Exemplos de implementação de IA: como as empresas estão colocando a IA em prática

Introdução

Provavelmente você não precisa ser convencido de que a inteligência artificial é importante. A questão mais difícil é onde ela se encaixa no que você já opera.

As organizações que utilizam bem a IA não são aquelas com o maior número de ferramentas de IA. São aquelas que incorporaram a IA a experiências específicas do cliente e a processos de negócios, e depois a conectaram aos dados e sistemas dos quais esses processos já dependem. Um mecanismo de recomendação sem visão do comportamento do cliente está apenas dando palpites. Um assistente de IA sem acesso aos dados da conta é uma página de perguntas frequentes com melhores maneiras.

Este guia aborda exemplos reais de implementação de IA e seis aplicações práticas de IA que você pode avaliar para sua própria organização.

Exemplos reais de implementação de IA de clientes do Liferay DXP

As melhores histórias de sucesso em IA não começam com a IA. Elas começam com um problema de negócios e uma plataforma capaz de conectar a ideia certa aos dados certos.

Veja como isso aconteceu para dois clientes do Liferay DXP.

Incorporando recomendações de aprendizado de máquina ao maior portal de fidelidade do Brasil

Com mais de 15 milhões de clientes, o Smiles , programa de fidelidade da companhia aérea brasileira GOL, é o maior programa de fidelidade do Brasil. Após sua abertura de capital, a empresa precisava de um portal do cliente que permanecesse estável durante picos de tráfego promocional e permitisse que suas equipes publicassem conteúdo sem depender da equipe de TI.

O Smiles reconstruiu esse portal no Liferay DXP em apenas cinco meses. Como parte do projeto, a equipe utilizou as APIs headless da Liferay para conectar o portal ao CRM da empresa e a um mecanismo de aprendizado de máquina. A integração entre os dois proporcionou ao aprendizado de máquina acesso a dados reais dos clientes.

A Smiles colocou essa conexão em prática por meio de uma janela de recomendações, uma seção do portal que exibia a cada cliente ofertas personalizadas de produtos e serviços com base em seu perfil. Como as recomendações se baseavam nos mesmos dados do CRM que alimentavam o restante do portal, elas refletiam o relacionamento real de cada cliente com o programa. A janela de recomendações levou a um aumento de 46% na taxa de conversão.

Incorporando recomendações de IA a uma plataforma de comércio unificada

Uma das principais operadoras de telecomunicações do Oriente Médio começou de maneira diferente. Seu aplicativo de comércio eletrônico legado dependia de um catálogo de produtos descentralizado, de modo que até mesmo alterações básicas em produtos ou promoções precisavam passar pela equipe de TI. À medida que o catálogo crescia, ficava cada vez mais difícil gerenciá-lo.

Para resolver isso, a empresa migrou para uma única plataforma de comércio Liferay DXP, atendendo tanto a clientes B2B quanto B2C. Conteúdo de produtos, preços, promoções e gerenciamento de estoque foram reunidos em um único lugar, e a plataforma se conectou ao CRM de back-end da empresa, aos gateways de pagamento, ao chatbot e aos sistemas de remessa. As lojas físicas também passaram a funcionar como armazéns estendidos, aproximando as operações de comércio eletrônico das lojas físicas.

Depois que os dados de produtos foram centralizados, a empresa pôde desenvolver IA com base neles. Utilizando os serviços de IA/ML da Liferay, ela lançou uma ferramenta de recomendação de produtos para apoiar vendas adicionais e vendas cruzadas em mais de 70.000 SKUs. As recomendações ofereceram aos clientes uma maneira mais relevante de descobrir produtos, enquanto a nova plataforma reduziu em 93% o tempo necessário para configurar produtos. O projeto mostra a sequência de operações que faz a IA funcionar: primeiro, dados limpos e centralizados; depois, a inteligência.

6 exemplos práticos de implementação de IA nas operações empresariais

A IA pode agregar valor em praticamente todas as áreas de uma empresa, desde a central de atendimento até a cadeia de suprimentos. Algumas aplicações se baseiam no aprendizado de máquina para identificar padrões e fazer previsões. Outras utilizam IA generativa e grandes modelos de linguagem para compreender perguntas e criar conteúdo, e as mais eficazes geralmente combinam as duas abordagens. O que as implementações mais bem-sucedidas têm em comum é uma ligação clara com as necessidades reais de negócios e com os sistemas e dados que já as suportam.

