ESG, Tendência ou mais do mesmo?

“Meu objetivo principal aqui é muni-los de informação e não apenas opinião a respeito do tema. A conclusão cabe a você.”

Ultimamente temos ouvido e lido nas midias sociais muita opinião sobre ESG, inclusive com severas criticas negativas e pouco apoio construtivo para esta agenda e caminho comportamental das organizações e demais instituições.

Assim, resolvi compartilhar alguns pontos sobre o tema a partir de anotações de uma palestra que ministrei no início do ano passado. O texto está bem resumido, porém acredito que passará a essência das informações sobre o tema.

Introdução

Não sou defensor de ideias ou modismos, mas sim de práticas de valor que gerem transformação na direção de um planeta e uma a sociedade melhor para todos.

Assim, procuro incentivar quaisquer movimentos que busquem tais melhorias, seja nos conceitos da Nova Economia que engloba a economia Compartilhada, economia Colaborativa, economia Multivalores, economia Circular, economia Digital, …, movimentos como os de um Capitalismo Consciente, Empresas B, Sustentabilidade e agora ESG.

Não devemos esperar algo perfeito como num projeto com início e fim, mas como em um processo de melhoria contínua para todos. ESG é apenas parte disso tudo, principalmente pelos princípios e valores que devem ser seguidos pelas organizações que os praticam.

Existem critérios sérios para que uma empresa atinja um bom nível de qualificação na B3 assim como em outras bolsas mundiais, que demonstram a qualidade com que tratam dos valores ambientais, sociais e de governança na prática. Além disso há demonstrações de que elas acabam ao final gerando melhores resultados financeiros. É isso que atrai investidores aos fundos ESG e a negociação de ações.

Não é modismo, ESG existe há 18 anos, só no Brasil que é novidade, pela adoção recente (2019) em bolsa de valores.

Não se trata de apenas um nome, mas sim de uma nova visão e forma de tratar os intangíveis da sustentabilidade (social e ambiental) com governança apropriada (algo qualitativo via indicadores), o que é diferencial da visão anterior que incluía a sustentabilidade financeira que é tangível e que a contabilidade trata de forma quantitativa (com números).

Sim, sempre existiram os espertalhões especuladores, mas isso não descaracteriza o valor ESG.

ESG não é mais do mesmo, pois é uma evolução que atingirá todas as empresas.

Começarei falando das MEGATENDÊNCIAS que conduzem as tendências tecnológicas, econômicas e sociais, e que por consequência afetam mercados financeiros.

A evolução humana, num mundo capitalista está diretamente ligada aos negócios que afetam a economia e a qualidade de vida.

ESG trata de vida, ambiental e social, governada com princípios e valores humanos.

Pelo menos as empresas de valor, estão tentando fazer o seu papel numa sociedade que vive o caos da complexa e aceleração, e injustiças consequentes pela má governança e gestão. Hoje falam do agronegócio, que no Brasil é de latifúndios voltados à exportação para sustentar o mundo, enquanto ainda temos tantos passando fome aqui mesmo. Precisamos fazer alguma coisa e movimentos como dos das Empresas B, Capitalismo Consciente e ESG trazem princípios e valores, que se respeitados e bem trabalhados podem fazer toda a diferença.

Megatendências e o Contexto Atual

Megatendências vêm mudando a forma como vivemos há séculos. São forças poderosas e transformadoras que podem mudar a economia, os negócios e a sociedade global.

Pense em eletricidade, automóvel, Internet.

1. Mudanças climáticas e escassez de recursos

Quebra de safra, inundações generalizadas, habitats destruídos e escassez de energia
Se as previsões estiverem corretas, em 2100 a temperatura média da superfície do planeta terá aumentado em 5.8 C desde o final do século 19, e os recursos do planeta se tornarão cada vez mais escassos. Fonte: ipcc.ch

2. Demografia e mudança social

Escassez de mão de obra, demanda por saúde e mudanças nas demandas dos consumidores
A população global pode aumentar em mais de 1 Bilhão em 2030 e em 2050, um terço da população de 55 países terá mais de 60 anos. Fonte: un.org

3. Avanço Tecnológico

As máquinas aprenderão mais rápido do que os humanos e os dados pessoais serão uma mercadoria valiosa
Quase dois terços de todas as ocupações (60%) poderão ver um terço ou mais de suas atividades constituintes automatizadas. Fonte: mckinsey.com

4. Urbanização Rápida

Espaço e acomodação se tornarão mais um problema nas grandes cidades.
Dois terços da população mundial viverão em áreas urbanas em 2050 (66%).
Em 1950, apenas 30% viviam em áreas urbanas.
Fonte: Hing, E, Hsiao, C. Departamento de Saúde e Serviços Humanos dos EUA.

5. Mudança de poder econômico

A China se tornará a nova superpotência, a população da Ásia está crescendo rapidamente, mudando a demografia global
A China pode se tornar a nova superpotência mundial em 2030 e junto com a Índia rivalizando com os EUA em 2050. Fonte: FMI para estimativas de 2016, análise PWC para projetos até 2050.

ESG – Environmental, Social & corporate Governance

ESG - Environment, Social, Governance

ESG – Acrônimo em inglês para Environmental, Social e corporate Governance, ou seja, amplamente utilizado no mundo dos investimentos para se referir a aspectos não financeiros da gestão empresarial

As 5 principais organizações que são líderes no desenvolvimento e padronização de frameworks e standards relacionados aos aspectos ESG — CDP, CDSB, GRI, IIRC e SASB — uniram forças.

O ESG ganhou muita força nos últimos anos e tem origem em dois movimentos separados, que se convergem cada vez mais.

O primeiro é o accountability. Cada vez mais, as pessoas estão interessadas em conhecer o impacto que as empresas têm sobre seus colaboradores, clientes, suas comunidades e sobre o meio ambiente. Portanto, continuamente tentamos quantificar estas estruturas em métricas, as quais agora possuem novas categorias como o social, o ambiental e os aspectos da governança.

De outro lado, temos o movimento do business valuation com o argumento de que as métricas que o mercado tem hoje não conseguem capturar todo o desempenho e valor da empresa, pois não conseguem capturar aspectos intangíveis, tais como capital intelectual, social e humano do negócio. As métricas de ESG podem indicar como mensurar este capital.

Origem do termo ESG

  • Há pelo menos 50 anos, já existia a preocupação com investimento em negócios sustentáveis.
  • Na metade da década de 1970, surgiu a sigla SRI, que, em uma tradução para o português, quer dizer investimento sustentável responsável.
  • A partir dessa época, fatores sociais passaram a contar cada vez mais na hora de escolher qual corporação merecia receber aporte financeiro de investidores.
  • Empresas que apoiavam a política do apartheid na África do Sul ou financiavam a Guerra do Vietnã, por exemplo, passaram a ter seus pedidos de investimento negados em razão das causas que defendiam.
  • Aos poucos, essas preocupações foram se expandindo, focando também nos impactos ambientais, entre outros critérios de responsabilidade corporativa das organizações.
  • A sigla ESG, no entanto, só foi aparecer de fato no presente século, mais precisamente em 2005, com o relatório “Who cares wins” (“Ganha quem se importa”), redigido pela Organização das Nações Unidas (ONU).
  • A iniciativa reuniu 20 instituições financeiras de diferentes países, inclusive o Brasil, para definir diretrizes a respeito da inclusão de temas ambientais, sociais e de governança no gerenciamento de fundos e pesquisas com relação a esses assuntos.
  • Decidiu-se então que a inclusão dessas avaliações no mercado financeiro era benéfica não apenas para as empresas e os investidores, mas também para a sociedade como um todo.

