Inovação Radical ou Disruptiva?

Você sabe a diferença entre uma inovação radical e uma inovação disruptiva?

“Inovação: implementação de um produto (bem ou serviço) novo ou significativamente melhorado, ou de um processo, ou de um novo método de marketing, ou de um novo método organizacional nas práticas de negócios, na organização do local de trabalho ou nas relações externas” – Manual de Oslo (2005)

Tenho tratado do tema inovação neste blog há um bom tempo (vide o tópico artigos relacionados ao final deste post), apresentei um seminário na FEA-USP sobre este tema, mas foi só recentemente, respondendo uma questão num painel sobre Inovação Tecnológica e Transformação Digital, que ocorreu na CAMNe (Conferência Anual de Mentores de Negócios), que percebi com mais clareza, a influência do hype da inovação. O termo deixou muitas pessoas confusas sobre o seu significado, sobre seus tipos e sobre as formas de fazê-la acontecer nas organizações.

Em primeiro lugar nem toda mudança ou novo produto trata-se de uma inovação. Quem dirá se o produto é inovador, a meu ver é o mercado e não quem desenvolveu o produto.

Além disso, temos diversos tipos de Inovação, a saber em: Produto, Processo, Marketing, Modelo de Negócios, etc.

Na inovação de produtos o processo é algo parecido com isso:

[Necessidade/Problema] >> [Ideias e seleção]  >> [Design] >> [Protótipo (Invenção)]  >> [Produto] >> [Mercado] >> [OK-do-cliente]

Ou seja, ao perceber-se ou levantar-se uma necessidade de um cliente ou um problema real de mercado, trabalhamos algumas ideias de possíveis soluções, depois de escolhermos uma solução que seja desejável pelo cliente, factível em termos de tecnologia e viável economicamente, partimos para o planejamento, definição e projeto, desenvolvemos, testamos e validamos protótipos, desenvolvemos e lançamos o produto no mercado, o cliente testa a novidade e aprova ou não. Além disso, muitas destas etapas ocorrem em ciclos, por exemplo, se um protótipo não ficou bom ou não foi aprovado, às vezes é preciso voltar a pesquisar e entender melhor a necessidade ou problema.

Aqui vale lembrar que uma invenção só se torna inovação quando ela chega ao mercado (cliente externo), ou a um cliente interno e é aprovada por ele, ou seja, podemos dizer que a ideia está mais associada ao design, a invenção está mais associada à engenharia e a tecnologia, enquanto inovação está mais associada ao marketing.

A inovação é incremental, quando foi gerada a partir de uma pequena melhoria de um produto existente e foi percebida como importante para o consumidor. Por exemplo, as modificações que um carro sofre ao longo dos anos. Pode também ser radical quando o produto sofre mudanças significativas, por exemplo, quando lançaram os primeiros carros no mercado (movidos à motor) e deixaram de produzir carroças (movidas por tração animal).

Inovação de sustentação, significa fazer bons produtos melhores (avanços incrementais ou inovações radicais) aos olhos do cliente existente de uma organização.

A inovação disruptiva, está relacionada com tecnologias novas ou emergentes e associada ao modelo de negócios.

Explicando inovação disruptiva

A teoria da inovação disruptiva foi introduzida no artigo: “Disruptive Technologies: Catching the Wavepor Joseph L. Bower & Clayton M. Christensen na edição da revista Havard Business Review de fevereiro de 1995. E foi difundida em 1997 através do livro Innovator’s Dilemma, sobre como novas tecnologias permitem que grandes empresas falhem.

As inovações disruptivas se originam em mercados de preço baixo ou novos mercados. E esses são dois tipos de mercado que as empresas tradicionais costumam ignorar.

Uma disrupção é uma situação em que um setor de mercado é abalado e empresas que já tiveram sucesso tropeçam?

À medida que as empresas estabelecidas apresentam produtos ou serviços de alta qualidade para satisfazer a ponta do mercado, elas superam as necessidades dos clientes que buscam baixo custo e de muitos clientes tradicionais.

Isso deixa uma abertura para que outros participantes do mercado, inclusive startups, encontrem pontos de apoio nos segmentos menos lucrativos que os concorrentes estão negligenciando.

