O que as empresas com pilotos de IA bem-sucedidos fazem de diferente

De acordo com um relatório recente do MIT, 95% dos programas de IA generativa não conseguem gerar retornos financeiros. Após essa descoberta, a maioria dos comentaristas concentrou sua atenção na tentativa de explicar por que tantos programas fracassam. Nathan Furr e Andrew Shipilov, por exemplo, destacaram recentemente para a HBR o perigo muito real da "armadilha da experimentação", na qual os pilotos nunca se conectam ao valor para o cliente ou não se expandem além do laboratório. Mas depois de ver os resultados do MIT, ficamos curiosos sobre uma questão diferente: O que há de diferente entre os 5% que têm sucesso? Em busca de uma resposta, realizamos dezenas de entrevistas com executivos de empresas da Fortune 50, empresas de portfólio de private equity e organizações sem fins lucrativos. A maioria das organizações, ao que parece, tem acesso a tecnologias e dados semelhantes, o que não explica a diferença. Tampouco o acesso a modelos melhores ou a talentos técnicos superiores, pois mesmo as empresas com recursos modestos às vezes superam as que contam com especialistas muito procurados. O que percebemos ao fazer nossas entrevistas é que o diferencial é a liderança. Quando pedimos a 53 líderes seniores que classificassem o maior fator de retorno da IA, eles confirmaram essa descoberta: 47% classificaram a eficácia da liderança como o maior impulsionador do ROI da IA, o que a coloca muito acima de todas as outras opções, incluindo a integração do fluxo de trabalho (15%), a cultura organizacional (11%) e o talento da engenharia (8%). No entanto, menos da metade dos entrevistados acreditava que suas organizações tinham os líderes certos para se juntar a esses 5% de sucesso. Neste artigo, com base no que aprendemos em nossa pesquisa e nos compromissos com os clientes, discutiremos o que torna as empresas bem-sucedidas em seus esforços de IA e identificaremos um conjunto de comportamentos de liderança específicos que separam os vencedores dos demais. Arquitetos e modeladores Quando os executivos pensam em líderes de IA, eles geralmente start-up com o que chamamos de arquitetos: os especialistas técnicos que constroem modelos, refinam algoritmos e montam a infraestrutura necessária para impulsionar os esforços de IA. O mercado para essas pessoas atingiu recentemente níveis sem precedentes, com as principais figuras recebendo salários no nível da NBA. Mas apostar no sucesso da IA empresarial em tecnólogos superstars é caro e insuficiente. Os arquitetos são essenciais, mas os 5% das empresas que obtêm sucesso com a IA não são necessariamente aquelas com as listas técnicas mais impressionantes. São aquelas que desenvolveram recursos organizacionais para ampliar seu talento técnico de forma alinhada com a estratégia principal. E como elas fizeram isso? Reconhecendo a necessidade de líderes de negócios que possam traduzir as possibilidades técnicas em valor, incorporando a IA aos fluxos de trabalho e às estratégias, criando confiança em toda a organização e impulsionando a adoção em escala. Chamamos essas pessoas de modeladores de IA. Escrevendo há pouco tempo para a HBR, John Winsor, Jen Stave e Ryan Kurt alertaram os líderes para não confiarem em um único "herói" de IA, como um diretor de IA, e, em vez disso, argumentaram que as organizações precisam criar uma equipe inteira de liderança de IA para atingir seus objetivos. Apoiamos essa ideia, mas nossa pesquisa sugere um requisito ainda mais amplo: Cada líder sênior deve se tornar individualmente um modelador. O CEO deve ser um modelo de curiosidade e sinalizar que a IA é fundamental para a estratégia; o CFO deve reimaginar os processos financeiros; o CHRO deve repensar como as decisões sobre talentos são tomadas. Os modeladores devem ser incorporados em todas as equipes, funções e níveis. Nossa pesquisa sugere que apenas um terço das organizações acredita ter líderes que possam desempenhar o papel de