Como KPIs habilitados por IA podem ajudar líderes a alinhar suas empresas – e obter melhores resultados

Como KPIs impulsionados pela IA podem ajudar líderes a alinhar suas empresas - e alcançar resultados ainda melhores

Tradicionalmente, a definição de indicadores-chave de desempenho, ou KPIs, tem sido tarefa de executivos seniores, que contavam com seu próprio julgamento, intuição e experiência. Mas os KPIs antigos frequentemente avaliam o desempenho com base em métricas subótimas ou até mesmo erradas. À medida que as empresas acumulam conjuntos de dados cada vez maiores e mais diversos, métricas legadas baseadas principalmente em julgamento humano serão menos propensas a alinhar a dinâmica de desempenho com os resultados desejados. Os KPIs precisam se tornar mais inteligentes.

A inteligência artificial pode ajudar, permitindo que as empresas usem seus próprios dados para entender melhor o que impulsiona o desempenho. No processo, a IA também pode mudar a forma como as organizações medem, analisam e alinham o desempenho, substituindo métricas estáticas e legadas por KPIs dinâmicos e inteligentes que oferecem descrições mais detalhadas e precisas do que realmente está acontecendo em um negócio e do que é provável que aconteça em seguida.

Para entender como os executivos estão usando a IA para melhorar a medição estratégica e os resultados, e como suas organizações se adaptaram aos KPIs habilitados para IA, a Boston Consulting Group (BCG) e o MIT Sloan Management Review se uniram para realizar uma pesquisa global com mais de 3.000 gerentes representando mais de 25 setores em 100 países. Também realizamos 17 entrevistas executivas para obter um contexto e uma compreensão mais aprofundada da experiência de empresas individuais que usam a IA para transformar seus KPIs.

Nossa pesquisa descobriu que os líderes que usam a IA para priorizar, organizar e compartilhar KPIs veem um alinhamento aprimorado entre unidades ou funções, o que, por sua vez, gera melhores resultados gerais. KPIs mais inteligentes podem atuar como um GPS organizacional, simplificando a tomada de decisões e o impulso entre equipes. Mas como as empresas usam a IA para criar e gerenciar novos KPIs inteligentes?

• O fraudador da COVID-19 roubou $8 milhões em fundos de auxílio e us...
• As quantias padronizadas de dedução para 2024 estão aqui
• A OpenAI busca parcerias para gerar dados de treinamento de IA

Alinhamento estratégico com KPIs habilitados para IA

Nossa pesquisa executiva descobriu que o uso de KPIs habilitados para IA impacta fortemente três dimensões de alinhamento: 1) As equipes têm mais chances de concordar sobre quais KPIs priorizar; 2) KPIs interligados em toda a organização podem ser otimizados como um conjunto, em vez de isoladamente; e 3) as equipes têm mais probabilidade de compartilhar informações quando necessário, aumentando tanto a responsabilidade quanto o alinhamento. Vamos explorar cada dimensão.

Priorização. Nossa pesquisa descobriu que empresas que relataram usar a IA para priorizar seus KPIs tinham 4,3 vezes mais chances de afirmar que têm mais alinhamento entre as funções do que aquelas que não usam a IA. As equipes frequentemente ficam sobrecarregadas com uma confusão de diferentes KPIs que dizem coisas diferentes, especialmente à medida que as operações se tornam mais complexas. A priorização dos KPIs é essencial para evitar esforços e recursos desperdiçados. Modelos impulsionados por IA, como demonstrado por empresas líderes do setor, ajudam a priorizar os KPIs identificando algoritmicamente quais têm o maior impacto nos resultados comerciais desejados.

A Maersk, empresa dinamarquesa de transporte, navegação e logística, oferece uma boa ilustração do desafio de priorizar indicadores de desempenho concorrentes. A empresa procurou determinar a melhor forma de avaliar o desempenho: velocidade (carregando e descarregando navios ou caminhões o mais rápido possível) versus confiabilidade (gerenciando o processo de carga para manter um cronograma confiável).

Os gerentes do porto da empresa argumentaram que a velocidade era a melhor medida de desempenho com base no fato de que isso aumentaria o rendimento – mesmo que equipamentos adicionais fossem necessários para lidar com o aumento de ritmo, o que aumentaria os custos a curto prazo. No entanto, usando a IA, a equipe de dados da Maersk chegou a uma conclusão radicalmente diferente e contra-intuitiva: ir mais devagar melhorou os resultados em todo o sistema. Novamente usando a IA, eles determinaram uma métrica ideal de rendimento para carregamento e descarregamento que era mais lenta do que a experiência dos gerentes do porto sugeriria.

