Abertura
01 / 24 A Empresa que Aprende
IA, commodity e vantagem competitiva
Slides
A Empresa que Aprende
A pergunta da apresentação
02 / 24 Com IA, uma empresa fica mais inteligente ou só mais dependente?
Quem sou
03 / 24 Jean Lucas Lima
Confraria de CTOs / L8PTecnologia, comunidades técnicas, produto e adoção prática de IA
Material completo
Material completo
QR / link com:
- referências
- checklists
- leituras extras
- feedback da apresentação
airborneday.l8p.tech A primeira armadilha: confundir adoção com vantagem
05 / 24 Usar IA não é vantagem.
Vantagem é o que muda por causa dela.
Toda tecnologia forte vira infraestrutura
06 / 24 Tecnologias começam como vantagem.
Depois viram infraestrutura.
Exemplos:
- eletricidade
- internet
- cloud
- mobile
IA está entrando nesse arco
07 / 24 IA ainda importa.
Mas “ter IA” começa a dizer pouco.
Modelo não é moat
Modelo não é moat.
O que sobrevive à troca do modelo?
Dependência de modelo virou risco estratégico
09 / 24 Fornecedor de IA não é só SaaS.
Acesso, preço e política podem mudar.
Empresas grandes também erram a curva
Empresa grande também erra estratégia.
Erros comuns:
- subestimar a transição
- reagir com pânico
- medir a coisa errada
- destruir capacidades internas
Urgência não é estratégia
Urgência não é estratégia.
Métrica ruim gera comportamento ruim:
- uso por uso
- volume por volume
- automação sem critério
- adoção performática
O viés errado: IA substitui tech
12 / 24 O risco local:
sair de “tech é custo” para “IA substitui tech”.
IA exige mais capacidade técnica, não menos
13 / 24 Código ficou mais barato.
Operar tecnologia bem continua difícil.
O erro do rádio na TV
14 / 24 Tecnologia nova, formato velho.
Exemplos:
- chat em cima de processo quebrado
- copiloto fora do fluxo
- automação sem redesenho
- agente sem permissão ou contexto
O que é AI-native
15 / 24 AI-native é redesenhar o trabalho.
Software agora pode:
- ler
- escrever
- buscar
- comparar
- sugerir
- agir com supervisão
Antes de agentes, memória
16 / 24 Antes de agentes, memória.
A empresa precisa organizar:
- documentos
- decisões
- CRM
- tickets
- reuniões
- políticas
- playbooks
- histórico operacional
Maturidade antes de automação
17 / 24 Não pule maturidade.
Antes de agentes:
- dados minimamente confiáveis
- processo claro
- dono interno
- política de acesso
- métrica de sucesso
- avaliação de risco
Quando produzir fica barato, avaliar fica caro
18 / 24 Quanto mais barato fica produzir,mais caro fica saber se aquilo presta.
Agentes são software de produção
19 / 24 Agentes não são demos.
Precisam de:
- permissões
- logs
- evals
- sandbox
- aprovação humana
- observabilidade
- versionamento
- rollback
Onde fica a vantagem
20 / 24 A vantagem fica no que a empresa acumula.
- contexto proprietário
- memória interna
- workflows
- decisões
- correções
- avaliações privadas
- aprendizado acumulado
Régua de diligência
21 / 24 Sete perguntas para avaliar IA
- Qual tarefa muda?
- Qual métrica melhora?
- Que contexto a empresa possui?
- Onde entra no fluxo real?
- Qual risco se errar?
- O sistema sobrevive à troca de modelo?
- O que aprende com o uso?
O papel do fundo
22 / 24 O fundo como acelerador de capacidade
Ajudar o portfólio em:
- dados
- governança
- produto
- vendas
- suporte
- margem
- decisão
- avaliação de fornecedores
Teste final
23 / 24 Depois de seis meses usando IA, o que ficou dentro da empresa?
- memória?
- capacidade?
- processo?
- avaliação?
- aprendizado?
- ou só gasto com tokens?
Material completo
Material completo
Inclui:
- resumo da fala
- checklist de diligência
- checklist de maturidade
- referências e links
- formulário de feedback
airborneday.l8p.tech 01 / 24
Nota de fala
Use ← → ou deslize para navegar.