1. Atendimento ao cliente e autoatendimento com tecnologia de IA

As equipes de atendimento dedicam grande parte do dia a tarefas rotineiras, como solicitações de reembolso, verificações do status de pedidos e dúvidas sobre faturamento. Essas são exatamente as solicitações que a IA lida bem, e seu papel está crescendo rapidamente. A Gartner prevê que, até 2029, a IA agêntica resolverá 80% dos problemas comuns de atendimento ao cliente sem intervenção humana, levando a uma redução de 30% nos custos operacionais.

Mas um assistente de IA só é útil na medida em que suas conexões permitirem. Integrado a um portal de autoatendimento ao cliente que já sabe quem é o cliente e o que ele solicitou, um assistente de IA conversacional pode recorrer à sua base de conhecimento, aos dados da conta e ao sistema de gerenciamento de casos para resolver solicitações, em vez de apenas responder a perguntas frequentes. Quando uma solicitação se torna complicada, ela é encaminhada a um agente humano.

Os benefícios potenciais incluem tempos de resposta mais rápidos, menor volume de suporte e uma melhor experiência do cliente. Acompanhe o tempo de resolução, o desvio de tickets e a satisfação do cliente para avaliar o impacto.

2. Recomendações personalizadas de produtos e experiências do cliente

Os clientes passaram a esperar relevância nas interações online, e o aprendizado de máquina preenche essa lacuna ao analisar o comportamento do cliente, o histórico de compras e os catálogos de produtos para recomendar o que cada pessoa provavelmente mais deseja. Os algoritmos de IA fazem a previsão, mas a plataforma é responsável pela entrega. As recomendações precisam se basear em dados de CRM e de comércio e, em seguida, aparecerem onde quer que os clientes interajam, desde lojas virtuais e portais até programas de fidelidade, por meio de regras de personalização que as equipes de marketing podem gerenciar por conta própria.

3. Pesquisa inteligente e gestão do conhecimento

A maioria das organizações já possui as respostas de que seus funcionários e clientes precisam. O problema é encontrá-las. Em uma pesquisa da Gartner com quase 5.000 profissionais da área digital, 47% afirmaram ter dificuldade para encontrar as informações ou os dados necessários para realizar seu trabalho de forma eficaz.

A IA generativa muda a forma como a pesquisa funciona. Em vez de comparar palavras-chave, a pesquisa semântica usa um modelo de linguagem para interpretar a intenção por trás de uma pergunta em linguagem natural e apresentar o conteúdo mais relevante. Ela entende o que as pessoas querem dizer, não apenas o que digitam. Além disso, ela deve respeitar as permissões que você já definiu, para que as pessoas vejam apenas o que têm permissão para ver.

Para intranets de funcionários , portais de parceiros e sites de suporte, a pesquisa impulsionada por IA costuma ser a maneira mais rápida de comprovar o valor da IA: menos tempo gasto em buscas, menos tickets de suporte e equipes mais produtivas. Avalie a taxa de sucesso da pesquisa, o tempo para encontrar informações e os tickets evitados.

4. Análise preditiva e tomada de decisão baseada em dados

A análise preditiva usa IA para identificar padrões em dados históricos e operacionais, para que as equipes possam agir antes que um problema apareça, em vez de depois. Ela é mais valiosa quando dados complexos de vários sistemas precisam ser reunidos para mostrar algo que nenhum relatório isolado consegue.

Veja como isso pode se aplicar em diferentes setores:

• Um fabricante poderia combinar leituras de sensores sobre o estado dos equipamentos com o histórico de manutenção para programar a manutenção antes que ocorra uma avaria.
• Um varejista poderia prever a demanda com base no histórico de vendas e nas tendências de mercado para melhorar a gestão de estoque e identificar atrasos na cadeia de suprimentos.
• Uma empresa de energia poderia prever o consumo de energia por região, identificar clientes com risco de cancelamento e, então, enviar uma mensagem oportuna por meio de seu portal do cliente.
• Uma empresa de serviços financeiros poderia sinalizar transações incomuns antes que se transformem em perdas financeiras, utilizando o mesmo reconhecimento de padrões empregado na detecção de fraudes.

Em todos os casos, uma previsão só gera valor se chegar a alguém que possa agir com base nela. Conectar fluxos de dados e serviços de análise aos portais, painéis e fluxos de trabalho onde as equipes já atuam é o que transforma insights acionáveis em decisões baseadas em dados, alocação mais inteligente de recursos e gestão da cadeia de suprimentos que se ajusta à medida que as condições mudam. Acompanhe a precisão das previsões, a retenção e o tempo de intervenção para medir o impacto na tomada de decisões.

5. Gerenciamento e localização de conteúdo assistidos por IA

Para empresas globais, cada lançamento multiplica a carga de trabalho de conteúdo: dezenas de sites regionais, vários idiomas e uma biblioteca crescente de ativos. Ignorar a localização não é realmente uma opção. A CSA Research descobriu que 76% dos compradores online preferem adquirir produtos com informações em seu próprio idioma, e 40% simplesmente não compram em sites em outros idiomas.

