Transforme a IA geradora de uma ameaça existencial em uma vantagem competitiva

A ideia em resumo O problema A IA geradora tem o potencial de gerar disrupção ou comoditizar negócios cujas ofertas anteriormente exigiam trabalho humano e criatividade significativos. Para competir, muitas empresas terão de repensar suas estratégias. As apostas na mesa Algumas conseguirão obter uma vantagem aproveitando ferramentas amplamente disponíveis melhor ou mais rapidamente do que seus concorrentes. Mas essa vantagem será apenas temporária, e o uso das ferramentas logo se tornará uma questão de jogo. Uma solução diferenciada Transformar a IA de uma ameaça existencial em uma oportunidade envolve a implementação de IA generativa em níveis cada vez mais sofisticados que geram uma vantagem competitiva mais forte e sustentável. Ao tornar muito mais fácil e barato criar ou melhorar produtos e serviços, a IA generativa tem o potencial de gerar disrupção ou até mesmo comoditizar empresas cujas ofertas anteriormente exigiam trabalho e criatividade humanos significativos. Para competir, muitas empresas terão de repensar suas estratégias e encontrar novas maneiras de agregar valor para os clientes. O que as empresas podem fazer para transformar a IA generativa de uma ameaça em uma oportunidade? Como elas podem usá-la para criar vantagem competitiva? Que tipos de negócios têm o maior potencial? Essas são as perguntas que responderemos aqui. Como aproveitar a IA generativa Com base em nossas décadas de experiência combinada trabalhando com empresas do Vale do Silício e pesquisando a vantagem competitiva dos dados e da IA por meio de modelagem econômica, descobrimos que a IA generativa pode ser implementada em três níveis que correspondem a um grau crescente de vantagem competitiva. 1. Adotar ferramentas disponíveis publicamente. As empresas podem fornecer aos funcionários modelos de linguagem ampla (LLMs) prontos para uso ou outros tipos de IA generativa, como Midjourney e Runway, para ajudá-los a realizar seu trabalho com mais eficácia e eficiência. Por exemplo, os funcionários podem usar ferramentas de nível 1 para aprimorar a comunicação interna ou os documentos de apresentação, gerar ideias para novos recursos de produtos, realizar pesquisas sobre a concorrência, escrever mensagens de contato com o cliente para vendedores, retocar fotos em materiais de marketing, criar postagens em mídias sociais e assim por diante. Praticamente todas as empresas de todos os setores - de empresas de tecnologia a fabricantes de produtos de consumo, arquitetos e consultorias - devem considerar a implementação do nível 1. Assim como a Internet se tornou essencial para sobreviver e prosperar no final da década de 1990, o mesmo acontecerá com as ferramentas de IA generativa disponíveis publicamente à medida que se tornarem mais precisas, aplicáveis e seguras. Isso inclui não apenas LLMs gerais, como o ChatGPT da OpenAI e o Bard do Google, mas também os específicos do setor, como o Alexi para escritórios de advocacia e o Karbon AI para escritórios de contabilidade, e os específicos da função, como o Copy.ai para edição de textos e o GitHub Copilot para codificação. As empresas que não implementarem essas ferramentas serão gravemente prejudicadas. No curto prazo, algumas empresas poderão obter uma vantagem ao aproveitar essas ferramentas melhor ou mais rapidamente do que seus concorrentes. As empresas que também promoverem mudanças fundamentais nos processos de negócios com base no uso de IA generativa obterão uma vantagem ainda maior; as que forem lentas demais ficarão pelo caminho. No entanto, confiar apenas em modelos de IA aos quais todos (tanto os novos participantes quanto os rivais existentes) têm acesso trará apenas uma vantagem temporária antes de se tornar uma aposta. Em sua forma básica, a implementação de nível 1 não envolve nenhuma personalização do modelo de TI. Na prática, as empresas podem obter uma pequena medida de personalização ajustando os modelos usando seus próprios dados, o que faz com que a empresa avance para o nível 2. 2. Personalizar as ferramentas. As empresas podem criar suas próprias ferramentas personalizadas de IA generativa que usam os dados e o know-how que acumularam no processo de atendimento aos clientes, seja construindo-as a partir de modelos de código aberto ou usando modelos fornecidos por empresas de LLM, como a Anthropic e a Cohere. Essas ferramentas podem melhorar a experiência do cliente, facilitando a interação com os produtos e adicionando novos recursos, como recomendações personalizadas. Por exemplo, os fornecedores de produtos de software (especialmente os complexos) podem criar interfaces de bate-papo específicas para o produto, baseadas em IA generativa. Como nos disse Des Traynor, cofundador e diretor de estratégia da Intercom, uma