Massachusetts Institute of Technology: Aumentar os indicadores-chave de desempenho com a IA

Na Primavera de 2023, realizámos uma pesquisa global e, posteriormente, analisámos os registos de 3043 entrevistados, representando mais de 25 sectores e 100 países. Também entrevistámos 17 executivos que lideram iniciativas de IA numa vasta gama de empresas e sectores, incluindo serviços financeiros, media e entretenimento, retalho, viagens e transportes, e ciências da vida. A nossa pesquisa analisa como gestores e líderes usam a IA para melhorar a avaliação estratégica e promover os resultados estratégicos. Explora como as organizações adaptaram — e até geraram novos — KPI com IA para definir e fornecer um desempenho melhor.

A melhoria dos indicadores-chave de desempenho é um dever claro para a maioria das organizações. Segundo o nosso sétimo inquérito anual global sobre IA para executivos, sete em cada 10 inquiridos concordam que melhorar os KPI — e não apenas melhorar o desempenho — é fundamental para o sucesso do seu negócio. Como um executivo observa: «Precisamos de actualizar sempre os nossos KPI N para não gerirmos os nossos negócios com métricas ultrapassadas.»

Um número crescente de empresas utiliza agora a IA — de várias formas — para acelerar essa evolução. «Estou muito entusiasmado com o que a aprendizagem automática pode fazer para que os nossos líderes seniores se afastem das métricas que olham para trás e prefiram métricas que olham para a frente», refere Avinash Kaushik, director de estratégia da agência de marketing digital Croud e ex-director sénior de análise estratégica global da Google.

No início da Lyft, os engenheiros conceberam um algoritmo para maximizar as receitas, fazendo corresponder a oferta de condutores à procura dos clientes. «O algoritmo analisava todas as combinações possíveis de passageiros e condutores e seleccionava a combinação que — com base na viagem solicitada, na localização do condutor e em toda a dinâmica do sistema — maximizava as receitas», afirma Elizabeth Stone, ex-vice-presidente de ciências da Lyft. Depois, quando os cientistas de dados começaram a testar outros objectivos, surgiu algo interessante. Uma solução de IA descobriu que a optimização das taxas de conversão — a frequência com que um utilizador pedia uma boleia após abrir a aplicação — iria, por sua vez, gerar mais pedidos de viagens no futuro. Mais pedidos de viagens significam, em última análise, mais receitas. Como resultado da utilização da IA, a Lyft transformou o seu KPI de receitas de um KPI centrado nas combinações de viagens e condutores para um KPI que também se centra na optimização das taxas de conversão.

Na Tokopedia (parte do GoTo Group), um dos maiores mercados da Indonésia, a IA analisa petabytes de dados para detectar sinais correlacionados com a credibilidade e a fiabilidade. Estas são considerações fundamentais, dado que 86,5% dos seus 14 milhões de comerciantes — que vendem 1,8 mil milhões de produtos — são novos empresários. Ter comerciantes mais credíveis torna o mercado mais apelativo, eficaz e eficiente. «Podem ter bons produtos para vender, mas não sabem como gerir o seu stock», revela Herman Widjaja, CTO da Tokopedia. «Com a IA, ligamos os nossos clientes ao produto certo, disponibilizado pelos comerciantes certos que eles desejam.» A empresa condensou milhões de sinais possíveis num sistema de classificação que representa um novo KPI em torno da qualidade do comerciante.

Embora grande parte dos inquiridos compreenda a necessidade de melhorar os KPI, uma clara maioria depende actualmente de ferramentas e tecnologias desadequadas para gerir as suas métricas. Mesmo que os algoritmos de aprendizagem automática e a IA generativa transformem as capacidades empresariais, o julgamento humano continua a ser a abordagem esmagadoramente dominante para a melhoria dos KPI. Dois terços dos inquiridos afirmam que os gestores fazem juízos de valor quando ajustam os KPI da sua organização. Embora comum, essa abordagem muitas vezes não produz os resultados desejados: apenas um terço dos inquiridos que dependem apenas do julgamento humano vê melhorias nos seus KPI.

Em contraste, as empresas que utilizam a IA para definir os seus KPI têm muito mais probabilidades de ver métricas melhoradas. Noventa por cento dos inquiridos que utilizam a IA para criar novos KPI afirmam que vêem os seus KPI melhorar. Esses KPI definidos por IA oferecem benefícios comerciais e demonstram novas capacidades: geralmente levam a mais eficiência e maior benefício financeiro e são mais pormenorizados e oportunos, e estão mais alinhados com os objectivos organizacionais. Observamos uma consciencialização crescente entre os executivos de que os KPI precisam de se ser mais inteligentes e preditivos.

