AI Powered Knowledge Management and Insight Generation

À medida que as empresas crescem, torna-se um desafio constante acompanhar tudo o que é relevante e que pode impactar suas operações. Informações e dados, tanto internos quanto externos, frequentemente “se perdem no meio do caminho”, e detalhes importantes só vêm à tona quando já é tarde demais, forçando as empresas a tomarem medidas reativas, em vez de proativas.

Na verdade, pesquisas indicam que mais de 50% dos dados não são utilizados, o que pode ser especialmente ineficiente quando as empresas atingem uma escala global e as necessidades de dados de cada unidade regional se tornam mais específicas.

Felizmente, o novo acesso a um conjunto de tecnologias de IA Generativa nos permite ser mais criativos e inventivos na abordagem de temas como gestão e acesso ao conhecimento. Nosso desafio, então, foi transformar completamente a forma como os colaboradores acessam e interagem com informações — tanto documentos quanto bases de dados.

Normalmente, os conjuntos de dados são gerenciados por algum tipo de equipe interna de dados, responsável por curar e manter as bases. Como essa equipe é responsável pela qualidade e precisão dos dados, e dado que a interação com bancos de dados costuma exigir alguma habilidade técnica, não é incomum que as solicitações de dados também sejam direcionadas a esse time. Isso pode gerar dois resultados subótimos:

• Uma sobrecarga imensa na equipe de dados para atender a todas as solicitações analíticas
• Atrasos no tempo entre a dúvida de uma equipe de negócio e a disponibilização da análise ou dos dados que ajudarão a respondê-la

Do lado dos documentos, a capacidade de gestão do conhecimento é geralmente ainda menor. Até o surgimento das ferramentas de IA Generativa, não existiam soluções adequadas para extrair, estruturar e aproveitar dados em texto livre de forma eficiente — pelo menos não na velocidade que agora é possível. Por isso, as organizações focavam seus esforços apenas em documentos críticos para o negócio, empregando recursos específicos para gerir esse tipo de informação.

Com isso em mente, fizemos uma parceria com uma empresa global de bens de consumo com o objetivo de enfrentar esse desafio desenhando cuidadosamente os casos de uso a partir das capacidades da IA Generativa, maximizando o valor que ela pode oferecer ao usuário final — mesmo que esse usuário não tenha conhecimento técnico ou analítico.

Começamos com a criação de mockups 1:1 de cada caso de uso, já com a aparência final do aplicativo. Isso nos permitiu iterar rapidamente com o cliente sobre funcionalidades-chave, identidade visual e layout geral do app e de cada página. Durante esse processo, também discutimos e alinhamos a metodologia de alto nível para cada funcionalidade de IA, garantindo que tudo o que estava sendo planejado fosse viável do ponto de vista técnico.

Essa abordagem inicial foi essencial para estabelecer uma ideação e desenvolvimento verdadeiramente colaborativos, garantindo que o cliente estivesse engajado com a visão do aplicativo.

Os principais casos de uso desenvolvidos foram:

Mecanismo de busca – um caso de uso simples e direto para busca de documentos, que permite que o usuário pesquise utilizando qualquer tipo de prompt. Os documentos foram enriquecidos no processo de ingestão com resumos e insights personalizados.

Chat engine – o coração do app, escondido por trás de uma interface simples. Trata-se de um chat que permite ao usuário obter respostas a partir de documentos internos, gerar análises descritivas sob demanda com dados das bases internas, ou simplesmente usá-lo como um GPT com busca na web. Sua força está nas pipelines complexas que permitem gerar respostas relevantes mesmo para perguntas em camadas, que exigem raciocínio sequencial. Também foi necessário desenvolver uma arquitetura agente com ferramentas personalizadas que produzem visualizações baseadas em KPIs internos. Essa natureza “agente” é o que possibilita a geração adaptativa de análises e gráficos descritivos. Esse motor também é utilizado em outros casos de uso que envolvem geração de conteúdo.

Report engine – aproveitando o Chat engine, este caso de uso é voltado para a criação de histórias mais complexas, combinando análises de dados, recuperação de documentos e geração de conteúdo. Permite que os usuários criem relatórios personalizados sobre um ou vários temas a partir de parametrizações simples e prompts. É estruturado em torno de um conceito de workspace, promovendo compartilhamento entre usuários e transferência de conhecimento.

Esses foram complementados por outras páginas menores e mais simples, voltadas a interações típicas com IA Generativa, como sumarização de documentos. O objetivo geral foi criar um aplicativo de produtividade, alimentado pelo conhecimento interno e por pipelines de IA Generativa personalizadas que integram as necessidades do negócio com facilidade de acesso a análises centradas no usuário.

Após o lançamento, o app se tornou uma ferramenta central nas atividades do dia a dia que envolvem qualquer interação com documentos ou dados internos. Por um lado, cargos estratégicos como diretores e gerentes o utilizam para extrair insights que auxiliam decisões inter-regionais e conduzir análises exploratórias que geram novas hipóteses. Por outro, funções mais operacionais dependem dele para reduzir o tempo de entrega de análises recorrentes sobre performance de marcas e produtos em determinadas regiões e segmentos, permitindo ações reativas mais rápidas diante de mudanças de mercado.

Como a ferramenta é a mesma para todos, ela também serve para padronizar a abordagem e os resultados em toda a organização. Isso, por si só, já é extremamente valioso, pois reduz o risco de análises similares serem feitas com fontes de dados ou premissas diferentes, economizando tempo na identificação dessas divergências.

Com essa ferramenta centralizada e personalizada, a extração de insights e análises torna-se mais estruturada e ágil, permitindo que o tempo dos colaboradores seja dedicado a tarefas de maior valor agregado, em vez de processos repetitivos. Além disso, o app pode ser continuamente aprimorado com ajustes nos casos de uso existentes, criação de novos ou expansão das capacidades das pipelines personalizadas. Isso significa que a organização pode reagir com mais flexibilidade às evoluções da IA Generativa e se adaptar às suas próprias necessidades.

‍