Como a inteligência artificial pode transformar o desempenho da sua empresa e medi-lo de forma mais eficiente

Como a IA pode melhorar e medir o desempenho da sua empresa de forma mais eficiente

Surpreendentemente, a inteligência artificial (A.I.) frequentemente contraria as suposições tradicionais sobre os impulsionadores de desempenho, lucratividade e crescimento. O uso dessa tecnologia, portanto, ajuda as empresas a transformar seu desempenho e sustentar essa transformação, não apenas acompanhar métricas legadas, tornando a A.I. um fator crítico na medição de desempenho. De acordo com a Pesquisa Executiva Global de A.I. da BCG-MIT 2023 (a Pesquisa), sete em cada dez entrevistados concordam que melhores indicadores-chave de desempenho (KPIs) são cruciais para o sucesso.

Nossos estudos mostram que os líderes em A.I. estão usando dados e tecnologia, como aprendizado de máquina supervisionado e não supervisionado ou aprendizado profundo, para medir e gerenciar KPIs de três maneiras: eles criam novos KPIs com A.I.; eles priorizam os KPIs que importam usando A.I.; e eles melhoram o alinhamento em toda a organização com KPIs compartilhados projetados por A.I.

Criando novos KPIs com A.I.

Apesar de implantar um exército de cientistas de dados, o Google não conseguiu impulsionar o desempenho de um canal digital primário por anos. Embora o Google tenha coletado vastas quantidades de dados, eles não conseguiram identificar exatamente os parâmetros chave para medir, gerenciar e monitorar a fim de melhorar o desempenho das campanhas de clientes. Frustrado por não conseguir usar os dados, análises e talentos para obter resultados significativos, o Google acabou recorrendo à inteligência artificial. Desenvolveu um algoritmo, alimentou-o com todos os dados possíveis e pediu à inteligência artificial que descobrisse como o canal poderia oferecer melhores resultados para os clientes, o que impulsionaria seu desempenho financeiro.

Usando técnicas de aprendizado de máquina não supervisionado, a inteligência artificial identificou conexões, correlações e causas que os engenheiros do Google haviam perdido; classificou a importância de novos indicadores de desempenho; e identificou os mais críticos. Os engenheiros aprenderam com a inteligência artificial que alguns indicadores considerados críticos eram, na realidade, sem importância. A inteligência artificial também sugeriu que outras métricas nas quais a plataforma não havia se concentrado até então estavam entre os principais impulsionadores de desempenho, então o Google começou a se concentrar nelas. Seis meses após a implementação das recomendações da inteligência artificial, as campanhas tiveram uma melhoria de 30 pontos no desempenho.

A capacidade da inteligência artificial de identificar novos indicadores de desempenho relevantes é impressionante. De acordo com a Pesquisa, 34% das empresas já usam inteligência artificial para criar novos indicadores de desempenho e até 90% delas afirmam que seus KPIs melhoraram como resultado. Além disso, as empresas que usam A.I. para criar novos KPIs têm o dobro de chances de melhorar a eficiência com a qual operam. KPIs projetados por A.I. também tornam o desempenho mais previsível; essas empresas dizem ser três vezes mais eficazes na previsão de desempenho futuro do que aquelas que não usam inteligência artificial.

Isso não é verdade apenas para gigantes com conhecimento em tecnologia; a inteligência artificial pode identificar problemas ocultos em empresas pequenas e médias analógicas e encontrar maneiras de rastreá-los e resolvê-los. Por exemplo, uma varejista da América do Sul criou um conjunto de dados composto por séries temporais, entre outras coisas, de demanda, oferta, vendas, armazéns, caminhões, etc. Em seguida, ela usou um modelo de A.I. não supervisionado para desenvolver novos KPIs que ajudaram a otimizar sua logística em nove países. Nos primeiros 90 dias, as recomendações da inteligência artificial levaram a uma redução significativa de 14% nos custos de logística da varejista.

Priorizando KPIs com A.I.

Assim como outros líderes, o DBS Bank, sediado em Singapura, começou a usar a tecnologia para acompanhar métricas convencionais, como os KPIs para funções, pelas quais cada um era responsável por otimizar. No entanto, o banco teve dificuldades para melhorar e os primeiros experimentos se mostraram infrutíferos (embora tenham sido aprendizados para o DBS).

Há três anos, o DBS decidiu adotar o conceito de “jornadas” do consumidor, como a jornada para fornecer um cartão de crédito ou um empréstimo imobiliário, e criou uma torre de controle impulsionada por A.I. para rastrear todas as jornadas. Isso permitiu ao banco identificar os fatores mais cruciais que impulsionavam os resultados desejados em termos de experiência do cliente, lucratividade, experiência do funcionário e nível de risco, e, crucialmente, priorizar sua importância. O DBS tornou os dados visíveis para suas equipes multifuncionais, cujos membros agora tinham interesse em otimizar resultados em todas as quatro categorias. Isso deu ao banco a confiança para tomar todas as decisões com insights impulsionados por A.I. Como resultado, os lucros antes dos impostos do DBS subiram de cerca de US $5 bilhões em 2021 para mais de US $6 bilhões em 2022, e a Euromoney e a Global Finance classificaram-no como um dos melhores bancos do mundo no ano passado.

