Introdução à computação cognitiva

A explosão de dados, principalmente dados não estruturados, nos últimos anos, levou ao desenvolvimento de um novo tipo de sistema de computador conhecido como sistema cognitivo. Ao contrário dos sistemas programáveis ​​que o precederam, o foco dos sistemas cognitivos não é fazer cálculos rápidos em grandes quantidades de dados por meio de programas de computador tradicionais. Sistemas cognitivos são sobre explorar os dados, encontrar novas correlações e novo contexto nesses dados para fornecer novas soluções. Os sistemas cognitivos visam expandir os limites da cognição humana em vez de substituir ou replicar a maneira como o cérebro humano funciona.

A computação cognitiva está se tornando um novo setor. Está chegando uma nova revolução industrial, conectada à automação de trabalhos em transporte, atendimento ao cliente e assistência médica, para citar alguns.

O sustento de tal revolução será uma nova geração de desenvolvedores qualificados que entenderão bem a computação cognitiva para visualizar novos aplicativos de negócios e, finalmente, construir a nova web cognitiva.

Este artigo resume brevemente a história da computação cognitiva e as eras da computação porque, para entender o futuro da computação cognitiva, é importante colocá-lo no contexto histórico.

Este artigo também descreve conceitos básicos que são relevantes para qualquer discussão sobre sistemas cognitivos.

Cognitive Computing

Breve histórico da computação cognitiva

O conceito de máquinas inteligentes existe há muito tempo. Surpreendentemente, no século 19, o livro do matemático George Boole de 1854, The Laws of Thought, mostrou que operadores lógicos (e, ou, não) forneceram a base para as leis do pensamento. Na mesma época, Charles Babbage concebeu a criação do que descreveu como um mecanismo analítico.

Em 1950, Alan Turing, cientista da computação e matemático inglês, abordou o problema da inteligência artificial e propôs um experimento que ficou conhecido como Teste de Turing. É um teste da capacidade de uma máquina de exibir comportamento inteligente semelhante a um humano.

O teste foi uma adaptação de uma competição de estilo vitoriano chamada “jogo de imitação“.

O experimento de Turing foi baseado em um avaliador humano que julgou as conversas em linguagem natural entre um humano e uma máquina projetada para gerar respostas semelhantes a humanos.

O teste estudou se o interrogador pode determinar quais respostas são dadas por um computador e quais são respostas de um humano. A ideia era que, se o interlocutor não pudesse distinguir a diferença entre humano e máquina, o computador seria considerado “pensando”.

O termo Inteligência Artificial foi cunhado pelo professor John McCarthy para uma conferência sobre o assunto, realizada no Dartmouth College em 1956. McCarthy define o assunto como a “ciência e engenharia de fabricação de máquinas inteligentes, especialmente programas de computador inteligentes“.

Em 1960, o pioneiro da computação J.C.R. Licklider escreveu seu artigo seminal “Simbiose Homem-Computador”. O artigo descreve a visão de Licklider de um relacionamento complementar ou simbiótico entre humanos e computadores. A citação a seguir é um exemplo das pesquisas e percepções de Licklider:

“A simbiose homem-computador é um desenvolvimento esperado na interação cooperativa entre homens e computadores eletrônicos. Isso envolverá um acoplamento muito próximo entre os membros humanos e eletrônicos da parceria. Os principais objetivos são:

  1. Permitir que os computadores facilitem o pensamento formulativo, pois agora facilitam a solução dos problemas formulados.
  2. Permitir que homens e computadores cooperem na tomada de decisões e no controle de situações complexas sem dependência inflexível de programas predeterminados …

Análises preliminares indicam que a parceria simbiótica executará operações intelectuais com muito mais eficiência do que o homem sozinho pode realizá-las.

As eras da computação

Para entender o futuro da computação cognitiva, é importante colocá-lo no contexto histórico. Até o momento, duas épocas distintas da computação ocorreram: a era da tabulação e a era da programação. Estamos entrando na terceira e mais transformadora era da evolução da computação, a era da computação cognitiva (era cognitiva).

The three eras of computing

As eras podem ser descritas da seguinte maneira:

_ Era tabulativa (décadas de 1890 a 1940)

A primeira era da computação consistiu em sistemas eletromecânicos de uso único que contavam, usando cartões perfurados para inserir e armazenar dados e, eventualmente, instruir a máquina sobre o que fazer. Essas máquinas de tabulação eram essencialmente calculadoras projetadas para contar e resumir informações, e elas faziam muito bem, mas acabavam limitadas a uma única tarefa.

Essas máquinas suportavam o dimensionamento de negócios e da sociedade e eram usadas em aplicativos governamentais, como dados do censo de população de processos e aplicativos comerciais, como contabilidade e controle de estoque. As máquinas de tabulação evoluíram para uma classe de máquinas, conhecida como equipamento de registro de unidade, e a indústria de processamento de dados.

_ Era da programação (década de 1950 – presente)

Esta era começou com a mudança de tabuladores mecânicos para sistemas eletrônicos e começou durante a Segunda Guerra Mundial, impulsionada por necessidades militares e científicas. Após a guerra, os “computadores” digitais evoluíram rapidamente e se mudaram para empresas e governos. A era da computação programável começa.

A grande mudança é a introdução de sistemas de computação de uso geral programáveis: eles podem ser reprogramados para executar tarefas diferentes e resolver vários problemas nos negócios e na sociedade. Mas, em última análise, eles devem ser programados e ainda estão um pouco limitados na interação com os seres humanos. Tudo o que sabemos agora como um dispositivo de computação, do mainframe ao computador pessoal, ao smartphone e tablet, é um computador programável. Alguns especialistas acreditam que essa era da computação continuará a existir indefinidamente.

_ Era cognitiva (2011 – futuro)

Como Licklider previu, a computação cognitiva é uma evolução necessária e natural da computação programável. Os sistemas de computação cognitiva visam estender os limites da cognição humana. As tecnologias de computação cognitiva não se destinam a substituir ou necessariamente replicar a maneira como o cérebro humano funciona; trata-se de ampliar as capacidades do cérebro humano. Os seres humanos se destacam no raciocínio, no pensamento profundo e na solução de problemas complexos. Mas a capacidade humana de ler, analisar e processar grandes volumes de dados, estruturados e não estruturados, é bastante fraca. Essa, é claro, é a força do sistema de computador. O primeiro papel de um sistema de computação cognitiva é combinar forças de humanos e máquinas em uma situação colaborativa.

Outro elemento-chave dos sistemas cognitivos é uma interação mais natural entre humano e máquina, combinada com a capacidade de aprender e se adaptar ao longo do tempo.

O futuro da computação é cognitivo

Em seu artigo, “Computação, cognição e o futuro do conhecimento: como os seres humanos e as máquinas estão forjando uma nova era de entendimento”, o Dr. John E. Kelly III declara:

Aqueles de nós envolvidos em ciência da informação séria e em sua aplicação no mundo real dos negócios e da sociedade entendem o enorme potencial dos sistemas inteligentes. O futuro dessa tecnologia – que acreditamos ser cognitiva, não “artificial” – tem características muito diferentes daquelas geralmente atribuídas à IA, gerando diferentes tipos de desafios e oportunidades tecnológicos, científicos e sociais, com diferentes requisitos de governança, política e gerenciamento.

No mesmo artigo, o Dr. Kelly define a computação cognitiva:

A computação cognitiva se refere a sistemas que aprendem em escala, argumentam com propósito e interagem com os seres humanos naturalmente. Em vez de serem explicitamente programados, eles aprendem e raciocinam com suas interações conosco e com suas experiências com o ambiente.

As demandas atuais impulsionadas pelo Big Data e a necessidade de decisões baseadas em evidências mais complexas estão indo além da regra rígida anterior e da abordagem lógica da computação.

A computação cognitiva permite que as pessoas criem um novo tipo de valor, encontrando respostas e insights bloqueados em volumes de dados. A computação cognitiva serve para aprimorar a experiência humana com sistemas que raciocinam sobre problemas como um humano.

Quando nós, como seres humanos, tentamos entender algo e tomar uma decisão, passamos por quatro etapas principais:

  1. Observar os fenômenos visíveis e os corpos de evidência.
  2. Interpretar o que vemos recorrendo ao que sabemos para gerar hipóteses sobre isso.
  3. Avaliar quais hipóteses estão certas ou erradas.
  4. Decidir (escolher) a opção que parecer melhor e aja de acordo.

Assim como os humanos se tornam especialistas, passando pelo processo de observação, interpretação, avaliação e tomada de decisão, os sistemas cognitivos usam processos semelhantes para raciocinar sobre as informações que absorvem.

O impacto da computação cognitiva em nossas vidas

Quer você perceba isso ou não, a computação cognitiva já está afetando nossas vidas.

