Busque novas maneiras de criar valor ao implementar a IA generativa

As novas tecnologias transformam as antigas fontes de vantagem em commodities. Considere a invenção da câmera: os pintores de retratos não puderam se adaptar simplesmente implantando a nova tecnologia — usando a câmera para tornar seus fluxos de trabalho mais rápidos e eficientes — porquea fotografia transformou seus serviços em commodities, reduzindo a disposição dos clientes em pagar e esgotando sua fonte de valor. Nossa pesquisa mostra um padrão semelhante emergindo com a IA generativa. Mapeamos funções de trabalho para atividades laborais em 800 empresas públicas dos Estados Unidos e, em seguida, pontuamos o potencial de cada atividade para aumento ou automação por IA generativa, com base em fatores como a necessidade de presença física, disponibilidade digital de insumos e dependência de lógica baseada em tarefas. Não encontramos nenhuma correlação entre a medida resultante do potencial de automação da IA generativa por setor e o desenvolvimento das margens de lucro em nível setorial desde o lançamento do ChatGPT. Na verdade, os setores com maior potencial de automação — finanças, tecnologia e mídia — viram suas margens estagnarem ou caírem. Também descobrimos que essa relação não é mediada por diferenças nos níveis de adoção da IA generativa entre os setores. Para aproximar isso, utilizamos dados disponíveis publicamente que indicam até que ponto as empresas estão ativamente construindo ou integrando recursos de IA generativa, como a proporção de funcionários com habilidades relevantes e o número de fornecedores terceirizados de tecnologia de IA utilizados pelas empresas. Em suma, mesmo com as empresas investindo recursos em IA generativa, os ganhos de produtividade resultantes parecem ser eliminados pela concorrência, repassados aos clientes ou fornecedores em vez de retidos pelas empresas — um sinal precoce de comoditização. Assim, os dados sugerem que os benefícios da IA generativa não residirão no uso da tecnologia simplesmente para realizar atividades existentes de forma mais rápida ou eficiente. Em vez disso, os líderes empresariais que buscam implementar a IA generativa para obter vantagens devem considerar outro impacto das novas tecnologias: a liberação de novos pools de valor. Três estratégias para implementar a IA generativa dentro da empresa Quando as tecnologias removem um gargalo em uma parte da cadeia de valor, elas não eliminam a escassez, mas a realocam. O que antes era valioso torna-se uma mercadoria, mas, ao mesmo tempo, surge um novo atrito ou restrição, tornando-se uma nova escassez e fonte de valor. Por exemplo, a fotografia tornou abundantes as representações realistas, mas o significado, a perspectiva e a emoção tornaram-se novos diferenciadores escassos. Isso inspirou o surgimento de movimentos como o impressionismo e o cubismo. As novas tecnologias não apenas transferem os pools de valor ao longo das cadeias existentes, mas também criam novos. Ao remover restrições, elas possibilitam modelos de negócios que antes eram inviáveis. A fotografia, por exemplo, transformou o jornalismo, a publicidade e a edição ao tornar escalável a representação objetiva da realidade. As mudanças associadas às tecnologias inovadoras — o esgotamento de antigas fontes de valor, mas o surgimento de novas em torno da resolução de novos atritos e da adoção de novos modelos de negócios possíveis — fornecem uma estrutura útil para ajudar os líderes a antecipar onde estarão as futuras fontes de valor na era da IA generativa. O otimizador: aprimore as capacidades existentes. Frequentemente, as empresas estão implantando tecnologia de IA generativa na esperança de aprimorar os recursos existentes — tornando-se mais rápidas, mais produtivas ou mais responsivas. Exemplos incluem editoras digitais, como a BuzzFeed, que adotam LLMs para desenvolver conteúdo, ou a Bloomberg, que integra IA generativa em seu serviço de terminal para resumir rapidamente teleconferências sobre resultados financeiros ou relatórios financeiros. Esses casos de uso podem revelar um