As inovações disruptivas são inicialmente consideradas inferiores pela maioria dos clientes de corporações estabelecidas. As empresas que fornecem tais novidades melhoram o desempenho delas ao longo do tempo e sobem de nível no mercado.

O Uber está rompendo o negócio dos táxis?

De acordo com a teoria, a resposta é NÃO.

Os conceitos centrais da teoria têm sido amplamente mal compreendidos e seus princípios básicos frequentemente mal aplicados. Uber é um outlier (um ponto fora da curva). Tudo começou em um mercado convencional com um serviço competitivo “melhor” (em um negócio de táxi regulamentado). O mercado de táxis estava sendo atendido. Seus clientes já tinham o hábito de contratar caronas.

O AirBnB é um bom exemplo de inovação disruptiva, assim com o Spotify e NetFlix. Assim como foi a telefonia celular perante os telefones fixos, os smartphones perante os celulares e assim tantos outros casos clássicos.

Pontos importantes sobre Inovação Disruptiva:

  1. A disrupção é um processo – refere-se à evolução de um produto ou serviço ao longo do tempo. Exemplo: PC x Minicomputadores. Netflix x Blockbuster. “A disrupção pode levar tempo, os operadores históricos frequentemente ignoram os interruptores”.
  2. Os disruptores costumam criar modelos de negócios muito diferentes dos modelos existentes – não se trata apenas de tecnologia.
  3. Algumas inovações disruptivas são bem-sucedidas; outras não – um erro comum é focar nos resultados alcançados – alegar que uma empresa é disruptiva em virtude de seu sucesso.
  4. O mantra “Romper ou ser Rompido” pode nos enganar – as empresas estabelecidas precisam responder à disrupção se ela estiver ocorrendo, mas não devem reagir exageradamente desmantelando um negócio ainda lucrativo. Em vez disso, elas devem continuar a fortalecer os relacionamentos com os clientes principais, investindo em inovações sustentáveis. Além disso, elas podem criar uma divisão focada exclusivamente nas oportunidades de crescimento que surgem com a disrupção. Ou ainda usar de inovação aberta e cooperação com Startups, clientes e fornecedores.

Outro ponto importante comentar é que para a inovação acontecer, com certeza é preciso muito mais do que ideias, são necessários conhecimento, recursos, ambiente apropriado e gestão de todo o processo. E que para cada tipo de inovação existe um modelo de gestão mais apropriado.

Se gostou, compartilhe! Abraço, @neigrando

Autor

Nei Grando – diretor executivo da STRATEGIUS, atua como pesquisador e curador de conteúdo, consultor, professor e palestrante sobre estratégia e novos modelos de negócio, inovação, organizações exponenciais, transformação digital e agilidade organizacional. Teve duas empresas de TI especializada no desenvolvimento de software e soluções de conectividade, onde atuou como gestor e conduziu projetos, sistemas, plataformas de negócios, portais e serviços para o Mercado de Capitais, CRM, GED, Internet-banking, Publicidade Digital, GC, e outros sob demanda. É mestre em Ciências pela FEA-USP (ênfase em inovação) com MBA pela FGV, organizador e autor do livro “Empreendedorismo Inovador: Como criar Startups de Tecnologia no Brasil”, e autor em outros dois.

Referências

  • Cristensen, Clayton M.; Raynor, Michael E.; McDonald, Rory. What is Disruptive Innovation? Harvard Business Review – december, 2015 issue.
  • Bower, Joseph L. & Christensen, Clayton M. Disruptive Technologies: Catching the Wave. Harvard Business Review – january–february 1995 issue.
  • Salerno, M.; Gomes, L. A. de V. Gestão da Inovação Radical. Elsevier, 2018.
  • Tidd, J.; Bessant, J. Gestão da Inovação. Bookman, 2015.
  • What is Disruptive Innovation?  (slides presentation)

Artigos relacionados

A inteligência artificial está mudando tudo

A inteligência artificial (IA) é uma ciência interdisciplinar preocupada em construir máquinas inteligentes capazes de realizar tarefas que normalmente requerem pensamento humano. As implicações mudarão virtualmente todos os aspectos de nosso mundo.

Em outubro de 1950, o tecno-visionário britânico Alan Turing publicou um artigo chamado “Computing Machinery and Intelligence” no jornal MIND, que levantou o que na época deve ter parecido a muitos como uma fantasia de ficção científica.

