Inteligência Artificial: decisão estratégica entre construir, comprar e soluções híbridas

O novo cálculo: construir ou comprar na era da IA - Boas-vindas e o mapa do curso

Apresentando a disciplina e o instrutor

Olá! Meu nome é Felipe Corrêa, sou consultor e professor em disciplinas relacionadas à inteligência artificial aplicada aos negócios, gestão de projetos e gestão estratégica. Estarei junto com vocês na caminhada desta disciplina, em que discutiremos construir uma solução de inteligência artificial para a nossa empresa ou comprar uma solução pronta de mercado. Será que existe uma alternativa híbrida, isto é, parte construída e parte comprada? Existe algum método para orientar essa decisão? Quais perguntas e temas devemos observar com atenção antes de decidir? É isso que abordaremos nas próximas aulas.

Audiodescrição: Eu sou um homem branco, tenho cabelo curto preto, já um pouco grisalho, barba e bigode pretos, também um pouco grisalhos, e visto uma camisa polo azul-escura.

Um pouco mais sobre mim: faço parte do Google AI Community, a comunidade do Google sobre inteligência artificial. Também possuo certificações relacionadas a gerenciamento de projetos. Tenho um canal no YouTube chamado Café com Inovação, onde compartilho informações sobre inteligência artificial. Caso deseje se conectar comigo, você me encontra facilmente no LinkedIn como Felipe Corrêa.

Definindo o dilema comprar, construir ou compor

O tema que abordaremos é comprar ou construir uma solução de inteligência artificial. No contexto atual, existem diversas ferramentas de inteligência artificial no mercado. Vale a pena comprarmos uma dessas ferramentas e adaptarmos nossos processos? Ou é mais adequado desenvolvermos nossa própria solução? Ambos os caminhos apresentam pontos positivos e negativos.

Também podemos considerar uma saída híbrida ou composta, em que parte será desenvolvida e parte será comprada. Mas como decidir por essa alternativa? Quais riscos valem a pena assumir? Como vamos compor um planejamento de negócios ao longo do tempo e um planejamento financeiro? Quais perguntas devemos responder e levar para nossa diretoria? É isso que vamos discutir.

Planejando custos e mapeando soluções

Elencamos alguns dos principais pontos que discutiremos: a decisão entre comprar, desenvolver ou adotar um modelo composto — qual seria a melhor saída para o nosso contexto. Também falaremos sobre como calcular os impactos e os custos envolvidos. Afinal, muitas empresas têm um planejamento estratégico de cinco anos, por exemplo, e devemos inserir todos os custos relacionados ao projeto de inteligência artificial nesse planejamento.

Muitas empresas consideram apenas o valor inicial do projeto, mas o escopo vai além: existem a manutenção e a operação contínua. Esses custos ficam com quem, no final das contas? Se não apresentarmos isso de forma clara, o(a) CFO ou a pessoa responsável pelas finanças não aprovará o nosso planejamento. Como, então, estruturar de maneira objetiva esses estudos financeiros?

Outro ponto é a criação de uma RFP (solicitação de proposta), um pedido ao mercado para mapearmos e analisarmos as principais soluções disponíveis e avaliarmos qual atende melhor ao nosso processo. Existe um método? Que perguntas devemos fazer? Que riscos considerar? Quais pontos devemos priorizar ao criar esse documento? Também abordaremos esses aspectos.

Apresentando o método e o roteiro da disciplina

Quando organizamos todas as informações e levamos esse material para a diretoria, a tomada de decisão se torna muito mais ágil. Quando há dúvidas e os riscos não foram levantados, a reunião com a diretoria tende a se alongar e a ser pouco efetiva. A intenção desta disciplina é estruturarmos todas as informações para que, quando você levar esse conteúdo para a sua diretoria, tudo esteja organizado e as decisões sejam tomadas de maneira efetiva e rápida.

Apresentaremos um método: começaremos discutindo o que mudou no mundo da inteligência artificial e, se desenvolvíamos projetos até ontem de determinada forma, por que agora devemos atentar para outros aspectos. Em seguida, trabalharemos com um canvas (quadro) de decisão, uma ferramenta que você poderá utilizar na sua empresa para apoiar decisões relacionadas a este tema.

