capaz de absorver a carga cognitiva associada a um aumento de dez vezes na complexidade do produto, as empresas poderão expandir suas margens sem elevar proporcionalmente o número de funcionários. Se um profissional qualificado consegue administrar dez tarefas complexas simultaneamente, uma linha de montagem de IA pode coordenar 16 milhões de fluxos lógicos simultâneos individualizados. E, ao contrário de uma fábrica, sujeita a limitações físicas, uma linha de montagem de IA pode escalar instantaneamente para bilhões de “trabalhadores virtuais” diante de um pico de complexidade. Se um sistema de IA conseguir implementar uma atualização remota de segurança automotiva em 12 segundos, enquanto os concorrentes precisam de 12 meses, a empresa terá conquistado uma vantagem competitiva decisiva em velocidade de resposta.
Visto que os componentes de uma linha de montagem de IA variam, o mesmo acontece com os benefícios. Pensemos numa organização que deseja redesenhar por completo a jornada do cliente, hoje marcada por ineficiências como portfólios com ofertas redundantes, excesso de SKUs, controle limitado sobre a erosão gradual das margens e baixa utilização de dados operacionais, de crédito e de pagamento para priorização de cobranças. Em vez de desmembrar as tarefas por etapas e designar funcionários a cada uma, a empresa poderia implantar uma linha de montagem de IA capaz de executar múltiplas tarefas simultaneamente (Tabela). Agentes poderiam, por exemplo, agendar chamadas de descoberta, triar e encaminhar consultas, e configurar preços.
À medida que o custo da inteligência cognitiva diminui, novas oportunidades de criação de valor tendem a emergir em diversos setores. Imagine um banco global capaz de ajustar seus modelos de risco em tempo real, ou uma empresa farmacêutica que possa personalizar tratamentos para cada paciente ou reduzir em anos o tempo necessário para desenvolver novos medicamentos. Serviços antes considerados premium, como a gestão personalizada de patrimônio, poderão se tornar universalmente acessíveis se os preços diminuírem. Esse movimento implica muito mais que simples melhorias incrementais; são mudanças de paradigma que redefinem as expectativas dos clientes, a eficiência operacional e a dinâmica competitiva.
Embora a IA ainda seja uma tecnologia incipiente, ela já vem apresentando benefícios concretos. Ao acelerar a tomada de decisões, por exemplo, ajuda as empresas a inovar ou a responder às alterações no mercado com mais rapidez. Estudos mostram que algumas das pioneiras na adoção de IA alcançaram níveis de lucratividade até 20% superiores aos de seus concorrentes (veja Box, “Exemplos de casos: acelerando o impacto da IA”).
A evidência mais contundente dos benefícios da IA talvez esteja hoje no setor automotivo chinês. Ao utilizar a inteligência artificial para acelerar a P&D e a integração de software, os fabricantes chineses reduziram o ciclo de desenvolvimento de novos veículos para apenas 24 meses. Essa eficiência industrializada reduziu de tal maneira as barreiras de entrada que mais de 50 novas marcas de veículos elétricos foram lançadas no mercado da China nos últimos cinco anos. Além disso, a IA permitiu às montadoras incorporar funcionalidades mais sofisticadas a um custo menor.
Produzindo veículos de alta qualidade e baixo custo, as marcas chinesas conquistaram, pela primeira vez, mais de 50% do mercado doméstico. Por sua vez, o market share coletivo das joint ventures não chinesas despencou de 64% em 2020 para cerca de 43% atualmente. Se as montadoras tradicionais continuarem a se apegar aos processos de engenharia artesanais, sofrerão uma erosão permanente das margens de lucro à medida que os fabricantes chineses expandirem sua presença global.
A linha de montagem de IA não irá apenas aprimorar a tomada de decisões; ela industrializará o próprio processo decisório, por meio de agentes customizados desenvolvidos especificamente para cada empresa. À medida que o custo do discernimento diminui e sua disponibilidade aumenta, a personalização tenderá a se tornar padrão, a previsão passará a ocorrer de forma contínua e as organizações serão capazes de se adaptar quase em tempo real. Mas tal mudança exige mais do que tecnologia. Exige a reconfiguração profunda, liderada pelo CEO, dos fluxos de trabalho, das funções e da governança, de modo a assegurar que a velocidade das operações corresponda à velocidade da inteligência.