Considerando esse contexto, executivos da Salesforce identificaram e explicaram cinco mudanças que devem ser ocasionadas pela IA ao longo do ano e como essas alterações podem ser abraçadas e integradas ao ambiente operacional.

1. A IA generativa se tornará plenamente operacional nas empresas.

Clara Shih, CEO da Salesforce AI, acredita que esse status operacional começa com o desenvolvimento de software, atendimento ao cliente, vendas e marketing, e a IA impactará todos os departamentos e fluxos de trabalho. Outro avanço significativo ocorrerá quando os grandes modelos de linguagem (LLMs) forem utilizados não apenas para gerar e analisar conteúdo, mas também para tomar decisões e automatizar fluxos de trabalho.

2. A IA transformará todos os setores.

Laura Palmieri, Vice-Presidente de GTM e Estratégia da Salesforce, sustenta que a IA será integrada em todas as camadas dos roteiros de produtos e plataformas para agregar valor aos clientes. Isso é válido tanto para empresas de Software como Serviço (SaaS) quanto para empresas de semicondutores e jogos. Adicionalmente, a IA impactará a própria natureza do desenvolvimento e a forma como os produtos são construídos.

3. A IA generativa aumentará a eficiência e popularizará o termo “consulta semântica”.

Rahul Auradkar, Vice-Presidente Executivo e Gerente-Geral de Serviços de Dados Unificados e Einstein da Salesforce, prevê que os avanços na consulta semântica – essencialmente uma pergunta formulada em linguagem “humana” que é traduzida para linguagem de máquina – mudarão drasticamente o atendimento ao cliente. Ele destaca que as empresas poderão oferecer serviços rápidos, significativos e altamente personalizados com IA, utilizando texto, imagens, vídeos e áudio para pesquisa.

4. Até 2025, as empresas deixarão de priorizar estratégias baseadas em “nuvem” ou “digital”. O foco será o cliente.

Michael Maoz, Vice-Presidente Sênior de Estratégia de Inovação da Salesforce, argumenta que, seja interagindo com um dispositivo, chatbot, aplicativo móvel ou site, tudo hoje é digital, assim como a IA generativa. Para ele, o valor para o cliente está na eficácia do processo que ele deseja realizar, e não na tecnologia em si.

5. As empresas que não adotarem a IA generativa ficarão para trás.

Alice Steinglass, Vice-Presidente Executiva e Gerente-Geral da plataforma Salesforce, faz uma previsão contundente, afirmando que até 2025, a IA não será apenas uma ferramenta auxiliar, mas sim o cerne em torno do qual as empresas de sucesso orbitarão. Ela cita uma pesquisa do Gartner que prevê que, até 2026, mais de 80% das empresas terão utilizado IA generativa ou aplicativos generativos em ambientes de produção, evidenciando que essas plataformas impulsionarão o uso de assistentes digitais orientados por IA em todas as camadas organizacionais.

Então, será que essa nova visão do profissional de dados dentro das organizações faz sentido? O que exatamente essa mudança de título representa? Primeiramente, vamos examinar o significado desses dois termos. De acordo com Davenport, um cientista de dados é alguém que desenvolve códigos de programação e os combina com conhecimento estatístico para obter insights a partir de dados. Como essa definição enfatiza, a habilidade fundamental e universal dos cientistas de dados é a capacidade de escrever códigos.

Um cientista de negócio (precisei improvisar uma definição, já que não encontrei uma fonte respeitável) seria um profissional que, baseado em pesquisa científica e orientado para a ação, desenvolve, implementa e avalia estratégias de negócio num mundo impulsionado pelo big data.

Retomando a ideia de “o que as empresas realmente precisam agora são de cientistas de negócio”, o argumento central das pessoas que apoiam essa ideia é que o papel dos dados no ambiente corporativo é gerar conhecimento para beneficiar seus stakeholders como um todo. E a ciência de dados parece não capturar completamente essa ideia.

Utilizando as quatro causas de Aristóteles, um framework útil para compreender um fenômeno e definir o que realmente faz com que algo exista, podemos dizer que o termo “cientista de dados” enfatiza sua causa material, isto é, a matéria-prima do objeto, o que ele é feito (por exemplo, dados estruturados numéricos, machine learning etc.). Por outro lado, o termo “cientista de negócio” é mais apropriado porque a ênfase está na causa final, na finalidade ou motivo pelo qual foi criado (por exemplo, uma aplicação que seleciona clientes para receber um cupom).