Discutiremos também as principais perguntas para o fornecedor. Afinal, se optarmos por adquirir uma ferramenta de mercado, estabeleceremos uma parceria. Precisamos questionar de forma abrangente e conhecer esse fornecedor antes de assinarmos qualquer contrato, para evitar problemas mais adiante e a dificuldade de desfazer o acordo ou descontinuar a solução. O que considerar previamente e quais perguntas fazer? Trataremos disso em detalhe.

Por fim, projetaremos os custos do projeto de inteligência artificial em um horizonte mais amplo. Como comentamos, o projeto não se limita à ferramenta em si: ele gera custos de operação e será alocado em alguma área. Precisamos avaliar o custo-benefício de adotarmos essa solução internamente.

Introduzindo o estudo de caso

Esse será o nosso mapa. Para ilustrar toda essa discussão, nós preparamos um caso e contaremos sua história. Ele servirá de pano de fundo para as teorias que apresentaremos, e você poderá adaptá-lo à sua empresa. Escolhemos um tema, uma empresa e uma situação que consideramos comuns para grande parte das pessoas que nos acompanham.

Vamos para a próxima aula, na qual explicaremos o caso que embasará as próximas aulas.

O novo cálculo: construir ou comprar na era da IA - Conheça o nosso Caso de Aula

Apresentando o estudo de caso Hermix

Vamos apresentar o nosso estudo de caso, que nos acompanhará durante todas as aulas. Escolhemos esta empresa porque muitos problemas semelhantes aparecem no mercado. É claro que, para cada empresa, será necessário adaptar alguns aspectos, mas o caso fornecerá uma boa visão sobre o tema que estamos tratando aqui.

Dessa forma, apresentamos a Hermix, uma locadora de carros de porte médio. A Hermix tem alguns problemas, e é sobre isso que vamos comentar. É importante destacar que a Hermix estará conosco durante toda esta jornada.

Para avançarmos, lembramos que a Hermix, sendo uma locadora de carros de porte médio, possui uma fila de atendimento que não para de crescer. A equipe se perde entre as reservas e as cobranças. A liderança deseja melhorar o atendimento utilizando inteligência artificial, mas não sabe decidir entre comprar uma ferramenta do mercado ou desenvolver internamente.

Algo que observamos com frequência — e que talvez se aproxime de um problema vivido em outras organizações — é o seguinte: a diretoria, ou quem toma a decisão, escuta o mercado falar intensamente sobre inteligência artificial. Há diferentes modelos, diferentes empresas envolvidas, o concorrente já lançou algo e, às vezes, outra empresa até de outro setor lançou um produto de destaque com inteligência artificial. Com isso, a organização se percebe para trás, parada no tempo.

Surge, então, a decisão: precisamos implementar um projeto de inteligência artificial. Certo, mas qual projeto? A resposta, muitas vezes, é: não importa, precisamos entregar algo de inteligência artificial. Esse caminho é problemático, pois não sabemos exatamente o que precisamos entregar, não sabemos se temos equipe para isso, não sabemos se temos orçamento e nem se haverá engajamento de outras diretorias ou pontos de decisão dentro da empresa. Como cobrar que as pessoas desenvolvam algo nessas condições?

Há ainda um ponto adicional: para encerrar a discussão, algumas diretorias têm a ideia de incluir a iniciativa como meta, acreditando que isso resolve tudo. Sabemos que não é assim que funciona.

Trazendo para o caso da Hermix, observamos um problema relacionado à fila de atendimento, e a diretoria quer, a todo custo, uma solução de inteligência artificial. A diretoria nem sabe se a solução de inteligência artificial é a mais barata ou a melhor para este caso, mas, ainda assim, quer avançar e tomar uma decisão entre comprar uma ferramenta ou desenvolver internamente.

Quem está lidando com este problema é Marina, pessoa fictícia e gerente de operações da Hermix. Marina tem 90 dias para apresentar uma recomendação. O CFO da empresa é uma pessoa cética e não aprova por empolgação; busca informações, números, argumentos e levantamentos de dados que de fato convençam de que o investimento faz sentido.

