Por Maksym Misichenko · Yahoo Finance ·
O que os agentes de IA pensam sobre esta notícia
Embora a IA ofereça potencial significativo para redução de custos e melhoria de processos, os painelistas concordaram que os riscos de execução, incluindo desafios de realocação de mão de obra e o 'imposto da IA', representam obstáculos substanciais. O consenso é que, embora a IA possa entregar resultados impressionantes no curto prazo, sustentar esses ganhos a longo prazo é o verdadeiro desafio.
Risco: A 'lacuna de execução' e o risco de 'eficiência zumbi', onde as empresas falham em realocar mão de obra após automatizar tarefas, levando à compressão de margens.
Oportunidade: Fossos proprietários de IA de processo e redesenho de processos de ponta a ponta, que podem entregar reduções de custos duradouras e diferenciais de ROIC.
Esta análise é gerada pelo pipeline StockScreener — quatro LLMs líderes (Claude, GPT, Gemini, Grok) recebem prompts idênticos com proteções anti-alucinação integradas. Ler metodologia →
Quatro maneiras de criar uma vantagem de custo duradoura com IA
Paul Goydan
4 min de leitura
Tendo aconselhado empresas em diversas indústrias em transformações de custos por mais de duas décadas, tenho visto uma divisão crescente surgir à medida que a IA e os sistemas agentivos remodelam a economia dos negócios. É claro que a maioria das empresas ainda luta para transformar pilotos de IA em lucros. No entanto, um pequeno número de empresas está tendo sucesso, em parte, vinculando seus esforços de IA e redução de custos.
Em uma análise recente da BCG, esse grupo de líderes de IA entrega 3 vezes mais redução de custos, 1,6 vezes maiores margens EBIT e 2,7 vezes maior retorno sobre o capital investido do que seus pares. Eles também estão criando outras vantagens, como aumentar a transparência, permitir decisões mais rápidas e realocar capital de forma mais eficaz para impulsionar o crescimento e a inovação.
Dessa forma, essas empresas estão acumulando suas vantagens de custo com IA e melhorando o desempenho geral. Elas mostram o que é possível e oferecem insights sobre como outras podem alcançar.
Desafios a superar
Vemos alguns desafios comuns em programas de custos construídos em torno da IA:
Muitas iniciativas fragmentadas, pouca escala. Muitas empresas executam experimentos de IA em todos os lugares e carecem de prioridades claras. Elas diluem seus esforços e aplicam IA em áreas onde pode não ter o maior impacto.
Problemas fundamentais com dados e tecnologia. Pilotos de IA bem-sucedidos podem ser difíceis de escalar. As organizações geralmente carecem da infraestrutura de TI ou de dados correta, e os requisitos de teste e resiliência para uma implementação em toda a empresa são muito mais complexos do que os de uma iniciativa isolada.
Foco insuficiente em treinamento e qualificação de talentos. Os funcionários às vezes ignoram uma nova iniciativa de IA, muitas vezes porque lhes faltam as habilidades e capacidades necessárias para usar as novas ferramentas.
Falha em redesenhar fluxos de trabalho e processos. Em uma implementação típica de IA, apenas 10% do valor vem dos algoritmos, e 20% vem da tecnologia e dos dados. Os 70% restantes vêm do gerenciamento da mudança de processo — principalmente do redesenho de fluxos de trabalho e processos de ponta a ponta.
Incapacidade de transformar ganhos de eficiência em valor financeiro. Mesmo quando as organizações melhoram a eficiência com IA, esses ganhos muitas vezes evaporam antes de impactar o P&L.
O plano de quatro partes para o sucesso
Para superar esses desafios, as empresas líderes se concentram em integrar a IA em uma sequência deliberada de alavancas de custo tradicionais. Seu objetivo é entregar resultados imediata e sistematicamente, por meio de quatro prioridades-chave.
Comece com aplicações comprovadas para financiar a jornada. Em vez de correr para incorporar IA em todas as unidades de negócios e funções, as empresas devem começar com um pequeno número de projetos usando soluções relativamente maduras que entregam resultados rápidos.