novo potencial de crescimento ou maior eficiência, promovendo uma vantagem competitiva para as empresas que são mais rápidas a implantar novas tecnologias de maneira eficaz. No entanto, essas vantagens provavelmente serão apenas temporárias, pois dependem de atividades que estão cada vez mais sendo comoditizadas pela tecnologia de IA generativa. Em outras palavras: a tecnologia de IA generativa oferece um impulso a curto prazo, tornando essas empresas mais eficientes. Mas, a longo prazo, à medida que a IA generativa se prolifera, essas atividades serão comoditizadas, executá-las com eficiência se tornará uma aposta segura e o pool de valor subjacente se esgotará. O curador: resolva novos atritos. É improvável que uma vantagem duradoura venha da implantação da IA generativa para fazer, de forma mais rápida e eficiente, o que sua empresa já está fazendo. Em vez disso, ela resultará da mudança do seu foco para fazer o que se tornou mais difícil com o surgimento da tecnologia de IA generativa. Por exemplo, as principais ofertas das empresas de consultoria em torno de pesquisa, síntese e produção de resultados refinados estão sendo comoditizadas pela IA generativa. No entanto, ao facilitar a criação de conteúdo abundante, a tecnologia cria novos atritos em torno da verificação desse conteúdo, da obtenção de conclusões úteis e da priorização de implicações. Em outras palavras, os pools de valor estão mudando da criação de conteúdo para a aplicação do julgamento. Além disso, a IA generativa tornou viável a produção quase infinita de textos de marketing, publicações em redes sociais ou ideias de design. A diferença diante desse atrito é focar na curadoria — filtrar e contextualizar um ambiente de mídia saturado. Um exemplo disso é o The Browser, um boletim informativo pago que seleciona cinco artigos de destaque por dia para compartilhar com seus mais de 150.000 assinantes. Sem conteúdo original, seu negócio é construído inteiramente com base no gosto editorial para orientar os clientes através da abundância de artigos online. Concentrar-se em uma estratégia de julgamento ou curadoria não é viável para todas as empresas. Além disso, os atritos subjacentes podem não persistir indefinidamente. Talvez, no futuro, a inteligência artificial se torne muito hábil na validação ou seleção de conteúdo. No entanto, o que não mudará é o fato de que, à medida que a tecnologia avança e resolve os atritos existentes, novos atritos surgirão. Portanto, as empresas devem se concentrar em identificar novos atritos causados pela IA generativa e se posicionar para resolvê-los. O Reinventor: Construa novos modelos de negócios. Ofertas totalmente novas são possíveis porque a IA generativa permite remover restrições relacionadas a custos ou complexidade operacional. Por exemplo, a IA generativa pode ser utilizada para superar o tradicional compromisso entre alcance e personalização, possibilitando atender clientes menores, mais fragmentados ou com margens mais baixas com experiências personalizadas. Isso permite que as empresas alcancem segmentos que antes ignoravam porque os custos para atendê-los eram muito altos. Por exemplo, o Spotify está utilizando IA generativa para traduzir e clonar podcasts em vários idiomas, expandindo o alcance de seu conteúdo para um público mais amplo. Enquanto isso, as ferramentas de marketing de IA da Meta geram recursos criativos personalizados tanto para o produto que está sendo anunciado quanto para o usuário que está sendo anunciado. Em ambos os exemplos, a IA generativa é utilizada para aproveitar os ativos diferenciados existentes (por exemplo, a biblioteca de podcasts e a vasta base de usuários do Spotify; a posição central da Meta no ecossistema publicitário). Assim, uma maneira útil de identificar implementações potencialmente valiosas da IA generativa é avaliar como a tecnologia pode redobrar as vantagens existentes. Por exemplo, como a IA generativa é particularmente poderosa no processamento de conhecimento e em torná-lo mais acessível, ela pode desbloquear novas fontes de receita associadas a habilidades e