Frequentemente, quando você conversa com um call center, é provável que sua interação seja com um computador. Os artigos que você lê podem ter sido escritos por uma máquina. Em muitos casos, como compras on-line, a computação cognitiva entende seu comportamento e atividades e faz recomendações com base nesse entendimento. Os chatbots equipados com computação cognitiva foram criados para oferecer suporte com êxito aos serviços de resolução de reclamações.

Muitas profissões estão sendo aprimoradas pela computação cognitiva. Por exemplo, um médico que diagnostica um paciente com sintomas incomuns teria que procurar uma vasta quantidade de informações para chegar a um diagnóstico adequado. A computação cognitiva pode ajudar esse médico fazendo muitas pesquisas e análises preliminares para ele e podendo recomendar as próximas etapas.

Considere um gerente de patrimônio que aconselha os clientes em suas carteiras individuais de aposentadoria. Enquanto fatos e regras básicas se aplicam, necessidades, circunstâncias e interesses individuais entram em jogo.

Classificar todas as informações relacionadas e personalizar as recomendações para um cliente específico pode ser uma tarefa impressionante, facilitada pela computação cognitiva.

Em essência, a computação cognitiva pode contextualizar as informações que muitos profissionais lidam diariamente, a fim de gerar valor real a partir delas.

Conceitos básicos

Considere estes conceitos básicos:

_ Cognição

A cognição, o “ato de pensar”, é o processo mental de adquirir entendimento através do pensamento e de experiências pessoais ou compartilhadas. As habilidades baseadas no cérebro fazem parte de toda ação humana e são essenciais para a execução de qualquer tarefa, da mais simples à mais difícil.

As tarefas incluem sentidos humanos (audição, toque, olfato, visão, paladar e até percepção extra-sensorial), aprendizado, lembrança, habilidades motoras, linguagem, empatia, habilidades sociais e capacidade de resolução de problemas.

Como afirmado, a cognição é o processo de aquisição de conhecimento através de pensamentos, experiências e sentidos. O processamento cognitivo nos ajuda a entender e interagir com o mundo ao nosso redor, do básico ao complexo.

_ Inteligência Artificial (IA)

O estudo e desenvolvimento de sistemas de IA visam a construção de sistemas de computador capazes de executar tarefas que normalmente requerem inteligência humana. As máquinas baseadas em IA destinam-se a perceber seu ambiente e executar ações que otimizam seu nível de sucesso. A IA de hoje pode ser considerada fraca, pois foi projetada para executar tarefas restritas e específicas. O objetivo de muitos pesquisadores é criar uma IA forte que aprenda como um humano e possa resolver problemas do tipo humano.

A pesquisa de IA usa técnicas de muitos campos, como ciência da computação, filosofia, linguística, economia, reconhecimento de fala e psicologia, que se manifestam em aplicações como sistemas de controle, processamento de linguagem natural, reconhecimento facial, reconhecimento de fala, analítica, correspondência de padrões , mineração de dados e logística.

_ Computação cognitiva

Os seres humanos são inerentemente capazes de um conjunto de habilidades que nos ajudam a aprender, descobrir e tomar decisões:

  • Podem aplicar bom senso, moral e razão através de dilemas.
  • Podem pensar em novas ideais e fazer generalizações quando faltam pistas e informações essenciais.
  • Mas são restringidos pela quantidade de tempo gasto para aprender, processar e absorver novas informações, e limitados pelos vieses inconscientes que todos possuímos que influenciam as decisões que tomamos.

A computação cognitiva está entre as subdisciplinas que moldam a IA. Trata-se de montar um sistema que combina o melhor dos humanos e da máquina. Considere recursos que os humanos naturalmente possuem, como imaginação e emoções, combinados com recursos em que os computadores se destacam, como processamento de números, identificação de padrões e processamento de grandes quantidades de informações. A computação cognitiva usa os pontos fortes da máquina para “simular” os processos do pensamento humano em um modelo computadorizado.

Os sistemas cognitivos usam técnicas, como aprendizagem de máquina, mineração de dados, processamento de linguagem natural e correspondência de padrões para imitar o funcionamento do cérebro humano. Tais sistemas são ideais para interagir com um mundo cada vez mais complexo.

Human and Cognitive Systems ara Complementary

_ Big data

Geralmente, as características de big data são definidas pelos cinco Vs: variedade, volume, velocidade, veracidade e visibilidade. O big data requer formas inovadoras de processamento de informações para extrair insights, automatizar processos e auxiliar na tomada de decisões. Big data pode ter dados estruturados que correspondem a um padrão formal, como conjuntos de dados e bancos de dados tradicionais. Além disso, o big data inclui formatos semiestruturados e não estruturados, como documentos de processamento de texto, vídeos, imagens, áudio, apresentações, interações em mídias sociais, fluxos, páginas da web e muitos outros tipos de conteúdo. Os dados não estruturados não estão contidos em um banco de dados regular e estão crescendo exponencialmente, constituindo a maioria de todos os dados do mundo.

Structured and Unstructered data

_ Tecnologia de resposta a perguntas (QA – Question-Answering)

Os sistemas cognitivos podem ingerir milhões de páginas de texto e aplicar a tecnologia de resposta a perguntas para responder a perguntas feitas por humanos em linguagem natural. Essa abordagem permite que as pessoas “façam” perguntas e obtenham respostas quase instantâneas a perguntas complexas.

Combinada com outras interfaces de programas aplicativos (APIs) e análises avançadas, a tecnologia de QA se distingue da pesquisa convencional (que é acionada por palavras-chave) ao fornecer uma discussão mais conversacional.

_ Aprendizado de máquina (ML – Machine Learning)

O aprendizado de máquina é um tipo de IA que dá aos computadores a capacidade de aprender e agir sem serem explicitamente programados. Isso significa que o modelo do computador melhora com o tempo, aprendendo com seus erros e novas experiências (exposto a novos dados), aumentando sua inteligência. Se um programa de computador pode melhorar o desempenho de determinadas tarefas baseadas em experiências passadas, ele aprendeu. Isso difere de executar a tarefa sempre da mesma maneira, porque foi programado para isso.

_ Processamento de linguagem natural (NLP – Natural Language Processing)

A NLP é um campo da IA ​​e refere-se ao processamento por computadores da linguagem natural.

Idioma natural é qualquer idioma humano, como inglês, espanhol, árabe ou japonês, que deve ser diferenciado das linguagens de computador, como Java, Fortran ou C++.

NLP é a capacidade do software de computador entender a fala humana. Ao usar os recursos da NLP, os computadores podem analisar o texto escrito em linguagem humana e identificar conceitos, entidades, palavras-chave, relações, emoções, sentimentos e outras características, permitindo que os usuários extraiam informações do conteúdo.

Qualquer sistema que use a linguagem natural como entrada e seja capaz de processá-la é um sistema de processamento de linguagem natural (por exemplo, software de detecção de spam). Um classificador de spam é um sistema que analisa o conteúdo da linha de assunto do e-mail para avaliar se o e-mail recebido é ou não spam.

_ Computação em nuvem

Computação em nuvem é um termo geral que descreve a entrega de serviços sob demanda, geralmente pela Internet, com base no pagamento por uso. Empresas em todo o mundo oferecem seus serviços aos clientes. Os serviços podem ser análise de dados, mídia social, armazenamento de vídeo, comércio eletrônico e computação cognitiva de uma maneira disponível na Internet e suportada pela computação em nuvem.

_ Interfaces de programa aplicativo (APIs – Application Program Interfaces)

Em geral, as APIs expõem recursos e serviços. As APIs permitem que os componentes de software se comuniquem facilmente. O uso de APIs como método de integração injeta um nível de flexibilidade no ciclo de vida do aplicativo, facilitando a tarefa de conexão e interface com outros aplicativos ou serviços. As APIs abstraem o funcionamento subjacente de um serviço, aplicativo ou ferramenta e expõem apenas o que um desenvolvedor precisa, para que a programação se torne mais fácil e rápida.

As APIs cognitivas geralmente são entregues em uma plataforma aberta baseada em nuvem, na qual os desenvolvedores podem infundir cognitivos em aplicativos, produtos e operações digitais usando uma ou mais APIs disponíveis.

No modelo de computação cognitiva, todos esses conceitos são combinados, eliminando a necessidade de os usuários serem especialistas em métodos cognitivos e permite que eles se concentrem na criação de melhores soluções.

big-data-apis-cloud-ai-cognitive_computing-people-tasks

Os sistemas cognitivos permitem que os usuários se concentrem na construção de melhores soluções para os problemas do dia-a-dia

Como esses conceitos e tecnologias se relacionam?