shaper atualmente. Mas temos boas notícias: Identificamos cinco comportamentos que distinguem os shapers eficazes e organizamos esses comportamentos em uma estrutura, que chamamos de índice SHAPE, que permitirá que as organizações desenvolvam e avaliem as capacidades de liderança em IA em escala. O índice SHAPE Embora a era da IA ainda seja recente, descobrimos que cinco capacidades já se destacam nas organizações que obtiveram retornos mensuráveis com a IA. Esses comportamentos, que compõem o nosso índice SHAPE, são: agilidade estratégica, que permite que os líderes planejem a longo prazo e mudem de direção quando necessário a curto prazo; centralização no ser humano, que lhes permite criar confiança durante períodos de ansiedade elevada; curiosidade aplicada, que lhes permite separar o sinal do hype durante períodos de mudança constante; impulso de desempenho, que lhes permite dimensionar o que funciona; e administração ética, que lhes permite incorporar práticas de IA responsáveis em sua estratégia desde o start-up. Veja a seguir como elas se parecem na prática. Agilidade estratégica Os líderes que se destacam nessa dimensão priorizam as opções em vez de planos rígidos e procuram proativamente por disrupções antes que elas gerem um desastre no progresso. Eles se concentram no valor comercial em vez de na novidade, evitam armadilhas de custo-sol e equilibram tempo e velocidade. Por outro lado, aqueles que ficam aquém nessa dimensão fazem planos lineares sem reconhecer a incerteza, defendem o trabalho principalmente por causa de investimentos anteriores e selecionam ferramentas sem conectá-las a objetivos mais amplos. Os participantes da pesquisa classificaram esse comportamento como o mais importante das cinco dimensões do SHAPE, com 65% colocando-o em primeiro ou segundo lugar. Os líderes que estão pensando em aplicar esse comportamento à sua estratégia de IA devem se perguntar: Temos critérios claros para saber quando mudar nossa estratégia ou estamos presos a planos que talvez não nos sirvam mais? Centricidade humana Os líderes fortes nessa dimensão reconhecem que a confiança define o limite de velocidade para a adoção da IA. Eles não enquadram os esforços como humanos versus IA. Em vez disso, eles perguntam: "Como a IA pode tornar os humanos melhores?" Eles projetam mudanças com as pessoas, não para elas; modelam o uso da IA pessoalmente; e criam segurança psicológica por meio de empatia e ciclos de feedback. Por outro lado, os líderes que não conseguem fazer isso implementam mudanças de cima para baixo, com pouca contribuição, consideram a IA principalmente como uma forma de aumentar a eficiência, em vez de elevar a contribuição, e culpam os outros pela resistência, em vez de rever suas abordagens. Em uma entrevista recente à HBR, o psicólogo Jamil Zaki, de Stanford, observou que a IA está ampliando a "crise de empatia" no local de trabalho no exato momento em que os funcionários mais desejam uma conexão genuína com seus líderes. Os entrevistados da pesquisa consideraram a centralidade humana como uma das dimensões do SHAPE menos treináveis. Os líderes que desejam utilizá-la no desenvolvimento de sua estratégia de TI devem se perguntar: Estamos lidando ativamente com os receios dos funcionários em relação à tecnologia e construindo confiança à medida que implementamos pilotos, ou estamos presumindo que a adoção se dará por si só? Curiosidade aplicada Os líderes que demonstram esse comportamento combinam a análise sistemática com a experimentação disciplinada em um esforço para descobrir a melhor forma de aprender e testar com eficácia. Eles executam testes rápidos e econômicos com objetivos claros de aprendizado, filtram o hype perguntando: "Isso está resolvendo o nosso problema ou o de outra pessoa?" e criam prontidão por meio de experimentos intencionais, em vez de perseguir objetos brilhantes. As pessoas que têm dificuldades nessa dimensão delegam a exploração aos colegas em vez de se tornarem modelos, fazem