Fonte: FIA

Alguns Números

Segundo relatório da PwC, até 2025, 57% dos ativos de fundos mútuos na Europa estarão em fundos que consideram os critérios ESG, o que representa US$ 8,9 trilhões, em relação a 15,1% no fim do ano anterior. Além disso, 77% dos investidores institucionais pesquisados pela PwC disseram que planejam parar de comprar produtos não ESG nos próximos dois anos. [uma forma consciente de investir]

No Brasil, fundos ESG captaram R$ 2,5 bilhões em 2020. Este levantamento foi feito pela Morningstar e pela Capital Reset. Levantamento anual feito pela Deloitte e pelo Instituto Brasileiro de Relações com Investidores (IBRI), em 2021, mostrou que 74% das empresas com ações em Bolsa planejam aumentar o orçamento destinado a ESG em 2022.

ESG na B3

Como parte de sua estratégia de ampliação do portfólio de índices ESG, a B3 lançou, em setembro de 2020, em parceria com a S&P Dow Jones, índice S&P/B3 Brasil ESG, que utiliza critérios baseados em práticas ambientais, sociais e de governança para selecionar empresas brasileiras para sua carteira. Entre os critérios está a aderência aos Dez Princípios do Pacto Global na área de Direitos Humanos, Trabalho, Meio Ambiente e Anticorrupção. Neste sentido, além dos Dez Princípios do Pacto Global, os Objetivos de Desenvolvimento Sustentável servem de guias para que as empresas analisem se suas práticas ESG estão alinhadas aos padrões internacionais e referência.

ESG na Blackrock

A maior gestora da ativos do mundo, a BlackRock, com mais de US$ 6 trilhões em carteira, passou a incluir em 2020 métricas ESG, transversalmente, em todas as suas análises de riscos.

Conheça os princípios do Pacto Global

Direitos humanos

1. empresas devem apoiar e respeitar a proteção de direitos humanos reconhecidos internacionalmente.

2. Assegurar-se de sua não participação em violações destes direitos.

Trabalho

3. As empresas devem apoiar a liberdade de associação e o reconhecimento efetivo do direito à negociação coletiva.

4. A eliminação de todas as formas de trabalho forçado ou compulsório.

5. A abolição efetiva do trabalho infantil.

6. Eliminar a discriminação no emprego.

Meio ambiente

7. As empresas devem apoiar uma abordagem preventiva aos desafios ambientais.

8. Desenvolver iniciativas para promover maior responsabilidade ambiental.

9. Incentivar o desenvolvimento e difusão de tecnologias ambientalmente amigáveis.

Anticorrupção

10. As empresas devem combater a corrupção em todas as suas formas, inclusive extorsão e propina.

Indicadores do Guia para Empresas Listadas na B3

Clique nas imagens abaixo para pode-las visualizá-las melhor.

Indicadores Ambientais

Indicadores Sociais

Indicadores de Governança Corporativa

Considerações finais

Ultimamente temos ouvido muito falar em empresas que fazem o que chamamos de Greenwashing, ou seja, maquiagem marketeira para se mostrar ao mercado e aos clientes como sendo uma empresa exemplar, por cuidar dos interessados (stakeholders) na atuação de sua companhia e não só dos investidores (shareholders), preocupando-se e atuando nos aspectos ambientais, sociais, de governança corporativa, etc. Mas nem todas são assim, temos muitas empresas sérias e como vimos a própria B3 usa de critérios via indicadores para avaliar as empresas listadas como ESG em seu portfolio.

Queremos sim, que além de grandes empresas, empresas médias e pequenas utilizem critérios e indicadores ESG e sejam orientadas pelos objetivos de desenvolvimento sustentável. Chega de Greenwhashing, chega de maquiagem.

Se gostou, por favor, compartilhe. 

Sobre mim: aqui. Contato: aqui.

Abraços, @neigrando

Artigos relacionados

A Inteligência Artificial e o Futuro da Tomada de Decisões Estratégicas

“A Inteligência Artificial agrega muito na tomada de decisões. Isso torna o processo mais claro, rápido e mais orientado por dados. Com a IA, pequenas decisões podem ser tomadas em movimento, ela facilita a resolução de problemas complexos, permite iniciar mudanças estratégicas, avaliar riscos e avaliar o desempenho de todo o negócio.”

Ao longo dos últimos anos a Inteligência artificial tem evoluído de forma assustadora, e tem se destacado nas organizações como ferramenta de apoio ou na automação da tomada de decisões específicas e operacionais, em algumas decisões táticas e, em alguns casos, estratégicas.

O texto que segue é uma tradução levemente adaptada do artigo “The Future of Strategic Decision-Making” de Roger Spitz, que está disponível na Internet e a meu ver deve ser conhecido e divulgado amplamente para estudantes dos temas envolvidos e principalmente, para líderes e gestores de nossas organizações.

Como sociedade, devemos adaptar completamente nosso sistema educacional [1], priorizando a experimentação e a descoberta, incutindo curiosidade e conforto com a incerteza, começando primeiro no playground e depois se espalhando até nossas salas de reuniões. Se não melhorarmos nossas habilidades de evoluir em um mundo não linear, podemos encontrar a tomada de decisão humana marginalizada por algoritmos à medida que nos tornamos cegos pela complexidade crescente, enquanto as máquinas aprendem gradualmente a subir na cadeia de valor da decisão.

O acrônimo AAA é frequentemente usado para refletir a conquista final. Aqueles com experiência em finanças reconhecerão que AAA é o nível mais alto de merecimento de crédito ou, em ciência, a melhor classificação para escalas de classificação alfabética. O PNUD tem usado “Antecipatory, Adaptive and Agile” no contexto da governança [2], assim como estimados colegas em seu recente artigo intitulado “Triple-A Governance: Anticipatory, Agile and Adaptive[3].

Stephen Hawking [4] qualificou o século XXI como “o século da complexidade”. Com esse pano de fundo, há algum tempo usamos o AAA como “Antecipatório, Antifrágil e Ágil” (AAA) para definir o que o ser humano deve desenvolver para melhorar suas habilidades à medida que o mundo se torna mais complexo. Essa necessidade de os humanos aprimorarem suas capacidades é muito mais relevante no contexto de aprendizado rápido de máquinas e com funções humanas de nível cada vez mais alto.

Embora o termo antecipatório esteja intimamente relacionado à previsão, para nossa taxonomia AAA, emprestamos a definição de antifrágil de Taleb [5]: “A antifragilidade está além da resiliência ou robustez. O resiliente resiste a choques e permanece o mesmo; o antifrágil fica melhor.” E usamos “agilidade” no contexto do framework Cynefin [6], olhando para propriedades como nossa capacidade de ser curioso, inovador e experimental, para saber como ampliar ou atenuar nossos comportamentos em evolução dependendo do feedback, permitindo assim o surgimento de padrões instrutivos, especialmente em sistemas adaptativos complexos.

Tomada de decisão: não é mais uma exclusividade humana

Atualmente, a tomada de decisões para tópicos estratégicos importantes (como investimentos, pesquisa e desenvolvimento (P&D) e fusões e aquisições (M&A)) exige envolvimento humano, geralmente por meio de diretores executivos, equipes de liderança, conselhos, acionistas e governos. Olhando para o futuro, a questão não é quanto as máquinas aumentarão a tomada de decisão humana, mas se com o tempo os humanos continuarão envolvidos no processo.

Por meio do aprendizado de máquina (ML) e do processamento de linguagem natural (NLP), as capacidades da inteligência artificial (IA) na tomada de decisões estratégicas estão melhorando rapidamente, enquanto as capacidades humanas nessa área podem não estar necessariamente progredindo. Pode até ser o oposto: enquanto as máquinas são consideradas por muitos como um reforço para os seres humanos de uma forma positiva, o Pew Research Center adverte que a IA pode reduzir as habilidades cognitivas, sociais e de sobrevivência dos indivíduos: “suas habilidades de pensar por si mesmos e agir independentemente de sistemas automatizados[7].