O modelo de computação cognitiva pretende ter alto valor em vários domínios. Ao aplicar esse modelo, os usuários não precisam gastar tempo aprendendo detalhes complexos sobre ferramentas para poder usá-las efetivamente ou interpretar grandes quantidades de informações para tirar conclusões. Em vez disso, os usuários gastam seu tempo identificando padrões úteis, tomando decisões e tomando medidas para melhorar os processos comerciais e operacionais.

Como a computação cognitiva imita o pensamento, a qualidade da saída é tão boa quanto os algoritmos e modelos usados ​​no início. Esses modelos são aprimorados com a aprendizagem de máquina.

Enquanto um especialista humano pode passar semanas analisando volumes de dados, o modelo do computador pode fazer isso em segundos. Por exemplo, uma equipe de médicos pode realizar um estudo que monitora centenas de crianças por muitos meses para prever fatores que causam diabetes em crianças pequenas. Num futuro próximo, o mesmo estudo pode ser previsto com precisão por um modelo de computador que leva segundos para analisar volumes de dados, a um custo muito menor. Para agregar ainda mais valor, outras fontes de dados podem ser incluídas para melhorar os resultados das previsões. Exemplos de dados a serem incluídos são história familiar, estilo de vida, normas culturais e atividades familiares. Esses são os tipos de dados que fazem o equivalente a uma pesquisa conduzida por seres humanos que leva vários anos para ser concluída.

Um grande problema com a maioria das ferramentas analíticas é que elas exigem que um especialista no assunto (por exemplo, piloto, médico, advogado) se torne um especialista em computadores. Um objetivo da computação cognitiva é exigir apenas habilidades de conversação do especialista no assunto para permitir que essa pessoa extraia informações valiosas. A mineração e análise de dados agora significa “simplesmente perguntar“. Com o tempo, as tecnologias de NLP e QA se tornaram melhores na identificação de padrões de fala e na verdadeira compreensão do que o usuário diz no contexto das informações disponíveis.

Com muitos dados para analisar, você precisará de um supercomputador para obter informações?

Aqui é onde o poder da computação em nuvem pode ajudar. Vários fornecedores estabeleceram ambientes de computação em nuvem e oferecem acesso à nuvem pela Internet. Os usuários solicitam os serviços de que precisam e fornecem acesso aos seus dados. Os fornecedores oferecem um modelo de pagamento por uso e fornecem personalização do ambiente para atender às necessidades específicas dos usuários. O modelo de computação em nuvem reduz muito as barreiras de acesso e, com disponibilidade global, qualquer pessoa no mundo com conectividade à Internet tem acesso a esses serviços.

Várias APIs que fornecem acesso a vários serviços permitem acesso rápido, fácil e intuitivo aos sistemas de computação. A maioria das APIs é independente da linguagem de programação, o que significa que seus desenvolvedores podem trabalhar em qualquer linguagem de programação. O uso de APIs para compartilhamento de dados, serviços e funções de negócios entre pontos de extremidade (como aplicativos, dispositivos e sites) cria a oportunidade de reduzir o custo e o tempo para a integração.

Características dos sistemas cognitivos

Muitas pessoas acreditam que a única maneira de lidar com o ataque de dados hoje e no futuro é através do uso de sistemas cognitivos. Os sistemas cognitivos têm várias características principais:

_ O primeiro elemento-chave dos sistemas cognitivos é expandir os limites da cognição humana em vez de substituir ou replicar a maneira como o cérebro humano funciona. Os seres humanos são excelentes em pensar profundamente e resolver problemas complexos, no entanto, nossa capacidade de ler, analisar e processar grandes volumes de dados é baixa. Ler, analisar e alavancar grandes volumes de dados é a força dos sistemas de computador. Um elemento-chave de um sistema cognitivo é combinar esses dois pontos fortes (humano e computador) em uma solução colaborativa. Mais do que pesquisar grandes quantidades de dados, o sistema cognitivo deve combinar diferentes partes de informações e, possivelmente, raciocinar para estabelecer conexões e relacionamentos.

O sistema precisa fazer análises suficientes para extrair elementos-chave, entender o problema que o ser humano está tentando resolver e, com base nesse contexto, trazer informações para o problema. O objetivo é que um ser humano aproveite facilmente as informações fornecidas pelo sistema cognitivo e permita que o ser humano explore as evidências e use esse insight para resolver seu problema ou tomar decisões.

_ O segundo elemento chave é ter uma interação mais natural entre computadores e seres humanos. Até recentemente, para interagir com os computadores, os humanos tinham que se adaptar à maneira como trabalhavam à interface do computador, que costumava ser rígida e inflexível. Os sistemas cognitivos fornecem um envolvimento muito mais natural entre o computador e o humano.

O reconhecimento de fala, por exemplo, permite que o ser humano interaja com o computador usando comandos de voz.

_ Um terceiro elemento-chave dos sistemas cognitivos é o uso da aprendizagem, especificamente a aprendizagem de máquina. O aprendizado de máquina é realizado há muito tempo e os sistemas cognitivos devem ir além dos fundamentos básicos do aprendizado de máquina.

_ A intenção é ampliar o potencial de aprendizagem e a capacidade de adaptar-se ao longo do tempo com o uso, que é o quarto elemento-chave dos sistemas cognitivos. Portanto, ao usar esses aplicativos, um mecanismo de feedback captura os resultados dessa interação e o sistema deve aprender com a interação resultante e evoluir automaticamente ao longo do tempo, melhorando seu desempenho.

Com essa base de entendimento, você pode pensar em sistemas cognitivos como fornecendo em muitos casos esses recursos:

  • Entender: Os sistemas cognitivos entendem imagens, linguagem e outros dados não estruturados, como seres humanos. O sistema cognitivo operacionaliza praticamente todos os dados (estruturados e não estruturados), como os humanos.
  • Raciocinar: Os sistemas cognitivos podem raciocinar, compreender conceitos subjacentes, formar hipóteses e inferir e extrair ideias.
  • Aprender: Com cada ponto de dados, interação e resultado, os sistemas cognitivos desenvolvem e aumentam a experiência e continuam aprendendo, adaptando e melhorando sua experiência.
  • Interagir: Com habilidades para ver, conversar e ouvir, os sistemas cognitivos interagem com os seres humanos de maneira natural.

Resolvendo problemas da vida real com sistemas cognitivos

Os sistemas cognitivos direcionam o uso de big data para dar suporte aos processos de negócios. A maioria dos big data não possui organização ou estrutura formal. Os sistemas cognitivos podem penetrar na complexidade dos dados não estruturados e incorporar o poder do processamento de linguagem natural e do aprendizagem de máquina. Os sistemas cognitivos criam soluções para os problemas do dia-a-dia.

Os sistemas cognitivos criam novas maneiras de gerar valor para os consumidores e aprimoram a experiência ao longo do ciclo de vida da compra. Por exemplo, um planejador cognitivo de viagens pode considerar a identificação de idiomas, análises de conflitos, e insights pessoais para fazer recomendações de viagens que melhor atendam às necessidades do cliente. Outro exemplo é a revisão de um grande número de apólices de seguro para obter regras de apólice. Com essas regras, uma companhia de seguros pode impulsionar a padronização, reduzir os riscos e aprender mais amplamente com o conhecimento e a experiência dos subscritores.

Os fornecedores de sistemas cognitivos fornecem várias ofertas baseadas em comandos de voz e no uso de dados da Internet. Vários fornecedores fornecem sistemas cognitivos direcionados para os setores da saúde, automotivo, financiamento e seguro.

Se gostou, por favor, compartilhe! Abraço, @neigrando

Referências:

  • Este artigo trata-se de uma tradução literal do primeiro capítulo “Introduction to Cognitive Computing” do e-book “Building Cognitive Applications with IBM Watson Services – Volume 1 Getting Started” da Redbooks em parceria com IBM Skills Academy Program, escrito por diversos autores, em Junho de 2017.
  • What is AI? – (AISB – The society for the study of artificial intelligence and simulation of behavior)
  • Man-Computer Symbiosis – (J. C. R. Licklider – IRE Transactions on Human Factors in Electronics, volume HFE-1, pages 4-11, March 1960)
  • IBM IA Research
  • IBM Watson
  • IBM Watson: How it Works (vídeo)
  • How does IBM Watson work? (vídeo)

Sobre o tradutor:

Nei Grando, teve duas empresas de tecnologia, é mestre em ciências pela FEA-USP com MBA pela FGV, organizador e autor do livro Empreendedorismo Inovador, é mentor de startups e atua como consultor, professor e palestrante sobre estratégia e novos modelos de negócio, inovação, transformação digital e agilidade organizacional.

Apoio: Núcleo Decide da FEA-USP

Núcleo Decide - FEA-USP

 

Estratégias de Escala para Startups

Startup = Growth” – Paul Graham

“Startups que escalam adequadamente crescem cerca de 20 vezes mais rápido do que startups que escalam prematuramente” – Startup Genome

Quando uma Startup amadurece ao ponto de ter um excelente produto, um mercado claro e considerável e um canal de distribuição robusto, ela tem a oportunidade crescer em escala – uma empresa que muda o mundo e atinge milhões ou até bilhões de vidas.