experimentos sem tirar conclusões e buscam manchetes sem testar os fundamentos. Os entrevistados da pesquisa classificaram esse comportamento como o segundo mais importante, com 47% colocando-o em primeiro ou segundo lugar - mas apenas um terço achava que suas organizações eram fortes nessa área. Os líderes que desejam aplicá-lo no contexto da TI devem se perguntar: Estamos demonstrando engajamento pessoal na experimentação ou estamos confiando nos outros para explorar e aprender por nós? Impulso de desempenho Os líderes com forte impulso de desempenho rejeitam o "teatro piloto" em favor da disciplina do ROI e do escalonamento multifuncional. Eles mantêm o ímpeto por meio de um impacto contínuo e mensurável e estabelecem ritmos de execução com responsabilidade clara. Aqueles que não têm um bom desempenho comemoram os pilotos sem resultados em escala, medem o sucesso com métricas de atividade em vez de resultados comerciais e mantêm vivas as iniciativas de baixo impacto em vez de encerrá-las. Os entrevistados da pesquisa consideraram que esse comportamento pode ser treinado ao longo do tempo. Os líderes que esperam exercitá-lo no avanço de sua estratégia de TI devem se perguntar: Estamos canalizando nossa ambição para métricas claras e resultados comerciais ou estamos confundindo esforço com impacto? Administração ética Os líderes mais fortes nessa dimensão incorporam a responsabilidade à TI desde o primeiro dia, em vez de acrescentá-la posteriormente. Eles projetam uma governança que gerencia os riscos e, ao mesmo tempo, acelera o progresso, tornando a transparência e a supervisão humana procedimentos operacionais padrão. Esses líderes tratam o viés algorítmico como um risco comercial que merece o mesmo gerenciamento proativo que os riscos financeiros ou operacionais. Os líderes que ficam aquém, por outro lado, tratam a governança como uma reflexão tardia, minimizam os riscos de viés até que eles se tornem problemas públicos e priorizam a velocidade de lançamento em detrimento da implementação responsável. Os entrevistados da pesquisa inicialmente classificaram esse comportamento como o de menor importância, mas nossas entrevistas revelaram que ele se torna crítico quando as organizações vão além dos pilotos - e, com muita frequência, só vem à tona depois que os problemas surgem. Os líderes que desejam aplicar esse comportamento em seu programa de IA devem se perguntar: Estamos incorporando a justiça, a rastreabilidade e a responsabilidade desde o início ou estamos esperando que os problemas apareçam? A liderança em IA é um músculo Algumas pessoas apresentam naturalmente capacidades SHAPE mais fortes do que outras, mas a boa notícia é que todas as capacidades podem ser desenvolvidas. A chave para fazer isso é primeiro entender onde sua organização está hoje, quais são as maiores lacunas e como construir sistematicamente a partir daí. As organizações bem-sucedidas conduzem o desenvolvimento da IA de forma estratégica. Em vez de esperar que os líderes certos surjam organicamente, elas avaliam as capacidades atuais, identificam as lacunas e criam planos de desenvolvimento direcionados. O resultado é que a liderança se torna um acelerador da transformação da IA, e não um gargalo. Uma empresa de tecnologia da Fortune 50 com a qual trabalhamos exemplifica essa abordagem. Eles têm um diretor de IA e um diretor de tecnologia, ambos considerados arquitetos, mas a diretoria e o CHRO perceberam que, para escalar a adoção e o impacto, precisam desenvolver modeladores - líderes em toda a empresa que possam incorporar a IA nos fluxos de trabalho e nas decisões diárias. Portanto, agora eles estão avaliando seus 300 principais líderes da próxima geração com base na estrutura SHAPE, não para identificar um punhado de "estrelas" de IA, mas para mapear seu banco de líderes, diagnosticar pontos fortes e fracos e, em seguida, fornecer desenvolvimento personalizado para indivíduos e desenvolvimento de habilidades em escala em toda a