Assim, entendemos a situação de Marina: há uma cobrança da diretoria para resolver um problema que está acontecendo; há a pressão por desenvolver uma ferramenta de IA ou comprar uma ferramenta de IA, sem saber se, de fato, a IA vai ajudar; há um prazo de 90 dias, relativamente curto; e a pessoa responsável pela aprovação é o CFO, que demonstra ceticismo. Portanto, nesses 90 dias, Marina precisa reunir o máximo de informações e números para que o CFO aprove o projeto.

Com isso, Marina considerou duas opções. Uma delas é comprar...

Comprar ou construir: como decidir com critério

Existem plataformas prontas de mercado — aliás, existem algumas — que podem ser implantadas em semanas. Ou seja, não precisaríamos desenvolver muito: esse caminho é mais rápido, porém oferece menos controle. As ferramentas já vêm prontas; customizações podem ser feitas, mas, via de regra, o esqueleto está definido e não conseguimos alterá-lo.

Nesses casos, observando o mercado como um todo, algumas empresas tentam adaptar seus processos à ferramenta. Nós vamos discutir por que isso não é uma boa prática. Afinal, a ferramenta pode deixar de existir amanhã. Como ficam os processos da organização? Será necessário adaptar tudo novamente a uma nova ferramenta?

Essa é a situação da opção A: comprar uma ferramenta pronta. É mais rápido, envolve custo e traz menos controle.

Solução B: construir internamente

Marina propôs outra ideia, a solução B: construir. Nesse caso, teríamos controle sobre a própria ferramenta; seria uma solução que manteria sob nosso domínio os dados e as informações. Ganharíamos controle, porém o tempo de implementação seria muito maior, e o custo também pode ser elevado.

Por quê? Muitas pessoas pensam que construir internamente é mais barato do que comprar uma ferramenta de mercado. Talvez isso seja verdade se já houver uma equipe preparada, com conhecimento consolidado e infraestrutura disponível. Nessa hipótese, de fato, pode sair mais barato.

Entretanto, neste caso — que representa, aliás, a realidade de grande parte das empresas — não se trabalha com desenvolvimento de Inteligência Artificial. Às vezes, não há profissionais com conhecimento, formação específica ou sequer cursos na área. Muitas vezes, o que se conhece são ferramentas divulgadas amplamente, utilizadas para benefício próprio e levadas para a empresa como se resolvessem qualquer problema organizacional.

Nessa situação, o custo tende a ser mais elevado: há o custo de aprendizagem, o custo do erro e o custo de infraestrutura. Tudo isso deve ser considerado quando a equipe não está suficientemente preparada para o tema. Construir, portanto, pode se tornar um problema.

Evitando o “encanto da ferramenta da moda”

Essa é a situação de Marina, comum a diversas empresas no mercado. A pergunta que trataremos é: como decidir com critério, sem medo de ficar para trás e sem o encanto da ferramenta da moda?

Por que mencionamos o “encanto da ferramenta da moda”? Provavelmente percebemos isso não apenas na perspectiva da empresa, mas também como pessoa física. Abrimos as redes sociais e, a cada dia, surge uma ferramenta “milagrosa”, que supostamente resolve todos os problemas. Nem sempre é assim. Frequentemente há algum tipo de marketing (marketing) por trás, que destaca determinadas soluções.

Por outro lado, será que essa ferramenta resolve o seu problema? Será que ela foi feita para a sua realidade? O importante não é decidir por impulso, com base em alguns prints (capturas de tela) ou em um vídeo de demonstração visto em alguma rede social, e sim tomar uma decisão consciente, direcionada, alinhada aos objetivos estratégicos e, principalmente, sustentada pelo engajamento necessário dentro da empresa.

Se diretorias ou tomadores de decisão não apoiarem e não enxergarem o projeto como algo importante, o risco de falha é muito alto. Para escolher qual caminho seguir, devemos apresentar números muito bem preparados. É isso que iremos discutir.