Recentemente postei sobre Estratégias para Startups, considerando que estratégia vai além de Modelagem de Negócios e uso de Lean Startup. Postei também sobre os atributos ExO que facilitam o Crescimento Exponencial, além de Modelo de Negócios Plataforma e Blitzscaling, como ciência e arte de construir um negócio escalável.

O objetivo deste texto, para mentores, investidores e empreendedores experientes é mostrar um quadro comparativo de quatro formas de atingir crescimento rápido em uma Startup que superou as fases iniciais e está pronta para começar a escalar, dependendo do ambiente e do estilo empreendedor.

Tipos de Escala de Startups

Os 4 tipos de crescimento escalar para Startups

O Crescimento Clássico Startup prioriza a eficiência em face da incerteza. Começar uma empresa inovadora é como pular de um penhasco e montar um avião na descida; ser eficiente em recursos permite “deslizar” para minimizar a taxa de descida, dando-lhe tempo para aprender coisas sobre seu mercado, tecnologia e equipe antes de chegar ao solo. Esse tipo de crescimento eficiente e controlado reduz a incerteza e é uma boa estratégia a seguir, enquanto tenta-se estabelecer certezas sobre o que Eric Ries e Steve Blank chamam de adequação do produto ao mercado: seu produto satisfaz uma forte demanda de mercado por uma solução específica problema ou necessidade.

O Crescimento Clássico Scale-up concentra-se no crescimento eficiente, uma vez que a empresa tenha certeza sobre o meio ambiente. Essa abordagem reflete as técnicas clássicas de administração corporativa, como a aplicação de “taxas mínimas”, de modo que o retorno sobre o investimento (ROI) de projetos corporativos exceda consistentemente o custo de capital. Esse tipo de otimização é uma boa estratégia a seguir quando se está tentando maximizar os retornos em um mercado estabelecido e estável.

A Escala Rápida (Fastscaling) significa sacrificar a eficiência para aumentar a taxa de crescimento. No entanto, como o Fastscaling ocorre em um ambiente de certeza, os custos são bem compreendidos e previsíveis. O escalonamento rápido é uma boa estratégia para ganhar participação de mercado ou tentar atingir metas de receita. Por exemplo, a indústria de serviços financeiros fica feliz em financiar o Fastscaling, seja comprando ações e títulos ou emprestando dinheiro. Os analistas e os banqueiros se sentem confiantes de que podem criar modelos financeiros elaborados que funcionem, até o último centavo, o provável ROI de um investimento rápido.

Blitzscaling significa que você está disposto a sacrificar a eficiência pela velocidade, sem esperar para ter certeza de que o sacrifício será recompensado. Se o crescimento clássico de startups é reduzir sua taxa de descida enquanto tenta-se montar o avião, Blitzscaling significa montar esse avião mais rápido, depois amarrar e ligar um conjunto de motores a jato enquanto você ainda está construindo o avião. É “faça ou morra”, com sucesso ou morte ocorrendo em um tempo notavelmente curto.

Vantagens e desvantagens do Blitzscaling

Dadas essas definições, pode-se perguntar “por que alguém iria perseguir o Blitzscaling. Afinal, combina a incerteza angustiante do crescimento inicial com o potencial de uma falha muito maior, mais embaraçosa e mais consequencial?”. Blitzscaling também é difícil de implementar. A menos que a empresa seja como a Microsoft ou o Google e possa financiar seu crescimento a partir de um fluxo de receita em crescimento exponencial, será preciso convencer os investidores a fornecerem o dinheiro necessário, e é muito mais difícil levantar dinheiro de investidores para uma aposta calculada (Blitzscaling) do que para uma coisa certa (Fastscaling). Para piorar as coisas, é necessário mais dinheiro para Blitzscaling do que para Fastscaling, porque a Startup terá de manter reserva suficiente de capital para se recuperar dos muitos erros que provavelmente fará ao longo do caminho.

Apesar dessas potenciais armadilhas, o Blitzscaling continua sendo uma ferramenta poderosa para empreendedores e outros líderes empresariais. Se estiver disposto(a) a aceitar os riscos da Blitzscaling quando os outros não estiverem, você poderá se mover mais rápido do que eles. Se o prêmio a ser ganho é grande o suficiente e a competição para vencê-lo é intensa o suficiente, o Blitzscaling se torna uma estratégia racional e até ideal. Para isso será necessário convencer o mercado de capital e o mercado de talentos – que inclui clientes e parceiros, bem como funcionários – a investir em sua ampliação, que será o combustível necessário para iniciar a escala.

Considerações finais

As fases de crescimento de uma Startup, desde o início, exigem conhecimentos e atitudes distintas do empreendedor. Por outro lado, a fase de escala exige muito mais, sendo que o perfil e conhecimento terá que agregar competências de gestão e atitudes de CEO. Pensar estrategicamente, saber contratar e gerir pessoas e montar times adequados, criar a cultura, convencer investidores, escolher estratégias e alinhá-las com execução a um ritmo muito “louco” de crescimento – exige maturidade, flexibilidade cognitiva, aprendizagem rápida, inteligência emocional e resiliência descomunais.

Ambientes de mercado e modelo de negócios distintos exigem estratégias distintas.

Se gostou, por favor, compartilhe! Abraço, @neigrando

Sobre mim: aqui, Contato: aqui.

Referências:

Este post é baseado num trecho de texto do livro Blitzscaling, de Raid Hoffman e Chris Yeh (2018), que traduzi livremente.

Links Relacionados:

Três Horizontes para Mudança, Inovação e Crescimento Organizacional

“Não podemos prever o futuro, mas podemos inventá-lo.”
– Wilbert E. Moore,  sociólogo americano

Pode-se passivamente pensar o futuro como algo misterioso, desconhecido, difícil de prever,  arriscado, assombroso e até mesmo assustador. Por outro lado, pode-se vislumbrá-lo a partir de problemas e necessidades atuais, sinais presentes e tendências tecnológicas, comportamentais e de consumo entre outras, e proativamente cria-lo. E, neste caso, o futuro desejado começa a ser trabalhado no presente.

James Gardner March, em “Exploration and Exploitation” na aprendizagem organizacional, mostra a necessidade de equilíbrio adequado entre:

  • a exploração (exploitation) das velhas certezas – que busca benefícios imediatos e a curto prazo, com o refinamento, produção, eficiência, seleção, implementação, execução; e
  • a exploração (exploration) de possibilidades – a médio e longo prazo, com pesquisa, variação, tomada de risco, experimentação, flexibilidade, descoberta e inovação.

James G. March, explica que este equilíbrio é um fator primordial na sobrevivência e prosperidade das organizações, mas que exploitaton e exploration competem por recursos escassos e que isso costuma gerar alguns conflitos.

Destaca-se também a noção estratégica de “Organização Ambidestra”, de O’Reilly e Tushman. Ela postula que as empresas que querem fazer inovação contínua precisam executar seu modelo de negócios central enquanto inovam em paralelo. Em outras palavras, em uma empresa ambidestra é preciso ser capaz de “assobiar e chupar cana ao mesmo tempo”.

Os três horizontes

Ainda nesse tema estratégico, Baghai, Coley e White, em “A Alquimia do Crescimento”, sugerem que uma empresa aloque suas inovações em três categorias chamadas “Horizontes”. Eles apresentam como gerenciar o desempenho atual enquanto maximiza as futuras oportunidades de crescimento. O modelo de Três Horizontes que eles apresentam, adotado pela consultoria McKinsey, apresenta como resultado um mapa do potencial transformacional que nos permite atuar com mais habilidade, liberdade e criatividade no presente.

A ideia central e maior utilidade dos Três Horizontes, é a de chamar a atenção para os três horizontes como existindo sempre no momento presente, pois evidências sobre o futuro podem ser vistas pelos comportamentos atuais.

Pensar em termos de Três Horizontes é uma maneira de encontrar e moldar as intenções com mais clareza ao se olhar o primeiro horizonte do conhecido para o segundo horizonte da transição e finalmente o terceiro horizonte da transformação. Isso muda a percepção do potencial futuro do momento presente, revelando cada horizonte como uma qualidade diferente já existente no presente, e que pode se desenvolver dependendo das ações escolhidas.

Os Três Horizontes da Mudança, Inovação e Crescimento

H1: O primeiro horizonte (gerentes experientes)

H1 descreve o modo atual de fazer as coisas, e a maneira como pode-se esperar que isso mude se continuarem  se comportando do mesmo modo. Depende-se dos sistemas H1 para se fazer as coisas no dia-a-dia, como a rotina do trabalho ou ao usar transportes, ir a lojas, escolas, bancos, hospitais – e no geral não se quer ou precisamos pensar muito sobre eles; com isso perpetua-se o sistema quando se participa dele.

