O aumento das possibilidades de uso de IA, surge a oportunidade de melhorar os KPIs existentes ou criar novos, o que vem trazendo mais benefícios para os negócios
Melhorar os indicadores-chave de desempenho é uma necessidade para a maioria das organizações. De acordo com nossa sétima pesquisa anual global executiva sobre os usos de inteligência artificial (IA), sete em cada dez entrevistados concordam que melhorar os KPIs, e não apenas o desempenho neles, é fundamental para o sucesso de seus negócios. Como observa um executivo, “nossos KPIs precisam evoluir constantemente para que nossos negócios não sejam administrados segundo medidas ultrapassadas”.
Um número crescente de empresas agora usa IA de várias maneiras para acelerar esse processo. “Estou muito animado com o que o learning machine pode trazer aos nossos líderes, de forma a passarem a usar métricas que olham para diante, em lugar de se prenderem à história”, diz Avinash Kaushik, diretor de estratégia da agência de marketing digital Croud e ex-diretor sênior de análise estratégica global do Google.
Quando a Lyft começou, foi projetado um algoritmo para maximizar a receita, combinando a oferta de motoristas e a demanda do cliente. “Ele analisou todas as combinações possíveis de usuários e motoristas e escolheu aquela que, com base na corrida solicitada, localização do motorista, toda a dinâmica do sistema, maximizaria a receita”, diz Elizabeth Stone, ex-vice-presidente de ciência da Lyft. Então, quando os cientistas de dados começaram a testar outros objetivos, algo interessante surgiu. Uma solução de IA descobriu que otimizar as taxas de conversão – com que frequência um usuário realmente pediu uma corrida depois de abrir o aplicativo – traria mais solicitações de corrida no futuro. Mais pedidos significam, em última análise, mais receita. Como resultado do uso de IA, a Lyft transformou seu KPI sobre a receita do foco na combinação de viagens e motoristas para um que se concentra na otimização das taxas de conversão.
Na Tokopedia (que faz parte do GoTo Group), um dos maiores marketplaces da Indonésia, a IA vasculha petabytes de dados para detectar sinais que refletem credibilidade e confiabilidade. Esses são indicadores fundamentais, já que 86,5% de seus 14 milhões de comerciantes, vendendo 1,8 bilhão de produtos, são novos empreendedores. Ter vendedores confiáveis torna a plataforma mais atraente, eficaz e eficiente. “Eles podem ter bons produtos para vender, mas não sabem como gerenciar seu estoque”, diz Herman Widjaja, CTO da Tokopedia. “Com a IA, conectamos nossos clientes ao produto desejado, que é oferecido pelos vendedores certos.” A empresa combinou milhões de sinais possíveis em um sistema de pontuação que representa um novo KPI em torno da qualidade do vendedor.
Embora a maioria dos entrevistados veja a necessidade de melhores KPIs, uma grande parte deles hoje depende de ferramentas e tecnologias inadequadas para gerenciar suas métricas. Mesmo que os algoritmos de learning machine e a IA generativa possam transformá-las, o julgamento humano continua sendo a abordagem predominante para efetivar o aprimoramento de KPIs. Dois terços dos respondentes dizem que os gerentes fazem seus próprios julgamentos ao ajustar os KPIs de sua organização. Mesmo que seja algo comum, essa atitude muitas vezes não funciona bem: somente um terço dos entrevistados que se baseiam apenas no julgamento humano veem melhoras em seus KPIs.
Em contraste, as empresas que fazem uso de IA para incrementar seus KPIs têm tido resultados muito melhores. Noventa por cento dos entrevistados que usam IA para esse fim dizem ver seus KPIs melhorarem. Eles trazem benefícios ao negócio e novos recursos, levando geralmente a mais eficiência, maior retorno e são mais detalhados, sensíveis ao tempo e alinhados com os objetivos organizacionais (veja “Criando novos KPIs com IA”). Vemos uma consciência cada vez maior entre os executivos de que os KPIs precisam se tornar mais inteligentes e preditivos.
Entre as organizações pesquisadas que usam IA para criar novos KPIs (34% da amostra), 90% percebem melhorias.
Todos os entrevistados em nossa pesquisa apresentaram razões semelhantes para melhorar os KPIs. À medida que os indicadores habituais se tornam estáticos e desatualizados, cai seu valor como ferramentas para definir e atingir as metas organizacionais. Na verdade, eles se tornam muito menos úteis. Tanto individual quanto coletivamente, os KPIs precisam ser atualizados e aprimorados para garantir que promovam os resultados desejados. Melhorar o desempenho sem melhorar os KPIs cria risco competitivo. As empresas que se orientam por medidas abaixo do ideal estão em desvantagem competitiva. Focar no desempenho sem uma métrica adequada pode gerar desequilíbrio capaz de sabotar os esforços de uma empresa para competir de forma eficaz.