Há ainda outro argumento para deslocar o foco dos dados para o negócio: a dificuldade de extrair valor de análises puramente estatísticas, desprovidas de conhecimento significativo do negócio. Por exemplo, qual profissional você acha que estaria em melhor posição para tratar um paciente diabético: um especialista em estimar as probabilidades de o paciente sentir tontura ou vertigem ao longo de um dia, ou um especialista no sistema endócrino humano?

Poucas pessoas diriam que é o primeiro. Fazer previsões precisas é uma parte fundamental de qualquer processo de tomada de decisão gerencial; no entanto, sem saber explicá-las, as empresas podem incorrer em ineficiências ou até assumir riscos irreversíveis. Por exemplo, o especialista em previsões poderia julgar que a causa do mal-estar do paciente está na falta de energia e recomendar o aumento do consumo de carboidratos. Até que houvesse dados suficientes para seu modelo preditivo perceber que um erro foi cometido, poderia ser tarde demais.

Por último, um terceiro e último ponto a favor da mudança do foco de cientista de dados para cientista de negócios são os recentes avanços na tecnologia de inteligência artificial generativa, cujo maior expoente é o ChatGPT. Isso se deve ao fato de que, com o tempo e o aperfeiçoamento dessas tecnologias, os profissionais de dados poderão delegar uma parte significativa do desenvolvimento de códigos de manipulação e análise de dados para o ChatGPT e suas contrapartes.

É provável que o profissional de dados do futuro não dependa tanto do Python, R ou SQL (softwares de ciência de dados) como depende hoje, liberando seu tempo para entender sistematicamente o negócio e desenvolver ferramentas para melhorá-lo. Como dizem por aí, o ChatGPT tornou a linguagem portuguesa (e inglesa, espanhola etc.) a “linguagem de programação” mais sexy do momento.

Os dados têm sido chamados de “o petróleo” da economia digital. E de fato eles são. Mas assim como o petróleo, os dados em si não geram valor para seus usuários finais. O que gera é a sua utilização para apoiar o desenvolvimento de uma mentalidade científica voltada para a geração de conhecimento e ação orientada. No final das contas, o importante tanto do cientista de dados quanto do cientista de negócios é ser um cientista.

Independentemente da quantidade de pesquisas e estratégias realizadas, um plano permanece como um plano, a menos que todas as suas etapas sejam guiadas por dados e que esses dados sejam utilizados em prol da inteligência artificial. Essas informações englobam o comportamento de compra dos consumidores, dos canais de distribuição, dos produtos e da comunicação, sendo processadas instantaneamente para proporcionar as melhores táticas, ofertas, mensagens e canais de divulgação.

Dessa maneira, é possível criar um plano de Marketing personalizado e altamente direcionado localmente. “Essa é a abordagem mais precisa que temos para elaborar um plano de Marketing”, afirma Michael Koch, Cofundador e CEO da HubKonnect, durante o WebSummit Rio 2024. E isso já é uma realidade. A HubKonnect utiliza a IA para identificar insights de Marketing local, recomendar as melhores estratégias e detalhar ativações ideais.

As integrações com dados de vendas, produtos, dispositivos móveis e custos de aquisição de clientes também permitem gerar um retorno sobre o investimento local e, até mesmo, personalizado. “Finalmente, a luta com o CFO chegou ao fim”, celebra Serhat Soyuerel, Cofundador e Chief Revenue Officer da Insider.

Além disso, o uso da Inteligência Artificial possibilita traçar a jornada do cliente de forma mais simples e rápida. “O grande desafio está em desmistificar o potencial da IA para auxiliar na criação de um plano de Marketing”, destaca Michael Koch. “Para que essa ferramenta funcione, a empresa precisa ser orientada por dados e adotar uma gestão ágil”, explica o Cofundador & CEO da HubKonnect.

Portanto, para que a empresa seja conduzida por dados e adote uma gestão ágil capaz de elaborar planos de Marketing altamente localizados e personalizados, é essencial que o CEO esteja comprometido com essa cultura, assim como os vice-presidentes ou diretores de Marketing e Tecnologia. “Uma maneira de facilitar esse processo é realizar uma prova de conceito”, conclui Serhat Soyuerel.