IA e ferramentas: o limite da transformação nas empresas

O problema do software nas empresas

Benedict Evans parte do retrato da grande empresa americana típica: centenas ou milhares de peças de software, de sistemas horizontais como SAP e Workday a centenas de aplicativos SaaS verticais, além de fluxos de trabalho, scripts, automações e planilhas - muitas vezes sem que a própria empresa saiba o que possui, o que está em uso e o que está pagando. E, ainda assim, a empresa está cheia de tarefas repetitivas.

É tentador imaginar que a IA vai varrer tudo isso. Como a IA permite criar ferramentas em minutos, sem ser engenheiro e sem escrever código, o software poderia se tornar dinâmico, generativo e espontâneo, automatizando muito mais tarefas com muito menos software. Evans argumenta que essa visão, comum no Vale do Silício, erra ao malinterpretar de onde vem o software, como as pessoas o usam e como as empresas mudam.

Por que a facilidade de criar ferramentas não resolve

Primeiro, a maioria das pessoas não é construtora de ferramentas: um bom advogado de direito de família pensa nos casos e nos clientes, não em como melhorar o software de descoberta jurídica. Produtos como Excel tentam contornar isso com modelos e assistentes, mas cada modelo acabou virando uma empresa - o mesmo vale, para Evans, para coisas como o Claude for X: ajudam, mas não são a resposta.

O problema mais profundo é que a maior parte do que foi automatizado nas últimas décadas não era óbvio, nem tinha solução óbvia, mesmo para quem constrói ferramentas. Muitas vezes o problema está embutido em outra coisa, e a forma certa de resolvê-lo exige redefini-lo ou desagregá-lo - várias empresas de software bem-sucedidas tiveram meia dúzia de tentativas fracassadas antes. Nada disso é resolvido tornando mais fácil escrever código: o difícil é saber que se precisa de uma ferramenta e saber o que ela deve fazer.

E, mesmo superado isso, é preciso fazer todos os demais usarem: muitos fluxos tocam 50 ou 500 pessoas, cinco departamentos, três sistemas de registro e quatro regimes regulatórios. Isso exige compra, decisão e um processo de vendas que pode levar 18 meses.

Institucionalizado vs. improvisado

Evans propõe pensar o software num espectro do institucionalizado ao improvisado. Tarefas recorrentes ficam em ferramentas dedicadas como SAP, Carta ou Rippling, com processos definidos por muitas pessoas. Casos de borda e exceções vivem num espaço difuso e improvisado de Excel, e-mail, pastas compartilhadas, Tableau, PowerPoint, CSVs e PDFs. Quando uma tarefa improvisada se torna frequente, importante e ligada a receita e risco, a empresa precisa institucionalizá-la - auditoria, segurança, manutenção, prestação de contas. Esse fluxo contínuo de agrupar e desagregar explica por que a empresa tem centenas de aplicativos.

A transição ao SaaS seguiu o mesmo padrão e eliminou incumbentes que não conseguiram saltar (a verdadeira razão da 'SaaSpocalypse'). Carta, por exemplo, é uma empresa de US$ 4 bilhões que gerencia uma planilha do CFO. A IA percorre todo esse espectro: expande aplicativos existentes, cria novos aplicativos verticais e faz do próprio chatbot um novo espaço livre, ao lado do Excel e do e-mail, que ganha e perde tarefas para os demais. A IA não muda a pergunta - cria novas escolhas e desloca os limiares.

O que os pilotos mostram

Evans vê isso na experiência de três anos de implantação de IA corporativa: toda grande empresa deu Copilot (ou ChatGPT ou Claude) a todos, uma minoria usa muito (alguns ganhando produtividade), uma parcela usa algumas vezes por semana e muita gente não usa. Isso é, em parte, gestão de mudança e treinamento, mas é sobretudo o mesmo problema de dar um PC com Lotus 123 em 1983 ou um navegador em 1997: não foi assim que se transformou o processamento de faturas ou a gestão da cadeia de suprimentos.

Os pilotos seguem a lógica antiga de CIO (casos de uso, quick wins, resultados mensuráveis), e cerca de metade funciona, como é normal. Mas o CEO e o conselho perguntam por que dar ferramentas a todos não escala - quando transformar a empresa em torno de uma tecnologia geracional nunca se deu por aí. Evans propõe três perguntas para cada tecnologia transformadora: como comprar, construir e implantar; até onde muda as operações; e se cria novas pressões competitivas ou ameaça existencial. Essas perguntas não se respondem distribuindo o Claude for X - e alimentam muitos novos pitches de consultorias, das 'deploycos' dos grandes labs à Accenture, às Big Four e ao McKinsey.

A conclusão

Com cada nova tecnologia, começa-se usando-a para o trabalho que já existe, mais e mais rápido; mas, com cada mudança de plataforma anterior, o que realmente importou foi o que nem era possível antes e ninguém imaginava. Evans sustenta que a IA será usada para automatizar amplas classes de tarefas dentro de fluxos e empresas existentes - embora isso exigirá muito mais trabalho do que simplesmente dar um modelo a todos.