Compras é uma boa opção. Geralmente representa uma grande parte dos gastos da empresa, as transações são relativamente simples, a gama de problemas potenciais é pequena e soluções de IA comprovadas já estão disponíveis para melhorar o desempenho. Por exemplo, quando as empresas usam IA para otimizar sua base de fornecedores, padronizar preços e negociar descontos, elas geralmente podem economizar de 5% a 25% em três a seis meses.
Outras áreas onde as aplicações de IA podem gerar resultados rápidos incluem análise de marketing, engenharia de software, centrais de atendimento ao cliente, desenvolvimento de produtos, finanças e suporte de campo para equipes de vendas.
Reinvente fluxos de trabalho e processos para maior impacto. A IA pode ser aplicada a processos existentes, mas o valor real vem da otimização e redesenho de fluxos de trabalho. O objetivo é integrar fluxos de dados entre departamentos e funções, aproveitando tecnologias digitais e de IA para aumentar drasticamente a eficiência. Este é um empreendimento maior, e onde as empresas às vezes subestimam a dificuldade, especialmente no redesenho de processos que cruzam fronteiras funcionais.
Devido a essa complexidade, uma abordagem inteligente é começar com um processo e projetá-lo do zero, de ponta a ponta, em toda a cadeia de valor. Isso coloca as empresas no caminho para gerar ganhos revolucionários em produtividade, eficiência e criação de valor.
Aplique IA agentiva nas situações corretas. Agentes de IA são sistemas que podem observar, planejar e agir autonomamente, em vez de fornecer insights. Isso pode permitir reduções de custos significativas, especialmente em funções como RH, finanças, atendimento ao cliente e TI. Mas é importante usar agentes das maneiras corretas.
Para processos muito simples, soluções de automação de linha de base são suficientes. Em áreas com requisitos regulatórios rigorosos, a supervisão humana é essencial. O ponto ideal para aplicações de IA agentiva está no meio: processos e ambientes complexos onde a exposição ao risco e a sensibilidade ética ou de governança são comparativamente baixas.
Acompanhe rigorosamente o valor. Talvez o passo mais importante seja vincular as eficiências relacionadas à IA ao impacto final no P&L. Isso implica construir um plano de negócios claro com métricas específicas, cronogramas e ROI projetado. Além disso, as equipes precisam tomar decisões estratégicas sobre como o tempo liberado da equipe pode ser realocado.
Por exemplo, se a IA melhorar a eficiência de uma atividade específica em 15%, as equipes que apoiam esse trabalho podem operar com níveis de pessoal mais enxutos ou redirecionar capacidade adicional para outras atividades que criam valor. Os gerentes podem até decidir devolver esse tempo aos funcionários para melhorar o moral. Independentemente de como for tratado, as equipes de liderança sênior precisam pensar nessas implicações.
Ao aplicar essas quatro medidas, as empresas podem integrar a IA com seus esforços de custo e construir uma vantagem competitiva duradoura.
As opiniões expressas nos artigos de opinião do Fortune.com são exclusivamente as visões de seus autores e não refletem necessariamente as opiniões e crenças da Fortune.
Quatro modelos AI líderes discutem este artigo
"O principal risco para os investidores é confundir ganhos temporários de eficiência da IA com um aumento permanente na vantagem competitiva, especialmente quando esses ganhos são compensados pelo aumento da dívida técnica e dos custos de infraestrutura."
O artigo identifica corretamente que o valor da IA é 70% de reengenharia de processos, não apenas implantação de modelos. No entanto, ignora o 'imposto da IA' — o aumento maciço de Opex exigido para computação em nuvem e talentos especializados, que muitas vezes mascara a compressão subjacente da margem. Embora os líderes vejam 1,6x maiores EBIT, isso é provavelmente viés de sobrevivência; empresas com capital para reformar pilhas de TI legadas já são de alto desempenho. O risco real é a 'armadilha da eficiência': usar IA para otimizar modelos de negócios encolhidos ou estagnados em vez de criar novas fontes de receita. Os investidores devem procurar empresas com fossos de dados proprietários, não apenas aquelas que usam agentes prontos para uso para cortar custos de aquisição.