Fala-se muito sobre o ritmo da mudança, mas muitas coisas, pelos menos por um tempo, devem permanecer as mesmas. A inovação incremental e a mudança nos sistemas H1 estão acontecendo, mas apenas sustenta e amplia o modo como as coisas são feitas agora, de uma maneira planejada e ordenada; incertezas e riscos devem ser eliminados ou preparados para manter as coisas mais ou menos como estão.

Por outro lado, nada dura para sempre, e ao longo do tempo inevitavelmente descobre-se que algumas maneiras de se fazer as coisas estão ficando aquém do esperado – não mais atendendo às expectativas, deixando de se mover em direção a novas oportunidades ou estão fora de sintonia com as condições emergentes. Além disso, percebe-se que nossos métodos de melhoria e inovação H1 não levam aonde precisa-se ir e estão apenas sustentando a velha abordagem com seus fracassos; e essa abordagem estão mais adequados à finalidade, por exemplo carros que poluem e produzem trânsito longo e intenso.

H3: O terceiro horizonte (visionários e inovadores)

H3 é o sistema futuro. São essas novas formas de viver e trabalhar que se encaixam melhor com as necessidades e oportunidades emergentes. A mudança de H3 é transformadora, trazendo um novo padrão à existência que está além do alcance do sistema H1. Pode haver muitas visões concorrentes do futuro, algumas primeiras pioneiras provavelmente parecerão bastante irreais,  e algumas delas são irreais. À medida que se constrói o mapa de Três Horizontes, compara-se a própria visão com a de outros  e as tendências que estão se desenrolando para todos.

H2: O segundo horizonte (empreendedores)

H2 é a zona de transição e transformação das inovações emergentes que estão respondendo às deficiências do primeiro horizonte e antecipando as possibilidades do terceiro horizonte. Novas maneiras de fazer as coisas surgem de maneira desordenada, através de uma combinação de ação deliberada e adaptação oportunista à luz das circunstâncias.

Os empreendedores devem julgar o momento e reunir ideias e recursos para tentar uma nova maneira de fazer as coisas aqui e agora. Vivem em um território ambíguo, onde os modos antigos são dominantes, mas o novo está se tornando possível; pode-se olhar para o passado e se encaixar nos padrões familiares da vida, ou tentar se tornar a semente que cresce no novo. O empreendedorismo é difícil e a maioria das tentativas de fazer coisas novas falha; é muito mais fácil atender aos sistemas antigos e os jogadores de H1 geralmente dominam.

Convocando o futuro

O pesquisador científico Bill Sharpe, destaca que a partir disso pode-se olhar para o futuro de três maneiras:

  • visualizando padrões mais profundos de mudança sistêmica sob os eventos de superfície;
  • tornando o futuro acessível no presente na forma de intenção e ações;
  • trazendo todas as vozes de continuidade e mudança para o jogo como parte da discussão.

Esses Três Horizontes trazem um pensar sobre o futuro que reconhece a incerteza profunda, mas que responde com uma orientação ativa. Isso facilita o entendimento claro de como ações podem moldar o futuro a explorar. Isso é especialmente importante quando se olha para questões de ampla preocupação social, como atores no futuro. Aqui estamos particularmente preocupados em encontrar maneiras para os diversos grupos da sociedade se unem para liberar o futuro do domínio das velhas formas de fazer as coisas – maneiras que não funcionam mais para nós.

Depoimentos destacam a forma como os Três Horizontes separam as coisas de uma forma útil e melhora o diálogo, porque as pessoas podem ver onde estão e podem evitar confusões e conflitos desnecessários entre os três horizontes. Acontece que é bastante natural, em quase todas as situações em que as pessoas estão trabalhando em alguma questão complexa, mostrarem as três “vozes” dos horizontes:

  • a voz gerencial de H1 preocupada com a responsabilidade de manter as coisas funcionando;
  • a voz empreendedora de H2 que está ansiosa para entrar e experimentar coisas novas;
  • a voz de aspiração e visão de H3 que se sustenta pelo comprometimento com um caminho melhor e a oportunidade que pode ser imaginada.

“Por padrão, muitas pessoas habitam apenas um horizonte em seu trabalho e veem outros horizontes com perplexidade, incompreensão ou hostilidade. No entanto, todos têm uma capacidade natural de trabalhar com os outros horizontes, e o núcleo da prática dos Três Horizontes é a flexibilidade de trabalhar com os três modos de consciência ao mesmo tempo” – Bill Sharpe

Uma vez que diferentes grupos são capazes de ver qual horizonte domina seu pensamento, eles também podem ver como isso se relaciona com os outros. Por exemplo, um apaixonado defensor das energias renováveis, o H3, pode esquecer facilmente como é ter as responsabilidades H1 de manter as luzes acesas e, em troca, o pensador H1, dominado por preocupações atuais, pode considerar o protagonista H3 simplesmente irrelevante. O empreendedor H2 pode estar se inspirando no terceiro horizonte, mas também está tendo que julgar quando é a hora certa de desafiar as organizações H1 para o domínio ou, em vez disso, lidar com elas.

“As pessoas não resistem a mudanças, elas resistem a serem mudadas.” – Richard Beckhard

A ideia é mudar de visão simples e unidimensional do tempo que se estende para o futuro para um ponto de vista tridimensional no qual obtém-se consciência de cada horizonte como uma qualidade distinta de relacionamento entre o futuro e o presente.

Uma versão enxuta dos três horizontes da Inovação

Steve Blank apresentou uma versão enxuta (lean) de uso dos três horizontes para acelerar a inovação de H2 e H3 com ferramentas usadas pelas startups como o canvas para modelagem de negócios, o modelo do desenvolvimento do cliente, os métodos da engenharia ágil, somados aos conceitos e práticas Lean Startup – que podem ser adaptadas para uso corporativo.

Buscando uma forma de as organizações existentes se tornarem ambidestras, construírem e testarem novas ideias em maior velocidade, se tornarem mais competitivas e evitarem a disrupção por terceiros, ele define os três horizontes na versão enxuta da seguinte forma:

  • As atividades de H1 apoiam os modelos de negócios existentes;
  • O H2 está focado em ampliar os negócios existentes com modelos de negócios parcialmente conhecidos;
  • O H3 está focado em modelos de negócios desconhecidos.

Cada horizonte requer foco diferente, gerenciamento diferente, ferramentas diferentes e objetivos diferentes.

O H1 é o principal negócio da empresa. Aqui, a empresa executa um modelo de negócios conhecido em termos de cadeia de suprimentos, características do produto, preços, canal de distribuição, clientes, concorrentes etc. Ele usa os recursos existentes e tem baixo risco de levar o próximo produto para fora da empresa.

O gerenciamento neste H1 funciona criando e melhorando processos, procedimentos, custos, incentivos e KPIs repetíveis e escalonáveis ​​para executar e medir o modelo de negócios. Aqui já cabe às equipes de H1 a operarem com missão e intenção e não apenas com processos e procedimentos. Neste Horizonte, o gerenciamento de produto costuma usar o método StageGate® ou o equivalente.

No H2, a organização amplia seu core business. Aqui, a empresa procura novas oportunidades em seu modelo de negócios existente, experimentando um canal de distribuição diferente, usando a mesma tecnologia com novos clientes ou vendendo clientes existentes, novos produtos etc. O H2 usa principalmente recursos existentes e tem risco moderado de obter novos recursos para tirar o produto da porta. O gerenciamento no Horizonte 2 funciona por reconhecimento de padrões e experimentação dentro do modelo de negócios atual.

O H3 é onde a empresa coloca seus empreendedores malucos (mavericks), que não se encaixam nos padrões e normas do programa H1, mas que em uma startup, seriam os potenciais CEOs fundadores. Esses inovadores querem criar modelos de negócios novos e potencialmente arriscados. Aqui a empresa está essencialmente incubando uma startup. Eles operam com velocidade e urgência para encontrar um modelo de negócios repetitivo e escalável. As equipes do H3 precisam estar fisicamente separadas das divisões operacionais, em uma incubadora corporativa ou em suas próprias instalações. E precisam de seus próprios planos, procedimentos, políticas, incentivos e KPIs, diferentes dos do H1.

O gerenciamento de produtos para o H2 e H3 usa as ferramentas ágeis e enxutas existentes e comuns ao mundo das startups que trazem velocidade de experimentação, desenvolvimento e validação de produtos mínimos viáveis (MVPs). As equipes são pequenas, pois contam com até 5 pessoas e podem conversar com mais de 100 clientes em 10 semanas e oferecer uma série de MVPs iterativos e incrementais. Este tamanho mínimo de equipes e despesas possibilita às empresas executarem várias iniciativas em paralelo.