empresa que fornece ferramentas on-line para atendimento ao cliente: "A beleza dessas interfaces é que elas liberam os fornecedores da necessidade de trocar a facilidade de uso pela personalização". O uso do produto de software torna-se intuitivo para todos (não apenas para os especialistas) e pode ser automaticamente personalizado para uma variedade de casos de uso. Em vez de ter que navegar por um labirinto de menus suspensos e saber exatamente quais dados devem ser inseridos, as pessoas podem falar com a interface de bate-papo em linguagem natural, como se tivessem um assistente pessoal. Matilda Temperley fotografou o treinador de grandes felinos Thomas Chipperfield e seus leões. Sua família trabalha com circos há 300 anos, desde a Frost Fair, em 1683. Seu método de treinamento é baseado no incentivo e na compaixão. Considere um fabricante de software empresarial que oferece um produto para gerenciar despesas de viagem. A TI poderia adicionar uma ferramenta de IA generativa, treinada com base em dados de como os funcionários enviaram despesas anteriormente, que abrange uma série de solicitações de pessoas em várias funções. Os funcionários simplesmente informariam à TI que desejam enviar as despesas de uma viagem de negócios recente e ela os orientaria durante o processo, indicando quais recibos devem ser carregados e quais outras informações são necessárias. A TI também permitiria que o funcionário anotasse qualquer circunstância especial que devesse ser levada em conta - por exemplo, "tirei férias na quarta e na quinta-feira" - para que a IA soubesse excluir as despesas e diárias desses dias. A ferramenta processaria então os reembolsos de acordo com as políticas da empresa. Se surgissem complicações, a TI solicitaria informações adicionais aos usuários ou sinalizaria discrepâncias. Ou considere os bancos e outras empresas de serviços financeiros, que poderiam implementar o nível 2 criando banqueiros privados com IA generativa. Esses profissionais seriam treinados com base nas recomendações feitas por banqueiros privados humanos a clientes existentes antes de serem lançados para clientes que buscam consultoria de investimento personalizada para suas circunstâncias e necessidades. Em sua forma mais simples, a implementação de nível 2 consiste em combinar uma ferramenta de IA generativa com dados internos para fornecer aos clientes uma interface de usuário mais intuitiva e serviços mais personalizados. Muitas empresas poderão continuar aprimorando seu modelo personalizado incorporando o feedback do usuário. Isso começa a movê-las na direção do nível 3. 3. Criar ciclos de feedback de dados automáticos e contínuos. Quando totalmente implementadas, as ferramentas de IA generativas produzem sinais confiáveis no processo natural de uso do produto ou serviço pelos clientes, que são automaticamente realimentados no modelo para aprimorar seus recursos com o mínimo de intervenção humana. As empresas que permitirem que a ferramenta de TI infira o quanto foi útil para os clientes atingirem suas metas obterão os sinais mais confiáveis. Criar um ciclo de feedback exclusivo para o produto ou serviço de cada empresa é o santo graal. Quanto mais os clientes usam a oferta, mais sinais de feedback eles geram, o que permite que a ferramenta de IA generativa se aprimore ainda mais, levando a mais usuários, mais uso, mais feedback e assim por diante. O resultado é uma forma poderosa de vantagem competitiva composta. Veja como a Chegg, uma empresa de educação on-line, está usando a IA generativa para criar um assistente de aprendizagem personalizado para os alunos. Essa ferramenta on-line personalizada é treinada com base na biblioteca proprietária de conteúdo educacional da Chegg e nos dados de uso de seus produtos. Os alunos interagem com uma interface de usuário conversacional, que pode adaptar a orientação às suas necessidades individuais. A ferramenta aprimora continuamente seu conteúdo de estudo, como flash cards e testes práticos, descobrindo os principais pontos de dificuldade comuns aos usuários. Isso cria um ciclo de feedback de dados entre os usuários da Chegg. Também é criado um ciclo de feedback específico para cada usuário, permitindo que a ferramenta ajuste o ritmo da instrução e o conteúdo e a dificuldade dos testes práticos de acordo com o desempenho do indivíduo. Ao fazer isso, a ferramenta ajuda os alunos a aprender melhor e, ao mesmo tempo, gera sinais de feedback confiáveis, o que permite que ela continue melhorando. A aquisição de recursos de IA generativa de fornecedores terceirizados se tornará semelhante à compra de serviços de computação em nuvem, com preços em constante queda e segurança crescente. Empresas de todos os tipos de setores podem se beneficiar da implementação do nível 3. Os editores de videogames on-line, por