O erro que impede empresas de extrair valor real da inteligência artificial

Uma nova pesquisa de Hyunjin Kim e Dahyeon Kim, do INSEAD, e Rembrand Koning, da Harvard Business School, ajuda a explicar o problema. Os gestores sabem que a IA é capaz de executar tarefas úteis, mas têm dificuldade para identificar onde e como ela pode transformar seus negócios. Os pesquisadores chamam isso de “problema de mapeamento” : o desafio de descobrir onde a IA pode impactar o processo produtivo e quais atividades precisam ser adaptadas para liberar seu potencial.

Para compreender melhor essa questão, os pesquisadores realizaram um experimento de campo com 515 empresas em estágio inicial de diversos países. Todas receberam acesso a ferramentas avançadas de IA, treinamento técnico, mentoria e créditos para uso de APIs. Mas apenas metade teve contato com exemplos de como outras organizações haviam redesenhado seus fluxos de trabalho e modelos de negócios com inteligência artificial. Em seguida, os gestores foram incentivados a repensar como utilizar a tecnologia em seus próprios processos.

Os resultados chamaram atenção. As empresas expostas a exemplos reais identificaram 44% mais casos de uso para IA do que o grupo de controle, concluíram 12% mais tarefas , tiveram 18% mais chances de conquistar clientes pagantes , geraram quase o dobro de receita e precisaram de significativamente menos capital externo para crescer.

O aprendizado sobre casos reais ampliou a visão dos gestores sobre o que era possível fazer em seus próprios negócios, estimulando experimentações que resultaram em novas e melhores formas de trabalhar. Essa perspectiva mais ampla levou à identificação de aplicações mais numerosas e mais valiosas para a IA.

Para ajudar outras empresas a extrair mais valor da tecnologia, os pesquisadores sugerem algumas práticas.

Mapeie seus fluxos de trabalho atuais

Equipes de marketing usam IA para redigir textos. Desenvolvedores recorrem a assistentes de programação. Essas aplicações aumentam a produtividade, mas raramente geram os maiores ganhos quando o restante do fluxo de trabalho permanece inalterado.

Empresas que tiveram acesso a exemplos de redesenho de processos impulsionados por IA olharam além da automação de tarefas individuais. Elas exploraram aplicações em desenvolvimento de produtos, operações, estratégia, administração e outras áreas.

A lição para os gestores é analisar como mudanças em uma atividade afetam todas as etapas seguintes. É importante mapear o fluxo de trabalho do início ao fim, observando onde o trabalho muda de mãos, onde aprovações se acumulam, onde funcionários precisam transferir informações entre sistemas e onde decisões ficam paradas.

Esses pontos de transição frequentemente oferecem oportunidades maiores do que as próprias tarefas.

A pergunta fundamental é: “O que realmente está nos atrasando?” . Em geral, a resposta não está na tarefa mais evidente, mas em uma transferência ou decisão que bloqueia todo o restante do processo.

Hyunjin Kim sugere aprofundar a análise: “O que impede a empresa de crescer dez vezes mais com a estrutura atual?” . Segundo ele, encontrar o gargalo mais próximo do cliente ou do resultado desejado costuma ser o primeiro passo.

Espere que novos gargalos apareçam

Muitos executivos acreditam que a IA elimina restrições. A pesquisa sugere uma realidade mais complexa.

Quando uma atividade se acelera, outra pode se transformar em um gargalo inesperado.

Um desenvolvimento de produto mais rápido gera mais feedback de clientes, exigindo maior capacidade de análise. Relatórios automatizados podem revelar problemas de qualidade dos dados que antes passavam despercebidos. A geração automática de conteúdo de marketing aumenta a produção, mas pode exigir mais tempo para governança, padronização de marca e revisão jurídica.

Frequentemente, as organizações descobrem que um gargalo foi resolvido apenas para encontrar outro mais adiante no processo.

Isso ajuda a explicar por que muitos projetos de IA parecem inicialmente bem-sucedidos, mas acabam estagnando. Resolve-se um problema, enquanto o seguinte permanece intocado.

Por isso, a implementação da IA deve ser tratada como um processo contínuo, e não como uma iniciativa isolada. Cada avanço importante deve levar a uma nova análise sobre onde o trabalho voltou a desacelerar.

Redesenhe o processo inteiro

As empresas de melhor desempenho não se limitaram a identificar gargalos. Elas reformularam todo o trabalho ao redor deles.

No desenvolvimento de produtos, por exemplo, a IA pode gerar código, criar protótipos e sugerir alternativas de design em minutos. Porém, esses ganhos têm pouco valor se testes com clientes, aprovações e demais etapas posteriores continuarem ocorrendo no mesmo ritmo de antes.

A pesquisa concluiu que a IA só altera de fato a economia de um processo quando as organizações repensam como as atividades se conectam.

Ao avaliar projetos de IA, os gestores devem ir além de métricas como velocidade ou volume de tarefas.

Segundo Hyunjin Kim, a pergunta correta é: o novo fluxo de trabalho permite alcançar mais clientes, criar produtos ou serviços melhores e operar com menos recursos do que antes?

“Caso contrário, você está medindo atividade, não impacto”, afirma.

Permita que as pessoas experimentem

As empresas com melhor desempenho no estudo aprenderam com exemplos externos, mas não simplesmente os copiaram.

Os gestores refletiram sobre as possibilidades específicas dentro de seus próprios negócios. Essa reflexão levou a experimentações, que por sua vez resultaram em processos novos e aprimorados.

Os líderes podem acelerar esse processo incentivando equipes a explorar diferentes casos de uso, compartilhar fluxos de trabalho redesenhados entre departamentos e estudar regularmente como outras organizações estão se reorganizando em torno da IA.

Nesse contexto, manuais internos, trocas entre áreas e workshops multidisciplinares podem se mostrar tão valiosos quanto os investimentos na próxima geração de tecnologia.

“As maiores oportunidades da IA podem não ser óbvias e nem sempre dependem da tecnologia mais avançada”, afirma Hyunjin Kim. “É preciso colocar as pessoas em uma posição que lhes permita enxergar possibilidades que jamais imaginariam sem a IA.”

Pesquisa: “Mapping AI into Production: A Field Experiment on Firm Performance”, de Hyunjin Kim, Dahyeon Kim e Rembrand Koning (working paper, 2026).

The post O erro que impede empresas de extrair valor real da inteligência artificial appeared first on InfoMoney .