As indústrias tornaram-se mais complexas e as empresas são maiores, tornou-se crucial priorizar os indicadores-chave de desempenho (KPIs). Uma organização, seus negócios, operações nacionais, equipes e funcionários têm que perseguir múltiplos objetivos, mas a quantidade de KPIs pode se tornar esmagadora para muitos. Utilizar a inteligência artificial (A.I.) para desenvolver um conjunto simplificado de KPIs, ajustado precisamente aos objetivos de desempenho de cada funcionário, ajudará a direcionar os esforços para os objetivos organizacionais que importam.

Os próprios KPIs precisam de indicadores-chave de desempenho. Sua eficácia exige uma avaliação periódica, assim como as empresas avaliam regularmente o desempenho dos funcionários. Desenvolver esses indicadores-chave de desempenho para os KPIs, que ajudarão na simplicidade dos KPIs, auxilia as empresas a antecipar melhor os desafios, otimizar a alocação de recursos e se adaptar mais rapidamente às dinâmicas do mercado. Por exemplo, a Schneider Electric criou um escritório de gestão de desempenho tanto para melhorar seu desempenho quanto as métricas que utiliza.

Alinhando com KPIs compartilhados

A inteligência artificial é bem adequada para descobrir as sobreposições entre os KPIs e resolver os trade-offs e inconsistências resultantes. KPIs compartilhados gerados pela inteligência artificial podem levar a um alinhamento organizacional aprimorado.

No setor de saúde, por exemplo, a redução de internações é importante para redução de custos, mas também um indicador chave de resultado. Em organizações legadas de provedores de saúde, os diretores financeiros (CFOs) gerenciam custos e fluxos de reembolso, enquanto os diretores médicos chefes (CMOs) enfatizam o cuidado de qualidade aos pacientes e sua alta do hospital. A inteligência artificial agora pode analisar dados dos pacientes, identificar as causas raízes de readmissões e sugerir intervenções direcionadas. Utilizando essas informações, CFOs e CMOs podem compartilhar um KPI de “taxa de readmissão de pacientes” (quanto menor, melhor) ao identificar as causas raízes e prever intervenções para melhorar simultaneamente os resultados e reduzir custos. Esse KPI compartilhado promove o alinhamento em toda a organização e não seria possível sem o reconhecimento de padrões impulsionado pela inteligência artificial.

Embora em situações limitadas, algumas empresas possam priorizar um único KPI norteador (por exemplo, maximizar as vendas por cliente ou maximizar as visitas repetidas), a maioria das empresas hoje em dia faz parte de ecossistemas de negócios, o que torna o uso de um único indicador impraticável. As sobreposições criam conflito; cada entidade trará diferentes conjuntos de dados, fluxos de dados e fluxos de trabalho para a mesa, e suas prioridades podem frequentemente colidir.

À medida que os objetivos de diferentes players do ecossistema, unidades de negócios e funções se tornam cada vez mais interligados na busca de metas organizacionais, gerenciar um conjunto compartilhado de KPIs melhorará seu alinhamento. Acima de tudo, permitirá que os executivos parem de perseguir métricas isoladas e aprofundem sua compreensão de como a organização cria valor. Embora o compartilhamento de dados entre equipes seja necessário para obter resultados, desenvolver um caso de negócio para comprovar a eficácia dos KPIs compartilhados reunirá as equipes em torno deles e impulsionará seu desempenho.

Empresas que utilizam A.I. para gestão de desempenho serão capazes de otimizar seus KPIs existentes e também projetar novos. Elas devem equilibrar isso utilizando a tecnologia para priorizar os KPIs em que confiam. Fazendo isso, permitirá que os CEOs parem de gerenciar olhando pelo retrovisor e passem a fazê-lo olhando pelo para-brisa. Assim, a inteligência artificial parece provavelmente abrir uma nova era de medição de desempenho e novas fronteiras de desempenho empresarial.

Leia outras colunas da ANBLE por François Candelon. François Candelon é diretor administrativo e sócio sênior do BCG, e diretor global do BCG Henderson Institute. Você pode contatá-lo em [email protected]. Shervin Khodabandeh é diretor administrativo e sócio sênior do BCG. Michael Chu é sócio e diretor associado, ciência de dados, do BCG X. Gaurav Jha é consultor do BCG e embaixador no BCG Henderson Institute. Algumas das empresas apresentadas nesta coluna são clientes passados ou atuais do BCG.