A IA pode assumir grande parte dessa carga. A IA generativa pode redigir textos e criar imagens diretamente no editor de conteúdo. A tradução automática pode produzir automaticamente versões localizadas de cada página. A marcação automática, incluindo visão computacional para imagens, pode rotular os recursos assim que são criados, facilitando sua localização posteriormente.

Uma multinacional pode usar esses recursos para preparar o lançamento de um produto em 15 mercados ao mesmo tempo, com editores locais revisando e aprovando cada versão por meio de seus fluxos de trabalho existentes. A IA assume tarefas repetitivas, enquanto as pessoas garantem a precisão e a consistência da marca. Algumas equipes estão indo além com a IA agêntica, que lida com fluxos de trabalho de marketing de várias etapas . Avalie o tempo de publicação, o prazo de localização e as horas gastas marcando ativos manualmente.

6. Automação inteligente de fluxos de trabalho

Profissionais qualificados perdem horas todas as semanas classificando solicitações, coletando informações e encaminhando o trabalho para a equipe certa. Isso está mudando rapidamente. A Gartner prevê que, até 2028, pelo menos 15% das decisões de trabalho do dia a dia serão tomadas de forma autônoma por meio da IA agêntica (ante zero em 2024) e que 33% dos aplicativos de software corporativo incluirão IA agêntica.

A IA pode automatizar tarefas repetitivas como essas dentro dos fluxos de trabalho de baixo código que as equipes já utilizam. Ela pode ler uma solicitação recebida, classificá-la, extrair registros relacionados e encaminhá-la para a fila correta, com aprovação humana em etapas definidas. Quando esses fluxos de trabalho já estão conectados a formulários, aprovações e aplicativos de negócios, a IA se integra ao processo, em vez de ficar à margem dele.

A mesma eficiência se estende ao desenvolvimento de software, onde assistentes de codificação com IA ajudam os desenvolvedores a esboçar, revisar e corrigir códigos. Em ambos os casos, o trabalho com IA traz retorno mais rápido quando está integrado às ferramentas que as pessoas já utilizam. Acompanhe o tempo de ciclo, a precisão do encaminhamento e as horas de trabalho administrativo eliminadas.

O que as implementações bem-sucedidas de IA corporativa têm em comum?

O sucesso de uma implementação de IA geralmente depende menos dos próprios modelos de IA do que de tudo ao seu redor, incluindo os dados dos quais se valem, os sistemas aos quais se conectam e as pessoas que os supervisionam.

Implementações bem-sucedidas tendem a se basear em cinco pilares.

Nenhum desses fatores depende de uma tecnologia específica de IA. A seleção e o desempenho do modelo são importantes, mas raramente são a razão pela qual projetos de IA ficam estagnados. Dados fragmentados, sistemas desconectados e responsabilidades pouco claras são causas muito mais comuns, e são essas mesmas lacunas que retardam os esforços mais amplos de transformação por meio da IA.

Como as empresas podem identificar as oportunidades certas de implementação de IA?

Pesquisas de mercado e demonstrações de fornecedores podem mostrar o que a IA é capaz de fazer. Somente suas próprias operações podem indicar por onde começar. Comece com um processo de alto volume que já seja executado com dados nos quais você confia, onde seja possível medir o antes e o depois.

1. Identifique os pontos de atrito. Procure processos com tarefas repetitivas, tempos de resposta lentos ou informações que as pessoas não conseguem encontrar. Converse com especialistas na matéria em departamentos específicos, não apenas com a equipe de TI. Eles sabem onde o tempo é gasto.
2. Verifique os dados. Confirme se os dados necessários para esse caso de uso existem, estão acessíveis e são controlados. Se eles estiverem espalhados por cinco sistemas que não se comunicam entre si, conectá-los será sua primeira etapa de trabalho.
3. Mapeie as integrações. Liste todos os sistemas dos quais a IA precisa ler ou para os quais precisa gravar. Quanto mais deles sua plataforma já conectar, mais rápido você avançará.
4. Decida quem vai construir e manter o sistema. Alguns projetos de IA precisam de cientistas de dados para o treinamento de modelos, mas muitos não. Seja claro sobre o que é de responsabilidade da sua equipe, o que é de responsabilidade de um parceiro e o que acontece após a entrada em operação.
5. Avalie a complexidade e o risco. Leve em conta os requisitos de segurança, a exposição regulatória e os pontos em que a revisão humana é imprescindível.
6. Defina KPIs e comece com foco. Lance um aplicativo, avalie-o e expanda a partir daí. Um primeiro sucesso lhe dará a evidência e o apoio interno para ser mais ambicioso na próxima vez.