Existem muitos modelos de ciclo de decisão, incluindo o tão admirado loop OODA (Observar, Orientar, Decidir, Agir) [8].

Em sua essência, estruturamos a tomada de decisões seguindo um processo simples de três etapas:

  1. Detectar e coletar inteligência.
  2. Interpretar as informações.
  3. Tomar e implementar decisões.

Cada uma dessas etapas é essencial para uma conclusão bem-sucedida. A lista a seguir mostra exemplos de falhas nesse processo. Inteligência pobre (falha na etapa 1) levou à invasão da Baía dos Porcos, enquanto a interpretação ineficaz (falha na etapa 2) contribuiu para a surpresa de Israel na guerra de outubro de 1973.

O passo 3 às vezes é mais difícil de isolar. A tomada e implementação de decisões também podem incluir aquelas que decidem não configurar um sistema para detectar ou coletar inteligência em primeiro lugar, ou que limitam o investimento nos recursos para, em última análise, interpretar essas informações. Pode-se argumentar que a falta de preparação que resultou em respostas governamentais improvisadas para o COVID-19 foi uma falha nas três etapas.

A história corporativa está repleta de exemplos de equipes de liderança com um viés cognitivo para tomar decisões ruins que extrapolaram o passado com previsões lineares. Isso geralmente ocorre porque os humanos acham difícil processar tendências “exponenciais” (que inicialmente não parecem crescer rapidamente) e ignoram as implicações da próxima ordem.

As operadoras de telecomunicações tiveram a opção de inovar em tecnologias over-the-top (OTT) em vez de depender de vacas leiteiras históricas, como mensagens de texto e chamadas internacionais. Esta decisão errada abriu caminho para novas camadas como Skype, WeChat e WhatsApp para liderar com tecnologias exponenciais disruptivas. Na mesma linha, a Verizon adquiriu a plataforma de videoconferência BlueJeans em abril de 2020 como um movimento defensivo tardio devido à pandemia e explosão do Zoom, em vez de antecipar a necessidade estratégica de uma plataforma de videoconferência de nível empresarial para o futuro do trabalho (remoto), saúde (telemedicina) ou educação (ensino online). A pandemia acelerou essa necessidade, enquanto a compreensão adequada de nossas duas primeiras etapas de tomada de decisão deveria significar que a Verizon teria tomado essas decisões estratégicas há muitos anos (em vez de acompanhar o Zoom hoje). Da mesma forma que a Disney só acordou em 2017 quando adquiriu o controle da BAMTech para tecnologia de streaming, deixando a Netflix dominar esse espaço durante muitos e preciosos anos.

Em 2011, Vincent Barabba [9] escreveu: “Em essência, alertamos a equipe de gerenciamento de que a mudança na captura de imagens por meio de tecnologias digitais estava chegando e que eles tinham uma década para se preparar para isso”. Apesar das avaliações do mercado-alvo, a Kodak não tomou as decisões estratégicas corretas.

Dada a velocidade e a escala da mudança, a questão de “se e como” podemos aprimorar nossas capacidades de tomada de decisão é legítima.

As máquinas estão subindo na cadeia de valor de tomada de decisão

Hoje, os humanos usam principalmente a IA para obter insights, mas as habilidades da IA poderão superar as habilidades humanas em todas as etapas do processo. A IA já está melhorando na análise preditiva, avançando constantemente para a direita, em direção a resultados prescritivos que recomendam opções específicas.

Isso é em parte alimentado por tecnologias exponenciais, à medida que a IA aprende a subir na cadeia de valor:

  • As máquinas são arquetipicamente usadas na otimização, automatização de processos e tarefas repetitivas.
  • Também os encontramos mais presentes em funções de aumento, onde emprestam seus maiores poderes de processamento para perceber e aprender (como na radiologia).
  • A IA está até abordando o domínio da criatividade anteriormente obrigatória. (O Google Arts recentemente fez parceria com o coreógrafo britânico Wayne MacGregor para treinar uma IA para coreografar danças [10]). [O DALL-E 2 da OpenAI é outro exemplo incrível de IA generativa em artes];

Uma vantagem significativa que a IA tem sobre os humanos é impulsionada por plataformas de inovação empilhadas que podem ser dimensionadas rapidamente, em que grandes quantidades de dados em rede fornecem insights cada vez mais profundos por meio da detecção de sinais, interpretação de tendências e reconhecimento de padrões em escala e com dados não estruturados. Isso também permite que informações e conexões não intuitivas sejam descobertas por meio de ML, enquanto o NLP é eficaz para extração não estruturada.

Superioridade atual da IA na detecção e coleta, com escala ajudando na interpretação

A IA já supera a capacidade humana na detecção de tendências, reconhecimento de sinais e padrões para dados não estruturados em escala:

  • Uma empresa, a Blue Dot, usou NLP e ML para detectar o vírus COVID-19 antes do Centro de Controle de Doenças dos EUA.
  • Outra empresa, a Social Standards, vasculha o Instagram e o Twitter para detectar marcas e concorrentes locais emergentes antes que atinjam o pico de visibilidade.
  • A empresa de análise geoespacial Orbital Insight extrai imagens digitais para prever o rendimento das colheitas ou as taxas de construção de edifícios chineses.

Insights preditivos aprimorados por algoritmo impulsionam a tomada de decisões

Um passo além do suporte à decisão orientado por análises, a IA acelera simulações, avaliações e desenvolvimentos “infinitos”, reduzindo o custo de testes para realizar grandes descobertas de P&D e medicamentos:

  • Halicina foi o primeiro antibiótico descoberto usando IA. A IA encontrou moléculas que até ajudam a tratar cepas bacterianas anteriormente intratáveis.
  • O medicamento para TOC DSP-1181 é a primeira molécula de medicamento não produzida por humanos a entrar na fase 1 dos ensaios clínicos. Graças à inteligência de ML do DSP-1181, os pesquisadores concluíram em 1 ano o que normalmente levaria vários anos.

No futuro, a IA realizará tomadas de decisão estratégicas prescritivas e autônomas?

Atualmente, a IA é encarregada da assistência à decisão, não da tomada de decisões estratégicas autônomas. Porque? A situação é mais do que “complicada”.

Nem os humanos nem a IA acham que a tomada de decisões em situações complexas é o seu ponto forte. Usando o Cynefin Framework de Dave Snowden [6], o domínio complexo envolve incógnitas desconhecidas, onde não há respostas certas e é apenas retrospectivamente que se pode estabelecer causa e efeito. Portanto, se há consolo a ser encontrado no fraco desempenho da humanidade aqui, é que as máquinas atualmente não são capazes de fazer melhor (a zona de conforto da IA está no domínio complicado, onde há uma variedade de respostas certas, incógnitas conhecidas e causalidade pode ser analisado, então joga bem com os dados).

A maioria das aplicações de interpretação preditiva envolve um projeto conjunto (aumento) entre humanos e IA. Como a IA é exponencial, com o tempo o papel dos humanos pode diminuir em várias áreas.