Turing acreditava, era possível criar um software para um computador digital que permitisse observar seu ambiente e aprender coisas novas, desde jogar xadrez até entender e falar uma linguagem humana. E ele pensava que as máquinas eventualmente poderiam desenvolver a habilidade de fazer isso por conta própria, sem orientação humana. “Podemos esperar que as máquinas acabem competindo com os homens em todos os campos puramente intelectuais“, previu.

Quase 70 anos depois, a visão aparentemente bizarra de Turing tornou-se realidade. A inteligência artificial, comumente chamada de IA, dá às máquinas a capacidade de aprender com a experiência e realizar tarefas cognitivas, o tipo de coisa que antes apenas o cérebro humano parecia capaz de fazer.

A IA está se espalhando rapidamente pela civilização, onde tem a promessa de fazer de tudo, desde permitir que veículos autônomos trafeguem nas ruas até fazer previsões mais precisas de furacões. No dia a dia, a IA descobre quais anúncios exibir para você na web e potencializa os chatbots amigáveis ​​que aparecem quando você visita um site de comércio eletrônico para responder às suas perguntas e fornecer atendimento ao cliente. E assistentes pessoais com tecnologia de IA em dispositivos domésticos inteligentes ativados por voz realizam inúmeras tarefas, desde controlar nossas TVs e campainhas até responder a perguntas triviais e nos ajudar a encontrar nossas músicas favoritas.

Mas estamos apenas começando. À medida que a tecnologia de IA se torna mais sofisticada e capaz, espera-se que impulsione massivamente a economia mundial, criando cerca de US$ 13 trilhões em atividades adicionais até 2030, de acordo com uma previsão do McKinsey Global Institute.

A IA ainda está começando a ser adotada, mas a adoção está acelerando e está sendo usada em todos os setores“, disse Sarah Gates, estrategista de plataforma analítica da SAS, uma empresa global de software e serviços que se concentra em transformar dados em inteligência para clientes.

Como a inteligência artificial funciona?

É ainda mais surpreendente, talvez, que nossa existência esteja sendo silenciosamente transformada por uma tecnologia que muitos de nós mal entendemos, se é que entendemos – algo tão complexo que até mesmo os cientistas têm dificuldade em explicar.

AI é uma família de tecnologias que realizam tarefas que, segundo se acredita, exigem inteligência se realizadas por humanos“, explica Vasant Honavar, professor e diretor do Laboratório de Pesquisa de Inteligência Artificial da Penn State University. “Digo ‘pensamento’ porque ninguém tem certeza do que é inteligência.

Honavar descreve duas categorias principais de inteligência. Existe inteligência estreita, que é adquirir competência em um domínio estreitamente definido, como a análise de imagens de raios X e ressonâncias magnéticas em radiologia. A inteligência geral, em contraste, é uma habilidade mais humana de aprender e falar sobre qualquer coisa. “Uma máquina pode ser boa em alguns diagnósticos em radiologia, mas se você perguntar sobre beisebol, não terá a menor ideia”, explica Honavar. A versatilidade intelectual dos humanos “ainda está além do alcance da IA ​​neste momento.

De acordo com Honavar, existem duas peças-chave para a IA. Um deles é a parte de engenharia – ou seja, construir ferramentas que utilizem inteligência de alguma forma. A outra é a ciência da inteligência, ou melhor, como permitir que uma máquina produza um resultado comparável ao que o cérebro humano produziria, mesmo que a máquina o alcance por um processo muito diferente. Para usar uma analogia, “os pássaros voam e os aviões voam, mas voam de maneiras completamente diferentes“, Honavar. “Mesmo assim, ambos fazem uso da aerodinâmica e da física. Da mesma forma, a inteligência artificial se baseia na noção de que existem princípios gerais sobre como os sistemas inteligentes se comportam.

AI é “basicamente o resultado de nossa tentativa de compreender e emular a maneira como o cérebro funciona e a aplicação disso para dar funções semelhantes ao cérebro para sistemas autônomos (por exemplo, drones, robôs e agentes)”, Kurt Cagle, um escritor , cientista de dados e futurista fundador da empresa de consultoria Semantical, escreve em um e-mail. Ele também é editor do The Cagle Report, um boletim diário de tecnologia da informação.

