Inovação como Motor de Crescimento: O que os Grandes Players Estão Fazendo na Prática
Resumo executivo
O painel aborda a prática da inovação corporativa e como grandes players como Asaas, Databricks e Trilha (B3) transformam conceitos e Inteligência Artificial em receita real e eficiência operacional. Os palestrantes enfatizam a importância de focar nas dores do cliente desde a concepção de produtos, utilizando frameworks de horizontes de inovação (H1, H2 e H3), onde a validação financeira via nota fiscal emitida determina quais soluções devem evoluir e escalar.
Na perspectiva de Inteligência Artificial e gestão de dados, debate-se a urgência da governança, segurança e controle de custos. O uso desordenado de ferramentas de IA pelas áreas de negócio pode gerar disparada de custos com tokens e riscos de vazamento. Assim, o sucesso das iniciativas depende do alinhamento entre infraestrutura de dados estruturada, escolha consciente do modelo adequado para cada caso de uso e capacitação contínua dos colaboradores.
Por fim, destaca-se que a inovação exige uma cultura de testes contínuos (como testes A/B) e a disciplina para desapaixonar-se de ideias ou agentes de IA obsoletos. Inovar com sustentabilidade requer resolver problemas reais com métricas claras, integrando a estratégia de dados desde o primeiro dia (D1) da operação.
Tópicos principais
- Horizontes de Inovação (H1, H2, H3): Estruturação de projetos em fases, utilizando a nota fiscal emitida como critério para transição e escala.
- Cultura de Testes Contínuos: Adoção sistemática de testes A/B em ambientes controlados para validar hipóteses e errar rápido sem comprometer a operação.
- Escuta Ativa do Cliente: Desenvolvimento de soluções a partir das necessidades e dores reais dos usuários finais.
- Governança e AI Gateway: Implementação de arquiteturas centrais para controlar segurança, privacidade e homologação de ferramentas de IA na empresa.
- Gestão de Custos de Tokens: Roteamento inteligente de perguntas para modelos de IA mais econômicos e adequados à complexidade da tarefa.
- Estratégia de Dados no D1: Necessidade de estruturar a governança e o data lake desde o nascimento da startup para viabilizar inovações futuras.
Insights
Frases marcantes
"A gente tem que ter... Tomar muito cuidado em ter muita testa oleosa, Achando que é mente brilhante."— Marcelo Vital
"Não tenha medo de fazer testes pequenos."— Marcelo Vital
"Eu deixaria A mensagem de você se apaixonar Pelos problemas, E não pelas soluções."— Speaker 1
Aplicações práticas
- 1Adotar testes A/B constantes em ambiente controlado para validar novas funcionalidades antes do rollout definitivo.
- 2Implementar uma camada de governança (AI Gateway) para gerenciar acessos, homologar ferramentas e controlar despesas com tokens de IA.
- 3Oferecer treinamentos contínuos de habilitação (enablement) para que os colaboradores aprendam a utilizar as ferramentas de IA de forma eficiente e alinhada ao negócio.
- 4Estruturar a governança e arquitetura de dados desde o primeiro dia (D1) de operação da empresa.
- 5Avaliar e rotear chamadas de IA, direcionando demandas simples para modelos mais baratos ou open-source e reservando modelos avançados para problemas complexos.
Conclusão
A inovação na prática resulta da combinação entre escuta ativa das necessidades do cliente, governança rigorosa de dados e uma cultura focada em experimentação contínua. Ao colocar o cliente no centro, desapaixonar-se de soluções inviáveis e gerenciar os custos de tecnologia com responsabilidade, as organizações garantem um crescimento escalável e sustentável.