Ao analisar a tendência de envolvimento da máquina, uma coisa fica clara: a IA está desempenhando um papel maior em cada etapa do processo de decisão. Está começando a dominar áreas que antes pensávamos serem importantes demais para serem confiadas a máquinas ou exigiam muito julgamento humano:

  • Em 2017, o software do J.P. Morgan completou 360.000 horas de trabalho de due diligence legal em segundos.
  • Apenas dois anos depois, no final de 2019, a Seal Software (adquirida no início de 2020 pela DocuSign) demonstrou um software que ajuda a automatizar o lado criativo do trabalho jurídico, sugerindo pontos de negociação e até preparando as próprias negociações.
  • A plataforma de ML proprietária da EQT Ventures, Motherbrain, fez mais de US$ 100 milhões em investimentos de empresas de portfólio monitorando mais de 10 milhões de empresas, seus algoritmos coletando dados de dezenas de fontes estruturadas e não estruturadas para identificar padrões.
  • Uma startup alemã chamada intuitive.ai fornece soluções de IA para promover decisões estratégicas de gerenciamento informadas, enquanto a startup 9Q.ai, sediada no Reino Unido, está desenvolvendo “Complex AI” para otimizar a tomada de decisões estratégicas com múltiplos objetivos em tempo real, inclusive para o setor de consultoria de gestão.

Como estamos vendo com a crise atual, a extensão das falhas internacionais na preparação (como ignorar completamente os avisos da própria inteligência dos EUA, de Bill Gates ou do Fórum Econômico Mundial) é apenas a ponta do iceberg em nossas falhas em respostas ao framework de resolução de problemas necessários. Portanto, atualmente, nem os humanos nem a IA têm um bom desempenho em sistemas complexos. E poucos líderes adotam o modelo experimental, que exige curiosidade, criatividade e diversas perspectivas para permitir o surgimento de padrões instrutivos imprevisíveis.

Estaremos à altura do desafio de tempos complexos acelerados, disruptivos e imprevisíveis? Porque a IA certamente continuará aprendendo – mesmo além do complicado – já que os algoritmos não dependerão mais apenas de uma série de respostas certas:

  • Matthew Cobb [11] fornece um exame detalhado sobre se nosso cérebro é um computador, abrangendo as visões de Gary Marcus (“Computadores são, em poucas palavras, arquiteturas sistemáticas que recebem entradas, codificam e manipulam informações e transformam suas entradas em saídas. Os cérebros são, até onde podemos dizer, exatamente isso.”) e os neurocientistas que consideram que, mesmo que isso fosse verdade, a “engenharia reversa” do cérebro pode não ser um dado adquirido.
  • A IA está se desenvolvendo rapidamente ao lidar com a complexidade com progresso em áreas-chave, como redes neurais artificiais (amplamente inspiradas em redes neurais biológicas que constituem cérebros e são boas em reconhecimento de padrões). Russell, em seus livros seminais sobre IA, reconhece as opiniões de vários filósofos que acreditam que a IA nunca terá sucesso enquanto expande como agentes inteligentes raciocinam logicamente com conhecimento, incluindo a tomada de decisões em ambientes incertos e a importância de redes neurais artificiais para gerar o conhecimento necessário para que os agentes inteligentes tenham os componentes necessários para tomar decisões [12].
  • É claro que existem limitações para o que a IA pode fazer hoje, em parte devido aos próprios dados, ainda mais em sistemas complexos (“Dados significam mais informações, mas também significam mais informações falsas” [13]). Em Black Swan[14], Taleb adverte contra o uso indevido de big data, incluindo o “espelho retrovisor” (confirmação vs. causalidade), uma instância de raciocínio pobre à medida que a narrativa está sendo construída em torno dos dados que acabam com uma história mais clara do que a realidade empírica. Ele também sinaliza “evidência silenciosa”, pois não se pode confiar em observações experimentais para desenvolver uma conclusão válida (a possibilidade de dados ausentes, correlações espúrias e o risco de eventos não observados anteriormente têm um impacto tremendo).
  • No início deste ano, Ragnar Fjelland [15] escreveu “Por que a inteligência artificial geral não será realizada” e, embora reconheça os principais marcos na pesquisa de IA (incluindo o DeepMind AlphaGo no aprendizado de reforço profundo), sua visão é que os sistemas carecem de flexibilidade e encontram dificuldade de se adaptar às mudanças no ambiente. Como Taleb, ele se concentra na correlação e causalidade e na falta de compreensão da IA, uma grande limitação hoje.

À medida que a IA continua a se desenvolver, as máquinas podem se tornar cada vez mais legítimas na tomada de decisões estratégicas de forma autônoma, onde hoje os humanos têm vantagem. Se os humanos não conseguirem se tornar suficientemente AAA, as máquinas de aprendizado rápido poderão superar nossa capacidade. Elas não precisam atingir a inteligência artificial geral nem se tornar excepcionais no manuseio de sistemas complexos, precisam ser apenas melhores do que nós. [O lançamento recente do incrível ChatGPT da OpenAI conseguiu um milhão de usuários em 5 dias, pela facilidade e habilidade desta aplicação Web para responder questões e até mesmo código em linguagem de computador.]

Como os seres humanos podem permanecer relevantes

Para permanecer relevante, o ser humano deve se tornar cada vez mais antecipatório e antifrágil, com agilidade.

Antecipatório

Taleb [14] usa o famoso exemplo dos Cisnes Negros para descrever eventos imprevisíveis com grandes impactos. Em muitos casos, no entanto, a metáfora mais adequada é o Rinoceronte Cinzento [16].

Os eventos do Rinoceronte Cinzento são altamente prováveis e claros, mas ainda não respondemos. Talvez estejamos em negação ou passando a responsabilidade. Podemos diagnosticar o perigo sem entusiasmo… e então entrar em pânico quando é tarde demais. COVID-19 era um rinoceronte cinza.

A liderança de empresas, países e organizações geralmente não é pega de surpresa pelos Cisnes Negros, mas é incapaz ou não quer se preparar para os Rinocerontes Cinzentos. Saber distinguir seus Cisnes Negros de seus Rinocerontes Cinzentos é a chave para se tornar mais antecipado e parar de ser pisoteado. Além disso, a liderança deve:

  • Aprender a qualificar sinais flexíveis e interpretar os efeitos da próxima ordem da mudança, conectando os pontos de mudança com gatilhos de ação.
  • Ter cuidado ao confiar em riscos estatísticos que aceitaram um mundo estável e previsível.
  • Entender as ramificações da mudança exponencial (que se move “gradualmente e depois repentinamente”), pois o mundo não é uma evolução linear do passado. Lembre-se da lei de Amara: “Temos a tendência de superestimar o efeito de uma tecnologia no curto prazo e subestimar o efeito no longo prazo”.
  • Ter visão: mapear futuros plausíveis, com a agência para concretizar nossa opção futura preferida. Tanto a tomada de decisões estratégicas de curto quanto de longo prazo são necessárias simultaneamente hoje, priorizando a inovação, bem como a tentativa e erro.
  • Adotar uma análise “pré-morte” para identificar ameaças e fraquezas por meio da presunção hipotética de falha em um futuro próximo.

Antifrágil

Continuando com o framework Cynefin de Snowden, os sistemas complexos que estão sendo criados devem pelo menos ser resistentes a choques e mudanças, ou até mesmo se beneficiar deles, ou podemos encontrá-los esmagados.

Fazendo analogias com o Antifrágil de Taleb [5], os sistemas frágeis são danificados pela desordem. Eles recebem mais desvantagens do que vantagens dos choques. O endividamento excessivo é uma estratégia frágil. As recompras de ações também são, embora sejam comuns. A teoria financeira – baseada em um mundo estável e ordenado – diz a uma empresa para não acumular dinheiro, mas o dinheiro pode ser um salva-vidas em tempos imprevisíveis.

Os sistemas antifrágeis se fortalecem a partir da desordem. Os choques e erros os fazem fortalecer, não quebrar. O Vale do Silício, por exemplo, responde bem à pressão. Sua mentalidade experimental e fluida permite que eles encontrem rapidamente novas soluções. Eles inovam e evoluem, fortalecendo-se pela pressão da seleção natural.

