Como a IA generativa pode gerar disrupção no SaaS e mudar as empresas que o utilizam

Em 2011, o capitalista de risco Marc Andreessen declarou que "o software está devorando o mundo", argumentando que as empresas orientadas por software iriam revolucionar todos os setores. Esse enquadramento explica por que a década de 2010 foi dominada pela transformação digital: tanto as empresas estabelecidas quanto as desafiadoras investiram pesadamente em software corporativo para automatizar os fluxos de trabalho e competir com os participantes nativos digitais. Hoje, as empresas enfrentam uma inflexão paralela: A TI geradora não vai simplesmente gerar disrupção nos setores; ela vai gerar disrupção no próprio software que possibilitou a última onda de transformação. Até mesmo Satya Nadella, CEO da Microsoft - cujas ofertas empresariais alimentam milhões de organizações - deu o alarme. Essa disrupção gerará efeitos em cascata que vão muito além das empresas de software. A maioria das grandes empresas depende de vários sistemas corporativos para lidar com fluxos de trabalho fundamentais, incluindo registro de vendas, cálculo de resultados financeiros e pagamento de funcionários. Milhares de profissionais de TI dão suporte a esse software, e os fluxos de trabalho diários de milhões de funcionários envolvem interações diárias com ele. Se as empresas mudarem do software SaaS para a IA, muitos desses trabalhos mudarão de forma significativa - e alguns desaparecerão completamente. Para os líderes seniores, orientar as organizações durante essa mudança será um desafio. De sistemas de fluxo de trabalho para sistemas de trabalho A maioria das plataformas empresariais - do Salesforce ao Workday - trata as organizações como sistemas de fluxos de trabalho. Os fluxos de trabalho são processos que permitem que a organização realize qualquer tarefa, desde a contratação e a integração de um funcionário até a prospecção e a expansão do relacionamento com o cliente. Esses fluxos de trabalho são então analisados como sistemas de processamento de informações que mapeiam fluxos de dados, automatizam análises estruturadas e exigem que os usuários insiram, monitorem e atuem sobre as informações dentro de parâmetros predefinidos. Considere o Workday. A arquitetura de dados da TI está centrada nos registros dos funcionários, permitindo o processamento da folha de pagamento, avaliações de desempenho, gerenciamento de treinamento e administração de benefícios. A conclusão de uma tarefa como "adicionar uma nova contratação" ou "alterar o depósito direto" envolve a navegação nesse complexo sistema de software com etapas explícitas incorporadas à interface do usuário. Da mesma forma, os sistemas de CRM, como o Salesforce, definem estágios discretos de vendas, exigindo que as equipes categorizem os leads, atualizem os campos de status e acionem ações de acompanhamento. Com o tempo, o fluxo de trabalho do CRM passa a ser incorporado às rotinas diárias. Por outro lado, um sistema de trabalho - alimentado por IA generativa - trata as organizações como ambientes de tarefas orientadas por metas. Em vez de começar com um mapa detalhado de todas as etapas de cada fluxo de trabalho, a TI começa com o trabalho a ser feito, como Clay Christensen, de Harvard, recomendou, e depois infere as ações necessárias. Por baixo do capô, a IA ingere sinais - de uma ampla gama de dados estruturados e não estruturados - e junta dinamicamente as tarefas necessárias para atingir o objetivo. Não há uma coreografia rígida de telas e formulários; em vez disso, o sistema aprende continuamente com as exceções, adapta suas recomendações e orquestra transferências entre funções sem script manual. Na verdade, ele transforma entradas não estruturadas em execução estruturada, reduzindo a carga sobre os usuários para que conheçam a arquitetura do fluxo de trabalho e liberando-os para se concentrarem apenas nos resultados desejados. Em um contexto de CRM, um sistema orientado por IA analisaria sinais - e-mails, transcrições de chamadas, revisões de propostas - e atualizaria automaticamente o status de um lead. A TI aprenderia com os resultados históricos para refinar o processo subjacente, eliminando a entrada manual de dados e reduzindo a latência do processo. Da mesma forma, consultas complexas - que antes eram de domínio dos analistas de dados que traduziam as solicitações em linguagem de consulta estruturada (SQL) - tornam-se uma questão de simples prompts de conversação: "Quantos