Ao liberar equipes de tarefas repetitivas, a automação de processos com IA vem consolidando a transformação digital nas empresas, à medida que reduz custos e aumenta a produtividade.
Mas não basta instalar ferramentas para alcançar bons resultados com a tecnologia, como alerta Adriano Silveira, fundador da Flap Tecnologia. Em conversa com o InfoMoney, o especialista falou sobre a importância de cumprir algumas etapas antes – e tudo começa por conhecer realmente os problemas e a estrutura que a empresa tem para resolvê-los.
A partir de sua experiência, Adriano abordou cinco pontos que considera essenciais para ter sucesso com a IA nos processos, como veremos a seguir.
1 – Pensar no problema antes da tecnologia
Para Adriano, o maior erro das empresas ao adotar inteligência artificial é começar pela ferramenta e não pelo problema.
“Antes de pensar em IA, eu preciso saber qual é a dor do cliente ou da empresa, e em qual ponteiro devo mexer, pois tem coisa que dói mas não muda nada no resultado. Ou seja, se não virar o jogo, não faz sentido gastar energia”
Como exemplo, o especialista cita uma equipe de vendas com dificuldade na fase de qualificação de leads:
“Se eu consigo reduzir o ciclo de fechamento de um negócio de 10 para 7 dias, ganho produtividade sem precisar aumentar a equipe. Isso mexe no ponteiro certo”, avalia.
Continua depois da publicidade
2 – Mapear os processos
Identificado o problema e o que pode mudar, é hora de mapear os processos como eles realmente são – e não como o gestor gostaria que fossem – e da forma mais detalhada possível, orienta Adriano.
“Aqui, é o micro que interessa. Tipo ‘o cliente preenche um formulário na landing page, depois cai no pipeline de vendas, depois acontece tal ação’ … é literalmente o fluxograma de todas as entradas”, explica.
Para o especialista, embora existam boas metodologias de mapeamento (como o BPMN – Modelo de processo de negócios e notação), o mais importante é não complicar.
Continua depois da publicidade
“Se você simplesmente colar post-its na parede e for mapeando, já vai enxergar uma série de pontos que poderiam ser automatizados”, diz.
3 – Definir prioridades
Para essa etapa, Adriano recomenda o uso do ICE Score, um framework que considera três variáveis: impacto, confiança e esforço de implementação.
“Se uma solução tem alto impacto, alta confiança de que vai funcionar e exige esforço baixo, ela deve entrar na frente. Já se o impacto é grande, mas o esforço é alto e o retorno é incerto, é melhor tirar da lista”
Na visão do especialista, essa lógica ajuda as empresas na identificação rápida de processos de automação que tragam resultado real, sem desperdiçar energia com iniciativas de alto custo e baixa efetividade.
Continua depois da publicidade
4 – Selecionar a tecnologia que faz sentido
Aqui, alerta Adriano, o fundamental é considerar o nível de maturidade da empresa e da equipe.
Veja alguns exemplos de tecnologias e IAs que operam de acordo com cada uma:
RPA (automação de processos robóticos)
Tecnologia indicada para tarefas repetitivas e baseadas em regras claras, como preencher formulários ou gerar relatórios padronizados. Em outras palavras, são basicamente “robôs imitando humanos”, diz Adriano.
Continua depois da publicidade
Exemplo: o departamento financeiro pode automatizar a conciliação bancária ou a emissão de notas fiscais.
IAs que podem apoiar esse tipo de fluxo: PRISM AZULAssim, Uipath e Automação em qualquer lugarque possuem pacotes prontos de RPA para empresas de diferentes portes.
Aprendizado de máquina
O machine learning entra quando o processo envolve análise de dados, classificação de informações ou previsões. É mais elaborado do que o RPA, pois aprende com padrões em vez de seguir regras fixas.
Continua depois da publicidade
“Quando a dor já está clara, o processo foi mapeado e eu sei qual ponteiro quero mexer, aí faz sentido usar uma IA desse tipo para analisar, prever e tomar decisões adaptativas”, avalia Adriano.
Exemplos: prever taxas de cancelamento de clientes (batedor), classificar leads por potencial de negócios ou detectar fraudes em transações.
IAs que se pode usar nesse contexto: Pytegroch (Meta), Tensorflow (Google), Microsoft Azure ML e Amazon Sagemaker.
Soluções prontas (SaaS/CRMs com IA)
Para quem está começando ou não tem equipe madura em tecnologia, as soluções prontas podem ser um caminho, segundo Adriano.
“Vale pagar um curso para o analista de marketing aprender a usar o Zapier, que conecta aplicativos sem exigir programação. Ou partir para plataformas que já vêm com IA integrada, como chatbots e CRMs inteligentes”, diz.
Exemplos: integrar campanhas de marketing com o CRM, automatizar o envio de e-mails personalizados ou usar chatbots para atendimento básico ao cliente.
IAs que podem ser utilizadas: Zapier e Fazer (para integrações rápidas), HubSpot e Salesforce Einstein (CRM com IA embutida), Chatgpt e FLOOG DA DIALOGS (para conversas automatizadas.
5 -Treinar a IA e acompanhar de perto os resultados
Por fim, para treinar a IA, é preciso aprender a fazer bons prompts e estruturar uma base de conhecimento sólida – e a metodologia RAG (Geração aumentada de recuperação) pode ajudar muito nesse aspecto, segundo Adriano.
Na prática, o RAG dá para a IA uma biblioteca organizada com todo o material da empresa – textos, manuais, relatórios e assim por diante. Quando alguém faz uma pergunta, a IA usa as informações desses arquivos para montar a resposta, minimizando as chances de alucinações.
Mas não basta fazer toda essa configuração uma vez só e esquecer, pois a inteligência artificial evolui (e envelhece) muito rápido, alerta o especialista. Na prática, isso significa adotar uma rotina de acompanhamento.
“É quase uma tarefa diária analisar como a IA está agindo e fazer ajustes, para que ela continue entregando valor”, conclui o especialista.
Fonte ==> Exame