Com base em nossa pesquisa – que inclui resultados de uma pesquisa global com mais de 3.000 gestores e análise qualitativa de mais de uma dúzia de entrevistas com executivos – identificamos três maneiras de aprimorar as métricas estratégicas com IA:- Melhoro os KPIs existentes.- Crio novos KPIs.- Estabeleço novas relações entre KPIs.
Este artigo explica como essa estrutura melhorar-criar-estabelecer (ou ICE, para a sigla em inglês) pode ajudar os gestores a redirecionar KPIs para tornar seu pessoal, processos e tecnologias mais eficazes. Nossa pesquisa mostra que os KPIs aprimorados por IA estão associados a benefícios comerciais estrategicamente valiosos, incluindo maior eficiência, melhor alinhamento e maior benefício financeiro. O uso de IA em métricas estratégicas tem enormes implicações para o futuro da alocação de capital, engajamento do cliente, experiência do funcionário, Ebitda e todas as outras métricas executivas (veja a seguir).
As organizações que criam KPIs usando IA são mais propensas a ter um alinhamento mais forte, maior colaboração, previsões mais precisas e mais eficiência do que as organizações que não usam IA para novos KPIs.
| 5x | A estrutura de incentivos está alinhada com os objetivos: 5,13 vezes mais do que em organizações que não usam IA para criar novos KPIs (6% → 29%) | |
|---|---|---|
| 4x | Maior colaboração entre funcionários: 3,97 vezes mais do que em organizações que não usam IA para criar novos KPIs (11% → 44%) | |
| 3x | Mais eficaz na previsão de desempenho futuro: 3,37 vezes mais do que em organizações que não usam IA para criar novos KPIs (13% → 45%) | |
| 3x | Maior benefício financeiro: 3,27 vezes mais do que em organizações que não usam IA para criar novos KPIs (11% → 34%) | |
| 2x | Maior eficiência: 2,31 vezes mais do que em organizações que não usam IA para criar novos KPIs (24% → 56%) | |
Sugerimos a seguir passos práticos sobre como usar a IA para melhorar seus KPIs.
As empresas que usam IA inicialmente para aumentar os números de desempenho tendem a achar que a tecnologia cria oportunidades para revisitar e revisar parâmetros-chave de desempenho.
A abordagem de IA da Wayfair se enquadra nessa categoria. Embora perder uma venda possa parecer um indicador simples, a varejista de móveis online usou IA para reexaminar o que estava por trás de seu KPI de vendas perdidas. Como lembra a CTO Fiona Tan, “”costumávamos pensar que se você perdesse a venda de um determinado produto, como um sofá, era uma perda para a empresa. Mas começamos a olhar os dados e percebemos que de 50% a 60% das vezes, quando perdíamos uma venda é porque o cliente havia comprado outro item na mesma categoria.””
Essa análise habilitada por IA permitiu que a Wayfair experimentasse ofertas alternativas a partir das condições buscadas pelos clientes, como preço e prazo de entrega, entre outras. A demanda que recaía sobre os produtos substitutos forneceu uma nova percepção sobre o que haviam medido anteriormente e interpretado como vendas perdidas. Reconhecer esse “”efeito de substituição”” levou a Wayfair a ajustar os preços em todo a categoria de sofás, renovar as configurações de produtos em seus centros de atendimento e mudar a priorização dos KPIs.
Se olharmos por um lado, a Wayfair usou IA para transformar seu KPI de vendas perdidas anterior em uma medida mais valiosa que diferenciava as vendas realmente perdidas das vendas reais. Mas, olhando adiante, a IA por trás desse KPI revisto também permitiu mudanças mais abrangentes. A equipe de Tan usou o efeito de substituição para desenvolver uma “”estrutura de conscientização do lucro””, que mudou a maneira como a empresa interagia com os clientes. As recomendações de móveis da Wayfair começaram a considerar os prazos de entrega e os custos de envio, bem como as ocorrências e a rentabilidade do produto, ao fazer as melhores ofertas. Medir e incorporar explicitamente o efeito de substituição ressignificou as vendas perdidas como oportunidades de vendas e levou a mudanças de preços. Essa ressignificação, consequentemente, alinhou as decisões de colocação de produtos com as necessidades e capacidades dos centros de distribuição e armazéns, o que melhorou as experiências dos funcionários e clientes.