Todos os líderes que entrevistámos para a nossa pesquisa expressaram razões semelhantes para melhorar os KPI. À medida que as métricas antigas se tornam estáticas e desactualizadas, o seu valor como ferramentas para definir e atingir objectivos organizacionais diminui. De facto, tornam-se mensuravelmente menos úteis. Tanto individual como colectivamente, os KPI precisam de ser actualizados e melhorados para garantir que promovem os resultados organizacionais desejados. Melhorar o desempenho sem melhorar os KPI cria um risco competitivo. As empresas que se concentram em — ou se alinham em torno de — medidas abaixo do ideal estão em desvantagem competitiva. A concentração no desempenho sem uma concentração proporcional na sua medida cria um desequilíbrio inerente que pode sabotar os esforços de uma empresa para competir eficazmente.

Com base na nossa pesquisa — que inclui os resultados de um inquérito global a mais de três mil gestores e a análise qualitativa de mais de uma dúzia de entrevistas a executivos —, identificámos três formas de melhorar as métricas estratégicas com IA:

Melhorar os KPI existentes.
• Criar novos KPI.
• Estabelecer novas relações entre os KPI.

Este artigo explica como esta estrutura Melhorar- Criar-Estabelecer, ou MCE, pode ajudar líderes e gestores a redireccionarem os KPI para tornarem os seus colaboradores, processos e tecnologias mais eficazes. A nossa pesquisa mostra que os KPI melhorados pela IA estão associados a benefícios comerciais estrategicamente valiosos, incluindo maior eficiência, melhor alinhamento e maior benefício financeiro. A integração da IA no processo de avaliação estratégica tem enormes implicações para o futuro da alocação de capital, envolvimento do cliente, experiência dos funcionários, EBITDA e todas as outras métricas executivas.

Oferecemos várias etapas práticas para usar a IA de modo a melhorar os KPI.

MELHORAR OS KPI EXISTENTES COM IA

As empresas que inicialmente usam a IA para aumentar os números de desempenho tendem a descobrir que a tecnologia cria oportunidades para reavaliar e rever os principais parâmetros de desempenho.

O EFEITO DE SUBSTITUIÇÃO NA WAYFAIR

A abordagem de IA da Wayfair é um exemplo disso. Embora a perda de uma venda possa parecer uma medida simples, a marca de móveis online usou a IA para reexaminar os fundamentos por trás do seu KPI de vendas perdidas. Como recorda a CTO Fiona Tan, «costumávamos pensar que se perdêssemos a venda de um determinado produto, como um sofá, isso era uma perda para a empresa. Mas começámos a analisar os dados e percebemos que 50% a 60% das vezes, quando perdemos uma venda, é porque o cliente comprou outra coisa na mesma categoria de produto.»

Esta análise baseada em IA permitiu à Wayfair experimentar ofertas substitutas com base nas preocupações dos clientes, como pontos de preço, tempos de envio e outros factores. A procura por esses produtos substitutos forneceu uma nova perspectiva sobre o que era avaliado e interpretado anteriormente como vendas perdidas. O reconhecimento desse “efeito de substituição” levou a Wayfair a ajustar os preços em todo o seu domínio de sofás, renovar as configurações de produtos nos seus centros de atendimento, e redefinir as prioridades dos KPI mais antigos.

A um determinado nível, a Wayfair utilizou a IA para transformar o seu antigo KPI de vendas perdidas numa métrica mais valiosa que diferenciava as vendas verdadeiramente perdidas das vendas reais. Mas, a outro nível, a IA por trás desse KPI actualizado também permitiu mudanças mais abrangentes. A equipa de Tan usou o efeito de substituição para desenvolver uma “estrutura de consciencialização dos lucros”, que alterou a interacção da empresa com os clientes. As recomendações de mobiliário da Wayfair começaram a ter em conta tempos de entrega e custos de envio, bem como incidentes e rentabilidade dos produtos, ao fazerem as ofertas mais vantajosas. Avaliar e incorporar explicitamente o efeito de substituição reenquadrou as vendas perdidas como oportunidades de vendas e levou a alterações nos preços. Este reenquadramento alinhou consequentemente 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 dos clientes.

As empresas de todo o sector estão a encontrar formas de utilizar a IA para melhorar os KPI existentes. Algumas usam a IA para aprofundar a sua noção dos factores que impulsionam os resultados dos KPI, enquanto outras usam a IA para identificar e priorizar os KPI que fornecem mais valor para a organização. Embora os resultados da nossa pesquisa sugiram que a maioria das empresas se satisfaz com a melhoria dos KPI (ou seja, confia no julgamento humano), também vemos empresas a reconhecer que a IA possibilita KPI totalmente novos que podem atingir e impulsionar um desempenho superior.