Caso de referência

Este é o caso da Hermix. Contaremos com Marina e com o CFO Cético ao longo das nossas aulas.

O novo cálculo: construir ou comprar na era da IA - Três Opções Práticas

Apresentando os caminhos possíveis

Agora que conhecemos a empresa, quais são os possíveis caminhos que ela pode tomar? Quando enfrentamos um problema como este, temos três possibilidades.

O primeiro caminho é comprar uma ferramenta de inteligência artificial já pronta no mercado. Quando abrimos nossa rede social favorita, somos inundados por diversas soluções que prometem resolver o problema. Elas destacam funcionalidades e acabam despertando interesse em conhecê-las.

Comprando uma solução pronta

Como já estão prontas, basta assinar o contrato e a solução passa a funcionar para a nossa empresa. O intervalo entre buscar a ferramenta e tê-la em operação é curto, pois não precisamos desenvolver nem testar nada; trata-se de uma solução pronta de mercado.

Outro ponto: o fornecedor mantém a ferramenta. Nós ou nossa equipe não precisamos nos preocupar em caso de um bug (erro) ou se o sistema cair no meio da madrugada; basta abrir um ticket (chamado) e o fornecedor é responsável por restabelecer a solução. Essa responsabilidade, assim como níveis de serviço, normalmente está prevista em contrato; em caso de problema, o fornecedor é responsabilizado, e seu modelo de cobrança está atrelado a manter o sistema no ar.

Por outro lado, há a questão do controle. Ao comprar uma ferramenta de mercado, temos menos controle sobre ela. O que isso significa? Muitas vezes, essas soluções possuem uma estrutura-base que atende empresas de diversos ramos. Pequenas customizações podem ser feitas, mas, às vezes, precisamos de adaptações muito maiores para encaixar no nosso processo e, nesse caso, ou não é possível, ou o custo é elevado.

Vale refletir se faz sentido. Algumas empresas, de forma inadequada, tentam adaptar o próprio processo à ferramenta adquirida. Consideramos isso problemático: amanhã, a ferramenta pode deixar de funcionar; como ficam os processos? Será necessário contratar outra solução, que talvez não se encaixe; teremos de mudar novamente; as pessoas da equipe precisarão se adaptar mais uma vez. Não julgamos isso saudável para a empresa.

Outro ponto: concorrência. O concorrente pode comprar a mesma solução. Como a espinha dorsal atende praticamente qualquer negócio, a diferenciação tende a ser limitada. Em outras palavras, não há muito que possamos fazer de diferente quando a base é igual para todos.

Comprar uma ferramenta tem esses prós e contras, mas existem outras possibilidades. Caso comprar não seja o caminho, podemos construir nossas próprias ferramentas.

Há ainda um ponto importante: ao comprar, muitas vezes compartilhamos nossos dados com o fornecedor. Em tempos de inteligência artificial, dados são muito relevantes. As grandes empresas já vasculharam os dados públicos disponíveis na internet; o foco está nos dados privados. Frequentemente, nos termos contratuais, consta que nossos dados poderão ser utilizados para melhorias ou mesmo para criação de novas ferramentas ou modelos baseados nesses dados. Isso não implica necessariamente vazamento, mas podemos estar contribuindo para algo que não desejamos.

Construindo solução própria

Dados são muito importantes para a empresa. Dessa forma, quando construímos nossa própria ferramenta, nossos dados permanecem conosco.

Podemos colocar a ferramenta que construímos em nosso próprio ambiente, em nosso servidor. Dessa forma, os dados não serão compartilhados com outras empresas. Assim, teremos mais controle e diferenciação, pois podemos criar funcionalidades, realizar testes e adotar abordagens que o mercado ainda não utiliza. Isso pode se tornar um diferencial capaz de gerar bons retornos, desde que utilizemos a solução de maneira adequada.

Por outro lado, há pontos negativos relacionados a tempo, custo e manutenção. Como mencionamos, em muitas empresas a área de tecnologia costuma ser responsável por esse tipo de construção. Contudo, essa área normalmente já possui diversos outros projetos, e o nosso será mais um no portfólio. Se não atribuirmos a devida urgência ou não ampliarmos a equipe, o projeto poderá ficar parado.

