Processos de design para evoluir com a tecnologia emergente

Durante décadas, as empresas ficaram presas em um ciclo de mudanças dolorosas e esporádicas, lançando projetos de reengenharia em grande escala e investindo em novos sistemas de TI, apenas para descobrir que o metabolismo fundamental de suas organizações continuava lento. Os imensos custos de transação — o atrito de coordenar pessoas, gerenciar informações e alinhar trabalhos complexos — tornaram a transformação profunda e contínua proibitivamente cara e arriscada. De acordo com nossa recente análise não publicada, mais de quatro em cada dez horas de trabalho estão relacionadas a essas transações dentro dos processos de negócios. Agora, uma nova estrutura para reinvenção está pronta para reduzir esses custos, combinando três forças: 1) visibilidade radical do processo, 2) experimentação de baixo risco dentro de um gêmeo digital e 3) execução autônoma impulsionada por agentes de IA. Juntas, elas transformam a reinvenção do processo de um projeto disruptivo em uma capacidade central contínua. Esse futuro está se desenrolando agora. Em uma pesquisa realizada em 2025 com mais de 3.000 líderes executivos, quase 9 em cada 10 (87%) concordaram que a IA agênica está inaugurando uma nova era de transformação de processos. Dois em cada dez (20%) desses líderes já relatam que suas organizações estão redesenhando processos com a IA no centro. No entanto, quase três em cada dez (29%) desses líderes estão adotando uma abordagem incremental, melhorando os processos existentes com a IA passo a passo. Enquanto isso, os líderes do setor estão construindo as bases de um novo modelo operacional que torna a reinvenção contínua prática e oferece um roteiro para um design de processos verdadeiramente evolutivo. Visibilidade radical O modelo mental da administração de um processo muitas vezes simplifica excessivamente a realidade. Por exemplo, um único processo de contas a pagar na área da saúde pode ter milhões e milhões de pontos de contato que nenhum gerente poderia compreender. Qualquer iniciativa de melhoria baseada em um modelo falho inevitavelmente resolve o problema errado — daí a alta taxa de insucesso dos programas de transformação tradicionais. É por isso que o primeiro passo essencial na reinvenção de processos é codificar as operações em um modelo dinâmico e computável: um plano atualizado e em tempo real de como o trabalho realmente acontece. Alcançar esse nível de visibilidade do processo se torna o catalisador crítico para todas as transformações subsequentes, estabelecendo as bases para a construção de um gêmeo digital. Considere o desejo da empresa de mineração Boliden de otimizar o controle do processo de moagem de cobre em sua mina de Aitik, na Suécia. A moagem desempenha um papel fundamental na extração de metais valiosos de depósitos minerais e continua sendo o principal gargalo operacional da planta. Mesmo pequenas melhorias na produtividade e na estabilidade do processo podem gerar grandes ganhos financeiros. Em parceria com a gigante multinacional ABB, a empresa criou um modelo altamente preciso da situação atual — na prática, uma planta virtual. Eles o codificaram criando uma cópia direta do processo real do sistema de controle distribuído (DCS) da planta, incluindo sua lógica personalizada para garantir uma replicação realista da camada base de controle. Este modelo de sistema de controle foi então conectado a uma simulação de processo que hospedava a dinâmica do processo da fábrica física. As “pegadas digitais” analisadas foram os protocolos de comunicação em tempo real que compartilhavam dados entre a camada de controle base e a simulação do processo, refletindo o fluxo de dados real da fábrica física. Esse modelo computável, com sua visibilidade radical do processo, proporcionou o ambiente não disruptivo de um gêmeo digital necessário para testar novas estratégias de controle em relação ao estado atual. O próprio ato de construir o novo modelo forçou a empresa a reconhecer que seu modelo antigo não representava mais com precisão o estado atual do processo. Como apontam os executivos da ABB e da Boliden, “É fundamental ter uma simulação que descreva o estado atual do processo. Encontrar e implementar esse tipo de informação é uma parte essencial da configuração de um ambiente virtual para o desenvolvimento de controles”. Experimentação contínua no gêmeo digital A melhoria contínua requer experimentação contínua. Durante a era das pontocom no final da década de 1990, por exemplo, o surgimento de testes A/B simples transformou a tomada de decisões, substituindo a intuição executiva por evidências. Em vez de adivinhar qual design funcionava melhor, as empresas mostravam diferentes versões de designs de sites para grupos aleatórios de usuários e deixavam que métricas como cliques e compras decidissem. Em 