O pensamento quântico pode auxiliá-lo a resolver desafios estratégicos complexos

Um problema complexo em estratégia é aquele que desafia uma solução direta. O termo é utilizado para descrever problemas complexos que rejeitam a resolução convencional. Muitos dos desafios estratégicos atuais se enquadram nessa categoria. A análise tradicional falha diante da complexidade dos interesses conflitantes das partes interessadas, das causas subjacentes interligadas e dos resultados que mudam a cada intervenção. A boa notícia é que esses problemas se intensificaram no mesmo momento em que surgiu uma nova estrutura conceitual que se beneficia da complexidade: a modelagem quântica. Quando o HSBC e a IBM anunciaram recentemente que uma experiência em negociação de títulos usando um computador quântico indicou que a tecnologia poderia melhorar o desempenho em 34%, a notícia ganhou destaque mundial como “inovadora” e prova de que estamos “à beira de uma nova fronteira”. No entanto, talvez uma notícia ainda mais relevante, que não ganhou o mesmo destaque, é que não é necessário um computador quântico (que ainda deve demorar anos para ser desenvolvido e é muito caro) para aproveitar as vantagens da tecnologia quântica. As empresas já estão aplicando conceitos de modelagem baseados nas teorias e na matemática da mecânica quântica usando computadores convencionais. O que diferencia a modelagem quântica é sua capacidade de trabalhar com interdependência em uma escala que a modelagem tradicional tem dificuldade em lidar. A estratégia tradicional depende da análise de regressão, por exemplo, para encontrar a relação entre uma variável dependente ou resultado (Y) e um conjunto de variáveis observáveis independentemente (X1, X2, etc.) que causam Y. Como regra, todas as variáveis independentes são amplamente consideradas como causalmente independentes umas das outras, o que na vida real muitas vezes não é o caso. É aí que a modelagem quântica auxilia. Ela utiliza uma variedade de métodos matemáticos não apenas para avaliar as relações entre o resultado (Y) e as causas (Xs), mas também para explicar os agrupamentos de causas — todos os pares, trios e conjuntos de variáveis X entrelaçadas que melhor explicam a variável dependente. A modelagem quântica busca as melhores maneiras de explicar o resultado quando várias causas se entrelaçam; sua força está em modelar uma vasta gama de combinações de causas. A revolução quântica tem enormes implicações na forma como tomamos decisões no futuro. Aqui, demonstramos, por meio de três problemas comerciais típicos, como a modelagem quântica está sendo aplicada a problemas estratégicos complexos usando tecnologia de computação convencional. Problema 1: Otimização da logística Uma operadora global de frete e cadeia de suprimentos, que chamaremos de K-Logistics, enfrentou um problema estratégico complexo. Ela desejava investigar rotas alternativas de abastecimento em termos do custo total de sua logística de ponta a ponta, que estava se tornando cada vez mais imprevisível devido ao aumento dos preços dos combustíveis, ao endurecimento das regulamentações de emissões e a um ambiente geopolítico volátil. As ferramentas tradicionais de planejamento da pesquisa operacional, como a programação linear inteira, não estavam à altura da tarefa de lidar com as complexas interdependências das variáveis envolvidas. Como a computação quântica ajudou Liam, o diretor de tecnologia, decidiu reformular o problema do custo total em termos quânticos, considerando o custo como um conjunto de resultados dinâmicos envolvendo múltiplas variáveis interdependentes avaliadas simultaneamente. Aplicando uma ferramenta chamada recozimento quântico, ele identificou uma rota recomendada que era mais econômica do que as recomendações geradas pelos modelos operacionais tradicionais. Como Liam explicou: “O modelo tradicional nos levava a comparar o custo de duas rotas de transporte aparentemente semelhantes entre o Leste Asiático e a Europa. No entanto, o simulador de lógica quântica (annealing quântico) que desenvolvemos em parceria com um fornecedor de software