CRIAR NOVOS KPI

Para além de melhorar as métricas de desempenho existentes, a IA oferece o potencial para os gestores descobrirem e gerarem algoritmicamente KPI totalmente novos. Embora o nosso inquérito mostre que apenas 16% das organizações dos inquiridos usam a IA para gerar novos KPI, 90% concordam que a sua utilização da IA melhorou de forma mensurável os seus KPI.

Por exemplo, a procura de indicadores que ajudem os médicos a evitar a morte súbita cardíaca, que afecta 300 mil pessoas nos EUA todos os anos, é um esforço contínuo para médicos e investigadores. Este tipo de morte surge repentinamente; os médicos não a conseguem prever, uma vez que os doentes não apresentam um risco elevado. É uma situação particularmente frustrante porque existe um tratamento eficaz conhecido — a instalação de um desfibrilador cardíaco — se os médicos conseguirem identificar a tempo os pacientes em risco. Um dos investigadores nesta cruzada, Ziad Obermeyer, médico e professor na Universidade da Califórnia, em Berkeley, está a trabalhar com o Sistema de Saúde da Região de Halland, na Suécia, cujos dados do registo médico electrónico podem ser ligados a uma variedade de dados governamentais. Obermeyer e os seus colaboradores treinaram um algoritmo para prever a morte súbita cardíaca no ano seguinte à realização de um electrocardiograma (ECG), usando certidões de óbito e uma variedade de outros pontos de dados retirados de registos governamentais e registos médicos electrónicos.

«O algoritmo tornou-se bastante bom a prever quem vai sucumbir a uma morte súbita cardíaca no ano seguinte à realização de um ECG. Sempre que alguém faz um ECG, o algoritmo gera uma pontuação de risco que mede a probabilidade de o indivíduo morrer de paragem cardíaca súbita», revela Obermeyer. Essa pontuação do ECG também pode funcionar como um indicador-chave de desempenho: com a pontuação em mãos, um médico pode observar como ela muda se for prescrito ao paciente um medicamento como um betabloqueador ou um inibidor da ECA. Embora a investigação esteja numa fase muito inicial, poderá um dia permitir que médicos e doentes trabalhem em conjunto para reduzir o risco de morte súbita cardíaca — e identificar novas intervenções que possam diminuir esse risco. «Conseguir transformar estes sinais biológicos muito complicados em indicadores é muito poderoso», diz Obermeyer, «e penso que será algo que veremos muito mais, não apenas para a morte súbita cardíaca, mas para complicações diabéticas e todo o tipo de outras condições evitáveis e de alto risco.»

A utilização da IA por Obermeyer para criar um novo KPI para a morte súbita cardíaca promete melhorar os resultados dos doentes, reduzir os custos e aumentar a percepção dos médicos da sua própria eficácia. O desenvolvimento e o discernimento de novos indicadores-chave de desempenho com IA é um fenómeno emergente no panorama empresarial e entre as grandes empresas que entrevistámos, como o DBS Bank, a General Electric, a General Motors, a Sanofi, a Schneider Electric e a Walmart. Estas empresas utilizam a IA para identificar indicadores de desempenho futuro em fases cada vez mais precoces da actividade empresarial. Esta capacidade facilita um melhor conhecimento da situação e uma resposta mais eficaz às mudanças nas condições do mercado, entre outros benefícios.

ESTABELECER NOVAS RELAÇÕES ENTRE KPI

Nenhum KPI é uma ilha. Muitos dos executivos com quem falámos sublinharam que uma melhor gestão dos seus negócios exige que reúnam os KPI locais num conjunto mais integrado de métricas. Executivos de todos os sectores comentaram explicitamente as tensões organizacionais e computacionais inerentes entre a maximização dos KPI locais e a optimização dos KPI de nível superior e mais macro. À medida que os recursos e parâmetros do KPI evoluem, a importância de antecipar, modelar e coordenar várias interações do KPI com a IA torna-se mais crítica.

O DBS BANK INTEGRA OS SEUS KPI COM IA

O DBS Bank, com sede em Singapura, já usou KPI independentes para cada função que tocava diferentes pontos ao longo do percurso do cliente. Ou seja, para um determinado produto, o marketing teria, por exemplo, as suas próprias métricas de envolvimento do cliente, o produto teria as suas próprias métricas de desgaste, as finanças teriam as suas próprias métricas de receitas, etc. No entanto, nos últimos três anos, a empresa multinacional de serviços bancários e financeiros substituiu esse modelo vertical por um modelo horizontal. O DBS criou um mapa de valor que liga os casos de utilização num único percurso do cliente com resultados em quatro categorias: experiência do cliente, experiência dos colaboradores, rentabilidade e risco. «Chamamos-lhe “gestão através de percursos”», explica Sameer Gupta, director de análise do DBS. «Cada percurso do cliente teria vários factores de motivação e cada factor de motivação teria, por sua vez, várias métricas para medir. É possível imaginar a rapidez com que estas escalam, e seria humanamente impossível optimizar um número tão elevado de factores e métricas. A IA é um multiplicador de forças que nos dá a capacidade de analisar inúmeros factores e métricas, e também de identificar aqueles que precisam de ser resolvidos agora.»