organização. Considere também o exemplo de um executivo com quem trabalhamos, um CFO de uma das cinco maiores empresas de saúde, que mostrou como os líderes individuais podem construir seus próprios músculos SHAPE e, ao mesmo tempo, ajudar os outros. Ele é um modelo de adoção ao compartilhar sua tela em reuniões, incentiva a experimentação em todos os níveis de sua equipe financeira e vincula o uso da IA a incentivos de desempenho em toda a organização. Ele também fortalece sua curiosidade aplicada conversando com especialistas do setor quinzenalmente. Ao adotar uma abordagem híbrida de cima para baixo e de baixo para cima, ele capacita seu CEO a liderar de forma visível e, ao mesmo tempo, traz à tona casos de uso de analistas juniores. Sua filosofia é clara: a IA deve ser democraticamente acessível, e não reservada aos especialistas. Ambos os exemplos ilustram o mesmo princípio: o SHAPE pode ser desenvolvido em escala, mas somente com investimento intencional e patrocínio do topo. Orientação prática para líderes O que separa os retardatários da IA dos líderes não é o que eles sabem sobre TI, mas como lideram com ela. A liderança pode ser um gargalo que mantém as organizações presas no modo piloto ou um acelerador que permite a transformação em escala. Um recente pivô feito pela Johnson & Johnson ilustra bem esse ponto. Depois de fazer experiências com quase 900 pilotos de IA, a J&J percebeu que apenas uma pequena fração estava gerando valor real. Em vez de continuar a dispersar os recursos, eles encerraram os esforços redundantes, transferiram a governança para mais perto das unidades de negócios e se concentraram em dimensionar os casos de uso de maior impacto. Eles perceberam que seu objetivo não deveria ser simplesmente executar o maior número possível de experimentos. Em vez disso, deveria ser permitir que os líderes fizessem escolhas disciplinadas sobre onde investir, como priorizar e o que escalonar - exatamente o tipo de escolhas de liderança que separa os vencedores da TI de hoje dos 95% que estão lutando. Para preparar melhor sua empresa para o sucesso na transição para a IA, recomendamos que o senhor siga as quatro etapas a seguir: 1. Avaliar Identifique as funções mais importantes para seus esforços de IA e avalie se os líderes certos estão nelas. Use a estrutura SHAPE para mapear quais capacidades são fortes e onde existem lacunas, tanto na equipe sênior quanto no banco de liderança mais amplo. 2. Contrate Adquira força onde for mais difícil de desenvolver. Normalmente, isso significa recrutar ativamente líderes que sejam fortes nos comportamentos SHAPE menos treináveis - agilidade estratégica, por exemplo, e curiosidade aplicada. Isso garantirá que a sua organização tenha o equilíbrio certo de recursos para sustentar a transformação da IA. 3. Desenvolver Concentre o crescimento onde é mais provável que ele se mantenha. Use os insights do SHAPE para priorizar as capacidades de liderança de que sua organização mais precisa e, em seguida, desenvolva essas habilidades específicas em líderes específicos, em vez de buscar um desenvolvimento amplo e genérico para todos. Paralelamente, eleve os líderes que já demonstram fortes comportamentos Shaper, dando-lhes funções mais amplas, visibilidade e apoio personalizado para ampliar seu impacto 4. Modelo Torne a adoção da IA visível e consistente. Os líderes seniores devem demonstrar seu próprio uso da IA por meio de rotinas, experimentos e decisões diárias, sinalizando que a adoção é uma prioridade compartilhada, não uma tarefa delegada. . . . Estamos apenas no início da história da IA, é claro. Ninguém sabe exatamente como essa história vai se desenrolar, mas o que já está claro é que a realização do potencial da TI em sua organização dependerá menos dos arquitetos que podem estar escrevendo seu código do que dos modeladores que podem traduzi-lo em valor empresarial duradouro.

O que as empresas com pilotos de IA bem-sucedidos fazem de diferente

Resumo.

Partner Center