Para aumentar a confiança nas análises alimentadas por IA, a Maersk desenvolveu um modelo para testar o impacto de cada abordagem em sua cadeia de valor. A empresa descobriu que ir mais rápido em um porto levava a gargalos em outros lugares, anulando quaisquer ganhos de produtividade globais. Em contrapartida, manter um cronograma confiável (embora mais lento) resultou em mais chegadas no prazo, reduzindo os custos. A complexidade dessas variáveis inter-relacionadas provou ser difícil de decifrar apenas com base no julgamento humano, enquanto a IA foi capaz de identificar e explicar a métrica de desempenho mais útil (“mais lenta”). Ao priorizar a confiabilidade em relação à velocidade, a IA facilitou o alinhamento organizacional mensuravelmente melhor para obter resultados mensuravelmente melhores.

Ensembleamento. As métricas com as quais empresas, equipes e indivíduos trabalham geralmente estão interligadas e não devem ser vistas ou otimizadas isoladamente. Por exemplo, uma empresa de consultoria de TI que deseja responder a propostas tem como alvo maximizar a velocidade com que pode alocar uma nova equipe para um projeto, ao mesmo tempo em que garante a adequação ao propósito. Esses dois objetivos – velocidade versus qualidade – não requerem necessariamente a priorização, mas sim a otimização conjunta. Usando IA, a empresa pode prever com mais precisão sua “probabilidade de vitória” ao analisar os registros passados ​​e os projetos atuais da empresa contratante. Isso, por sua vez, guia a alocação de recursos (incluindo tempo da equipe) para projetos com alta probabilidade de vitória. O ensembleamento é outra área em que as capacidades de reconhecimento de padrões da IA geralmente superam o julgamento humano e a intuição. Por exemplo, a Pernod Ricard, marca global de bebidas alcoólicas de 10 bilhões de dólares, usa IA para equilibrar duas prioridades estratégicas frequentemente concorrentes: aumentar a margem de lucro e aumentar a participação de mercado. A IA é capaz de avaliar, ponderar e fornecer percepções sobre como os investimentos comerciais e de marketing que melhoram os lucros também influenciam os objetivos de participação de mercado – e vice-versa. No passado, cada uma dessas KPIs seria isolada: a função financeira focava na lucratividade, enquanto as vendas e marketing enfatizavam a participação de mercado. Agora, a Pernod Ricard é capaz de equilibrar dinamicamente sua busca pela lucratividade e participação de mercado, tanto estrategicamente quanto operacionalmente, graças ao ensembleamento de seu algoritmo de IA para avaliar o impacto geral.

Compartilhamento. Equipes e funções dedicadas muitas vezes acabam com KPIs dedicados e isolados, o que prejudica o desempenho geral. Como um executivo comentou: “Precisamos fazer mais para compartilhar as KPIs. … Quais são as KPIs certas para compartilhar e garantir que uma coisa não esteja anulando a outra de forma contraproducente?” Nossa pesquisa revelou que as organizações que usam IA para criar KPIs compartilhados entre equipes afirmam ter cinco vezes mais probabilidade de ver uma melhor alinhamento e três vezes mais probabilidade de serem ágeis e responsivas do que as organizações que não usam IA para compartilhar KPIs.

A ideia essencial é que a IA é capaz de identificar métricas em toda a organização que exigem responsabilidade compartilhada. Tornar as KPIs claras e facilmente acessíveis também promove o compartilhamento e estimula conversas baseadas em dados entre as equipes. A Sanofi, por exemplo, fez exatamente isso por meio de seu aplicativo PLAI, que usa IA para ajudar a analisar, processar e apresentar os números que fazem mais sentido para públicos específicos dentro da empresa. Ao oferecer visibilidade do desempenho em toda a empresa, o PLAI cria uma única fonte de verdade que ajuda as pessoas a verem onde estão e o que precisa ser feito.

Governando KPIs habilitadas por IA

A adoção de indicadores de desempenho habilitados por IA não é tão simples como ligar um interruptor. Empresas que buscam inovação algorítmica devem seguir três etapas-chave: 1) Organizar os dados da empresa; 2) construir estruturas organizacionais para supervisionar e orquestrar o desenvolvimento conjunto de KPIs/IA; e 3) fortalecer sua cultura de tomada de decisões baseada em dados.

Dados. Os executivos que entrevistamos enfatizaram, sem exceção, que dados limpos e confiáveis são cruciais para a transformação das KPIs. No entanto, a geração de dados limpos tem sido notoriamente complicada para as empresas. As organizações que estão organizando seus dados para KPIs habilitados por IA devem se concentrar em dois fatores: 1) garantir que existam sistemas para gerar os dados necessários; e 2) configurar a arquitetura de dados para facilitar a produção de KPIs.