Você não precisa de uma estratégia empresarial completa de IA para iniciar sua jornada de IA. Você precisa de um caso de uso bem escolhido.

Como o Liferay DXP apoia a implementação de IA corporativa

A IA é tão poderosa quanto a plataforma que a coloca em ação. O Liferay DXP oferece essa plataforma, uma base flexível onde a IA se conecta aos seus dados, aparece nas experiências certas e permanece segura graças ao compromisso da Liferay com a IA responsável . Como ele funciona com os sistemas que você já possui , você não precisa começar do zero para dar o primeiro passo.

Seja para adicionar um assistente de IA a um portal do cliente, personalizar uma vitrine virtual ou automatizar aprovações, o Liferay DXP permite que você desenvolva soluções de IA de acordo com as necessidades da sua empresa e as expanda à medida que suas ambições crescem. Veja o que você tem à disposição para trabalhar.

• Ferramentas de conteúdo de IA integradas que redigem textos, geram imagens, traduzem páginas e marcam ativos exatamente onde suas equipes já trabalham
• AI Hub para criar e implantar agentes de IA que realizam tarefas com várias etapas, sem um longo ciclo de desenvolvimento de IA
• Pesquisa mais inteligente que entende o que as pessoas querem dizer, não apenas o que digitam
• Experiências personalizadas que mostram a cada visitante o conteúdo, os produtos e as ofertas mais relevantes para ele
• A liberdade de conectar os modelos e serviços de IA de sua preferência, para que você nunca fique preso a um único provedor
• Integrações com os sistemas que você já utiliza, desde CRM e ERP até plataformas de dados
• Permissões, trilhas de auditoria e fluxos de trabalho de aprovação que mantêm todos os sistemas baseados em IA sob controle, respaldados por uma abordagem certificada pela ISO 42001 para IA responsável

Coloque a IA em ação com a base digital certa

Todos esses exemplos de implementação de IA apontam para a mesma conclusão: a IA cria uma vantagem competitiva quando está conectada aos dados, sistemas e processos certos. A Klarna mostrou o que a IA pode fazer no atendimento ao cliente e o que ela não deve fazer sozinha. O Morgan Stanley, a Lumen, a Smiles e uma provedora líder de telecomunicações mostraram o que acontece quando a IA é integrada ao trabalho que as pessoas já realizam.

Para a maioria das empresas, o primeiro projeto de IA é apenas o começo. Acertar em um caso de uso torna o próximo mais fácil, pois os dados já estão conectados, a governança já está estabelecida e suas equipes já viram que funciona. É assim que as organizações aproveitam a IA para responder rapidamente às mudanças nas condições de mercado sem precisar recomeçar do zero a cada vez.

Explore os recursos de IA da Liferay para descobrir onde a IA poderia fazer a maior diferença para sua organização.

Perguntas frequentes

Quais são alguns exemplos de implementação de IA nos negócios?

Exemplos comuns incluem assistentes de IA para atendimento ao cliente, recomendações baseadas em aprendizado de máquina, pesquisa impulsionada por IA, análise preditiva, gerenciamento de conteúdo assistido por IA e automação de fluxos de trabalho. A Smiles, cliente da Liferay, por exemplo, integrou o aprendizado de máquina ao seu portal de fidelidade para recomendar ofertas personalizadas e observou um aumento de 46% na taxa de conversão. O uso mais eficaz da IA visa uma função específica do negócio e se conecta aos dados dos quais essa função já depende.

As empresas podem adotar IA sem substituir seus sistemas existentes?

Sim. A maioria dos sistemas de IA se conecta a sistemas existentes de CRM, comércio, conteúdo e identidade por meio de APIs. Tanto a Smiles quanto a provedora líder de telecomunicações adicionaram recomendações de IA às plataformas Liferay DXP que já estavam conectadas aos seus sistemas de CRM e back-end. O que importa é ter uma plataforma flexível o suficiente para conectar serviços de IA ao que você já opera, sem a necessidade de uma mudança de plataforma.

Como as organizações podem medir o sucesso de uma implementação de IA?

Escolha um KPI de negócios antes do lançamento e avalie-o em relação a uma linha de base. Para o atendimento ao cliente, isso pode ser o tempo de resolução ou a redução de tickets. Para recomendações, é a taxa de conversão; e para automação de fluxos de trabalho, são as horas economizadas ou o tempo de ciclo. Ganhos de eficiência operacional são um bom começo, mas vincule-os a resultados de negócios como receita, retenção ou economia significativa de custos, para que os resultados tenham peso nas discussões sobre o orçamento.