Empresas em toda essa indústria estão buscando formas de usar a IA para melhorar seus KPIs. Alguns usam IA para aprofundar sua compreensão dos fatores que favorecem os resultados, enquanto outros usam IA para identificar e priorizar quais KPIs entregam mais valor para a organização. Embora os resultados de nossa pesquisa indiquem que a maioria das empresas já se satisfará com a melhoria dos indicadores (ainda com o julgamento humano), também vemos organizações percebendo a possibilidade de gerar KPIs inteiramente novos, que podem alcançar e alavancar um novo padrão de desempenho.
Além de melhorar as métricas existentes, a IA oferece o potencial para a gestão descobrir e gerar KPIs totalmente novos. Embora nosso estudo diga que apenas 16% das organizações pesquisadas usam IA para gerar novos KPIs, 90% concordam que a introdução de IA os melhorou visivelmente.
Um exemplo: procurar indicadores que possam ajudar os médicos a prevenir a morte súbita cardíaca, que atinge 300.000 pessoas por ano nos Estados Unidos, é um esforço contínuo para médicos e pesquisadores. É um tipo de morte que vem do nada: os médicos não conseguem prever, já que os pacientes não apresentam alto risco. É uma condição especialmente frustrante porque há um tratamento eficaz conhecido, o uso de um desfibrilador cardíaco, se puder identificar pacientes em risco a tempo. Um dos pesquisadores dedicados a essa busca, Ziad Obermeyer, médico e professor da Universidade da Califórnia, em Berkeley, Estados Unidos, está trabalhando com o sistema de saúde da região de Halland, na Suécia, cujos registros eletrônicos de saúde podem ser combinados a outros dados para buscar um padrão. Ele e seus colaboradores treinaram um algoritmo para prever a morte súbita cardíaca no ano seguinte à realização de um eletrocardiograma (ECG), usando atestados de óbito e outras informações colhidas em registros públicos.
“”O algoritmo se tornou muito bom em prever quem estará sujeito à morte súbita cardíaca no ano seguinte à realização de um ECG. Toda vez que alguém recebe um ECG, ele gera um escore de risco que mede a probabilidade de o indivíduo morrer de parada cardíaca súbita””, diz Obermeyer. Essa pontuação de ECG também pode funcionar como um indicador-chave de desempenho: com a pontuação em mãos, um médico pode observar como ela muda se o paciente receber uma medicação, como um betabloqueador ou um inibidor da ECA. Embora a pesquisa esteja em um estágio muito inicial, ela pode um dia capacitar médicos e pacientes a trabalharem juntos para a redução desse evento, e identificar quais novas intervenções podem diminuir o risco. “”Ter a capacidade de transformar esses sinais biológicos muito complicados em indicadores é muito poderoso””, diz Obermeyer, “”e acho que isso será algo que veremos muito mais, não apenas para morte súbita cardíaca, mas para outras complicações e todos os tipos de outras condições evitáveis e de alto risco.””
O uso de IA por Obermeyer para criar um novo KPI para morte súbita cardíaca promete melhorar os resultados dos pacientes, reduzir custos e aumentar a percepção de eficácia dos próprios médicos. Desenvolver indicadores-chave inteligentes com IA é um fenômeno emergente em todo o cenário de negócios e entre grandes empresas que entrevistamos, como DBS Bank, General Electric, General Motors, Sanofi, Schneider Electric e Walmart. Essas empresas estão usando IA para identificar indicadores de desempenho futuro antecipando-os cada vez mais. Essa capacidade facilita uma melhor visão da situação e uma resposta mais eficaz às mudanças nas condições do mercado, entre outros benefícios.
Nenhum KPI é uma ilha. Muitos executivos com quem conversamos enfatizaram que uma melhor gestão de seu negócio requer que eles combinem cada KPI em um conjunto mais integrado de métricas. Executivos de todos os setores comentaram abertamente sobre as tensões organizacionais e computacionais entre seguir pelo caminho de maximizar KPIs isoladamente e o de otimizar KPIs de nível mais alto e mais macro. À medida que os recursos e parâmetros evoluem, a importância de antecipar, modelar e coordenar várias interações de KPI com IA torna-se mais crítica.
O DBS Bank, com sede em Cingapura, já teve KPIs independentes para cada função, com foco em diferentes pontos da jornada do cliente. Ou seja, para um determinado produto, o marketing teria, por exemplo, suas próprias métricas de engajamento do cliente, o produto teria as suas, as finanças também, e assim por diante. Nos últimos três anos, no entanto, a empresa multinacional de serviços financeiros substituiu esse modelo segmentado por um mais integrado, horizontal. O DBS criou um mapa de valor que reúne os dados em uma única jornada do cliente com resultados em quatro categorias: experiência do cliente, experiência do funcionário, lucratividade e risco. “”Chamamos isso de ‘gerenciamento de jornadas””‘, diz Sameer Gupta, diretor de análise do DBS. “”Cada jornada do cliente teria vários caminhos, e cada caminho, por sua vez, teria várias métricas. Você pode imaginar a rapidez com que isto se multiplica, e seria humanamente impossível lidar com um número tão grande de caminhos e métricas. A IA é um multiplicador de força que nos dá a capacidade de analisar um grande volume de dados e também identificar quais pontos precisam ser acionados agora.””