especializado identificou uma rota diferente como a ideal, considerando simultaneamente o trajeto, o tempo, os custos de combustível e suas consequências a jusante. O simulador imitou a superposição, permitindo-nos explorar realidades sobrepostas.” Problema 2: Avaliação da eficácia dos medicamentos Marta é diretora de previsão estratégica em uma empresa farmacêutica global que chamaremos de Telara Pharma. O desafio complexo da empresa envolvia analisar dados de campo para avaliar a eficácia dos medicamentos em termos de taxa de absorção, com o objetivo de priorizar investimentos em pesquisa clínica e desenvolvimento. Como Marta explicou: “Nossos procedimentos tradicionais de modelagem para avaliar a taxa de absorção pressupunham variáveis independentes bem definidas. Mas, em testes de medicamentos, tudo está interligado. A taxa de absorção é afetada pelo grupo-alvo de pacientes, que interage com outras variáveis, como o local do teste, diferentes níveis de dosagem e quando o medicamento é tomado.” Como a computação quântica ajudou A Telara Pharma estabeleceu uma parceria com um laboratório acelerador de inovação empresarial-universitário e implementou a modelagem quântica para análise de dados, a fim de avaliar simultaneamente muitas combinações variáveis possíveis. Como Marta nos informou: “Para melhorar a taxa de absorção utilizando um modelo tradicional, teríamos recalculado esses impactos matematicamente, um por um, por exemplo, diferentes dosagens ou ingestões em diferentes momentos do dia. O simulador de raciocínio quântico, redes bayesianas quânticas, nos permitiu avaliar os efeitos em cascata de dezenas de interdependências a partir de uma série de opções condicionais. Isso nos ajudou a analisar a taxa de absorção de um medicamento de forma muito mais eficaz.” Ela concluiu: “Adotar a modelagem quântica para testar a eficácia dos medicamentos significa abandonar as tradicionais árvores de decisão rígidas e lineares. Isso envolve aceitar a ambiguidade, manter vários resultados possíveis em tensão e reconhecer que as decisões em uma parte do sistema afetam todas as outras. Essas são as características do entrelaçamento nos ambientes estratégicos modernos.” Problema 3: Fortalecimento da modelagem de risco Uma empresa de serviços financeiros especializada em detecção de riscos e fraudes, que denominamos Zentrix Capital, se viu diante de um problema complexo. A empresa desejava diminuir a incidência de atividades fraudulentas para os clientes e detectar novas tendências de fraude em ambientes de transações de alto volume. A análise usual estava se mostrando insuficiente. Os modelos tradicionais tratavam variáveis como tamanho da transação, frequência de acesso à conta, local de acesso, idade da conta e perfil do cliente como independentes. Isso muitas vezes obscurecia as inter-relações sutis e complexas que sustentam o comportamento fraudulento — por exemplo, a frequência de acesso a uma conta está frequentemente relacionada ao local onde a conta está localizada. Como a tecnologia quântica auxiliou A equipe sênior, liderada por Gustavo, cientista-chefe de dados da empresa, aplicou um algoritmo de seleção de características quânticas variacionais, utilizando simuladores quânticos em computação tradicional. A abordagem inspirada na mecânica quântica permitiu que a interação de múltiplas variáveis, tais como tamanho da transação, frequência, localização, idade da conta e perfil do cliente, fosse considerada simultaneamente. Como Gustavo nos informou: “Estabelecemos uma parceria com uma universidade local para examinar um caso envolvendo uma série de pequenas transações internacionais originadas de contas inativas. Tradicionalmente, avaliaríamos variáveis como frequência de transações ou atividade da conta, uma de cada vez. No entanto, o modelo de lógica quântica considerou combinações como valor da transação com atividade do cliente (novo login no dispositivo, redefinição recente de senha) e outras anomalias no nível da rede, tudo de uma só vez. Isso não nos obrigou a decidir antecipadamente quais variáveis eram mais importantes.” Ele explicou que os