No novo modelo, os dados dos resultados são visíveis para os grupos multifuncionais, cujos membros têm interesse em optimizar os resultados nas quatro categorias. «Todos olham para os mesmos dados e todos são responsáveis pelo mesmo resultado», observa Gupta. Os grupos utilizam a experimentação, a análise de dados, a imersão do cliente e a IA para analisarem continuamente os factores que determinam os diferentes resultados. Além disso, mantêm um forte enfoque na escolha das métricas correctas.

Estabelecer essas inter-relações entre os seus KPI tem sido, nas palavras de Gupta, «uma mudança fundamental». Ele prevê que a IA terá um papel cada vez mais proeminente à medida que a organização continua a coordenar as suas métricas num esforço de melhoria contínua. «Estamos a começar a perguntar: “Actualmente, tomamos essa decisão por meio de dados e capacitação de IA? Existe uma oportunidade de o fazer com dados e IA? Se houver, como podemos fazê-lo?”» revela. Discernir novas relações entre KPI com IA e outras técnicas analíticas pode gerar novas oportunidades de negócios, novas perspectivas e um valioso conjunto de dados para gerir comportamentos organizacionais.

CONCLUSÕES PARA A LIDERANÇA

O futuro da avaliação estratégica pertence a KPI mais inteligentes. A nossa pesquisa sugere, porém, que poucas organizações antigas estão a usar estrategicamente a IA para melhorar os seus KPI. Isso faz com que tanto a IA como os KPI sejam activos subvalorizados. A liderança precisa de investir adequadamente. Usar a IA para melhorar os KPI, criar novos KPI e estabelecer novas relações entre os KPI cria uma oportunidade de capturar um valor mensurável maior. A estrutura MCE convida a discussões executivas e na administração que devem levar ao investimento da liderança na melhoria da avaliação estratégica.

A nossa pesquisa também enfatiza a necessidade de os líderes alinharem não apenas os KPI a serem seguidos, mas, ainda mais fundamentalmente, o objectivo desses KPI. Os KPI serão principalmente retrospectivos ou terão uma visão preditiva do futuro?

Neste último caso, as organizações precisam de estratégias para melhorar os KPI existentes; um compromisso com a exploração e a experimentação em torno da criação de novos KPI; e um reconhecimento de que as relações entre os KPI podem ser tão importantes quanto, se não mais, os próprios KPI individuais. Os KPI inteligentes não devem ser geridos principalmente como silos de desempenho independentes; pelo contrário, as suas interdependências e inter- -relações devem ser compreendidas e abordadas. Como os nossos exemplos demonstraram, estas mudanças representam desafios operacionais, organizacionais e culturais para a liderança.

Como tem sido o caso em quase todas as iniciativas de IA bem-sucedidas, os KPI, assim como os algoritmos que os compõem, devem ser transparentes e explicáveis. Os KPI — organizacional cultural e operacionalmente — não podem ser vistos como caixas negras. Devem ser concebidos e implementados para serem de confiança. Esta componente cultural não deve ser minimizada ou tomada como garantida. Caso contrário, pessoas em todos os níveis da organização procurarão manipular as métricas que as orientam, garantindo o desalinhamento organizacional.

Subjacente a esta nova ênfase na IA e nos KPI, e na avaliação estratégica em termos mais gerais, está o reconhecimento de que KPI de qualidade dependem de dados de qualidade. Os KPI treinados ou supervisionados com base em conjuntos de dados tendenciosos, incompletos e incorrectos são susceptíveis de serem tendenciosos, incompletos e incorrectos. A qualidade dos dados é mais importante onde quer que os KPI sejam mais importantes. Vemos organizações comprometidas com KPI orientados por IA tornarem-se ainda mais envolvidas no cultivo de dados como um activo. Elas vêem os investimentos em dados reflectidos em melhorias nos KPI.

Por fim, à medida que os KPI influenciados pela IA se tornam mais influentes na empresa, o seu próprio desempenho exigirá novos níveis de monitorização e supervisão. A liderança terá de conseguir avaliar o desempenho dos seus KPI, individual e colectivamente. São os KPI certos para um sucesso sustentável? Estão a antecipar adequadamente o futuro? Estão a tomar as decisões certas — e a ajudar os humanos a tomar as decisões certas — para alcançarem os resultados desejados e desejáveis? Em termos simples, os KPI exigirão os seus próprios KPI para ajudar a responder a estas importantes perguntas.