No novo modelo, os dados de resultados são visíveis para equipes multifuncionais, cujos membros têm interesse em otimizar os resultados em todas as quatro categorias. “”Todos estão olhando para os mesmos dados, e todos são responsáveis pelo mesmo resultado””, observa Gupta. Essas equipes usam experimentação, análise de dados, imersão do cliente e IA para revisar continuamente os fatores que impulsionam os diferentes resultados. Além disso, eles mantêm um foco constante na escolha das métricas corretas.
Estabelecer as inter-relações entre seus KPIs tem sido, nas palavras de Gupta, “”uma mudança fundamental””. Ele antecipa que a IA terá um papel cada vez mais proeminente à medida que a organização mantém seu compromisso de rever suas métricas em um movimento para a melhoria contínua. “”Estamos começando a nos abrir para perguntar: hoje tomamos essa decisão por meio de dados e habilitação de IA? Existe uma oportunidade de fazer isso por meio de dados e habilitação de IA? Se houver, como podemos fazê-lo?””‘, diz Gupta. Estruturar novos relacionamentos entre indicadores com IA e outras técnicas analíticas pode gerar novas oportunidades de negócios, novos insights e um conjunto valioso de dados em torno dos quais gerenciar comportamentos organizacionais.
O futuro da medição estratégica pertence a KPIs mais inteligentes. Nossa pesquisa sugere, no entanto, que poucas organizações de existência mais longa estão usando estrategicamente a IA para esse fim. Isso desvaloriza tanto a IA quanto os KPIs. O investimento neles é uma obrigação da liderança. Usar a IA para melhorar ou criar novos KPIs e estabelecer novos relacionamentos entre eles cria uma oportunidade de capturar um valor maior e mensurável. A estrutura ICE convida a discussões no topo da organização que devem levar ao investimento na melhoria da medição estratégica.
Nossa pesquisa também enfatiza a necessidade de os líderes se alinharem não apenas sobre quais indicadores perseguir, mas, ainda mais fundamentalmente, sobre o propósito deles. Os KPIs serão retrospectivos ou se voltarão à projeção do futuro?
Neste último caso, as organizações precisam de traçados para melhorar os KPIs existentes, comprometer-se com a exploração e experimentação em torno da criação de novos KPIs e um reconhecimento de que as relações entre KPIs podem ser tão importantes quanto, se não mais, do que eles próprios. Os KPIs inteligentes não devem principalmente ser gerenciados de maneira independente. Ao contrário, suas interdependências e inter-relações devem ser compreendidas e abordadas. Como nossos exemplos mostraram, essas mudanças representam desafios operacionais, organizacionais e culturais para a liderança.
Como tem sido o caso de quase todas as iniciativas bem-sucedidas de IA, os KPIs, como os algoritmos que os compõem, devem ser transparentes e explicáveis. Um indicador — organizacional, cultural e operacionalmente — não pode ser visto como caixa-preta. Eles devem ser projetados e implantados para serem confiáveis. Esse componente cultural não deve ser minimizado ou assumido como parte da paisagem. Caso contrário, as pessoas em todos os níveis da organização buscarão as próprias métricas, levando ao desalinhamento organizacional.
Ao lado dessa nova ênfase em IA e KPIs, e na medição estratégica de forma mais ampla, está um reconhecimento de que indicadores de qualidade dependem de dados de qualidade. KPIs construídos ou supervisionados com conjuntos de dados tendenciosos, incompletos e falhos provavelmente serão tendenciosos, incompletos e falhos. A qualidade dos dados é mais importante onde os KPIs forem importantes. Vemos organizações comprometidas com KPIs orientados por IA se tornando ainda mais comprometidas em cultivar dados como um ativo. Eles veem os investimentos em dados refletidos em melhorias nos indicadores.
Finalmente, à medida que os KPIs trabalhados pela IA se tornam mais influentes na empresa, seu próprio desempenho exigirá novos níveis de monitoramento e supervisão. A liderança precisará ser capaz de avaliar o desempenho de seus KPIs, individual e coletivamente. São os indicadores corretos para o sucesso sustentável? Estão antecipando o futuro adequadamente? Eles estão sugerindo os caminhos certos – e ajudando as pessoas a tomar as decisões certas – para alcançar os resultados desejados e desejáveis? Simplificando, os KPIs exigirão seus próprios KPIs para ajudar a responder a essas perguntas importantes.”