O diretor de dados e análise da General Motors, Jon Francis, nos disse que a estratégia de dados é de importância fundamental porque cria confiança nas métricas tanto entre os funcionários quanto entre os executivos. Pensar na telemetria, nos planos de medição e na instrumentação é vital para garantir que os dados estejam fluindo e possam fornecer as KPIs necessárias. Uma boa estratégia de dados torna a produção de KPIs habilitadas por IA rotineira. Isso significa que os dados devem estar co-localizados, a geração de métricas deve ser automatizada usando IA, e as equipes não devem precisar de suporte técnico adicional para visualizar e gerenciar suas KPIs.

A jornada da Pernod Ricard para permitir intervenções de IA destaca o desafio central dos dados. A empresa determinou que precisava de três anos de dados de vendas semanais, mas descobriu que quase 80% dos dados necessários eram externos. Juntar esses dados exigiu um esforço manual extenso. Isso tornou especialmente importante criar um caso de negócio para o esforço, a fim de criar consenso interno entre os funcionários sobre seu valor e obter o apoio necessário.

Construções organizacionais. As organizações que introduziram com sucesso metas (KPIs) habilitadas por IA frequentemente foram ancoradas por uma equipe ou grupo de equipes dedicadas a ter uma visão transversal. A abordagem exata pode variar, mas atribuir a responsabilidade a uma entidade dedicada faz toda a diferença para sustentar um programa de transformação de KPIs bem-sucedido.

Schneider Electric, por exemplo, criou um escritório de gerenciamento de desempenho dedicado para manter a supervisão dos KPIs, deliberadamente posicionados na equipe de governança para garantir uma perspectiva neutra e multifuncional. Para ajudar a liderança sênior a se concentrar nas informações mais importantes em meio a numerosos KPIs, o escritório de gerenciamento os atualiza sobre o que é mais relevante para impulsionar o desempenho dos negócios. Já o banco DBS de Singapura adotou uma abordagem mais descentralizada, incorporando equipes multifuncionais para analisar os impulsionadores do processo, otimizá-los e apresentar uma visão comum e focada a todos os membros da equipe, em vez de ter milhares de métricas.

Cultura. Historicamente, as organizações atribuíam mais valor à experiência e à intuição do que aos dados na tomada de decisões. Como observou um entrevistado, a rejeição habitual à tomada de decisões orientada por dados é que os líderes de empresa recebiam milhões por seus instintos. Por isso, a mudança para ser centrado em dados e aberto a intervenções lideradas por IA começa pelos próprios líderes.

A Sanofi está trabalhando para reiniciar a maneira como seus executivos pensam. “Os 150 líderes mais importantes estão sendo treinados em bootcamps para se tornarem mais centrados em dados, buscarem mais informações, fazerem as perguntas certas e serem mais habilidosos digitalmente na maneira como formulam suas necessidades”, disse Emmanuel Frenehard, diretor digital-chefe da Sanofi. “Nosso objetivo, como parte de nossa mudança cultural, é que essas 150 pessoas, quando saírem, estejam muito mais propensas a adotar essa visão centrada em dados. Estamos nos certificando de que o cerne de nossa liderança na empresa seja treinado no uso da próxima geração de KPIs baseados em IA.” Essa abordagem de cima para baixo, juntamente com as conversas orientadas por dados da empresa e catalisadas pelo aplicativo PLAI, está ajudando a impulsionar a mudança cultural na Sanofi.

Conclusão

Tornar a alinhamento estratégico dentro de suas organizações é uma prioridade cada vez mais importante para executivos sêniores. Os KPIs habilitados por IA são ferramentas poderosas para alcançar esse objetivo. Ao acertar os dados, usar construções organizacionais adequadas e impulsionar uma mudança cultural em direção à tomada de decisões orientada por dados, as organizações podem governar efetivamente a criação e implementação de KPIs habilitados por IA. Fazendo isso, elas poderão priorizar, reunir e compartilhar KPIs de maneira mais eficaz – os primeiros passos para alcançar o objetivo de alinhamento estratégico.

***

Leia outras colunas de François Candelon. François Candelon é um diretor gerente e sócio-sênior da BCG e o diretor global do BCG Henderson Institute. Você pode contatá-lo em [email protected]. Michael Chu é um sócio e diretor associado de ciência de dados na BCG X. Gaurav Jha é um consultor na BCG e um embaixador do BCG Henderson Institute. Shervin Khodabandeh é um diretor gerente e sócio-sênior da BCG. David Kiron é o diretor editorial de pesquisa da MIT Sloan Management Review e líder de programa para suas iniciativas de pesquisa Big Ideas. Michael Schrage é um pesquisador da Sloan School of Management do MIT, na Iniciativa de Economia Digital. Algumas das empresas apresentadas nesta coluna são clientes antigos ou atuais da BCG.