Muitos de nossos sistemas econômicos e empresas são frágeis por terem seguido o “manual estratégico” estereotipado de otimização e hipereficiência em um mundo que presumiam ser linear e previsível. Quando choques ou caos ocorrem, eles se dobram. Se quisermos permanecer relevantes (ou seja, não ver nossa tomada de decisão estratégica ser substituída por máquinas), devemos criar ecossistemas sociais e econômicos inovadores em rede que se fortalecem sob estresse.

Ágil

Como Sue Siegel, da GE, disse em 2018: “O ritmo da mudança nunca será tão lento quanto hoje”, portanto, à medida que o mundo acelera exponencialmente, devemos desenvolver a agilidade:

Nossas organizações centralizadas e hierárquicas não são ágeis. A maioria se move lentamente, continuando nas mesmas ações que sempre realizou. Essas estratégias não respondem bem a circunstâncias em constante mudança.

  • Compreender melhor todo o sistema, dada a imprevisibilidade e interdependências das partes móveis onde o todo é mais do que a soma das partes.
  • Desenvolver comportamentos emergentes (amplificados ou atenuados para mover a pessoa na direção certa), experimentando e consertando para falhar rapidamente e permitir que surjam padrões instrutivos.
  • Aproveitar a liminaridade para a transformação: use os espaços liminares intermediários da incerteza para impulsionar a destruição criativa [17] e a inovação disruptiva [18].
  • Descentralizar, permitindo que redundâncias funcionais sejam usadas como substituições dentro de um ecossistema, substituindo falhas.
  • Aproveitar a curiosidade, a criatividade e as diversas perspectivas para ir na contramão, porque o conhecimento padrão de hoje nunca resolverá as surpresas de amanhã. A fertilização cruzada com perfis em forma de T que combinam profundo conhecimento com ampla experiência pode se mover naturalmente entre as disciplinas, criando novas combinações em um mundo onde os padrões são difíceis de interpretar e os generalistas florescem [19].

Devemos criar células enxutas e ágeis que ataquem os problemas influenciando independentemente os pontos de alavancagem para criar atratores para a emergência. Inspiradas na própria natureza, essas estratégias ágeis surgiram em todos os tipos de áreas, de startups enxutas a guerrilheiros.

Olhando para o futuro

Até agora, os humanos se destacaram na tomada de decisões, mas nossa vantagem comparativa pode não necessariamente continuar.

Nossas estruturas mentais atuais podem não ser versáteis o suficiente para navegar e gerenciar mudanças constantes e imprevisíveis à medida que a IA evolui rapidamente, inclusive no campo da Emotion AI (também conhecida como Computação Afetiva ou Inteligência Emocional Artificial), onde startups como a Affectiva reconhecem, interpretam, simulam e reagem à emoção humana.

À medida que o mundo e seus sistemas se tornam mais complexos, há várias opções para o futuro da tomada de decisões estratégicas, incluindo:

  1. Os seres humanos são capazes de se adaptar e melhorar nossa tomada de decisão – tornando-se mais AAA – para que possamos continuar agregando valor ao fazer parceria com máquinas. Aqui, a IA está fornecendo insights para aumentar e tomar decisões mais informadas, descobrir novas oportunidades sem necessariamente substituir os humanos.
  2. Os humanos falham em se adaptar ao nosso mundo cada vez mais complexo, encontrando-se, em vez disso, marginalizados ou substituídos no processo-chave de tomada de decisão, que poderia estar totalmente fora de nossas mãos.

Pode haver virtudes em um futuro em que sejamos liberados não apenas das tarefas repetitivas mais mundanas, mas também das pressões e responsabilidades da tomada de decisão. No entanto, isso levanta a questão da escolha: decidimos proativamente sobre nossa posição na cadeia de valor ou nos vemos sendo impostos em um determinado local.

Em última análise, é uma questão existencialista em torno da agência, pois a pressão evolutiva dita que os melhores tomadores de decisão serão os que sobreviverem. Se não redesenharmos fundamentalmente nossa educação e estruturas estratégicas para criar mais líderes AAA, poderemos ver essa escolha feita por nós.

A alternativa distópica: do C-Suite ao A-Suite?

Eu preferiria um mundo onde as decisões humanas continuassem a impulsionar nossa espécie, onde consideramos o que é preciso para ter mais chances de construir este mundo. Se não o fizermos, nosso atual C-suite de líderes pode ser substituído por um A-suite (de algoritmos).

Usando o modelo de três horizontes de Curry e Hodgson [20], nossos futuros possíveis são:

  • Agora: nosso presente incorporado com “bolsos de futuro”.
  • Hyper-Augmentation: a tomada de decisão preditiva aumentada por algoritmo inteligente é combinada com nossos humanos AAA, criando uma parceria simbiótica homem-máquina.
  • Futuro da IA: a IA prescritiva avalia autonomamente o leque de opções potenciais (consequências, retornos…), avaliando decisões preferenciais com base em retornos otimizados (qualidade dos resultados, velocidade, custo, risco…) sem necessariamente ter envolvimento humano.

Este terceiro horizonte do futuro da IA abre caminho para novos modelos prescritivos de tomada de decisão:

  • Organizações Autônomas Descentralizadas (DAO): coletivos auto-organizados determinam e executam contratos inteligentes, capacitando a cooperação automatizada sem atrito em um nível coletivo. Armado com dados inteligentes, insights de análises e recursos preditivos de ML, o DAO toma decisões otimizadas.
  • Swarm AI: grupos infinitos aumentam sua inteligência formando enxames em tempo real.

Adotar o AAA pode garantir mais agência sobre nossos futuros. Quanto mais esperarmos, maior o risco de sermos levados adiante na cadeia de valor do que nosso futuro preferido teria previsto.

Sobre o autor

Roger Spitz é o fundador e CEO da Techistential (Foresight Strategy & Futures Intelligence) e presidente fundador do Disruptive Futures Institute. É consultor e palestrante sobre Inteligência Artificial. Roger tem duas décadas liderando negócios de banco de investimento, como chefe de fusões e aquisições de tecnologia, ele aconselhou CEOs, fundadores, conselhos, acionistas e tomadores de decisão de empresas em todo o mundo.

Concluindo

A Inteligência Artificial é uma fantástica criação humana, porém será necessário sabedoria em sua governança.

Se gostou, por favor, compartilhe. Sobre mim: aqui. Contato: aqui. Um abraço, @neigrando

Referências

[1] Spitz, R. (2020, March 17). Innovation starts when you fall off the edge of the playground. MIT Technology Review. https://insights.techreview.com/innovation-starts-when-you-fall-off-the-edge-of-the-playground/

[2] Wiesen, C. (2020, May 14). Anticipatory, Adaptive and Agile Governance is key to the response to COVID-19. UNDP. https://www.asia-pacific.undp.org/content/rbap/en/home/presscenter/articles/2020/anticipatory–adaptive-and-agile-governance-is-key-to-the-respon.html

[3] Ramos, J., Uusikyla, I., & Tuan Luong, N. (2020, April 3). Triple-A Governance: Anticipatory, Agile and Adaptive. Journal of Futures Studies. https://jfsdigital.org/2020/04/03/triple-a-governance-anticipatory-agile-and-adaptive/

[4] Hawking, S. (2000, January 23). Interview. San Jose Mercury News.

[5] Taleb, N. N. (2012). Incerto: Vol. 4. Antifragile: Things That Gain From Disorder. Random House.

[6] Snowden, D. J., & Boone, M. E. (2007). A leader’s framework for decision making. Harvard Business Review, (November).

[7] Anderson, J., Cohn, S., & Rainie, L. (2018, December 10). Artificial intelligence and the future of humans. Pew Research Center.