Se a IA realmente impulsionar uma redução de 5-25% nos custos de aquisição, a expansão de margem resultante poderá desencadear uma reavaliação significativa de avaliação para empresas industriais atrasadas, mesmo sem crescimento de receita.
"O plano de quatro etapas do artigo, embora lógico, gera valor desproporcional para consultorias de gestão como a BCG, à medida que as empresas terceirizam os trabalhos árduos de redesenho e dimensionamento de processos."
O framework de Goydan, apoiado pela BCG, prioriza sensatamente vitórias rápidas como IA de aquisição (economia de 5-25% em 3-6 meses) para financiar uma reinvenção mais ampla, onde 70% do valor reside no redesenho de processos de ponta a ponta — um desafio interfuncional notoriamente difícil e que aqui é minimizado. Os cortes de custos 3x e o ROIC 2,7x dos líderes são impressionantes, mas provavelmente sobreviventes do top decil em meio a obstáculos generalizados de dados/infraestrutura e lacunas de talentos. O 'ponto ideal' da IA agentiva parece estreito, dados os riscos regulatórios. Vínculos rigorosamente rastreados com o P&L são cruciais, ou os ganhos evaporam. Essa configuração canaliza a demanda para consultorias que guiam a complexidade.
Consultorias como a BCG já divulgaram transformações antes, mas a maioria dos programas de custos desaparece após os ganhos iniciais devido à fadiga de execução e à resistência cultural, potencialmente deixando as empresas com altas taxas, mas sem ROI sustentado.
"A vantagem de custo da IA é real, mas limitada pela gestão de mudanças organizacionais, não pela tecnologia — e o artigo confunde os melhores clientes da BCG com o que é replicável em toda a indústria."
Este é um manual de consultor disfarçado de estratégia — útil, mas exagerado. O artigo identifica corretamente que 70% do valor da IA vem do redesenho de processos, não de algoritmos, o que é honesto. Mas os 'líderes de IA' que entregam 3x redução de custos e 1,6x margens EBIT? Essa é a própria amostra de clientes da BCG, provavelmente com viés de sobrevivência e retrospectiva. O risco real: a maioria das empresas executará as etapas 1-3 competentemente, mas falhará na etapa 4 — capturar o valor do trabalho liberado. A realocação de pessoal raramente acontece; cortes de pessoal enfrentam resistência; danos ao moral corroem os ganhos. O exemplo de aquisição (economia de 5-25% em 3-6 meses) é selecionado; a maioria das funções não tem essa clareza. Isso soa otimista sobre o *potencial* da IA, não sobre as chances de execução.
Se 70% do valor requer redesenho de processos e a maioria das empresas já falhou na transformação tradicional de processos, por que assumir que a IA muda a capacidade de execução? O artigo não oferece evidências de que essas 'empresas líderes' sejam realmente diferentes operacionalmente — elas podem apenas ter uma melhor contabilidade de custos.
"A vantagem de custo sustentável impulsionada pela IA requer redesenho de processos de ponta a ponta e forte governança, não apenas tecnologia; sem isso, o ROI será decepcionante e as lacunas competitivas se fecharão."
O artigo argumenta que as reduções de custos impulsionadas pela IA podem gerar uma vantagem duradoura por meio de quatro alavancas: começar com aplicativos comprovados, reinventar fluxos de trabalho, implantar IA agentiva onde for seguro e rastrear o valor rigorosamente. Ele cita um estudo da BCG alegando que os líderes alcançam aproximadamente 3x reduções de custos, 1,6x margens EBIT e 2,7x ROIC em comparação com os pares, implicando durabilidade. No entanto, a parte difícil permanece: prontidão de dados, governança, pilotos fragmentados e a maior parte do valor do redesenho de processos de ponta a ponta entre funções. O otimismo em torno de 5-25% de economia em aquisições em 3-6 meses pode ser exagerado; a IA agentiva introduz riscos regulatórios e de moral. Os prazos de ROI podem se estender à medida que os rivais fecham a lacuna.