2012, um engenheiro teve uma ideia simples de tornar os títulos dos anúncios mais longos, combinando duas linhas de texto. Os executivos rejeitaram a ideia até que um teste A/B provou que ela aumentaria a receita em 12%. A experimentação dentro de um gêmeo digital estende esse princípio ao núcleo das operações de uma empresa. As organizações podem simular e validar processos totalmente novos a partir do zero em um ambiente simulado sem riscos, que pressupõe que os agentes de IA cuidarão da coordenação. Essa capacidade substitui mudanças episódicas e de alto risco nos processos por um ciclo contínuo e de baixo risco de reinvenção. A “Fábrica Virtual” do Grupo BMW ilustra essa mudança. A empresa construiu um gêmeo digital completo de suas fábricas, conectando dados de construção, dados de equipamentos, informações logísticas e até simulações 3D de processos manuais de trabalho humano. Esse gêmeo virtual também simulará avatares de trabalhadores humanos pegando peças e ferramentas e montando componentes, a fim de encontrar o melhor procedimento, minimizar problemas ergonômicos e identificar o número ideal de trabalhadores para cada tarefa. Os engenheiros agora podem simular e validar a integração de novos modelos de veículos virtualmente, reduzindo um processo de validação física de quatro semanas, que era dispendioso, para um processo de três dias. Olhando para o futuro, espera-se que a Fábrica Virtual do Grupo BMW reduza os custos de planejamento de produção em até 30%. O processo de validação anterior da BMW para um novo modelo de veículo exigia o manuseio manual de uma carroceria física pela linha de produção durante vários fins de semana. Na oficina de pintura, esse processo podia exigir a drenagem e limpeza de tanques inteiros de revestimento por imersão, gerando custos elevados e tempo de inatividade na produção. O novo processo de validação permite que os planejadores executem cenários simulados, como otimizar layouts de linha para novos modelos em um ambiente virtual, sem gerar disrupção na produção ao vivo. A Unilever aplica a mesma abordagem à embalagem sustentável em sua fábrica em Tinsukia, na Índia. Seu gêmeo digital de melhoria simula virtualmente novos materiais de embalagem, reduzindo o tempo de teste em 84% e aumentando o número de experimentos de dois para trinta por ano. Ao simular, testar e monitorar virtualmente o desempenho de novos materiais de embalagem, as equipes podem identificar as opções mais promissoras antes de se comprometerem com a produção física, acelerando o progresso em direção às metas de sustentabilidade da empresa. Os benefícios de trabalhar com gêmeos digitais vão além da economia direta de custos e tempo. Para a BMW, acelerar o ciclo de validação, de quatro semanas para três dias, apoia o planejamento de mais de 40 modelos de veículos novos ou atualizados em sua rede global até 2027. Para a Unilever, aumentar seu volume de experimentos de duas para trinta tentativas por ano impulsiona diretamente os objetivos estratégicos de sustentabilidade: a unidade de Tinsukia já alcançou uma redução de 21% no uso de plástico virgem. Execução e adaptação orientadas por agentes Atualmente, cerca de um terço das tarefas de processo podem ser fundamentalmente reinventadas por meio do uso eficaz de agentes, de acordo com nossa análise econômica. Os gerentes agora têm uma visibilidade sem precedentes de suas operações e podem usar gêmeos digitais para simular como as intervenções do agente de IA podem funcionar na prática. Esses ambientes virtuais fornecem sandboxes de baixo risco nas quais os agentes de IA podem calibrar e evoluir os processos e, em seguida, fazer a transição para operações ao vivo com desempenho comprovado. Uma vez implantados, esses agentes orquestram processos complexos em tempo real, reduzindo drasticamente os custos de transação que há muito restringem a agilidade empresarial. O sistema de direção totalmente autônomo da Waymo oferece um vislumbre desse futuro. O processo central da empresa — navegar um veículo com segurança e eficiência por ambientes urbanos complexos, dinâmicos e imprevisíveis — ilustra como a execução orientada por agentes evolui por meio da validação no mundo real nas ruas da cidade, em vez de modelagem abstrata. Essa tarefa é um dos desafios mais formidáveis da inteligência artificial: o sistema deve interpretar o ambiente ao seu redor, prever como os outros usuários da via se comportarão e agir de acordo em milissegundos. O agente deve interagir com segurança com inúmeros outros fatores não controlados — motoristas humanos, pedestres, ciclistas e muito mais em um ambiente infinitamente variável — e antecipar as trajetórias futuras prováveis de todos os outros usuários da estrada para tomar decisões de direção proativas, defensivas e socialmente inteligentes. A Waymo treina seu sistema com bilhões de