[8] Boid, John. (1995). Developed by USAF colonel and military strategic.

[9] Barabba, V. P. (2011). The Decision Loom: A Design for Interactive Decision-making in Organizations. Triarchy Press.

[10] Leprince-Ringuet, D. (2018, December 17). Google’s latest experiment teaches AI to dance like a human. Wired, UK. https://www.wired.co.uk/article/google-ai-wayne-mcgregor-dance-choreography

[11] Cobb, M. (2020). The idea of the brain: The past and future of neuroscience. Basic Books.

[12] Russell, S. J., & Norvig, P. (2020). Artificial intelligence: A modern approach (4th ed.). Prentice Hall.

[13] Taleb, N. N. (2013, February 8). Beware the Big Errors of ‘Big Data’. https://www.wired.com/2013/02/big-data-means-big-errors-people/

[14] Taleb, N. N. (2007). Incerto: Vol. 2. The Black Swan: The Impact of the Highly Improbable. Random House.

[15] Fjelland, R. (2020). Why general artificial intelligence will not be realized. Humanities & Social Sciences Communications, (10), 1-9. https://doi.org/10.1057/s41599-020-0494-4

 [16] Wucker, M. (2016). The Gray Rhino: how to recognize and act on the obvious dangers we ignore. St Martin’s Press.

[17] Schumpeter, J. A. (1942). Capitalism, Socialism and Democracy. Harper & Brothers.

[18] Christensen, C. (1997). The Innovator’s Dilemma. Harvard Business Review Press.

[19] Epstein, D. (2019). RANGE: Why generalists triumph in a specialized world. Macmillan.

[20] Curry, A., & Hodgson, A. (2008). Seeing in multiple horizons: Connecting futures to strategy. Journal of Futures Studies, 13(1), 1-20.

Artigos relacionados

Inteligência Artificial na Estratégia de Marketing

Sou pesquisador do Núcleo Decide pela FEA-USP / CNPq, onde desde 2020 estamos pesquisando sobre o uso da inteligência artificial na tomada de decisões das organizações, e professor da disciplina Fundamentos da Inteligência Artificial na pós-graduação da ESPM. Nesse sentido, os temas sobre tomada de decisão, estratégia, inovação, marketing e inteligência artificial fazem parte do meu escopo de pesquisa, estudo, ensino e consultoria.

Ao pesquisar sobre estes temas, encontrei o artigo “Artificial Intelligence (AI) in Strategic Marketing Decision-Making: A research agenda”, de Merlin Stone e outros autores, vide referência, o qual traduzi, resumi e adaptei, como segue. Acredito que o texto pode ser útil a todo gestor de marketing que queira ser mais orientado a dados em suas decisões e deseje utilizar a IA como aliada na busca por agilidade e resultados melhores em suas atividades.

Introdução

Este artigo enfoca a evolução da prática de marketing e, em particular, a possível aplicação da inteligência artificial (IA) à tomada de decisões estratégicas de marketing.

A fronteira entre humanos e computadores na tomada de decisões está mudando. Hoje, a IA é cada vez mais implantada em operações de marketing, por exemplo, identificação de riscos, gerenciamento de resposta do centro de contato, bem como em publicidade de marketing, incluindo análise e direcionamento de clientes, design e seleção de publicidade para corresponder aos clientes-alvo, precificação para maximizar o rendimento de clientes individuais. Num futuro próximo, espera-se que a IA seja empregada na tomada de decisões estratégicas, por exemplo, quais modelos de negócios usar, quais estratégias seguir, quais mercados segmentar, quais produtos comercializar, quais canais de comunicação e distribuição usar, quais estratégias de preços e posicionamento competitivo seguir etc. No entanto, o uso da IA ​​na estratégia de marketing não tem sido muito discutido no domínio público. Contatos com a indústria indicam que algumas empresas avançaram muito nessa área, mas esses projetos são mantidos em sigilo e tratados como fonte de vantagem competitiva.

Ressalta-se, neste ponto, que o foco não está na substituição da tomada de decisão humana nas decisões estratégicas, mas na criação de um mecanismo de tomada de decisão de maior qualidade, usando IA, para que os profissionais de marketing tenham acesso a informações mais rápidas, completas e opções mais elaboradas para escolher e a criação do quadro teórico associado.

Hoje a IA é vista principalmente como um suporte às grandes decisões de negócios e não como um tomador de decisão – exceto em alguns casos operacionais, mas atribuem isso ao fato de que a IA atualmente constituída é relativamente fraca, em comparação com o que será a forte IA do futuro.

Este artigo tem como perspectiva negócios business-to-consumer (B2C) e das empresas que vendem aos consumidores através de outros negócios (conhecidos como B2B2C).

Os benefícios

Espera-se que os benefícios da aplicação da IA ​​à tomada de decisões estratégicas de marketing incluam:

  • Maior velocidade de tomada de decisão, especialmente em resposta à disponibilidade de novos dados ou ameaças competitivas emergentes, permitindo que as empresas capturem os benefícios de posições de mercado mais fortes mais cedo.
  • Identificação de dados perdidos.
  • Aumento da racionalidade, particularmente por meio da remoção ou redução do viés cognitivo por parte dos tomadores de decisão.
  • Criação de uma base comum para a tomada de decisões.
  • Incorporação do aprendizado da experiência.
  • Maior qualidade na gestão dos projetos de marketing.

Exemplos de aplicação

Existem maneiras pelas quais a IA pode ser usada em diferentes áreas de tomada de decisão e planejamento de marketing. Nem sempre há uma separação clara entre estratégia de marketing e estratégia de negócios. Tampouco há uma separação clara entre a estratégia geral de marketing e a estratégia para os diferentes elementos do mix de marketing. Por exemplo, as decisões sobre os canais de marketing têm aspectos estratégicos, bem como aspectos táticos, principalmente porque as abordagens digitais alteram o equilíbrio entre os canais e os papéis que os diferentes canais desempenham. Essas decisões podem afetar todos os aspectos do marketing.

Segue uma amostra de possíveis mudanças que o digital fez em diferentes atividades de marketing, pois a digitalização do marketing é uma pré-condição para que os dados sejam disponibilizados para a IA, ​​e exemplos de possíveis implantações da IA. São considerados a IA no Marketing Estratégico, a IA no Mix de Marketing e a IA na Gestão do Marketing, com diversos subtópicos.

IA no Marketing Estratégico

Estratégia geral – mercados-alvo, mix de marketing para cada um, objetivos, KPIs, metas etc.

Permite que as informações para a tomada de decisões sejam reunidas e automatizadas rapidamente, e os resultados de diferentes estratégias sejam analisados mais rapidamente para que a estratégia possa ser revisada em uma abordagem de experimentação com testes e aprendizado.

Exemplos:

  • Avaliando rapidamente diferentes resultados com base em estratégias alternativas.
  • Auxiliando na tomada de decisões rápidas para escolher aquelas com maior probabilidade de produzir melhores resultados.

Modelo de negócio de gestão de clientes

Refere-se a quais clientes a empresa deseja adquirir, reter, desenvolver (up-sell e cross-sell) e alienar, com quais receitas e custos resultantes, para atingir seus objetivos estratégicos, em vez de atender às metas de determinados elementos do mix de marketing isoladamente.

Exemplos:

  • Usando tecnologia como aprendizado de máquina para ajudar a “alcançar” públicos semelhantes.
  • Quantificando e explorando as consequências de diferentes modelos de negócios.

Marca geral e proposta

Dependendo se a empresa está envolvida em muitos tipos diferentes de produtos e mercados, pode se aplicar a toda a empresa ou a partes dela, mas em um nível mais alto do que produtos e serviços individuais – com diferentes abordagens de marca adotadas em diferentes canais.

