*Por Felippe Galeb, Chief Product Officer & Head of Businesses da Olist
Metade das empresas brasileiras já usa inteligência artificial, segundo pesquisa da Strand Partners encomendada pela AWS e apresentada neste mês no AWS Summit São Paulo. Mas apenas 33% dizem confiar na própria capacidade de medir o retorno desse investimento, e só 28% têm uma metodologia formal para isso. O dado mais curioso, porém, está em outro ponto: 64% das empresas acompanham a economia de tempo ou custo, enquanto apenas 38% olham para receita atribuível à IA e 30% para o resultado entregue ao cliente. Ou seja, a maioria já mede alguma coisa. E, mesmo assim, não confia no número que tem nas mãos.
Por que economizar tempo não significa necessariamente ter retorno?
Minha leitura é que existem dois problemas por trás desse desconforto. O primeiro é que o mercado se acostumou a traduzir o retorno da IA quase exclusivamente em horas economizadas, quando essa é apenas uma das frentes, e nem sempre a mais relevante. O segundo é mais sutil: hora economizada, por si só, ainda não é retorno.
Se um processo que levava uma hora passa a levar um minuto, a empresa ganhou capacidade. Mas a capacidade vira resultado quando alguém decide o que fazer com ela. Ou o tempo liberado vai para a produção de outra coisa, como vender mais, atender melhor ou desenvolver um produto novo, ou ele sai da estrutura de custos. Se nenhuma das duas coisas acontece, a hora se dissolve na rotina e é absorvida pela próxima urgência. A empresa comprou eficiência, mas não colheu retorno.
Como estabelecer uma linha de base para medir o ROI da IA?
Existe ainda uma armadilha anterior a essa. Não dá para medir o ganho de um processo que nunca foi medido. Quem não sabia quanto tempo a conciliação financeira levava antes da IA não consegue provar quanto ganhou depois. Por isso acredito que boa parte do problema de ROI da IA é, na verdade, um problema de linha de base. E ele é especialmente comum nas PMEs, onde muitos processos vivem na cabeça do dono ou em uma planilha que ninguém cronometra.
Esse diagnóstico pode começar de forma simples: identificar quais atividades consomem mais tempo, quanto custam e quais resultados entregam hoje. Não é necessário criar uma estrutura complexa de indicadores desde o início. O importante é estabelecer um ponto de comparação que permita entender se a IA está, de fato, melhorando a operação.
Com base em minha observação, principalmente em empresas que comercializam software B2B, é possível observar esse retorno em diferentes frentes, e cada uma pede uma régua própria.
Quais resultados a inteligência artificial pode gerar nas empresas?
A primeira é a IA oferecida aos clientes dentro do produto. Tenho visto que PMEs têm construído fluxos agênticos para automatizar tarefas que antes eram puramente operacionais. Em um dos casos, uma atividade que tomava uma hora por dia passou a acontecer de forma instantânea. Para o cliente, a conta é direta, desde que essa hora seja realocada. Do outro lado da operação, clientes que usam IA no produto se engajam mais e cancelam menos. Nenhuma dessas métricas é medida em horas.
A segunda é a IA aplicada aos próprios processos das empresas. Muitas já migraram todo o primeiro nível de atendimento para a IA, que resolve uma parcela significativa dos casos sem intervenção humana. Aqui o retorno é custo evitado, a estrutura de pessoas que precisaríamos ter para absorver esse volume.
A terceira é a IA como alavanca de construção de software. O desenvolvimento ficou muito mais ágil e o outcome de cada desenvolvedor foi multiplicado.
Como avaliar o custo da IA em relação aos resultados?
Retenção, conversão, custo evitado, velocidade de entrega. São retornos de naturezas diferentes, mas todos precisam ser colocados contra o mesmo outro lado da conta: o custo da IA, em tokens, plataformas e integrações. E aqui está, para mim, a mudança de mentalidade mais importante. Tokens deveriam ser tratados como qualquer alocação de capital dentro de uma empresa. Ninguém aprova um investimento em estoque, mídia ou contratação sem perguntar o que espera receber de volta. Com IA, muitas empresas ainda consomem como se fosse uma assinatura de software, um custo que se justifica pela presença, e não pelo resultado. Só que o custo de IA é variável e cresce com o uso. Cada frente em que ele é aplicado precisa de uma tese de retorno por trás.
Para as PMEs, essa disciplina pesa ainda mais, porque a margem de erro é menor. Uma hora por dia de um analista soma mais de 20 horas por mês em equipes que muitas vezes têm poucas pessoas. É um ganho enorme, desde que o empreendedor saiba o quanto isso custava antes e decida para onde esse tempo vai.
Talvez por isso só um terço das empresas confie no próprio ROI de IA. Antes de olhar para o ganho, é preciso saber quanto aquele processo custava, quanto está sendo gasto para automatizá-lo e, principalmente, o que será feito com o tempo que ficou disponível. Economizar uma hora é um ganho. O retorno aparece quando essa hora passa a ter outro valor dentro do negócio.
O post Medir o retorno da IA é um dos novos desafios das empresas apareceu primeiro em Startups.