As áreas de apoio da corporação que atendem H1 (jurídicas, financeiras, compras e outras) devem apoiar as equipes de H2 e H3.

As inovações bem-sucedidas de H2 e H3 poderão ser adotadas por uma unidade ou divisão H1, as equipes podem crescer para se tornarem um grupo autônomo ou podem ser vendidas ou separadas. Para fazer isso funcionar, os executivos e gerentes do Horizonte 1 precisam de incentivos e descrições de trabalho para apoiar as atividades do Horizonte 2 e 3.

Considerações Finais

“Não basta mudar as estratégias, estruturas e sistemas, a não ser que se mude os pensamentos que as produziu.” – Peter Senge

Os Três Horizontes permitem olhar o presente e o futuro organizacional de uma forma mais ambidestra e coerente, um pensar melhor que parte do conhecido para a transição e finalmente para a transformação. Assim, pode-se trabalhar com os três partindo do momento presente, pois as evidências sobre o futuro podem ser vistas pelos comportamentos atuais.

Se gostou do artigo, por favor, compartilhe! Abraço, @neigrando

Sobre o autor:

Nei Grando teve duas empresas de tecnologia, é mestre em ciências pela FEA-USP com MBA pela FGV, organizador e autor do livro Empreendedorismo Inovador, é mentor de startups e atua como consultor, professor e palestrante sobre estratégia e novos modelos de negócio, inovação, transformação digital e agilidade organizacional.

Detalhes: aqui, Contato: aqui.

Artigos referência:

Livros:

  • Baghai, M., Coley, S., White D. (1999). The alchemy of growth: practical insights for building the enduring enterprise. New York: Perseus.

Outros artigos relacionados:

 

A identificação das necessidades do cliente no desenvolvimento de novos produtos

Segundo Bayus (2008), no que diz respeito à inovação e ao Desenvolvimento de Novos Produtos (DNP), a linguagem associada às “necessidades do cliente” difere nas literaturas de marketing, engenharia e design industrial. Diferentes terminologias são frequentemente utilizadas de forma intercambiável: necessidades, desejos, atributos, recursos, requisitos, especificações, etc. As necessidades, ou seja, “o que” é desejado pelos clientes, são dependentes do uso (onde e como o produto é usado), do consumidor (quem usará o produto) e do mercado (quais produtos concorrentes estão disponíveis), enquanto que os atributos, características, requisitos e especificações tratam de “como” uma necessidade é satisfeita por um produto ou serviço específico.

Na literatura econômica, as características do produto, definidas como suas propriedades, relevantes para a escolha do consumidor, são de natureza quantitativa, universais e podem ser medidas objetivamente. Os atributos do produto são mais abstratos e geralmente em menor número do que suas características, sendo baseados nas dimensões perceptivas que os consumidores usam para tomar decisões de compra. Já os requisitos, a partir das literaturas de engenharia e design, são as soluções técnicas e de engenharia que buscam satisfazer as necessidades do cliente, sendo as especificações as métricas específicas associadas aos requisitos. Assim, as características, os atributos, os requisitos e as especificações do produto estão intimamente relacionados e se sobrepõem.

Esta figura resume esta argumentação sobre a linguagem de necessidades do cliente no DNP.

Fonte: Traduzido e adaptado de Bayus (2008)

Conforme Bayus (2008) e Shahrizal (2013), no Fuzzy Front-End (FFE) do processo de inovação, ou seja, no período entre quando uma oportunidade é primeiramente considerada e quando uma ideia é julgada pronta para o desenvolvimento, compreender as necessidades do cliente é uma entrada chave no que se tornou conhecido como Voz do Cliente (VOC). Com base no movimento de gerenciamento de qualidade total, a VOC e o Desdobramento da Função de Qualidade (QFD) permitem que o marketing, design, engenharia, P&D e fabricação se comuniquem efetivamente em limites funcionais. Esta comunicação multifuncional é crucial para assegurar que os esforços de desenvolvimento se concentrem em inovações desejáveis, viáveis e vendáveis. A VOC inclui a identificação de um conjunto de necessidades detalhadas do cliente e as resume em uma hierarquia onde cada necessidade é priorizada em relação à importância do cliente. A VOC é traduzida em requisitos e especificações do produto para o QFD, que por sua vez são traduzidos em atributos de produtos específicos que podem ser agrupados em conceitos e protótipos para testes adicionais com clientes. O modelo Kano de satisfação de cliente é citado como um Método, Técnica ou Ferramenta para Inovação (MTFI) alternativo bastante útil na determinação dos tipos de necessidades dos clientes.

Os designers praticantes, bem como as literaturas de sociologia e antropologia, tendem a enfatizar MTFIs para entender a gama completa de necessidades dos clientes, que incluem: métodos de projeto empáticos, design centrado no usuário, inquérito contextual, abordagens de etnografia e pesquisa de mercado não tradicionais. MTFIs tradicionais de pesquisa de mercado também são usados para buscar entender necessidades articuladas, como: grupo focal e entrevistas pessoais com profundidade; mapeamento perceptual; segmentação; modelagem de preferência; e testes simulados de mercado. Além disso, os pesquisadores sugerem formas de incorporar aspectos estéticos, emocionais e experienciais na identificação das necessidades dos clientes. Outras pesquisas abordam o tema de priorização que incluem o uso de escalas de classificação direta, processo hierárquico analítico, análise conjunta e métodos difusos / entropia.

As literaturas de engenharia, qualidade e operações consideram um novo produto como uma montagem complexa decomponentes interativos para os quais vários modelos paramétricos são construídos para otimizar os objetivos de desempenho. Engenheiros geralmente utilizam a intuição ao lidar com as necessidades dos clientes, enfatizando a criatividade e a funcionalidade do conceito de produto e trabalhando em direção a objetivos técnicos como confiabilidade, durabilidade, impacto ambiental, uso de energia, geração de calor, manufatura, e redução de custos. Dado um conjunto de requisitos de clientes e especificações de produtos e informações relacionadas sobre prioridades, valores ótimos para variáveis de projeto podem ser determinados usando técnicas padrão. O método de cascata de metas analíticas pode ser usado para resolver compromissos técnicos ao reconhecer explicitamente projetos que são caros e / ou impossíveis de alcançar.

Em geral, a literatura de marketing não aborda diretamente a compreensão das necessidades dos clientes, em vez disso, enfoca de forma implícita ou explícita a fase de geração e teste de conceitos no processo de inovação. Para facilitar a comunicação com a engenharia, o marketing costuma considerar um novo produto ou serviço como um conjunto de atributos e características “acionáveis”, algo útil para localizar oportunidades para a melhoria de produtos que podem não ser muito diferentes dos atuais.

Bayus (2008) menciona ainda quatro dimensões “universais” de necessidades do cliente que podem estar associadas a um produto ou serviço:

  • Funcionalidade (desempenho, confiabilidade, compatibilidade, flexibilidade);
  • Forma (estética, durabilidade, portabilidade, capacidade de manutenção, singularidade);
  • Usabilidade (facilidade de uso, complexidade); e
  • Custo (aquisição, uso, disposição).

Esta figura que segue resume estas relações entre ideias, conceitos e disciplinas sobre necessidades do cliente e exemplos de MTFIs.

Fonte:Traduzido e adaptado de Bayus (2008)

Se gostou, por favor, compartilhe! Abraço, @neigrando

Sobre o autor:

Nei Grando teve duas empresas de tecnologia, é mestre em ciências pela FEA-USP com MBA pela FGV, organizador e autor do livro Empreendedorismo Inovador, é mentor de startups e atua como consultor, professor e palestrante sobre estratégia, inovação e negócios.

Detalhes: aqui, Contato: aqui.

Observação:

Este texto foi levemente adaptado do original da minha dissertação de mestrado sobre “Métodos, Técnicas e Ferramentas para Inovação: conhecimento, uso e eficácia em empresas brasileiras”, disponível em: http://www.teses.usp.br/teses/disponiveis/12/12139/tde-01122017-155036/es.php

Referências:

Bayus, B.L. (2008). Understanding customer needs. Handbook of Technology and Innovation Management, 115-142.

Shahrizal,S. M. (2013). The Use of Design for Six Sigma (DFSS) Methodology in Product Design. In Proceedings of the WorldCongress on.

Tschimmel, K.(2012). Design Thinking as an effective Toolkit for Innovation. In ISPIM Conference Proceedings (p. 1). The International Society for Professional Innovation Management (ISPIM).

Links Relacionados:

O modelo startup de empreender

Como os processos de criação de startup tornaram-se farol para grandes empresas, simplificando a gestão e tornando-as mais ágeis e competitivas.