Exemplo:

  • Identificando resultados de investimentos de marca, recomendando investimentos futuros e estratégia de canal.

Desenvolvimento de novas fontes de receita

Refere-se ao desenvolvimento de receita usando uma forma ou a introdução de um novo produto ou serviço que é, de alguma forma, diferente das formas existentes – pode envolver qualquer ou todos os elementos do mix de marketing e diferentes mercados.

Exemplo:

  • Identificando fluxos de receita para a base de clientes existente e para novos mercados para acelerar o lançamento.

Gestão de ecossistemas, parcerias, terceirização e redefinição da cadeia de valor

Como empresas e parceiros (fornecedores e fabricantes), que trabalham em estreita colaboração, são organizados para garantir que a estratégia geral de marketing (e negócios) da empresa seja desenvolvida e entregue, e como os ganhos de trabalhar juntos são compartilhados.

Exemplo:

  • Identificando as partes mais produtivas do ecossistema e as lacunas no desenvolvimento do ecossistema.

Estratégia competitiva – quem são os principais concorrentes, visando a vitória e a defesa

Como os concorrentes diretos e indiretos são identificados, suas estratégias descobertas e compreendidas e como a empresa cria estratégias para evitar, sempre que possível, os efeitos negativos da concorrência.

Exemplo:

  • Identificando sinais fracos de concorrência iminente.
  • Identificando pontos fracos na estratégia própria e da concorrência.

Gestão de recursos

Permite que os custos e benefícios gerais de diferentes estratégias sejam medidos e analisados mais rapidamente para ajustar os recursos – nos períodos de pico de demanda.

Exemplo:

  • Analisando os dados para identificar riscos, recompensas e resultados/ possíveis cenários de planejamento.

IA no Mix de Marketing

Marca

O lócus das marcas de muitas empresas mudou do mundo real para o virtual, com muitas marcas de muitas outras sendo fortemente afetadas pelo que se fala sobre elas no mundo virtual.

Exemplos:

  • Acompanhando a mudança da imagem da marca usando evidências da web, principalmente das mídias sociais.
  • Encontrando evidências das causas da mudança de marca e perda de participação de mercado.

Produtos

A entrada do cliente no design do produto (design colaborativo) pode ser obtida muito mais rapidamente.

Os clientes podem projetar seus próprios produtos com mais facilidade. Os projetos podem ser testados e revisados mais rapidamente, enquanto os problemas podem ser identificados e corrigidos com mais rapidez e facilidade usando uma variedade de canais digitais e ferramentas de colaboração.

Exemplos:

  • Sintetizando a entrada de clientes.
  • Simulando resultados de novos designs de produtos de formulações.

Proposição

A proposta pode ser mais sintonizada com os mercados-alvo e o envolvimento dos clientes com diferentes propostas podem ser entendidos mais rapidamente, com alterações iterativas feitas e testadas para obter mais feedback.

Exemplo:

  • Identificando quais proposições funcionam melhor por meio de feedback e testes do cliente.

Preço

Os preços podem ser adaptados mais facilmente para diferentes clientes. O gerenciamento de rendimento pode ser aplicado em novas áreas.

Exemplo:

  • Redefinindo as estratégias de preços com base nos resultados de diferentes abordagens de gerenciamento de rendimento.

Publicidade

A publicidade em site/mobile/digital está gradualmente usurpando a publicidade em mídia física convencional, permitindo maior rastreabilidade e melhor avaliação do retorno do investimento. Isso está levando a uma indefinição da distinção entre publicidade digital e outros métodos de comunicação de marketing. A automação aplicada à publicidade por meio de abordagens programáticas e semelhantes está aumentando muito a oportunidade de aplicar abordagens de IA.

Exemplo:

  • Escolha/design de textos, imagens e vídeos para atender segmentos de mercado e indivíduos em diferentes canais e plataformas.

Marketing direto

O marketing direto se expandiu para fora da mídia convencional de correio e telefone para incluir praticamente todas as comunicações de marketing, especialmente digital e CRM, de modo que de alguma forma aparece em todo o marketing, seja iniciado pela empresa ou seus clientes. As indicações, sempre valiosas, se transformaram em recomendações para muitas empresas.

Exemplo:

  • Escolhendo qual forma/combinações de tipos de contato/canais/conteúdo que é apropriado para diferentes mercados-alvo e indivíduos.

Venda pessoal

A venda pessoal agora tem um suporte de informações muito mais forte, enquanto sistemas aprimorados de gerenciamento de vendas, às vezes integrados a sistemas de gerenciamento de resposta, permitem direcionamento, prospecção e gerenciamento de clientes e prospects muito mais eficazes.

Exemplos:

  • Fornecendo resposta personalizada aos indivíduos.
  • Analisando os resultados.
  • Recomendando diferentes maneiras de personalizar.

Relações públicas

O boca a boca eletrônico está substituindo a exposição na mídia convencional, não apenas por meio de redes sociais, mas por todos os aspectos do diálogo na web e em dispositivos móveis – e muitas vezes se desenvolvendo rapidamente e em tempo real. Em alguns setores, as avaliações online tornaram-se críticas para determinar se um produto será vendido, enquanto os influenciadores sociais se tornaram uma parte muito importante do marketing em alguns setores, como viagens, roupas, cosméticos e automotivo.

Exemplo:

  • Identificando padrões de boca a boca, razões para eles, ações sugeridas e sentimento subjacente.

Promoção de vendas

A eficácia das promoções de vendas pode ser avaliada muito mais rapidamente do que nunca, enquanto os canais online facilitam a distribuição de incentivos de compra como cupons, descontos e outros incentivos.

Exemplos:

  • Identificando quais promoções funcionam melhor e mais rapidamente com quais clientes/segmentos de mercado.
  • Identificando quais ofertas devem ser usadas e quando.

Conteúdo

O aumento do número de canais e a importância dos conteúdos (texto, áudio, imagem, vídeo) na persuasão e influência dos clientes tem vindo a destacar-se, sobretudo pela possibilidade de personalizar todo o tipo de conteúdo para segmentos de mercado e agora clientes individuais, suportado pela capacidade de pesquisar, classificar e analisar todos os tipos de conteúdo. O rápido aumento do conteúdo de vídeo, facilitado por melhorias significativas na largura de banda móvel, com mais vindo com o advento do 5G, é um desafio e uma oportunidade, multiplicado pelo uso de mensagens para comunicar conteúdo. A realidade estendida (virtual e aumentada) está mudando a abordagem do conteúdo, permitindo a combinação de experiências reais e digitais. A narrativa de marcas e produtos está sendo muito mais usada, em parte porque suporta o desenvolvimento de conteúdo muito mais rico que pode ser usado em todos os canais de comunicação. No entanto, uma questão que permanece controversa é até que ponto o uso da IA ​​pode apoiar e incentivar a criatividade e aumentar os retornos dela.

Exemplos:

  • Servindo conteúdo para os clientes e prospects certos no momento certo e analisar os resultados de servi-lo.
  • Personalizando o conteúdo para segmentos e clientes-alvo.

Gestão de clientes (aquisição, retenção, desenvolvimento, atendimento ao cliente, experiência do cliente)

Como o estoque do cliente é construído para produtos específicos ou grupos deles, desde as metas estabelecidas até as técnicas usadas para alcançar os resultados desejados e acompanhar o cumprimento do compromisso e das promessas do cliente após a transação.