E embora os humanos não pensem realmente como computadores, que utilizam circuitos, semicondutores e mídia magnética em vez de células biológicas para armazenar informações, existem alguns paralelos intrigantes. “Uma coisa que estamos começando a descobrir é que as redes de grafos são realmente interessantes quando você começa a falar sobre bilhões de nós, e o cérebro é essencialmente uma rede de grafos, embora uma em que você possa controlar a força dos processos variando a resistência dos neurônios antes que uma faísca capacitiva seja acionada“, explica Cagle. “Um único neurônio por si só fornece uma quantidade muito limitada de informações, mas dispara neurônios suficientes de intensidades variadas juntos, e você acaba com um padrão que é disparado apenas em resposta a certos tipos de estímulos, normalmente sinais elétricos modulados através dos DSPs [isso é processamento de sinal digital] que chamamos de retina e cóclea.

A maioria das aplicações de IA ocorreu em domínios com grandes quantidades de dados“, diz Honavar. Para usar o exemplo da radiologia novamente, a existência de grandes bancos de dados de raios-X e varreduras de ressonância magnética que foram avaliados por radiologistas humanos torna possível treinar uma máquina para emular essa atividade.

AI funciona combinando grandes quantidades de dados com algoritmos inteligentes – uma série de instruções – que permitem ao software aprender a partir de padrões e características dos dados, como explica este primer SAS sobre inteligência artificial.

Ao simular a maneira como o cérebro funciona, a IA utiliza vários subcampos diferentes, como observa o manual do SAS.

  • O aprendizado de máquina automatiza a construção de modelos analíticos, para encontrar insights ocultos em dados sem ser programado para procurar algo em particular ou tirar uma determinada conclusão.
  • As redes neurais imitam o conjunto de neurônios interconectados do cérebro e transmitem informações entre várias unidades para encontrar conexões e derivar significado dos dados.
  • O aprendizado profundo utiliza redes neurais realmente grandes e muito poder de computação para encontrar padrões complexos em dados, para aplicações como reconhecimento de imagem e voz.
  • A computação cognitiva é sobre a criação de uma “interação natural, semelhante à humana”, como diz o SAS, incluindo o uso da capacidade de interpretar a fala e responder a ela.
  • A visão computacional emprega reconhecimento de padrões e aprendizado profundo para entender o conteúdo de fotos e vídeos e para permitir que as máquinas usem imagens em tempo real para dar sentido ao que está ao seu redor.
  • O processamento da linguagem natural envolve a análise e compreensão da linguagem humana e a resposta a ela.

Décadas de Pesquisa

O conceito de IA remonta à década de 1940, e o termo “inteligência artificial” foi introduzido em uma conferência de 1956 no Dartmouth College. Nas duas décadas seguintes, os pesquisadores desenvolveram programas que executavam jogos e faziam reconhecimento de padrões simples e aprendizado de máquina. O cientista da Universidade Cornell Frank Rosenblatt desenvolveu o Perceptron, a primeira rede neural artificial, que funcionava em um computador IBM de 5 toneladas (4,5 toneladas métricas) do tamanho de uma sala que era alimentado com cartões perfurados.

Mas foi só em meados da década de 1980 que uma segunda onda de redes neurais mais complexas e multicamadas foi desenvolvida para lidar com tarefas de nível superior, de acordo com Honavar. No início da década de 1990, outro avanço permitiu que a IA generalizasse além da experiência de treinamento.

Nas décadas de 1990 e 2000, outras inovações tecnológicas – a web e computadores cada vez mais poderosos – ajudaram a acelerar o desenvolvimento da IA. “Com o advento da web, grandes quantidades de dados tornaram-se disponíveis em formato digital”, diz Honavar. “O sequenciamento do genoma e outros projetos começaram a gerar grandes quantidades de dados, e os avanços na computação tornaram possível armazenar e acessar esses dados. Poderíamos treinar as máquinas para fazer tarefas mais complexas. Você não poderia ter um modelo de aprendizado profundo 30 anos atrás, porque você não tinha os dados e o poder de computação.

IA e robótica

A IA é diferente, mas relacionada à robótica, na qual as máquinas detectam seu ambiente, realizam cálculos e realizam tarefas físicas por si mesmas ou sob a direção de pessoas, desde o trabalho na fábrica e cozinhar até pousar em outros planetas. Honavar diz que os dois campos se cruzam de várias maneiras.

