O impacto da IAs: o que descobrimos ao analisar mais de 1300 atividades empresariais

Realizamos, com apoio de um algoritmo baseado em IA, uma avaliação de 1.300 atividades organizacionais quanto ao potencial de aplicação de Inteligência Artificial Generativa (GenAI) e ao impacto esperado nos negócios.

O estudo detalhado está presente em: dgbwhitepapers.up.railway.app/ai-business-impact

Introdução

“A sociedade está andando sonâmbula em direção a uma disrupção maciça no mercado de trabalho.”

A frase de Dario Amodei, CEO da Anthropic, sintetiza o desafio que empresas e profissionais enfrentam. Em entrevista recente, ele alertou que até metade dos empregos de colarinho branco pode ser impactada pelas tecnologias de IA nos próximos anos — com níveis de desemprego que poderiam atingir 10% a 20%.

A realidade é que a inteligência artificial deixou de ser uma aposta de longo prazo para se tornar uma força transformadora, concreta e acessível. Ao invés de se restringir a departamentos de tecnologia ou áreas de inovação, a GenAI está se espalhando silenciosamente por toda a cadeia de valor das organizações, com efeitos significativos na forma como se define estratégia, se toma decisão e se entrega valor.

Nosso objetivo com este estudo foi duplo e bem definido: entender, de forma pragmática e com o apoio da própria IA, onde a tecnologia pode gerar mais valor e como priorizar sua adoção — e, ao mesmo tempo, testar a viabilidade de um método automatizado de avaliação, como prova de conceito (POC). Avaliamos 1.300 atividades, distribuídas em 13 grandes categorias organizacionais, medindo em cada uma o potencial de automação via GenAI e o impacto esperado no negócio.

O código desenvolvido foi capaz de avaliar todas as 1.300 atividades em apenas 40 minutos — um trabalho que, por métodos tradicionais, demandaria vários dias de esforço manual.

Metodologia

A base do estudo foi a última versão do Process Classification Framework - Cross-Industry da APQC. O framework estrutura processos empresariais em quatro níveis hierárquicos — categorias, grupos de processos, processos e atividades — oferecendo um mapa completo da operação de uma empresa.

Com essa estrutura em mãos, desenvolvemos um workflow utilizando Python e o modelo GPT-4o da OpenAI. A lógica do algoritmo envolveu três etapas idênticas rodando em paralelo, com o objetivo de mitigar variações de resposta e garantir maior robustez.

Etapas da análise

1. Análise Qualitativa
   Para cada atividade, um agente de IA respondeu a seis questões chave, incluindo:

   • Se a GenAI pode ser aplicada a textos ou imagens na atividade

   • Exemplos concretos de uso

   • Sumário do caso de uso

   • Descrição final do impacto esperado da aplicação da IA

     
     

2. Análise Quantitativa
   As respostas qualitativas foram passadas a um segundo agente, cuja única função era atribuir notas de 1 a 10 em duas dimensões:

   • Automation Potential: quão automatizável é a atividade com GenAI

   • Business Impact: quão relevante seria o impacto da automação nos resultados do negócio

Abaixo, uma ilustração do fluxo:

Cada atividade foi analisada por três instâncias do mesmo fluxo. As notas finais foram a média dessas três avaliações, o que permitiu consistência estatística com custo reduzido (menos de US$30 para todo o processo).

Resultados

Potencial de geração de valor via IA

A média geral do potencial de automação foi de 5,46, e o impacto médio nos negócios foi 6,36, o que sugere um cenário de automação moderada com impacto relevante, mas não transformacional em todas as áreas.

Esses números reforçam uma percepção importante: a IA Generativa ainda demanda supervisão humana e, embora seu impacto seja relevante, não é, na maioria dos casos, transformacional — ao menos com as tecnologias atuais.

Apesar disso, em diversas áreas da empresa, a IA já pode desempenhar um papel importante na melhoria de eficiência, qualidade e velocidade de execução.

Destaques por categoria

As três categorias que apresentaram maior potencial combinado foram Gerenciar Atendimento ao Cliente, Marketing e Vendas e Cadeia de Suprimentos de Produtos Físicos:

Descrição das notas de 5 a 6:

Essas áreas se destacam por envolverem tarefas intensivas em texto, análise de padrões, geração de conteúdo e resposta a demandas padronizadas — campos em que a GenAI já se mostra madura e efetiva.

Apesar de as notas não surpreenderem, a análise qualitativa gerou insumos valiosos para a formulação de estratégias específicas de adoção da IA — especialmente em funções de leitura, síntese e decisão assistida.

Exemplo: Avaliação do Ambiente Externo

Dentro da categoria "Desenvolver Visão e Estratégia", avaliamos a atividade "Analisar o ambiente externo", com seus diversos desdobramentos:

O uso de GenAI nestas tarefas permite a análise e síntese de grandes volumes de dados de mercado, relatórios financeiros, redes sociais e fontes públicas. Isso habilita um novo modelo de monitoramento contínuo do ambiente externo, com velocidade e profundidade antes inviáveis.

Conclusão: Oportunidade Estrutural para os Próximos Anos

Nosso estudo mostrou que a aplicação prática de GenAI em processos de negócios é viável, econômica e tecnicamente promissora. O uso de dois agentes (um para análise qualitativa e outro para atribuição de notas) gerou resultados coerentes com a realidade e revelou oportunidades de uso imediato — especialmente em funções de leitura, interpretação e síntese.

Próximos Passos e Expansões Possíveis

A prova de conceito demonstrou que o método é funcional, rápido e gera resultados coerentes com a realidade dos negócios. A partir daqui, há diversas possibilidades de expansão. Uma delas é a inclusão de mais critérios por atividade, com pesos específicos para cada dimensão avaliada, permitindo uma análise mais granular e adaptada ao contexto estratégico de cada organização.

Além disso, o uso de arquiteturas mais avançadas como LangChain, LangGraph e abordagens como Tree of Thought pode elevar a complexidade e a profundidade da análise. Essas arquiteturas permitiriam, por exemplo, o uso de agentes com memória, raciocínio encadeado, e até mesmo simulações mais próximas da lógica de um consultor humano.

Outra frente promissora é a integração com ferramentas externas, como bancos de dados corporativos, sistemas ERP, buscadores em tempo real ou modelos de previsão. Isso permitiria enriquecer as análises com dados atualizados e específicos do cliente, tornando os diagnósticos mais contextualizados e acionáveis.

Por fim, esse método pode ser diretamente aplicado em projetos de consultoria e diagnóstico organizacional, como uma camada inicial de mapeamento e priorização. Com uma boa curadoria e interpretação estratégica, ele pode reduzir drasticamente o tempo de análise, aumentar a profundidade do diagnóstico e liberar os consultores para atuarem mais fortemente na recomendação e execução.

Considerações Finais

A GenAI não é mais uma tecnologia emergente — é uma infraestrutura cognitiva acessível. Empresas que souberem usar essa capacidade de forma estratégica estarão em uma posição privilegiada para antecipar movimentos do mercado, operar com mais eficiência e inovar com mais velocidade.

Mais do que substituir pessoas, trata-se de potencializar a inteligência humana com ciclos de aprendizado contínuo, decisões baseadas em evidências e execuções mais inteligentes.

A disrupção está posta. A diferença entre liderar ou ser superado estará na rapidez com que conseguimos aprender a operar em parceria com a inteligência artificial.