Jean Pierre Lessa e Santos Ferreira, especialista em tecnologia, software e inteligência artificial, avalia que a inovação tecnológica só gera valor quando parte de problemas reais da operação. Muitas empresas sentem a pressão para inovar, mas não sabem exatamente o que precisa ser resolvido.
A dificuldade é concreta. Comitês de inovação recebem dezenas de propostas, quase todas descritas pela tecnologia que usariam, e poucas pelo prejuízo que eliminariam. Sem clareza sobre o problema, a discussão gira em torno de preferências, e os projetos aprovados raramente mudam indicadores relevantes.
Encontrar o problema certo é uma competência em si, com método próprio. Ela exige sair da sala de reunião, olhar para os dados com desconfiança saudável e aceitar que a dor mais importante nem sempre é a mais comentada.
Onde os problemas reais costumam estar?
Um operador de centro de distribuição que redigita pedidos entre dois sistemas, todos os dias, dificilmente vai levar isso a um comitê de inovação. Para ele, é apenas parte do trabalho. Ainda assim, somadas as horas e os erros de digitação, essa rotina pode custar mais do que muitos projetos em disputa.
Jean Pierre Lessa e Santos Ferreira começou a carreira como desenvolvedor e chegou à liderança de grandes operações, trajetória que ajuda a enxergar esse tipo de atrito. Problemas relevantes costumam estar no chão de loja, no atendimento e nas integrações, longe das apresentações executivas.
Por isso, observar a operação vale mais do que perguntar em pesquisa o que as pessoas querem. Acompanhar um turno, ouvir chamadas de suporte e mapear onde o trabalho é refeito revelam gargalos que ninguém formalizou, mas que todos contornam.
Como separar incômodo de problema que vale investimento?
Nem todo incômodo merece um projeto de tecnologia. Um filtro simples cruza três perguntas: com que frequência o problema acontece, quanto custa cada ocorrência e quantas pessoas ou clientes ele atinge. Um erro raro e barato pode esperar; um atraso diário que afeta milhares de pedidos, não.
Esse cálculo também protege contra soluções desproporcionais. Às vezes, o problema real se resolve com um ajuste de processo ou uma regra no sistema existente. Reconhecer isso economiza orçamento e preserva a credibilidade da área de tecnologia para as apostas maiores.
Leia também
Dados que confirmam ou desmentem a percepção
A percepção das equipes é o ponto de partida, mas precisa ser checada. Uma gerência pode jurar que o maior problema é o tempo de entrega, enquanto os registros mostram que as reclamações se concentram em trocas e devoluções.
Antes de investir, vale medir a situação atual com cuidado. Esse retrato inicial serve para duas coisas: confirmar que o problema existe na dimensão imaginada e criar a base de comparação que, depois, vai mostrar se a solução realmente funcionou.
Quando a inteligência artificial é a resposta certa
A inteligência artificial faz mais sentido quando o problema envolve grande volume de decisões repetitivas, padrões difíceis de enxergar a olho nu e dados históricos disponíveis. Definir preços para milhares de itens ou escolher quais anúncios mostrar a cada cliente são exemplos típicos.
Não por acaso, Jean Pierre Lessa e Santos Ferreira esteve ligado à criação de soluções de precificação e de mídia baseadas em machine learning no varejo. Nesses casos, o problema era claro e mensurável antes de o modelo existir, e isso possibilitou provar o ganho depois.
Quando o problema é pequeno, raro ou depende de julgamento humano caso a caso, a IA tende a adicionar complexidade sem retorno proporcional. Saber reconhecer esses limites é parte do trabalho técnico, e não sinal de resistência à novidade.
Inovar é resolver melhor o que já importa
A inovação com mais impacto raramente parece espetacular de fora. Ela elimina retrabalho, reduz perdas, encurta prazos e libera pessoas para tarefas de maior valor. Seu mérito aparece nos indicadores, não na manchete, e costuma ser percebido primeiro por quem opera o dia a dia.
Empresas que tratam inovação dessa forma constroem algo mais duradouro que um projeto bem-sucedido: um hábito de perguntar antes de construir. Jean Pierre Lessa e Santos Ferreira pontua essa cultura como a marca de times de tecnologia maduros, capazes de transformar investimento em resultado recorrente.