Neste século pessoas e organizações vivem em um ambiente cada vez mais imprevisível, dinâmico, ininterrupto e acelerado. Liderar neste novo ambiente não é uma tarefa fácil, pois a gestão inclui volatilidade, incerteza, complexidade e ambiguidade. Tal ambiente causa aos líderes um profundo senso de urgência para transformações organizacionais, seja na estratégia, cultura, estrutura, processos, tecnologia ou relações com clientes. Querem evitar grandes disrupções e prosperar de forma sustentável.

Com isso, muitos líderes buscam a transformação digital – uma mudança organizacional que usa tecnologias digitais e novos modelos de negócios para melhorar o desempenho e a experiência do cliente. Nesta transformação, o foco está em uma estratégia melhor, onde as tecnologias digitais podem ser usadas para implementá-la. Isso começa com uma mudança de mindset que foca nas pessoas: provendo mais autonomia, colaboração e experiência do cliente/usuário; mudando o modelo de negócios e processos operacionais; melhorando e inovando em produtos e serviços usando novas tecnologias.

Por outro lado, muitas empresas enfrentam o dilema entre: (1) a eficiência de explorar seus recursos ao máximo, incluindo o uso de melhorias de processo e inovações incrementais; versus (2) a busca por criar produtos e serviços com inovações radicais e disruptivas. Devido ao aumento da concorrência por conta de uma maior especialização e convergência de tecnologias, essas empresas são pressionadas a acelerar seus processos de inovação e equilibrar o uso simultâneo destas duas abordagens.

Aprendendo com as Startups

Então surge a pergunta: Como simplificar o mundo dos negócios? Talvez a resposta esteja em buscar um espírito empreendedor nos métodos, técnicas e ferramentas que as startups utilizam para alavancar oportunidades, testar ideias, fazer experimentos com protótipos e lançar produtos inovadores, mesmo que tragam em si algumas incertezas. O importante é manter uma transformação contínua.

Startups buscam um modelo de negócios repetível, escalável e lucrativo, trabalhando para fornecer produtos e/ou serviços em condições de extrema incerteza. Elas procuram transformar a “ideia” em algo mais concreto, pois ainda não têm um negócio, mas algo que precisa ser estruturado, testado e validado. Começam validando o problema, depois a solução e por fim o modelo de negócios como um todo. Para ajustar o problema à solução elas fazem uso de protótipos, depois um produto mínimo viável junto ao mercado e aos poucos vão obtendo tração. Isso é demonstrado por meio do crescimento de receita, lucro, clientes, clientes-piloto, usuários não pagantes, e até mesmo hipóteses verificadas a respeito dos problemas dos clientes. É claro que o negócio startup só conseguirá isso se o produto tiver valor e encantar o cliente de tal modo que ele passe a ser, naturalmente, um parceiro na divulgação do mesmo.

Inicialmente existem incertezas sobre tecnologia, mercado, ambiente externo e recursos. Elas precisam ser identificadas, trabalhadas e reduzidas. Durante este processo, o modelo de negócios vai ficando mais maduro – inclusive com possíveis ajustes estratégicos (pivot); sócios e primeiros colaboradores vão se consolidado; o “namoro” com investidores vai acontecendo, surgindo assim, os primeiros investimentos.

Muitas das maiores empresas da nova economia nasceram como startups. Elas são ágeis, enxutas e crescem de maneira espantosa, gerando altos retornos sobre os investimentos. Além de Google, Facebook, Uber, Airbnb, Amazon e milhares mais, podemos citar as brasileiras 99taxi, Nubank e PagSeguro que se tornaram unicórnios (empresas avaliadas em mais e um bilhão de dólares), e tantas outras startups. Por outro lado, muitas empresas tradicionais, passaram a utilizar conceitos, métodos, técnicas e ferramentas de startups para acelerar seus negócios, como a Apple, GE, Nike e tantas outras, incluindo a brasileira TOTVS, que está se transformando digitalmente e aplicando em sua estrutura uma nova forma de fazer negócios e se relacionar com o mercado – procurando ser, segundo Flávio Balestrin (VP de Marketing e Modelos de Negócio), mais ágil, mais simples e mais essencial na vida do cliente.

O modelo startup de empreender

O modelo startup de empreender        

O modelo startup de empreender em organizações estabelecidas tem como núcleo uma pequena equipe de startup interna, ou seja, um grupo multifuncional focado em testar suposições sobre novos produtos em potencial usando metodologias ágeis, recursos enxutos e produtos mínimos viáveis. O modelo utiliza um ciclo repetido de testes, levando a um processo iterativo no qual a falha se torna um componente-chave na aprendizagem validada. Múltiplos projetos podem ser realizados, fazendo uso de quadros de crescimento e financiamento medido para aprenderem a perseverar, cancelar ou “pivotar”, ou seja, mudando algum elemento de seu modelo de negócios ou estratégia ao longo do caminho.

Cada startup terá duas principais suposições a testar: (1) a hipótese de valor (se um produto ou serviço realmente encanta os clientes assim que eles começam a usá-lo); e (2) as hipóteses de crescimento (tendo alguns clientes, se será capaz de obter mais).

A hipótese de valor pode ser testada com protótipos e um produto minimamente viável, que transforma rapidamente a ideia em algo real, usando do pensamento científico que inclui diversos experimentos. Os dados coletados podem gerar um relatório, que deve ser: acionável, demonstrando uma clara causa e efeito relacionada a mudanças no próprio produto; acessível, onde todos os envolvidos no projeto devem ser capazes de compreendê-lo; e auditável.

Sabemos que nem tudo que uma empresa moderna enfrenta pode ser gerenciado por uma unidade startup interna, mas é a melhor maneira de responder à incerteza. Tais unidades misturam elementos de pesquisa e desenvolvimento, vendas, marketing e engenharia; e geralmente não têm uma posição fixa em um organograma tradicional.

As ferramentas tradicionais de gerenciamento estão focadas no planejamento e previsão. Identificar e gerenciar empreendedores requer um novo estilo de liderança. É particularmente importante perceber que o empreendedorismo não é uma qualidade especial possuída apenas por poucas pessoas. Na verdade, você nunca sabe quem serão os empreendedores; e até mesmo os não-empreendedores se beneficiarão dessa nova maneira de trabalhar.

Para aproveitar o potencial latente de talentos empreendedores, a organização precisa conscientizar toda a base de funcionários sobre as possibilidades do empreendedorismo como caminho de carreira. Isso significa atender a diversos desafios como: ajudar as pessoas a serem melhores empreendedores e empreendedoras, facilitando o desenvolvimento profissional e provendo coaching; criar espaço para experimentos; fazer investimentos com base em evidências, experimentos e visão, e não apenas ROI; criar marcos que podem funcionar mesmo sem previsão precisa; utilizar de redes internas e externas de apoio; criar novos sistemas de incentivo e promoção.

O modelo mental de um ecossistema de startups

Pode-se aprender muito com ecossistemas de startups, investidores de capital de risco e com um modelo mental que inclui crenças e valores de centenas de startups ao redor do mundo.

Os investidores de startup tomam suas decisões em grande parte com base na qualidade da equipe, olhando primeiro para as pessoas e depois para a ideia. Eles veem a capacidade da equipe de elaborar um bom plano como um indicador do sucesso futuro, mesmo que o próprio plano venha ser alterado. O que conta é a capacidade da equipe de executar.

Cada equipe é: pequena, mas poderosa, pois seus membros formam um vínculo intenso e se comunicam facilmente; flexível e concentrada, pois trabalha com recursos escassos; multifuncional, pois todos têm que entrar e resolver os problemas que surgem. Além disso, articula o problema a ser resolvido do ponto de vista do cliente, objetivando encanta-lo com uma melhoria dramática.

O investimento pode ser utilizado pela equipe de uma startup como convém, sob supervisão mínima. Por outro lado, se não houver progresso, provavelmente não haverá outra rodada de financiamento. O conselho ou os investidores precisarão em algum momento de um relatório de progresso, que mostra a responsabilidade da equipe, ao mesmo tempo que permite a liberdade de perseguir seu objetivo.

Concluindo

Quando a capacidade de experimentar, aprender e escalar está inserida na cultura da empresa, os problemas podem ser resolvidos de maneira mais rápida e eficiente, resultando em mais lucro para a empresa.

Observação:

Uma versão levemente adaptada deste texto está presente na Revista impressa TOTVS EXPERIENCE #7, que tem o tema: Simplificar é Preciso, com o meu artigo “O Modelo Startup de Empreender”, nas páginas 36 a 39.

Se gostou, por favor, compartilhe! Abraço, @neigrando

Sobre o autor:

Nei Grando teve duas empresas de tecnologia, é mestre em ciências pela FEA-USP com MBA pela FGV, organizador e autor do livro Empreendedorismo Inovador, é mentor de startups e atua como consultor, professor e palestrante sobre estratégia e modelos de negócio, inovação, transformação digital e agilidade organizacional.