Você pode imaginar a robótica sem muita inteligência, dispositivos puramente mecânicos como teares automatizados”, diz Honavar. “Existem exemplos de robôs que não são inteligentes de forma significativa. Por outro lado, existe a robótica em que a inteligência é parte integrante, como guiar um veículo autônomo por ruas cheias de carros movidos por humanos e pedestres.”

É um argumento razoável que, para realizar a inteligência geral, você precisaria da robótica até certo ponto, porque a interação com o mundo é uma parte importante da inteligência”, de acordo com Honavar. “Para entender o que significa lançar uma bola, você tem que ser capaz de lançar uma bola.”

A IA silenciosamente se tornou tão onipresente que já é encontrada em muitos produtos de consumo.

Um grande número de dispositivos que se enquadram no espaço da Internet das Coisas (IoT) usam prontamente algum tipo de IA auto-reforçada, embora uma IA muito especializada“, diz Cagle. “O controle de cruzeiro foi uma IA inicial e é muito mais sofisticado quando funciona do que a maioria das pessoas imagina. Fones de ouvido com amortecimento de ruído. Qualquer coisa que tenha capacidade de reconhecimento de voz, como a maioria dos controles remotos de televisão contemporâneos. Filtros de mídia social. Filtros de spam. Se você expandir IA para cobrir o aprendizado de máquina, isso também incluiria verificadores ortográficos, sistemas de recomendação de texto, realmente qualquer sistema de recomendação, lavadoras e secadoras, micro-ondas, máquinas de lavar louça, realmente a maioria dos eletrônicos domésticos produzidos após 2017, alto-falantes, televisores, sistemas de antibloqueio, qualquer veículo elétrico, câmeras CCTV modernas. A maioria dos jogos usa redes de IA em muitos níveis diferentes.

A IA já pode superar os humanos em alguns domínios estreitos, assim como “os aviões podem voar distâncias mais longas e transportar mais pessoas do que um pássaro“, diz Honavar. A IA, por exemplo, é capaz de processar milhões de interações de redes sociais e obter percepções que podem influenciar o comportamento dos usuários – uma habilidade que os especialistas em IA podem ter “consequências não tão boas“.

É particularmente bom para compreender grandes quantidades de informações que sobrecarregariam o cérebro humano. Essa capacidade permite que as empresas de Internet, por exemplo, analisem as montanhas de dados que coletam sobre os usuários e empreguem os insights de várias maneiras para influenciar nosso comportamento.

Mas a IA não fez tanto progresso até agora na replicação da criatividade humana, observa Honavar, embora a tecnologia já esteja sendo utilizada para compor músicas e escrever artigos de notícias com base em dados de relatórios financeiros e resultados eleitorais.

Como a IA pode transformar a economia

Dado o potencial da IA ​​para realizar tarefas que costumavam exigir os humanos, é fácil temer que sua disseminação possa colocar a maioria de nós sem trabalho. Mas alguns especialistas preveem que, embora a combinação de IA e robótica possa eliminar algumas posições, ela criará ainda mais empregos para trabalhadores experientes em tecnologia.

Os que correm maior risco são aqueles que realizam tarefas rotineiras e repetitivas no varejo, finanças e manufatura“, explica Darrell West, vice-presidente e diretor fundador do Centro de Inovação Tecnológica da Brookings Institution, uma organização de políticas públicas com sede em Washington, em um email. “Mas os empregos de colarinho branco na área de saúde também serão afetados e haverá um aumento na rotatividade de empregos, com as pessoas mudando com mais frequência de um emprego para outro. Novos empregos serão criados, mas muitas pessoas não terão as habilidades necessárias para esses cargos. Portanto, o risco é uma incompatibilidade de empregos que abandona as pessoas na transição para uma economia digital. Os países terão que investir mais dinheiro em reciclagem profissional e no desenvolvimento da força de trabalho conforme a tecnologia se espalha. Será necessária uma aprendizagem ao longo da vida para que as pessoas possam atualizar regularmente habilidades de trabalho.