capacidades únicas existentes que antes estavam restritas à organização. O JPMorgan Chase desenvolveu o IndexGPT, uma ferramenta de IA generativa projetada para reempacotar sua capacidade institucional existente de analisar e selecionar títulos em uma ferramenta disponível para clientes de varejo. Da mesma forma, a editora científica Elsevier abriu um novo caminho para monetizar seu vasto arquivo de revistas médicas e bancos de dados de medicamentos, usando-o para criar uma ferramenta de apoio à decisão clínica alimentada por IA generativa, que os médicos podem consultar para receber opções de tratamento baseadas em evidências. Por fim, a IA generativa também possibilita modelos de entrega e experiências de usuário totalmente novos: na educação, o Duolingo Max utiliza LLMs para oferecer a cada aluno um tutor de idiomas personalizado com cenários de “dramatização”, apresentando feedback integrado e ajustes dinâmicos no currículo. Essas são estratégias que já são possíveis com as ferramentas de IA generativa disponíveis atualmente. À medida que a tecnologia evolui, novos recursos surgirão e novos modelos de negócios se tornarão possíveis e valiosos, assim como os existentes podem se tornar novamente comoditizados. Uma implicação para os executivos é que eles não devem buscar diferenciação procurando atividades que ainda não podem ser realizadas pela IA generativa, pois os pools de valor associados a elas diminuirão à medida que a IA generativa evoluir. Em vez disso, o foco da busca deve ser em atividades que se tornarão possíveis à medida que a IA evoluir, por exemplo, pools de valor em crescimento ou emergentes. Reposicionamento para um ecossistema alimentado pela IA generativa As estratégias acima se concentram na implantação interna da IA generativa para aprimorar produtos ou operações, com o objetivo de alcançar expansão de margem, maior velocidade ou escala. No entanto, existe outro caminho, que envolve uma perspectiva mais externa: ao reconhecer as mudanças que a IA generativa promoverá no mercado mais amplo, os líderes podem reposicionar sua empresa como um nó valioso nesse ecossistema emergente. Isso não significa desenvolver um modelo proprietário de IA generativa, construir um data center ou projetar hardware de computação. Significa, antes, ajustar propostas de valor existentes ou desenvolver novas para uma realidade em que a IA generativa se torne parte de todas as atividades de mercado. Três estratégias ilustram como esse desenvolvimento pode impulsionar mudanças nos pools de valor. O Reempacotador: Repensar as ofertas para opções baseadas na IA generativa. À medida que as escolhas são cada vez mais informadas por agentes de IA — e podem, em um futuro próximo, ser cada vez mais feitas diretamente por eles—, as empresas devem reformular suas ofertas para consumo por máquinas. Isso significa revisar a forma como as informações são fornecidas, por exemplo, oferecendo dados padronizados sobre atributos e compatibilidade dos produtos, e permitindo que os agentes interajam diretamente com suas ofertas, por exemplo, realizando compras. Empresas como a Peec AI e a Profound já estão auxiliando marcas a analisar como os LLMs descrevem e recomendam seus produtos em uma forma emergente de otimização de agentes de IA que ecoa a otimização de mecanismos de busca, mas para a economia mediada por agentes. Essa nova abordagem complementará as estratégias tradicionais de marketing focadas na percepção humana e na marca, que podem perder força à medida que os agentes passam a confiar em informações objetivas e verificáveis, em vez de confiança ou reconhecimento emocional. Dando um passo adiante, a Casas Bahia, uma das principais varejistas do Brasil, criou um agente conversacional com IA generativa no WhatsApp, permitindo que os clientes naveguem, comparem produtos e concluam compras por meio de um diálogo natural, em vez de um site tradicional. Desde o lançamento, em novembro de 2025, esse canal atraiu mais de 2 milhões de usuários e também influencia mais de 5% das vendas nas lojas físicas da varejista. O reposicionamento para