quilômetros de dados de direção do mundo real, incluindo mais de 160 mil quilômetros de direção humana especializada em ambientes urbanos complexos. Isso permite que a IA estabeleça uma base sólida e semelhante à humana para navegar em cenários comuns de direção com consistência, previsibilidade e consciência social. No entanto, os dados do mundo real são inerentemente escassos quando se trata de eventos de segurança raros, mas críticos. Para preencher essa lacuna, a Waymo emprega o aprendizado por reforço em um ambiente de simulação massivo e de alta fidelidade. Neste mundo virtual, os agentes enfrentam e resolvem repetidamente milhões de cenários desafiadores e perigosos — carros que ignoram semáforos vermelhos, pedestres que entram repentinamente na rua — que seriam impossíveis e inseguros de praticar na realidade. Esse ciclo contínuo de experimentação com dados do mundo real e experiência simulada permite que o sistema lide com uma gama mais ampla de cenários com maior confiabilidade ao longo do tempo. A programação do carro vai muito além de seguir regras estáticas de trânsito. Ela está desenvolvendo e refinando um processo capaz de responder de forma inteligente às complexidades do mundo real, utilizando um conjunto avançado de recursos (lidar, radar, câmeras e receptores de áudio externos) para perceber o ambiente dinâmico e os usuários da estrada, prever seu comportamento e planejar e navegar uma viagem de A a B em tempo real. Com os avanços em grandes modelos de linguagem (LLMs) e modelos de visão-linguagem (VLMs), os modelos de IA de última geração da Waymo combinarão a experiência de direção da Waymo e os avanços em IA agênica específica para veículos autônomos com o “conhecimento do mundo” e as capacidades de raciocínio dos LLMs/VLMs para criar modelos especificamente aplicáveis ao contexto da direção. Incorporar esse nível de agilidade diretamente nas operações ativas de uma empresa requer agentes de IA autônomos com capacidade para executar, gerenciar e adaptar fluxos de trabalho inteiros. Trata-se de um salto significativo além da simples automação de processos robóticos (RPA), que normalmente se concentra em tarefas discretas e repetitivas. Agentes de IA avançados podem coordenar processos de várias etapas que envolvem julgamento profissional e gerenciar transferências entre sistemas e pessoas. Ao automatizar essas camadas de coordenação, as empresas podem reduzir significativamente os custos de transação de coordenação que há muito tempo impedem a agilidade empresarial e acelerar a adoção de processos redesenhados do zero para novas capacidades técnicas e comportamentos humanos. Longe de tornar os seres humanos obsoletos, esses modelos orientados por agentes elevam sua contribuição. À medida que a IA coordena e executa fluxos de trabalho complexos, os funcionários se concentram em funções novas e mais valiosas. Embora a IA possa mapear fluxos de trabalho explícitos, ela não consegue capturar todo o conhecimento contextual profundo e não escrito que os funcionários experientes possuem, como o conhecimento tácito dos trabalhadores da BMW sobre a estética implícita da montadora. À medida que os processos se tornam cada vez mais automatizados e autoadaptáveis, os funcionários se tornam administradores de processos que garantem que as operações orientadas por agentes estejam alinhadas com os padrões éticos, as obrigações regulatórias e os objetivos estratégicos da empresa. . . . Líderes do setor, como ABB, BMW, Unilever e Waymo, demonstram que a visão de uma empresa em constante evolução e orientada por agentes não é um futuro distante, mas uma realidade emergente. Para os executivos, o objetivo não é mais gerenciar mudanças incrementais no sentido tradicional e episódico, mas institucionalizar um ciclo contínuo de redesenho de processos a partir do zero. Isso requer a construção de um sistema evolutivo em que a inovação de processos se torne uma capacidade organizacional central, em vez de uma disrupção periódica. À medida que as máquinas lidam com a coordenação, as organizações mais bem-sucedidas redesenharão funções e elevarão capacidades distintamente humanas, como resolução criativa de problemas, julgamento inovador, supervisão ética e direção estratégica para orientar os sistemas que cada vez mais conduzem suas operações. Quando os processos se tornam transparentes, testáveis e adaptáveis, as empresas ganham um ritmo operacional que evolui à medida que as condições mudam. Essa mudança reduz os custos de transação internos, acelera a inovação e alinha a criatividade humana com a precisão impulsionada por máquinas. O resultado é um novo tipo de organização projetada para a reinvenção perpétua e capaz de evoluir seus processos tão rapidamente quanto o mundo ao seu redor.

Processos de design para evoluir com a tecnologia emergente

Resumo.

Partner Center