leads qualificados foram convertidos em negócios superiores a US$ 100.000 na Alemanha neste trimestre?" Os sistemas de IA generativa podem analisar entradas não estruturadas, gerar as consultas de banco de dados necessárias e fornecer respostas em segundos. Por que essa mudança é importante: A diferença entre software de fluxo de trabalho e sistemas de IA Essa transformação é mais do que incremental. A TI redefine a relação entre como o trabalho é projetado e como o trabalho é executado. O software de fluxo de trabalho tradicional opera de forma muito semelhante a uma linha de montagem industrial: Sequencial. As tarefas são definidas como etapas ordenadas. Explícito. Cada ação deve ser predefinida e autorizada. Rígido. A adaptação dos processos exige o reprojeto de modelos de dados e interfaces. Dependente de especialistas. O uso eficaz exige conhecimento profundo do fluxo de trabalho e do aplicativo. Os sistemas de trabalho habilitados para IA, por outro lado, assemelham-se a um organismo responsivo: Fluido. Os processos surgem dinamicamente em resposta aos objetivos e ao contexto. Implícitos. Os fluxos de trabalho são inferidos a partir de padrões de dados e da intenção do usuário. Adaptável. O sistema aprende com as exceções e refina os processos continuamente. Centrado no usuário. As interfaces dependem da linguagem natural ou de outras modalidades intuitivas. Por exemplo, a integração de um novo funcionário em um sistema de RH orientado por IA pode ser tão simples quanto perguntar: "Iniciar a integração de Fulano de Tal". O sistema então geraria cartas de oferta, agendaria orientação, forneceria dispositivos e inscreveria o funcionário em benefícios - coordenando vários sistemas back-end sem intervenção manual. Em essência, o software legado codifica as práticas recomendadas de projetos de implementação anteriores; a IA generativa inventa as práticas recomendadas em tempo real, otimizando continuamente os resultados. Essa mudança já está em andamento Essa transformação não é hipotética. Todos os dias, vemos mais empresas começando a fazer mudanças para reduzir sua dependência de sistemas de software legado. Entre elas estão: A Klarna, fintech sueca que atende a 85 milhões de clientes, anunciou planos em 2024 para abandonar os principais fornecedores de SaaS, como Salesforce e Workday, em favor de sistemas internos de registros orientados por IA. Eles começaram criando um banco de dados consolidado de seus dados corporativos usando o Neo4j e, em seguida, usando ferramentas orientadas por LLM para criar aplicativos especializados usando sua própria pilha de software de IA. Os engenheiros da gigante industrial Siemens estão evitando os sistemas de planejamento de recursos de funcionários (ERP) em favor de bots de IA de conversação desenvolvidos internamente que podem consultar as plataformas de ciclo de vida de produtos da Siemens para investigar problemas da cadeia de suprimentos e custos excedentes. Sistemas avançados de saúde, como a Mayo Clinic, estão testando ferramentas de IA generativa para ajudar os médicos com a documentação clínica, sintetizando históricos de pacientes e elaborando planos de cuidados. Instituições financeiras, como o JP Morgan, estão equipando seus analistas de pesquisa com ferramentas que consultam grandes quantidades de dados financeiros históricos e atuais e elaboram relatórios de pesquisa quase completos. Na Hitachi Global, a organização de RH usou a plataforma agêntica da Ema Unlimited para obter 70% de eficiência operacional para serviços compartilhados nas quatro divisões de negócios da Hitachi. A solução foi concebida e implementada em 120.000 funcionários em oito semanas. Os primeiros usuários em todos os setores estão vendo ganhos de eficiência na faixa de 20 a 30%, bem como expandindo suas ofertas ao substituir ou aumentar os sistemas de software rígidos em toda a empresa por ferramentas de IA geradoras flexíveis e orientadas pelo usuário. A escala do potencial de gerar disrupção é imensa. Em 2023, os gastos globais com software empresarial atingiram US$ 913 bilhões, um aumento de 12,4% em relação ao ano anterior. O capital de risco despejou bilhões em start-ups de SaaS. No entanto, tanto os fornecedores antigos quanto os players de SaaS insurgentes enfrentam agora um risco existencial. (Divulgação: ambos os autores têm afiliações com empresas de capital de risco que possuem investimentos em empresas de IA e de software empresarial). A onda inicial terá como alvo