exemplo, podem usar a IA generativa para criar e aprimorar constantemente personagens não jogadores personalizados (ou NPCs, aqueles que não são controlados por jogadores humanos), usando informações sobre como os usuários reagem e se envolvem com diferentes NPCs durante o jogo. As empresas também podem usar a IA generativa para experimentar diferentes roteiros e ambientes e aprender, quase em tempo real, quais deles aumentam o envolvimento do usuário. As empresas que possuem serviços de streaming e produção de conteúdo (como Disney, HBO e Netflix) também são boas candidatas para soluções de nível 3. Por exemplo, uma empresa poderia desenvolver uma solução proprietária de TI para personalizar seus programas, ajustando determinadas cenas para diferentes públicos. A TI poderia usar uma ferramenta como a Runway para produzir conteúdo mais adequado ao gosto dos espectadores, levando em consideração, por exemplo, a tolerância a conteúdo ou linguagem adulta, a sensibilidade dos espectadores em diferentes países ou os atributos de outros programas que os usuários assistem. O modelo se atualizaria com base no comportamento do consumidor, como, por exemplo, se os clientes continuam assistindo após as cenas ajustadas, bem como qualquer feedback direto que eles possam dar, e o modelo incorporaria essas percepções em projetos futuros. No entanto, o ciclo de feedback não seria tão forte e contínuo como nos videogames, onde os aprendizados podem ser incorporados em tempo real. As empresas de serviços profissionais, como consultorias de pesquisa e assessoria ou agências de marketing, também devem considerar a possibilidade de passar para o nível 3. Uma empresa de consultoria poderia criar um modelo de IA generativo que produzisse os primeiros rascunhos de relatórios de pesquisa, por exemplo. Os funcionários então fariam revisões nos primeiros rascunhos, e esse feedback seria continuamente digerido pela TI, que o usaria para produzir melhores rascunhos iniciais. (Uma ressalva: as empresas devem garantir que a ferramenta de IA não use os dados confidenciais de um cliente ao se envolver com outro cliente, especialmente um do mesmo setor). Essa ferramenta essencialmente turbinaria o processo de aprendizagem das empresas e de seus profissionais. O principal desafio para atingir o nível 3 está em descobrir como obter feedback sem gerar disrupção na experiência do cliente. O ideal é que o sinal seja gerado durante o curso natural do uso do produto. Considere novamente a ferramenta de IA da Chegg. A TI observa o desempenho de um aluno em cada teste prático, pergunta por pergunta. A TI obtém insights imediatos sobre os pontos em que o aluno tem problemas, o que lhe permite alterar a forma como os conceitos são explicados ou ajustar a dificuldade e a natureza das perguntas em testes futuros, sem afetar negativamente a experiência do aluno ao fazer o teste. Quando não for possível obter um ciclo de feedback natural e de alta qualidade, como será o caso de muitas ofertas, as empresas precisarão recorrer à solicitação direta de feedback do cliente. Isso deve ser feito de uma forma minimamente intrusiva e, ao mesmo tempo, deixar claro para os clientes como eles se beneficiam ao dar esse feedback (por exemplo, "Por favor, diga-nos, em uma escala de 1 a 10, o quanto nosso chatbot de IA foi útil para que ele possa aprender a atendê-lo melhor no futuro"). E se pedir feedback direto do cliente for muito disruptivo ou fornecer um sinal não confiável, as empresas poderão envolver humanos no ciclo, conforme descrito acima na criação de relatórios preliminares. Considerações sobre a implementação Tirar o máximo proveito da IA generativa requer gastos e conhecimento técnico cada vez maiores à medida que as empresas avançam nos níveis. A TI também envolve ajustes mais extensos em produtos on-line, serviços e processos internos. No nível 1, a principal questão que as empresas devem abordar é a quantidade de dados internos que os funcionários devem ter permissão para compartilhar com ferramentas de IA generativa disponíveis publicamente. Sempre que essas ferramentas usam dados proprietários, surgem preocupações com a segurança dos dados e com a concorrência; no entanto, já estamos vendo os provedores de IA generativa tomarem medidas para resolver esses problemas - por exemplo, cercando os dados e a IA de cada cliente comercial. No nível 2, as empresas precisarão se concentrar no treinamento e no ajuste fino das ferramentas personalizadas de IA para garantir que seus resultados sejam os mais precisos possíveis (minimizando as "alucinações") e sejam altamente relevantes para os clientes. Matilda Temperley À medida que as empresas implementam o nível 3, elas devem se concentrar em redesenhar seus produtos e serviços on-line, bem como alguns processos internos, para integrar perfeitamente