Exemplos:

  • Otimizando os níveis de estoque em tempo real e ajudando o cliente a reagir à demanda de diferentes segmentos.
  • Automatizando a interação com o cliente (bots)

Distribuição

A web tornou-se um canal de distribuição muito importante para muitos produtos e serviços baseados em informação, bem como alguns produtos físicos e, em muitos mercados, o canal dominante para comunicação de marketing, de modo que as decisões de distribuição e comunicação ficam intimamente ligadas uma à outra, com os clientes que procuram uma resposta imediata às suas solicitações, ou um método simples para comprar quando estiverem prontos.

Exemplos:

  • Otimizando canais.
  • Identificando canais ausentes.
  • Melhorando os tempos de transação e agilize o atendimento.

IA na Gestão do Marketing

Pessoas

Os profissionais de marketing, vendas e serviços podem ser muito mais bem informados sobre o que precisam saber para vender e comercializar melhor, e os resultados de seu trabalho podem ser obtidos e distribuídos com mais facilidade. Eles também podem se beneficiar profissionalmente com mais treinamento em novas ferramentas de marketing digital e como aplicar a tecnologia pessoalmente.

Exemplos:

  • Identificando quais informações devem ser usadas para apoiar diferentes tipos de decisão.
  • Identificando onde os gerentes não estão usando as informações corretas, não têm acesso às informações corretas ou estão interpretando erroneamente as informações que possuem.
  • Fornecendo ferramentas e estruturas para melhor usar as oportunidades criadas pela nova tecnologia de IA.

Análise de marketing

Usar os enormes volumes de dados agora disponíveis para algumas empresas e clientes cada vez mais impacientes por respostas rápidas visando mensagens de saída e resposta rápida a mensagens de entrada pode ser muito mais preciso e oportuno. O tempo tornou-se extremamente importante para capturar a intenção de compra, pois os clientes podem estar no mercado por um período muito curto, pois fazem suas comparações e chegam a suas conclusões usando as montanhas de conteúdo disponíveis das empresas e de seus concorrentes.

Exemplo:

  • Acelerando a análise e sua aplicação – tanto do ponto de vista interno “reativo” quanto do ponto de vista dos clientes que acessam informações relevantes para uma compra.

Pesquisa de mercado

A pesquisa de mercado está cada vez mais on-line, enquanto a obtenção de informações de feedback iniciado pelo cliente e análise de sentimentos (com as permissões apropriadas) estão fornecendo uma nova fonte de informações aos profissionais de marketing sobre como seus clientes atuais e potenciais pensam, sentem e agem.

Exemplos:

  • Obtendo e analisando de conjuntos de dados maiores.
  • Analisando resultados de pesquisas, especialmente quando combinados em diferentes estudos.

Segmentação de mercado

Devido à sua crescente complexidade, a segmentação de mercado está se tornando cada vez mais automatizada. Os resultados de mudanças recentes nas metas e implantação de diferentes elementos do mix de marketing para produzir taxas de resposta e vendas adequadas.

Exemplo:

  • A IA pode ajudar com uma segmentação mais precisa, inclusive permitindo mudanças em tempo real na estratégia.

Dados e sistemas

Os processos de marketing podem ser migrados para os sistemas, cada vez mais rodando na “nuvem” e permitindo que o marketing e a equipe colaborem e melhorem sua eficácia e velocidade de processos como fluxo de trabalho e gerenciamento de projetos. Os sistemas permitem um acesso muito melhor aos dados necessários para a tomada de decisões, desde sobre clientes individuais até decisões estratégicas e, em seguida, para medição, revisão e cálculo do retorno do investimento. A personalização e o marketing baseado em localização deixaram de se tornar palavras de ordem e passaram a ser negócios de rotina para as equipes de marketing mais eficazes. No entanto, eles representam riscos de privacidade significativos, pois os requisitos de proteção de dados se tornaram um foco central para o gerenciamento de marketing. Enquanto isso, os requisitos de integração de dados de diferentes fontes para maximizar a eficácia do marketing, particularmente a integração de suas plataformas de gerenciamento de dados (sistemas centralizados para coletar e analisar grandes conjuntos de dados de fontes diferentes) com suas plataformas de demanda (sistemas que permitem aos compradores de publicidade digital coordenarem suas atividades, incluindo licitações) são essenciais para acompanhar os concorrentes.

Exemplos:

  • Identificando oportunidades para melhorar os retornos da implantação de sistemas.
  • Identificando novas maneiras de acelerar o fluxo de trabalho e uma colaboração para auxiliar no desenvolvimento da velocidade de lançamento no mercado e maior conformidade.

Gerenciamento de recursos de marketing

A automação de marketing permite que os processos de marketing sejam gerenciados de forma mais eficaz, pois o retorno do investimento para diferentes despesas de marketing é calculado e previsto com mais precisão do que os canais tradicionais.

A otimização do gerenciamento de recursos é fundamental com os negócios sendo mais esticados do que nunca por um mercado hipercompetitivo.

Gerenciamento de conteúdo

Gerenciar o crescente volume e variedade de conteúdo requer a manutenção de vários sistemas, e personalizar constantemente o conteúdo para as necessidades e casos de uso de situações específicas é particularmente importante, dada a crescente possibilidade de expor o cliente errado ao conteúdo errado.

A correspondência de conteúdo com o cliente final certo (no momento certo) usa significativamente mais recursos de marketing, portanto, o retorno do custo adicional de melhoria do gerenciamento de conteúdo deve ser medido e aplicado.

Exemplos:

  • Otimizando para clientes individuais.
  • Disponibilizando ferramenta que agiliza a entrega de conteúdos e melhora a sua otimização.

Gerenciando pessoas de marketing

Isso está relacionado a como os profissionais de marketing são recrutados, treinados, desenvolvidos, direcionados e avaliados como profissionais de marketing. Isso é particularmente importante em um cenário de tecnologia digital em rápida mudança, que exige um conjunto de habilidades totalmente novo dos canais e disciplinas tradicionais de marketing.

Exemplo:

  • Identificando os profissionais de marketing mais produtivos e auxiliando na resolução de problemas associados à tomada de decisão de outros.

Modelo operacional de marketing

Com a digitalização, o modelo operacional de marketing está mudando. Um dos melhores exemplos disso é o surgimento da publicidade programática, que está ajudando as empresas que usam a tecnologia a ir além do gerenciamento manual da publicidade para usar a tecnologia para alcançar o nirvana de atribuir o valor correto às diferentes intervenções publicitárias, dada a posse e uso das ferramentas de análise certas para alcançar o público-alvo certo automaticamente.

Exemplo:

  • Otimizando o funcionamento eficiente do modelo, incluindo o uso de aprendizado de máquina para tomar decisões em tempo real sobre públicos e níveis de investimento apropriados.

Finanças de marketing

É essencial identificar de onde vêm a receita e o lucro crucial ao operar em um complexo negócio multicanal e multiproduto/serviço. Dada a redução das barreiras à entrada online, a crescente velocidade de mudança no mercado, para garantir que um negócio está agindo de forma sustentável é preciso apurar muito mais rapidamente. Novas medidas estão sendo usadas, não apenas as financeiras clássicas, que levam em conta, abordagens de portfólio e tração digital.

Exemplo:

  • Identificando os retornos com precisão com mais rapidez e imparcialidade do que a análise humana.

Considerações Finais

O uso da IA em Marketing aos poucos tem evoluído de operacional para tático e estratégico. Gestores de marketing precisam acompanhar esta evolução, assim como a evolução do marketing tradicional com o digital, e a orientação de suas decisões por dados.

Sobre mim: aqui. Contato: aqui.

Um abraço, @neigrando

Referência

  • Este post trata-se de uma tradução reduzida e adaptada do artigo acadêmico original (em inglês): “Artificial Intelligence (AI) in Strategic Marketing Decision-Making: A research agenda”, por Merlin Stone, Eleni Aravopoulou, Yuksel Ekinci, e outros autores – de 2020.

Artigos relacionados