Há ainda outra dimensão ligada a tempo e custo: as pessoas envolvidas. Em muitos casos, elas atuavam em outros projetos e não têm conhecimento prévio em inteligência artificial — o que é completamente compreensível, já que ninguém precisa dominar todos os assuntos. A questão é que, quando um novo projeto de inteligência artificial surge, precisamos buscar treinamentos, conhecer ferramentas e amadurecer práticas. Isso demanda tempo e gera custos de capacitação, de servidores e de manutenção da ferramenta. Construir internamente também traz esses desafios.

Quando falamos de manutenção, existe um ponto importante: e se a ferramenta sair do ar no meio da madrugada? Quem será responsabilizado? A ferramenta não pode ser responsabilizada. Precisamos de uma pessoa responsável por aquele processo e pela ferramenta — alguém que, no mínimo, acione as outras áreas para realizar a manutenção o mais rápido possível. Esses são alguns dos pontos negativos que precisamos considerar.

Adotando um modelo híbrido

Existe também o caminho do modelo híbrido, no qual parte é desenvolvida e parte é adquirida. Podemos, por exemplo, “comprar o encanamento” e construir apenas a diferenciação. Em outras palavras, aquilo que é commodity (mercadoria padronizada), que qualquer organização pode utilizar — como os principais modelos de IA do mercado —, pode ser comprado. Por que utilizar ou treinar nosso próprio modelo, a menos que haja um ganho realmente significativo? Já aquilo que constitui diferencial, como funcionalidades únicas, tende a valer a pena construir. O que é base comum para todos talvez seja mais eficiente adquirir.

Não estamos falando em comprar a solução completa, mas sim parte dela. Surge, então, a questão: qual parte comprar e qual desenvolver? O desenvolvimento também terá custos, treinamento e manutenção, ainda que em menor escala. Se escolhermos pontos estratégicos, o impacto pode ser significativamente menor.

Diante disso, temos três caminhos que discutiremos ao longo das aulas: comprar, desenvolver ou adotar o modelo híbrido. Comprar muitas vezes parece um bom caminho, mas traz os defeitos mencionados. Desenvolver também pode ser atraente, mas tende a representar uma jornada longa para a equipe — sobretudo se ela ainda não trabalha com IA. O caminho do meio pode ser interessante, porém precisamos definir até onde desenvolveremos e até onde compraremos.

Aplicando ao caso Hermix

No caso da Hermix, uma sugestão foi comprar a base de atendimento e construir a inteligência sobre o histórico do cliente. Os dados do cliente — o histórico do cliente — são dados core (centrais) para a empresa, e não há interesse em compartilhá-los com terceiros. Portanto, essa parte permanece como desenvolvimento interno. Já a base de atendimento — integrações com ferramentas de comunicação, gerenciamento de filas e itens correlatos — pode ser suprida por diversas soluções disponíveis no mercado. Não faz sentido interromper o trabalho da equipe ou das pessoas colaboradoras para construir algo que já funciona bem e que não representa um grande diferencial competitivo. Por outro lado, a inteligência apoiada no histórico dos clientes pode, de fato, gerar diferenciação.

Esse é o cenário de possibilidades que encontramos para ferramentas de inteligência artificial no mercado.

Sobre o curso Inteligência Artificial: decisão estratégica entre construir, comprar e soluções híbridas

O curso Inteligência Artificial: decisão estratégica entre construir, comprar e soluções híbridas possui 170 minutos de vídeos, em um total de 46 atividades. Gostou? Conheça nossos outros cursos de Liderança em Gestão & Negócios, ou leia nossos artigos de Gestão & Negócios.

Matricule-se e comece a estudar com a gente hoje! Conheça outros tópicos abordados durante o curso:

• O novo cálculo: construir ou comprar na era da IA
• O Canvas Build vs. Buy aplicado a iniciativas de IA
• Due diligence de fornecedor: as perguntas certas de RFP
• TCO em 5 anos: o modelo que passa no crivo do CFO
• Cláusulas críticas e a decisão híbrida