E em vez de substituir trabalhadores humanos, a IA pode ser usada para aprimorar suas capacidades intelectuais. O inventor e futurista Ray Kurzweil previu que, por volta de 2030, a IA teria alcançado níveis humanos de inteligência e que seria possível ter IA que vai dentro do cérebro humano para aumentar a memória, transformando os usuários em híbridos homem-máquina. Como Kurzweil descreveu: “Vamos expandir nossas mentes e exemplificar essas qualidades artísticas que valorizamos.”

Isso é Interessante

Cagle participou de um painel em uma convenção de ficção científica há vários anos com o autor David Brin, que escreveu sobre o conceito de elevação, no qual a IA seria usada para aprimorar as capacidades intelectuais da vida não humana senciente, como golfinhos e macacos, até o nível humano . “Estamos eticamente preparados para pastorear uma nova espécie inteligente no universo?” Cagle pergunta. “Estamos suficientemente confortáveis com nossa própria existência para criar outros que amaremos, discutiremos, aprenderemos e ensinaremos?

Visite o novo site da STRATEGIUS.

Se gostou, por favor, compartilhe este post. Abraço, @neigrando

Referência

Este post é uma tradução livre por Nei Grando, do artigo “How Artificial Intelligence Is Totally Changing Everything” de Patrick J. Kiger (dezembro, 2019), do blog How Stuff works, no tema Ciência.

Posts relacionados

Pensando além dos limites da “caixinha”

O objetivo deste post é tratar do conceito de pensamento estratégico, algo extremamente necessário aos líderes e gestores da organizações nos dias atuais. Porém antes de adentrarmos neste tópico, vamos “navegar” um pouco mais sobre o significado de pensamento e os tipos de pensamento mais conhecidos.

Sobre o pensar e o pensamento

Conforme a Wikipedia, pensar é uma forma de processo mental ou faculdade do sistema mental que permite aos seres modelarem sua percepção do mundo ao redor de si, e com isso lidar com ele de uma forma efetiva e de acordo com suas metas, planos e desejos. Palavras que se referem a conceitos e processos similares incluem cognição, senciência, consciência, ideia, e imaginação. O pensamento é considerado a expressão mais “palpável” do espírito humano, pois através de imagens e ideias revela justamente a vontade deste. Conforme Piaget, o pensamento é fundamental no processo de aprendizagem, ous seja, ele é construtor e construtivo do conhecimento. Além disso, o principal veículo do processo de conscientização é o pensamento. A atividade de pensar confere ao homem “asas” para mover-se no mundo e “raízes” para aprofundar-se na realidade.

Pensamento crítico

O pensamento crítico e o pensamento estratégico envolvem atividades cognitivas intencionais e orientadas para objetivos. 

Enquanto o “pensamento crítico” enfatiza a reflexão sobre o concreto o “pensamento estratégico” chama a atenção para a reflexão sobre o abstrato.

Pensamento Crítico: habilidades para “escrever, falar, compreender, analisar, refletir, sintetizar, avaliar, raciocínio moral e prático e decisão e julgamento”. Ikuenobe, P. (2001)

O pensamento crítico envolve habilidades para avaliar a precisão, autenticidade e relevância da informação. Envolve também a persistência na comparação de crenças, conhecimento ou observações em relação a um padrão normativo, a fim de identificar falhas. Beyer, B. K. (1985).

Um argumento ou declaração que pode passar por esta lista tem mais chances de ser válido:

  • Clareza (é fácil de entender?)
  • Acurácia (é possível verificar, testar ?)
  • Precisão (é específico, exato ?)
  • Relevância (é importante?)
  • Profundidade (é complexo ?)
  • Amplitude (fornece uma perspectiva?)
  • Lógica (faz sentido?)

Pensamento sistêmico

Na análise isolamos alguma coisa a fim de entendê-la. Por outro lado, organismos vivos ou sistemas sociais, inclusive organizações, não podem ser entendidos pela simples análise.

Um sistema é um todo integrado cujas propriedades essenciais surgem das relações entre suas partes, e o Pensamento Sistêmico é a compreensão de um fenômeno dentro do contexto de um todo maior.

Pensamento linear, não linear e o equilíbrio entre eles

Por pensamento linear: segue uma linha ou direção ordenada, lógica, [analítica,] inferida de pensamentos anteriores e baseada em dados tangíveis ou observáveis.

Charles M. Vance e colegas identificaram sete dimensões-chave distintas, mas altamente interativas e inter-relacionadas, do estilo de pensamento não-linear: intuição, percepção, criatividade, flexibilidade, imaginação, emoção, centrado em valores.