a IA generativa em toda a experiência do cliente. Ao fazer isso, elas maximizarão a amplitude, a profundidade e a qualidade dos sinais de feedback que extraem. À primeira vista, pode parecer que apenas as grandes empresas terão os recursos para atingir os níveis 2 e 3, mas, na realidade, a personalização usando dados proprietários da empresa está se tornando cada vez mais fácil e acessível. As empresas agora podem obter recursos de IA generativa de provedores como Open AI (ChatGPT Enterprise), Microsoft (Bing Chat Enterprise) e Anthropic (Claude for businesses) e ajustá-los com base em seus próprios dados. Eles também podem estar razoavelmente confiantes de que seus dados serão mantidos em segurança e privacidade e que os aprendizados obtidos não serão transferidos para ninguém (para o provedor de IA generativa ou para os concorrentes). A compra de recursos de IA generativa de provedores terceirizados se tornará semelhante à compra de serviços de computação em nuvem, com preços em constante queda e segurança crescente. Como alternativa, as empresas podem criar seus próprios recursos de IA generativa adotando modelos de código aberto, como o Llama da Meta, e treinando-os com seus próprios dados. Isso manterá tudo sob o controle da empresa, como é o caso da computação em nuvem em seus próprios servidores. Quais empresas serão mais beneficiadas? Como já observamos, praticamente todas as empresas devem adotar a IA generativa no nível 1. A maioria deve, pelo menos, considerar a mudança para o nível 2 e, possivelmente, para o nível 3. Para determinar se isso traria alguma vantagem, os líderes devem fazer duas perguntas: Quanto de nossa oferta atual pode ser substituída pela IA generativa? Essa pergunta determina o escopo da possível disrupção pela IA generativa, o que, obviamente, indica a urgência de uma empresa começar a subir os níveis de implementação. O impacto da IA generativa nas empresas que fabricam produtos de consumo simples, como produtos de limpeza e utensílios de cozinha, será mínimo. Mas mesmo essas empresas podem se beneficiar da adoção do nível 1, usando as ferramentas para aumentar a produtividade e a criatividade internas - por exemplo, para ter novas ideias, designs ou formulações de produtos. (Consulte "How Generative AI Can Augment Human Creativity", HBR, julho-agosto de 2023). As empresas de software descobrirão que o grau em que seus produtos podem ser substituídos pela IA generativa varia muito. Se todo o resto for igual, os produtos de software complexos têm maior probabilidade de serem afetados, pois uma interface de bate-papo em linguagem natural poderia facilitar muito o uso para uma base de clientes mais ampla. Por outro lado, o software que oferece valor por meio da integração com outros produtos ou serviços é mais imune a gerar disrupção. Por exemplo, a plataforma de pagamento Stripe foi criada com base em conexões complexas e altamente seguras com instituições financeiras que não são facilmente replicáveis pela IA generativa. Para os serviços on-line atualmente prestados por seres humanos, a ameaça de disrupção é alta e imediata, porque a IA generativa será capaz de lidar com a maior parte do trabalho. Os exemplos incluem serviços de design de logotipos e sites (como Webflow, Fiverr e Upwork) e educação on-line (Chegg). Para empresas em que o serviço e o suporte pós-venda são importantes, a IA generativa pode desempenhar um papel fundamental na criação de vantagem competitiva. Especificamente, ela pode ser usada para turbinar o atendimento ao cliente, que é uma parte central da proposta de valor para os usuários que desejam obter o máximo dos produtos ou que enfrentam desafios técnicos para usá-los. Se a ameaça de disrupção for alta, as empresas obviamente devem passar o mais rápido possível para os níveis 2 e 3. Se não for, elas podem adotar uma abordagem mais lenta para implementar a TI generativa. Qual é o escopo para melhorar nossa posição competitiva usando a IA generativa? As empresas poderão usar a IA generativa para aumentar o valor que oferecem aos clientes somente se houver potencial suficiente para que elas aproveitem seus próprios dados para construir um modelo que supere o que pode ser alcançado usando ferramentas de IA disponíveis publicamente, como ChatGPT ou Midjourney. Para avaliar esse potencial, as empresas devem fazer três perguntas adicionais: Quão idiossincráticos são os dados de nossa empresa? Para oferecer uma vantagem, os dados internos de uma empresa não devem ser facilmente substituídos por dados alternativos disponíveis publicamente que possam ser usados para treinar modelos de IA semelhantes. Por exemplo, é improvável que as empresas de design de sites e logotipos acumulem dados especializados que possam conferir uma vantagem maior do que a que os concorrentes poderiam obter