resultados obtidos por meio da modelagem quântica detectaram um novo tipo de fraude de identidade sintética que teria passado despercebido pelos protocolos de proteção convencionais. Gustavo concluiu: “A modelagem quântica ajudou a revelar combinações variáveis que não havíamos considerado anteriormente, avaliando vários padrões interdependentes simultaneamente, em vez de isolar as variáveis uma por uma.” Seu futuro na modelagem quântica Muitos executivos ouvem “quântico” e pensam em criptografia, resiliência cibernética ou laboratórios de física — não em estratégia. No entanto, a modelagem quântica não requer um computador quântico, um doutorado ou um laboratório. Ela começa com a mudança na forma como sua organização pensa sobre a incerteza. Comece pequeno e aprenda rapidamente. Escolha uma área complexa e de alto risco em que a análise convencional falha — uma interrupção na cadeia de suprimentos, uma previsão regulatória ou uma situação de risco. Trate isso como um piloto. O objetivo inicial não é substituir suas ferramentas atuais, mas observar como as variáveis interdependentes se comportam quando analisadas em conjunto, em vez de uma após a outra. Foi exatamente assim que o HSBC abordou a modelagem quântica: em vez de reconstruir todo o seu sistema de negociação de títulos, o banco isolou um submodelo volátil e o executou em um simulador inspirado na quântica. O resultado — um ganho de desempenho de 30% — não veio de mais dados, mas de modelar as relações entre os pontos de dados de maneira diferente. A Telara Pharma fez o mesmo com as taxas de absorção de compostos, a K-Logistics com rotas de transporte e a Zentrix com detecção de fraudes. Cada uma delas começou com um subconjunto pequeno e volátil do sistema para explorar interdependências complexas onde os modelos tradicionais falhavam. Faça parcerias antes de investir. A maioria dos avanços nessa área vem da colaboração, e não da experimentação individual. O HSBC, por exemplo, uniu forças com a IBM para acessar conhecimentos especializados e ferramentas de simulação inspiradas na computação quântica sem se comprometer com grandes custos de infraestrutura. Essa parceria permitiu ao banco testar suas ideias rapidamente, aprender com os resultados e ampliar o que funcionou. No entanto, os grandes fornecedores de tecnologia não são a única opção. Assim como a K-Logistics fez, você pode contratar empresas de análise boutique; ou seguir o caminho da Telara Pharma, trabalhando com laboratórios de inovação empresariais-universitários; ou adotar a abordagem da Zentrix, fazendo parceria com spin-offs universitárias que já estão testando simuladores quânticos em infraestruturas clássicas. Desenvolva conhecimentos sobre quantum. Assim como os líderes tiveram que aprender ciência de dados há uma década, os líderes de amanhã precisarão ter fluência em raciocínio quântico, ou seja, compreender o entrelaçamento, o pensamento probabilístico e a otimização dinâmica. A experiência do HSBC não se tratava tanto de adotar novas tecnologias, mas sim de desenvolver conhecimentos sobre quantum, desenvolvendo a capacidade de pensar em termos de probabilidades conectadas e em evolução. A Telara Pharma, a K-Logistics e a Zentrix utilizaram seus projetos-piloto não apenas para obter resultados, mas também para desenvolver fluência interna em conceitos quânticos. Portanto, monte uma equipe multifuncional de estrategistas, cientistas de dados e líderes operacionais para interpretar juntos os resultados divergentes da modelagem quântica. O verdadeiro valor não está na novidade do método em si, mas em aprender juntos e descobrir insights que as ferramentas tradicionais consistentemente deixam passar. . . . Desenvolva fluência quântica agora e estará mais bem preparado para lidar com os problemas complexos do futuro que a lógica convencional simplesmente não consegue resolver. As empresas que dominarem o pensamento quântico antecipadamente moldarão a próxima década. As demais ficarão para trás, tentando alcançá-las.

O pensamento quântico pode auxiliá-lo a resolver desafios estratégicos complexos

Resumo.

Partner Center