processos de finalidade única e de alto volume, como relatórios de despesas, anúncios de emprego, rastreamento de candidatos, suporte de TI e remuneração de vendas. Os relatórios de despesas ilustram o contraste: Hoje. Os funcionários inserem manualmente dezenas de campos - valor, data, categoria -, selecionam a partir de menus suspensos e encaminham os relatórios por meio de filas de aprovação. Cada etapa introduz atrito, erros e atrasos. Amanhã. Um funcionário fotografa um recibo, instrui a IA a arquivar o relatório e - assumindo a conformidade com a política - o sistema extrai itens de linha, valida a despesa em relação às entradas do calendário, verifica as regras da política, aprova automaticamente o pedido e aciona o reembolso. Os recursos para domínios mais complexos - planejamento de fabricação, previsão financeira, qualificação de leads - estão a menos de cinco anos de distância. Implicações e resposta da liderança O advento da IA generativa, que transforma sistemas de fluxo de trabalho em sistemas de trabalho, tem implicações profundas para os líderes. Para conduzir a transformação da IA com sucesso, eles precisarão se concentrar nas seguintes questões fundamentais: Governança e gerenciamento de riscos. Estabelecer estruturas robustas de governança de dados que garantam qualidade, segurança, linhagem e conformidade. Implemente o monitoramento contínuo de desvios de modelos, vieses e aderência às normas. Defina protocolos claros de colaboração entre humanos e IA que especifiquem os pontos de transferência, a responsabilidade e a supervisão para manter a confiança e reduzir os erros. A atenção antecipada à governança criará confiança no sistema de IA que pode resistir aos inevitáveis desafios iniciais. Prontidão organizacional. Reconhecer que as carreiras centradas no software de fluxo de trabalho - implementação, personalização e manutenção - evoluirão ou diminuirão. As equipes administrativas de RH, finanças e TI diminuirão ou serão redistribuídas, liberando talentos para a inovação e o trabalho estratégico. Fornecedores, investidores e economias locais ancoradas em serviços de software também sentirão essas mudanças. O gerenciamento de mudanças, especialmente para os seres humanos que serão afetados e precisarão se adaptar, terá de ser cuidadosamente gerenciado para permitir e acelerar a transição para os sistemas de IA. Respostas estratégicas. Reconhecer que, a menos que liderem proativamente essa transição, os líderes de software empresarial estabelecidos perderão as vantagens de que desfrutam para as empresas emergentes geradoras de disrupção. Para manter sua vantagem, as empresas estabelecidas devem: Priorizar a interoperabilidade. APIs abertas e arquiteturas modulares permitem ecossistemas de IA federados que integram sistemas legados e novos agentes. Redesenhar a UI/UX para fluxos de trabalho de conversação. Substituir as interfaces de usuário padrão de preenchimento de formulários por interfaces de linguagem natural e de voz para reduzir as barreiras de adoção. Ofereça caminhos de adoção de IA em níveis. Forneça agentes totalmente autônomos, configurações de humanos no circuito e opções híbridas, permitindo que os clientes calibrem o controle e o risco. Concentre-se nos trabalhos a serem realizados. Deixe de automatizar processos rígidos e passe a oferecer resultados mensuráveis, capacitando os clientes a articular objetivos e permitindo que a IA determine o fluxo de trabalho ideal. Ao unificar a governança, a prontidão organizacional e as respostas estratégicas em uma agenda de liderança coesa, as empresas existentes podem transformar a incerteza em oportunidade, posicionando-se na vanguarda da revolução do local de trabalho impulsionada pela IA. - - - A IA generativa oferece uma chance única de reduzir o custo e a complexidade da TI corporativa, libertando as organizações de fluxos de trabalho rígidos e permitindo que o trabalho seja reinventado a partir do zero. Os líderes devem ampliar seus horizontes. Além de aprimorar os sistemas existentes, eles devem imaginar locais de trabalho compostáveis e adaptáveis em que agentes de IA e humanos colaborem perfeitamente. Assim como o software comeu o mundo nos últimos 15 anos, a IA generativa agora transformará o software que moldou as organizações atuais e, ao fazer isso, redefinirá a forma como trabalhamos nas próximas décadas.

Como a IA generativa pode gerar disrupção no SaaS e mudar as empresas que o utilizam

Resumo.

Partner Center