O equilíbrio e a versatilidade nestas habilidades de pensamento fornecem uma base essencial no apoio ao pensamento estratégico (para formulação e implementação da estratégia de negócios).

Pensamento estratégico

“O pensamento estratégico é o processo mental aplicado por um indivíduo, no contexto, para alcançar o sucesso em um jogo ou outro empreendimento. Quando aplicado em um processo de gerenciamento estratégico organizacional, o pensamento estratégico envolve a geração e aplicação de ideias e oportunidades de negócios exclusivas, com o objetivo de criar vantagem competitiva para uma empresa ou organização.” – Jeanne Liedtka

Henry Mintzberg (conforme resumido por Lawrence, 1999) argumenta que “planejamento estratégico é a programação sistemática de estratégias pré-identificadas a partir das quais um plano de ação é desenvolvido. O pensamento estratégico, por outro lado, é um processo de síntese que utiliza a intuição e a criatividade cujo resultado é uma perspectiva integrada do empreendimento.

Hamel e Prahalad (1989) referem-se ao pensamento estratégico como elaboração de arquitetura estratégica, enquanto Raimond (1996) se refere a pensamento estratégico como imaginação criativa.

Os dois diagramas abaixo, mostram a relação entre o pensamento estratégico e o planejamento estratégico.

Neste primeiro diagrama, vemos que o pensamento estratégico, divergente por abrir a mente para inúmeras possibilidades, rompe o alinhamento, com questões tipo “Por que?” e “O que?”. Enquanto que o planejamento estratégico, convergente por focar no que precisa ser feito, utiliza questões tipo “Como?” e “Quando?”.

Neste segundo diagrama, vemos não só os objetivos do pensamento estratégico e do planejamento estratégico, mas também algumas das características chave comentadas anteriormente, bem presentes.

Considerações finais

Para pensar “fora da caixinha” e trabalhar a estratégia organizacional, tão necessária para mudanças, transformação e inovação, o ideal é sair da rotina do escritório, buscar novos conhecimentos e depois ir para um lugar tranquilo, relaxante e que permita fazer questionamentos e reflexões sobre novas possibilidades para se manter competitivo, manter a longevidade da empresa de forma sustentável.

Participar de eventos, conversar sobre estratégia, inovação, liderança, gestão e tendências de comportamento, consumo e de tecnologia com profissionais qualificados nestas áreas também ajuda a mudar a mentalidade (mindset), que nos possibilitará imaginar cursos de ação para a empresa e seus negócios.

Compartilhar é um ato de amor, abraço @neigrando

Autor

Nei Grando – diretor executivo da STRATEGIUS, atua como pesquisador e curador de conteúdo, consultor, professor e palestrante sobre estratégia e novos modelos de negócios, inovação, organizações exponenciais, transformação digital e agilidade organizacional. Teve duas empresas de TI especializada no desenvolvimento de software e soluções de conectividade, onde atuou como gestor e conduziu projetos, sistemas, plataformas de negócios, portais e serviços para o Mercado de Capitais, CRM, GED, Internet-banking, Publicidade Digital, GC, e outros sob demanda. É mestre em Ciências pela FEA-USP (ênfase em inovação) com MBA pela FGV, organizador e autor do livro Empreendedorismo Inovador: Como criar Startups de Tecnologia no Brasil, e autor em outros dois.

Referências

  • Beyer, B. K. (1985). Critical thinking: What is it? Social Education, 49(4), 270-276.
  • Bowman, N. A. (2016). 4 Ways to Improve Your Strategic Thinking Skills. Harvard Business Review.
  • Ikuenobe, P. (2001). Teaching and assessing critical thinking abilities as outcomes in an informal logic course. Teaching in Higher Education, 6(1), 19-32.
  • Liedtka, J. (1998). Linking strategic thinking with strategic planning. Strategy and Leadership, October, (1), 120-129.
  • Mintzberg, H., Ahlstrand, B., Lampel, J. (2000). Safári de Estratégia. Bookman.
  • Wolters, H. M., Grome, A. P., & Hinds, R. M. (2013). Exploring Strategic Thinking: Insights to Assess, Develop, and Retain Strategic Thinkers.

Artigos Relacionados