Uma empresa pode ter 100% do time usando IA todos os dias e continuar operando exatamente como em 2023.
O número de licenças ativas é a métrica mais fácil de apresentar, mas o que ela não mostra é o desenho da operação por baixo: o mesmo fluxo de trabalho que já existia.
A McKinsey publicou um recorte que ajuda a entender melhor esse cenário. As empresas que atribuem 5% ou mais do EBIT à IA são três vezes mais propensas a ter redesenhado amplamente o modelo operacional e duas vezes mais propensas a ter redesenhado os fluxos de trabalho antes de escolher as ferramentas.
Portanto, a ordem é importante: primeiro o redesenho, depois a ferramenta.
Redesenhar o fluxo antes obriga a responder perguntas que nenhuma licença responde.
O que a área faria se a capacidade de análise fosse quase ilimitada? O que ela deixaria de fazer? E quem passa a decidir aquilo que hoje entra na fila de um analista?
AI-enabled é usar IA para melhorar o processo que já existe. Por outro lado, AI-first significa desenhar o processo partindo do que uma pessoa e um agente conseguem entregar juntos.
O ganho de produtividade individual é mensurável e, ainda assim, ele pode se manter dentro do mesmo modelo antigo.
Por exemplo, um analista entrega o relatório em uma hora em vez de seis, mas as mesmas quatro pessoas continuam precisando aprovar aquele relatório.
A produtividade aumentou. O processo, não necessariamente.
Uma empresa só começa a operar de forma AI-first quando alguém recebe autoridade para mudar o desenho do processo.
Enquanto a decisão for apenas de compra, a IA vai continuar acelerando a operação antiga.
E talvez esse seja um dos pontos mais importantes da discussão sobre inteligência artificial nas empresas: não se trata apenas de adotar novas ferramentas, mas de repensar a forma como o trabalho é organizado a partir das novas possibilidades.