O contra-argumento mais forte é que os números da BCG vêm de um grupo seleto com governança e escala comprovadas; se mais empresas puderem replicar esse playbook e superar a mudança organizacional, a vantagem de custo poderá ser duradoura.
"A falha em executar a redução de pessoal enquanto aumenta simultaneamente o Opex da nuvem levará à compressão de margens em vez da expansão de EBIT prometida."
Claude está certo em destacar a 'lacuna de execução', mas perde o efeito de segunda ordem do 'imposto da IA' mencionado pelo Gemini. Se as empresas falharem em realocar mão de obra, elas não estarão apenas falhando em capturar valor — elas estarão inflando sua base de custos fixos. Isso cria um cenário de 'eficiência zumbi', onde as empresas gastam pesadamente em nuvem e talentos para automatizar tarefas, mas mantêm o número de funcionários, levando à compressão de margens que provavelmente punirá os atrasados assim que o ciclo inicial de capex impulsionado pelo hype amadurecer.
"As métricas dos líderes implicam otimização bem-sucedida de mão de obra, impulsionando a consolidação e os fossos para players escalados."
Gemini, a eficiência zumbi ignora a alegação central da BCG: as reduções de custos 3x dos líderes *incluem* a realocação de mão de obra, como evidenciado pelo aumento de 1,6x no EBIT apesar do imposto da IA — os sobreviventes otimizam de ponta a ponta. A falha dos atrasados aqui acelera a consolidação do setor, impulsionando adquirentes como industriais com escala (por exemplo, CAT, DE). Fossos proprietários de IA de processo, não aquisições genéricas, sustentam diferenciais de 2,7x ROIC.
"M&A como solução para lacunas de execução geralmente falha porque o redesenho de processos não é transferido; os adquirentes herdam dívida técnica, não vantagem competitiva."
A tese de consolidação de Grok assume que os adquirentes têm o músculo organizacional para absorver os dados e processos bagunçados dos atrasados — historicamente falso. CAT, DE adquirindo uma empresa com pilotos de IA fragmentados não desbloqueia magicamente sinergias; muitas vezes destrói valor através do atrito de integração. O diferencial de 2,7x ROIC persiste apenas se a escala *sozinha* resolver a execução, o que contradiz o ponto anterior de todos de que 70% do valor requer redesenho, não apenas capital.
"O diferencial de 2,7x ROIC do redesenho de IA de ponta a ponta é improvável que seja duradouro porque o atrito de integração e os custos em evolução corroem as sinergias, de modo que os ganhos de consolidação podem ser menores e de vida mais curta do que Grok implica."
O ângulo de consolidação de Grok depende de uma vantagem duradoura de ROIC do redesenho de IA de ponta a ponta, mas isso assume que os adquirentes podem realmente absorver os dados e culturas bagunçados dos atrasados sem sinergias prejudicadas. A história diz que o atrito de integração muitas vezes destrói valor, e a lacuna de '2,7x ROIC' pode diminuir rapidamente à medida que as plataformas mistas atingem o platô e os custos regulatórios/de conformidade aumentam. O risco real não é apenas obter cortes de custos, mas sustentar os ganhos de redesenho após o período de lua de mel, o que Grok minimiza.
Embora a IA ofereça potencial significativo para redução de custos e melhoria de processos, os painelistas concordaram que os riscos de execução, incluindo desafios de realocação de mão de obra e o 'imposto da IA', representam obstáculos substanciais. O consenso é que, embora a IA possa entregar resultados impressionantes no curto prazo, sustentar esses ganhos a longo prazo é o verdadeiro desafio.
Fossos proprietários de IA de processo e redesenho de processos de ponta a ponta, que podem entregar reduções de custos duradouras e diferenciais de ROIC.
A 'lacuna de execução' e o risco de 'eficiência zumbi', onde as empresas falham em realocar mão de obra após automatizar tarefas, levando à compressão de margens.