a escolha mediada por agentes é uma medida importante e, como ilustra o exemplo acima, os pioneiros estão se beneficiando. No entanto, a longo prazo, essa adaptação se tornará uma aposta comum e poderá até mesmo impulsionar a comoditização, à medida que o campo competitivo se torna mais nivelado, com todas as marcas otimizadas para a seleção de agentes. O supervisor: valide a precisão da IA generativa. À medida que os modelos de IA generativa e os agentes autônomos se proliferam e começam a atuar como atores econômicos por direito próprio, há uma necessidade crescente de supervisão adequada para aumentar a credibilidade e garantir a confiabilidade. Este é um novo desafio que as empresas podem resolver, por exemplo, comercializando recursos que já utilizam internamente. A MasterCard Decision Intelligence oferece APIs de pontuação de risco de fraude que auxiliam os agentes de pagamento a decidir quando aprovar ou recusar uma transação. Essa abordagem de “conformidade como serviço” converte a verificação e a experiência regulatória conquistadas com esforço em uma nova fonte de receita. Da mesma forma, a NewsGuard, que classifica os editores com base na confiabilidade, credibilidade e potenciais conflitos de interesse, licenciou sua tecnologia para provedores de LLM, que a utilizam para permitir que seus modelos selecionem fontes apropriadas e autocorrijam informações falsas. De maneira mais ampla, quaisquer empresas com dados proprietários e verificados, como resultados de ensaios clínicos, análises financeiras ou manuais de engenharia, poderiam transformar esse conhecimento em um serviço de validação para LLMs, garantindo que o conteúdo gerado seja compatível e preciso. O fornecedor: fornecer informações para a IA generativa. Por fim, os modelos de IA generativa também precisam de informações para treinamento — uma necessidade crescente, já que se prevê que os dados de texto criados por humanos disponíveis publicamente se esgotarão até 2028—, bem como acesso a dados que possam ser úteis para responder a consultas em tempo real. A necessidade de fontes selecionadas e de alta qualidade, particularmente conhecimento específico da área em que um desenvolvedor de modelos pode desejar que seu LLM tenha expertise, está revelando outro modelo de negócios potencial para os participantes do mercado. Por exemplo, a Thomson Reuters licencia notícias em tempo real e dados de mercado para pipelines de LLM, enquanto a LexisNexis fornece as ontologias jurídicas estruturadas e a jurisprudência verificada das quais os LLMs específicos da área dependem. Emulando essa abordagem, uma empresa global de bens de consumo poderia monetizar dados anônimos de pontos de venda, alimentando sinais de demanda em agentes de planejamento de varejo, que são usados por empresas dispostas a pagar por uma visão mais clara do mercado. . . . As seis estratégias acima não são exaustivas, nem se aplicam a todas as organizações. Os líderes podem identificar as estratégias mais valiosas para sua empresa na era da IA generativa, fazendo a si mesmos o seguinte conjunto de perguntas: Quais dos nossos ativos ou capacidades diferenciadores atuais correm o risco de se tornarem comoditizados pela IA generativa? Que novos atritos a tecnologia de IA generativa está causando em nossos mercados ou para nossos clientes? É valioso resolvê-los? E, em caso afirmativo, como podemos fazer isso? Onde podemos implantar a IA generativa para redobrar as vantagens existentes, por exemplo, extraindo novo valor de capacidades ou ativos diferenciados? Que modelos de negócios totalmente novos se tornariam possíveis se removêssemos as restrições históricas de custo ou complexidade usando a IA generativa? Quais de nossos ativos poderiam se tornar insumos ou infraestrutura para o ecossistema de negócios impulsionado pela IA generativa? Ao abordar essas questões de forma proativa, os líderes podem identificar quais estratégias correm o risco de se tornar comoditizadas e como obter vantagens duradouras.

Busque novas maneiras de criar valor ao implementar a IA generativa

Resumo.

Partner Center