usando dados derivados de sites públicos. Por outro lado, o valor que a Chegg oferece a seus alunos não pode ser replicado por rivais que usam LLMs públicos. Isso porque seus dados são provenientes das ações exclusivas de seus alunos quando eles fazem testes, interagem durante as sessões de instrução, fazem perguntas quando estão confusos e assim por diante. Os dados internos geralmente são mais valiosos quando são idiossincráticos em relação ao produto relevante ou à vertical do setor e à necessidade específica do cliente. Esses dados produzem recomendações, conteúdo e outros resultados que não podem ser replicados por ferramentas generalistas de IA treinadas em dados históricos e disponíveis publicamente. Nesses casos, concordamos com Dan Rosensweig, presidente e CEO da Chegg, que nos disse: "A verdadeira verticalização deve vencer". Em outras palavras, as empresas que obtiverem insights especializados de grupos de clientes altamente segmentados terão uma vantagem distinta. Quão confiável é o feedback que recebemos dos clientes? As empresas que podem observar de perto até que ponto seus produtos ajudam os clientes a atingir seus objetivos finais estão em uma posição forte para aproveitar a IA generativa no mais alto nível. Os criadores de videogames recebem sinais muito confiáveis observando a jogabilidade das pessoas e podem usar essas informações para determinar até que ponto os elementos alimentados por IA aumentam o envolvimento. Em outros casos, as empresas precisam se contentar com sinais menos confiáveis, como as taxas de cliques. Considere o Firefly da Adobe, uma ferramenta de IA generativa integrada ao Adobe Photoshop e ao Illustrator para criar e manipular imagens usando prompt de texto. Os únicos sinais que o Adobe Firefly tem para avaliar se a ferramenta está atendendo bem aos clientes são a frequência com que cada cliente a utiliza e o número de vezes que cada pessoa tenta gerar imagens diferentes, que são medidas ruidosas de satisfação. Observe que o mesmo tipo de feedback pode ser mais confiável para alguns produtos e menos para outros. Por exemplo, o polegar para cima/polegar para baixo é um indicador muito mais útil para saber se os clientes gostaram de uma recomendação de filme do que para saber se eles acharam útil um determinado recurso de um produto de software empresarial. Qual é o custo para obter feedback confiável dos clientes? Algumas empresas poderão obter um sinal muito confiável simplesmente observando seus clientes enquanto eles usam seus produtos. Outras empresas precisarão criar loops de feedback do cliente, o que pode ser caro para a empresa ou para seus clientes. (Consulte "To Get Better Customer Data, Build Feedback Loops into Your Products", HBR.org, 11 de julho de 2023.) Uma empresa pode ter poucas oportunidades de observar um feedback útil do cliente, ou as regras de privacidade podem proibi-la de usar a atividade do cliente para treinar seu modelo. Pode ser complicado contornar esses problemas pedindo aos clientes que deem feedback durante o uso ou fazendo com que os funcionários atuem como "humanos no circuito" a fim de acumular dados de treinamento para a ferramenta de IA generativa. A primeira abordagem pode irritar os clientes e a segunda pode esgotar os recursos da empresa. Quando a obtenção de feedback confiável for onerosa ou cara, as empresas não devem tentar atingir o nível 3. . . . Dada a expectativa de adoção generalizada de tecnologias de IA generativa, as empresas mais bem posicionadas para obter vantagem competitiva duradoura são aquelas com acesso a dados exclusivos de clientes que podem ser continuamente reabastecidos por meio de loops de feedback de autorreforço. Isso tem implicações importantes não apenas para os gerentes, mas também para os investidores, que devem se concentrar nas empresas que têm o potencial de atingir o nível 3 de implementação. Para aproveitar as oportunidades que a IA generativa está criando, no entanto, é preciso uma execução adequada, e é aí que algumas empresas estabelecidas podem falhar. Os CEOs e os líderes seniores devem garantir que essa tecnologia seja tratada como uma parte fundamental da estratégia da empresa, e não apenas como uma questão tecnológica a ser delegada à TI. Nesse sentido, ela é diferente da computação em nuvem, em que a decisão de depender de provedores de nuvem externos em vez de criar uma capacidade de hospedagem interna não é exatamente estratégica. A IA generativa, por outro lado, pode e deve afetar diretamente a proposta de valor para o cliente. Mesmo que a IA generativa não seja uma ameaça existencial, os líderes devem pressionar suas organizações a adicionar recursos preventivamente para garantir que não fiquem para trás.

Transforme a IA geradora de uma ameaça existencial em uma vantagem competitiva

Resumo.

Partner Center