Detalhes: aqui, Contato: aqui.

Outros artigos relacionados

Livros

Ries, Eric. The Startups Way: How Modern Companies Use Entrepreneurial Management to Transform Culture and Drive Long-Term Growth, 2017.

Denning, Stephen. The Age of Agile: How Smart Companies Are Transforming the Way Work Gets Done, 2018.

Weil, Peter;  Woerner, Stephanie . What’s your Digital Business Model: Six questions to help you build the next-generation enterprise, 2018.

Um Roteiro Estratégico para a sua Empresa

Um roteiro estratégico é uma ponte que conecta estratégia e execução. Permite visualizar as iniciativas e os principais resultados a serem entregues ao longo do tempo para alcançar os objetivos estratégicos.

O objetivo é descobrir novas estratégias imaginativas que possam reescrever as regras do jogo competitivo; e vislumbrar futuros potenciais, significativamente diferentes do presente.

Roteiro Estratégico

Tal roteiro não é um plano detalhado de execução, nem um gráfico de atividades com datas precisas de início e fim. Ele descreve o que a organização deve mudar e por que essa mudança é necessária para alcançar os objetivos estratégicos. Ele comunica o “Porquê” e “O que” mas não o “Como”.

Podemos trabalhar tal roteiro em três etapas simples, começando com um Diagnóstico interno e externo da situação atual da empresa, do mercado, da concorrência, das tendências, das regulamentações, e outros pontos relevantes ao negócio; seguido de um levantamento de Alternativas, ou seja, possibilidades de melhorias, mudanças e até mesmo transformação; e finalmente pela Escolha, com a priorização e decisão criteriosa das iniciativas a seguir.

Etapas de um roteiro estratégico

DIAGNÓSTICO (Onde estamos?)

Diagnóstico Estratégico

Diagnóstico Interno:

  • Análise financeira é necessária (onde estamos fazendo dinheiro? onde não estamos bem?);
  • Análise do modelo de negócios e capacidades (forças, fraquezas e a relação delas com o desempenho financeiro)

Diagnóstico Externo:

  • Analisar o que os concorrentes atuais e os emergentes estão fazendo, o que está acontecendo competitivamente em temos de: cadeia de valor de fornecedores, parceiros, competidores, distribuidores, clientes e, especialmente, novos entrantes e potenciais substitutos.
  • Analisar o mercado e os clientes: Onde estão as oportunidades de crescimento? Como estão evoluindo os desejos, necessidades e hábitos dos clientes? Quais as tendências tecnológicas, econômicas e legais? Que tipos de novos segmentos de mercado estão emergindo?

ALTERNATIVAS (O que podemos fazer?)

Alternativas Estratégicas

  • Que tipo de movimentos são necessários para melhorar o desempenho? Considere tanto movimentos incrementais quanto radicais em mercados adjacentes, novos segmentos para os produtos, excelência operacional e reestruturação do portfólio.
  • Que tipos de modeles de negócios são necessários para suportar os movimentos de desempenho? Considere: modelos de negócio que incrementam a customização da proposição de valor, começando algo pioneiro através de cocriação; aumento de eficiência no sistema de entrega de valor, considerando a eficiência em volume e do ecossistema. Se possível, combine rapidamente uma nova proposição de valor com um novo sistema de entrega, para vencer a concorrência.
  • Que tipo de experimentos são necessários para dar aos modelos de negócio um verdadeiro diferencial competitivo? Se preciso, use inovação aberta, explorativa e ágil, que serão úteis para rejuvenescer o negócio
  • Que tecnologias novas, emergentes e até mesmo a combinação delas poderiam ser usadas para apoiar uma verdadeira transformação digital do negócio, buscando um melhor engajamento do cliente.
  • Aqui temos a oportunidade de trocar o pensamento linear vigente para buscar um crescimento exponencial.

ESCOLHA (O que faremos?)

Escolhas Estratégicas

Liderar é decidir. Líderes devem focar o esforço organizacional. Devem selecionar um número limitado de iniciativas estratégicas a partir das alternativas possíveis, considerando o potencial de criação de valor versus custo, risco e tempo para implementação. Devem considerar a melhoria de desempenho atual, novos modelos de negócios para amanhã, e experimentos em diferencial competitivo para depois de amanhã.

Riscos de execução devem ser considerados na escolha, pois dependem de que capacidades serão necessárias e de que oportunidades serão desenvolvidas. Incentive uma cultura de apoio às capacidades. Considere ainda as aquisições que precisam de integração e outros fatores específicos da organização. Experimentos fora-da-caixa que colidem com a cultura existente têm que superar o obstáculo da integração ou devem ser desmembrados em novas empresas ou em parcerias com startups.

CONSIDERAÇÕES FINAIS 

Este roteiro é muito útil para dar uma direção para a empresa e seus negócios, mas em seguida, será necessário  operacionalizar as estratégias desenvolvidas por meio do pensamento estratégico deste roteiro na etapa de execução.

Se gostou, por favor, compartilhe! Abraço, @neigrando

Sobre o autor:

Nei Grando teve duas empresas de tecnologia, é mestre em ciências pela FEA-USP com MBA pela FGV, organizador e autor do livro Empreendedorismo Inovador, é mentor de startups e atua como consultor, professor e palestrante sobre inovação e negócios.

Detalhes: aqui, Contato: aqui.

Links Relacionados:

O que são Startups e o que as organizações podem aprender com elas?

Startups não são apenas empresas iniciantes ou mesmo versões menores de grandes empresas, elas se caracterizam pelo uso intenso de tecnologia na busca por um negócio de crescimento rápido, com potencial de alto retorno sobre o investimento.

Para que isso seja possível e para se diferenciar da concorrência, o negócio geralmente envolve o desenvolvimento de uma solução radicalmente inovadora e que muitas vezes modifica setores inteiros do mercado.

Startups-Team

O que as empresas estabelecidas podem aprender com elas?

As organizações podem aprender com a forma das startups fazerem gestão, usando de transparência nas informações, menos hierarquia, mais autonomia na tomada de decisões, resiliência perante as dificuldades, flexibilidade na gestão, relacionamento mais próximo com o consumidor, fornecedores, parceiros e os demais envolvidos.

Isso, somado ao uso de novas formas de competir, ou melhor, de “coopetir” no mercado, mostram que as startups já nascem digitais e com uma “Cultura 4.0” alinhada com a economia do século 21.

Elas utilizam novas tecnologias, metodologias ágeis, recursos enxutos, processos simples e flexíveis, novos modelos de negócio e aprendizagem continua para melhorar a experiência do cliente e fazer o negócio acontecer.

A agilidade ocorre com experimentos, protótipos e produtos mínimos viáveis sendo desenvolvidos, testados e refinados em cada interação com o cliente.

Como isso pode ser feito pelas empresas?

Usando os conceitos de inovação aberta – que é uma abordagem mais distribuída, participativa e descentralizada da inovação -, as empresas podem comercializar ideias externas e internas, implantando dentro ou fora de seus mercados atuais.

Nesse sentido, para acelerar seus processos de inovação e simplificar seus modelos de negócio, elas podem utilizar métodos, técnicas e ferramentas das startups, que permitem alavancar oportunidades, testar ideias, fazer experimentos com protótipos e lançar produtos inovadores, mesmo que tragam em si algumas incertezas.

As empresas podem fazer isso de duas formas:

  • Através de pequenas equipes de startups internas independentes, ou seja, grupos multifuncionais focados em testar suposições sobre novos produtos em potencial usando metodologias ágeis, recursos enxutos e produtos mínimos viáveis; ou
  • Interagindo com startups externas, combinando os pontos fortes de cada lado para juntas criarem um valor substancial e alcançar seus objetivos com sucesso.

Mas isso não é uma tarefa simples, é recomendável ter o apoio de um especialista, que conheça bem os dois mundos, para orientar e/ou coordenar tais projetos.

Se gostou, por favor, compartilhe! Abraço, @neigrando

Sobre o autor:

Nei Grando teve duas empresas de tecnologia, é mestre em ciências pela FEA-USP com MBA pela FGV, organizador e autor do livro Empreendedorismo Inovador, é mentor de startups e atua como consultor, professor e palestrante sobre inovação e negócios.

Detalhes: aqui, Contato: aqui.

Em Vídeo:

Minha entrevista, exibida em 22 de junho de 2018,  no quadro Iniciativa Empreendedora do programa Inova 360 da Record News, sobre “O que são Startups e o que as organizações podem aprender com elas?” #openinnovation  video  resumo em: Programa Inova 360 – Episódio 013 via Youtube.

Referência: artigos e livro

Outros artigos relacionados: