Unknown

Ai me the latestolson x. Ai deli quality data and integrate across sources and environments public cloud private cloud or on prem. Unite and prepare your unstructured and structured data alike. Manage the entire data life cycle through a single user interface and it works within your existing watson x.data lets you access integrate and manage all your data for AI that fits your buiness because your AI it with the right data. This is a defining moment. Generative AI has arrived creating a once in a generation opportunity for business. Meet IBM Watson X an enterprise ready AI and

data platform in three parts to help you train, tune and deploy AI models, scale workloads whever your data resides, and design more trustworthy AI workflows. Watson.AaiI is our studio for AI builders to help you create powerful AI applications in a fraction of the time with a fraction of the data. Start with IBM's foundation models or thousands of open source models from the Hugging Face Library and instantly begin working in our prompt lab. And with the ability to add your own data, you can train, tune, and deploy generative AI and machine learning models with ease. Watson

X.data data is IBM's next generation data store. Based on an open lakhe architecture, it brings together the flexibility of a data lake with the performance of a data warehouse to help you scale AI and analytics wherever your data resides. And Watsonx.gnance is a powerful tool kit for AI governance to help you bring light to the black box. Trace processes so you can explain your AI decisions. Monitor models for fairness, bias and drift and scale responsibly based on principles of transparency and trust. We are in a moment and to meet it with confidence you need AI

that's built for business. Wat? Let's AI to work. Only getting isolated results. Big games come from AI that works across your data and applications. The AI built for business IBM. Not getting the results you expect. Don't use AI trained on any old data when you can use AI trained on your data. V AI built for business IBM. Your data fuels your AI, but you're likely only using a tiny portion of it. What if you can turn your data regardless of source or structure into quality fuel for entic AI? Meet the latest evolution of Watson X.

data interface to unleash the power of your data for AI deliver quality data and integrate seamlessly across sources and environments public cloud private cloud or on prem unite and prepare your unstructured and structured data al manage the entire data life cycle through a single user interface and it works with your existing tex Watson X.data lets you access, integrate, and manage all your data for AI that fits your business. Because it's your AI, it with the right data. This is a defining moment. Generative AI has arrived, creating a once in a generation opportunity for business. Meet

IBM Watson X an enterprise ready AI and data platform in three parts to help you train tune and deploy AI models scale workloads whever your data resides and design more trustworthy AI workflows. Watson X.AaiI is our studio for AI builders to help you create powerful AI applications in a fraction of the time with a fraction of the data. Start with IBM's foundation models or thousands of open source models from the hugging face library and instantly begin working in our prompt lab. And with the ability to add your own data, you can train, tune, and deploy

generative AI and machine learning models with ease. Watson X.data is IBM's next generation data store based on lake architecture it brings together the flexibility of a data lake with the performance of a data warehouse to help you scale AI and analytics wherever your data resides and Watsonx.gnance Governance is a powerful tool kit for AI governance to help you bring light to the black box. Trace processes so you can explain your AI decisions. Monitor models for fairness, bias and drift and scale responsibly based on principles of transparency and trust. We are in a moment and it

with confidence you need AI built for what AI to work. Only getting isolated results. Big games come from AI that works across your data and applications. AI built for business IBM not getting the results you expect. Don't use AI trained on any old data when you can use AI trained on your data. The AI built for business IBM. Your data fuels your AI, but you're likely only using a tiny portion of it. What if you can turn your data regardless of its source or structure into quality fuel fortic AI? Meet the latest evolution of Watson

X. Want interface to unleash the power of your data for AI. Deliver quality data and integrate selessly across sources and environments public cloud, private cloud or on prem. Unite and prepare your unstructured and structured data alike. Manage the entire data life cycle through a single user interface and it works within your existing text. Watson X.data lets you access, integrate and manage all your data for AI that fits your business. Because it's your AI it with the right dat. This is a defining moment. Generative AI has arrived creating a once in a generation opportunity for business.

Meet IBM Watson X an enterprise ready AI and data platform in three parts to help you train tune and deploy AI models scale workloads whever your data resides and design more trustworthy AI workflows. Watson.ai is our studio for AI builders to help you create powerful AI applications in a fraction of the time with a fraction of the data. Start with IBM's foundation models or thousands of open source models from the Hugging Face Library and instantly begin working in our prompt lab. And with the ability to add your own data, you can train, tune, and deploy

generative AI and machine learning models with ease. Watson X.data data is IBM's next generation data store. Based on an open lakhe architecture, it brings together the flexibility of a data lake with the performance of a data warehouse to help you scale AI and analytics wherever your data resides. And Watsonx.gnance is a powerful tool kit for AI governance to help you bring light to the black box. Trace processes so you can explain your AI decisions. Monitor models for fairness, bias and drift and scale responsibly based on principles of transparency and trust. We are in a moment

and to meet it with confidence you need AI built for business. Wat? Let's AI to work. Only getting isolated results. Big games come from AI that works across your data and applications. The AI built for business IBM. Not getting the results you expect. Don't use AI trained on any old data when you can use AI trained on your data. VI built for business IBM. Your data fuels your AI, but you're likely only using a tiny portion of it. What if you can turn your data regardless of source or structure into quality fuel for entic AI?

Meet the latest evolution of Watson X. data interface to unleash the power of your data for AI deliver quality data and integrate seamlessly across sources and environments public cloud private cloud or on prem unite and prepare your unstructured and structured data alik manage the entire data life cycle through a single user interface and it works with your existing tex Watson X.data lets you access, integrate, and manage all your data for AI that fits your business. Because it's your AI, it with the right data. This is a defining moment. Generative AI has arrived, creating a once

in a generation opportunity for business. Meet IBM Watson X an enterprise ready AI and data platform in three parts to help you train tune and deploy AI models scale workloads whever your data resides and design more trustworthy AI workflows. Watson X.AaiI is our studio for AI builders to help you create powerful AI applications in a fraction of the time with a fraction of the data. Start with IBM's foundation models or thousands of open source models from the hugging face library and instantly begin working in our prompt lab. And with the ability to add your own

data, you can train, tune, and deploy generative AI and machine learning models with ease. Watson.data Data is IBM's next generation data store. Based on an open lake architecture, it brings together the flexibility of a data lake with the performance of a data warehouse to help you scale AI and analytics wherever your data resides. And Watsonx.gance is a powerful tool kit for AI governance to help you bring light to the black box. Trace processes so you can explain your AI decisions. Monitor models for fairness, bias and drift and scale responsibly based on principles of transparency and

trust. We are in a moment and it with confidence you need AI that's built for business. Wat? Let's AI to work. Only getting isolated results. Big games come from AI that works across your data and applications. The AI built for business IBM. Not getting the results you expect. Don't use AI trained on any old data when you can use AI trained on your dat. V AI built for business IBM. Your data fuels your AI, but you're likely only using a tiny portion of it. What if you can turn your data, regardless of source or structure

into quality fuel fortic AI? Meet the latest evolution of Watson X. Want interface to unleash the power of your data for AI. Deliver quality data and integrate selessly across sources and environments, public cloud, private cloud or on prem. Unite and prepare yourstructured and structured data alike. Manage the entire data life cycle through a single user interface and it works within your existing text. Watson X.data lets you access, integrate and manage all your data for AI that fits your buiness. Because it's your AI it with the right dat. This is a defining moment. Generative AI has

arrived creating a once in a generation opportunity for business. Meet IBM Watson X an enterprise ready AI and data platform in three parts to help you train, tune and deploy AI models, scale workloads whever your data resides, and design more trustworthy AI workflows. Watson.AaiI is our studio for AI builders to help you create powerful AI applications in a fraction of the time with a fraction of the data. Start with IBM's foundation models or thousands of open source models from the Hugging Face Library and instantly begin working in our prompt lab. And with the ability to

add your own data, you can train, tune, and deploy generative AI and machine learning models with ease. Watson X.data data is IBM's next generation data store. Based on an open lakhe architecture, it brings together the flexibility of a data lake with the performance of a data warehouse to help you scale AI and analytics wherever your data resides. And Watson.gnance is a powerful tool kit for AI governance to help you bring light to the black box. Trace processes so you can explain your AI decisions. Monitor models for fairness, bias and drift and scale responsibly based on

principles of transparency and trust. We are in a moment and to meet it with confidence you need AI built for business. Wat? Let's AI to work. Only getting isolated results. Big games come from AI that works across your data and applications the AI built for business IBM. Not getting the results you expect. Don't use AI trained on any old data when you can use AI trained on your data. Todos e todas, estamos iniciando o AI Fórum IBM Brasil 2025. Para abrir este evento, vamos ouvir André Lopes, editor de Tecnologia e Inteligência Artificial da Exame. Bom

dia a todas e todos. Sejam bem-vindo ao AI Fórum Brasil 2025. Essa é a terceira edição desse evento que sinaliza uma parceria bastante concreta, inteligente entre a IBM e a Exame. Hoje, eh, a gente vai tentar de forma bastante direta mostrar como a inteligência artificial está modificando os negócios de forma concreta e na prática, trazendo exemplos e casos reais de quem está liderando esta transformação na linha de frente. uma transformação, inclusive por qual passa também a Exame, que recentemente eh fez a aquisição da SAMPOL, a escola de negócios, e conseguiu implementar ainda mais a inteligência

artificial no centro do negócio. Vocês conseguem hoje perceber a EA na Exame, nos diversos produtos que temos, inclusive as nossas graduações, os MBAs e também no conteúdo jornalístico que vocês consomem e já conhecem bem. Eh, eu queria também pontuar aqui que a gente tem ao longo do dia diversos aprendizados e também ensinamentos que vão conseguir trazer para vocês algo mais próximo e mais sutil da IA, porque a o tema central são os agentes de inteligência artificial que estão transformando esses negócios, estão ocupando ações e transformações que antes eram legadas somente às ações humanas. Aproveitem, esse

evento foi feito para vocês. Esse evento foi pensado para que vocês levem consigo o que a inteligência artificial hoje tem de melhor. Para dar continuidade ao nosso evento, eu gostaria de chamar o presidente da IBM Brasil e líder da IBM Technologies, Marcelo Braga, por favor. Muito obrigado. Obrigado. Bom dia. Bom dia. Bom dia. Que bom ver a casa cheia. Também quero dar o bom dia às milhares de pessoas que estão acompanhando a gente também pela transmissão online aqui do evento. E queria começar o evento esquentando aqui os tamborins porque vai ser um dia muito bacana,

com muitos insightes aqui pra gente. Sem o som não dá impacto. Eu volto, hein? Vou voltar fazer um vídeo tão bacana. Pessoal da mesa. Vamosar que vale. Vale de novo, de novo, de novo. Começando. Bora. Agora sim. 230 m fuel injective data processing machine sensing heat pressure friction fuel producing more than a million data points every second these are not just driver these are virtuosos conducting a symphony of speed precision and control harassing the power of a thorses capable ofing chaos with vision endurance and split decion these are not these are a fire breathing cultural

phenomenon a sea of red a family bound by passion with sky high expectations and a fierce devotion that transcends generations and geography this is not just an app it's an aied platform a window into the unique world of scooteria ferrari HP a digital engine of growth and engagement translating data into insight and feeling a fan base of millions around the world the new SCIA Ferrari HP digital experience with AI generated content and insights built when I Watson X a pena, né? Quando a Big Blue se junta ao Corza, né, o rosso Corza da Ferrari, né,

o vermelho de competição, acho que forma uma combinação super bacana. E aqui mostra, né, mais um exemplo de como eh diferente do que a gente sempre mostra de exemplos aqui de do nosso mercado, como é que o uso da IA, inteligência artificial, dados pode mudar completamente a experiência ah das pessoas. E aqui uma base enorme, né, Ferrari, eh, mudando completamente aqui e a Fórmula 1 subindo tanto. Um orgulho muito grande nosso aqui nessa discussão. Mas agora vamos começar de verdade aqui o que que a gente veio fazer hoje, né? a discussão de inteligência artificial tomou

conta de todas as discussões e a gente que acompanha esse mercado já algum tempo, essa era uma discussão que era nas áreas de inovação das empresas, nas áreas de tecnologia, uma área ou outra mais inovadora e agora basicamente tomou o centro das discussões do bote das empresas, das diretorias sên das empresas, os conselhos e agora chegou a hora de ir para um novo patamar de escala. E a gente ama. Ei, ai. Eh, aqui a gente tá nessa jornada há algum tempo, muita coisa veio evoluindo e esse é o tópico aqui dessa discussão. A gente viu

claramente que todo o avanço que a gente viu da IA nesses últimos anos veio de treinamento da EA em dados públicos. nos nossos nossas estimativas, nossos estudos mostram que menos de 1% dos dados das empresas já estão treinadas dentro dos modelos de ar. Então o que que significa? Que todo mundo pode fazer a mesma coisa tendo o mesmo prompt porque tá todo mundo usando a mesma informação. E o que o diferencial das empresas são seus dados? como ela trata o cliente, como ela entrega serviços, como ela se posiciona no mercado. Então aqui agora chega o

momento de que o dado público se junta com a o dado privado para levar a IA para um outro patamar. E aí a gente vem numa discussão muito interessante quais, o que que a gente tá vendo de quatro mudanças dentro desse aspecto de inteligência artificial que estão dominando a pauta hoje da discussão aqui como um todo. Acho que um primeiro ponto que é muito interessante que vai ser discutido todos esses pontos aqui, a gente vai aprofundar um pouco mais ao longo do evento. Então, só dando aqui um spoiler do que que a gente vai ver.

Primeiro, todo mundo ficou maravilhado com os modelos de linguagem ampla, os LLMs, como eles conseguiam responder a qualquer tipo de discussão, a, né, uma coisa mágica ali de vincular dados de todos os lados. Isso aqui foi o salto para chamar a atenção no tamanho do potencial do uso de a generativa em qualquer campo das empresas. E aí vem agora uma evolução dessa discussão, que é como você constrói ou usa modelos menores que gastam menos dinheiro para ser treinados, menos estruturas de data centers para serem consumidos, alucinam menos. São mais especializados para fazer isso acontecer de

uma forma mais eficiente. Eu trouxe um exemplo aqui um pouco incomum. A gente normalmente traz exemplos, né, de atendimento a cliente, de operação dentro de banco, de varejo. Trouxe aqui um exemplo da L'Oral. E por que que esse exemplo é tão bacana? Porque eu acho que mostra claramente essa discussão de ag de modelos menores especializados no contexto deles podem ser mais eficientes. Que é muito diferente você tratar numa indústria de cosméticos, que é uma discussão sobre químicos, sobre origem de eh de todos os os componentes que vão fazer um perfume, um creme. E a L'Oral

treinou um modelo, ela tem um objetivo de tornar seus produtos cada vez mais biodegradáveis, mais sustentáveis, de uma economia circular. E a gente ajudou dentro do projeto deles a treinar o modelo que vai ajudar o time deles a construir novos produtos, olhando todas essas informações e cruzando de um jeito diferente. Agora, trazendo aqui pro popular, eu gosto muito de falar que quando a gente fala de L de LLMs versus modelos curtos ou os SLMs, esquece esse tanto de letra, porque isso aqui é super complexo para explicar para quem não tá dentro da parte técnica da

IA. Para mim é muito mais simples. Na hora que a gente fala como um advogado escreve e monta um texto, um juris de case, é completamente diferente de como o time de vendas fala, de como o time de finanças fala, de como o time de RH fala. Então o economis, o jurídic eles precisam ter as suas particularidades para que de fato o resultado da IA generativa saia do jeito que a gente quer então aqui a a vantagem não é não são escolhas exclusivas de usa um ou outro, mas de ter disponível para cada necessidade, para

cada aplicação, para cada pessoa que vai usar e a generativa ter disponível modelos amplos quando você precisa de amplitude, modelos específicos. quando você precisa de eficiência, assertividade e alucinações de forma muito controlada, porque quando você tá atendendo o cliente, você quer responder e resolver o problema dele. Então aqui a gente vê uma tendência super clara dessas opções surgindo já de uma forma numa escala diferente. E aqui entram, né, o assunto do momento, os agentes de A. os agentes GA de fato tão tomando uma proporção, né, e um palco dentro da discussão de a dentro das

empresas, eh, de uma forma muito rápida. E por quê? Porque é diferente quando a gente falava de IA como um todo, que tinha que ter uma curadoria complexa, que tinha que ter uma estrutura muito sofisticada para essa discussão e ela foi fundamental para chegarmos até agora. Agora, quando você chega num agente GA, a gente tá dizendo que você qualquer pessoa consiga montar um agente com nenhum código ou pouco código, low code, no code, integrando diversos sistemas corporativos de dentro da empresa, de outros componentes, SAS ou outros serviços como um todo, de uma forma muito mais

simples, de forma que você distribua e democratize de fato o uso de ar em escala dentro das empresas. E aqui a gente fez um anúncio o mês passado durante um evento nosso, o Think, né, o o Watson Orchestrate. a gente consegue criar agentes corporativos dentro das empresas para negócios, menos de 5 minutos, conectando já 150 fontes, né, desde um SAP, um CF sinal, um sales Force e diversas centenas, na verdade, de outros agentes já todos pré-construídos ou os clientes podendo desenvolver os seus próprios conectores e a gente orquestrando, garantindo rastreabilidade, segurança e governança dentro dos

agentes. A gente vai falar bastante sobre isso aqui ao longo do evento, mas esses agentes já préconstruídos aceleram demais a possibilidades e os retornos do que que pode ser feito aqui como um todo. Depois a gente vem por uma questão que a gente também já discutiu há algum tempo, mas agora eu acho que chegou o momento de maturidade dessa discussão, que é uma estratégia de a aberta e híbrida. Todos vocês viram quando acontece um lançamento de um modelo de uma IA nova que ninguém esperava numa sexta-feira, numa segunda-feira, o mercado de tecnologia caiu um meio

trilhão de dólares. Por quê? Porque a SEA trazia um conceito de gastar muito menos tempo de processamento, muito menos infraestrutura e a gente disponibilizou o Deepsic dentro da plataforma Watson X na segunda-feira. E o que que isso aqui traz de vantagem? Não é usar o Dipsic, usar o o Mistr, usar o Hangen Face, usar o lama da Google, usar o granite da IBM. É você ter a opção de usar qualquer um deles baseado no que você precisa. Não é uma escolha de modelos que você entrou, porque hoje ele era hiper eficiente, era o melhor que

existia, mas talvez nessa sexta-feira apareça o novo. E eu brinco você tem duas certezas na vida, né? Um dia não estaremos mais aqui nessa terra. O segundo é que vai ser uma lançada um EA essa semana, né? Então a gente tem que estar aberto, atento, mas trazer toda essa inovação, todo esse vanguardismo para dentro das empresas e mantendo a mesma solidez de governança eh e condições de usá-la de uma forma segura. E aqui a gente vê alguns estudos que mostram isso aqui funcionando de um jeito diferente. O retorno de quem usa plataformas abertas e tem

essa opção de evolução é é três vezes maior, segundo os nossos últimos estudos, a gente vê claramente essa tendência tomando conta de quase todas as discussões dentro das empresas. E aí, além de ser aberta, de você poder usar o modelo que for mais conveniente, mais eficaz, mais barato, cada um define qual é o adjetivo ou predicado que faz mais sentido pra empresa naquele momento, vem uma discussão de ser uma IA híbrida. E por que uma IA híbrida? Porque a gente tá vendo aplicações podendo ser desenvolvidas em diversos aspectos. Pode ser num ed computing, que é

a computação de borda, perto da onde o dado tá sendo criado, baixíssima latência, pode ser dentro do seu celular, pode ser em uma nuvem, em várias nuvens, que agora já tá começando regulamentação dentro de vários setores, obrigando a setores regulados a terem contingências e nuvens distintas. pode ser entre nuvem e o ambiente on premises e que vocês têm, porque a discussão dos dados, talvez o ponto mais importante aqui nesses conceitos aqui como um todo, a A se alimenta de dado, então ela tem que estar perto dessa discussão porque senão é muito mais complexo essa gestão

e os dados estão espalhados em vários ambientes, em várias plataformas como um todo. Então, de novo, ter o poder de escolha, o não locking, para que vocês possam evoluir e possam tirar proveito de fato do melhor. A característica de ser híbrida e aberta é absolutamente fundamental. E um tema que a gente também vem trabalhando alguns, possivelmente uns três ou 4 anos, mas eram mais tendências, agora a gente já vê com uma mudança, é a discussão de como já e há, mas de forma que tenha governança e transparência. O começo dessa discussão era sobre dilemas éticos,

era sobre regulamentação, era sobre como botar arcabolsos que orientassem o uso da IA. Agora que ganha uma determinada escala, a gente vai para um outro patamar, que é um patamar que na hora que você tem diversos agentes trabalhando, o que que cada um tá fazendo? E quando a gente cria agentes, todo mundo tem na cabeça o agente fazendo exatamente o que ele foi programado para fazer. E a gente esquece que tem um pessoal que usa e tenta fazer de um jeito diferente. Então, de repente tem uma gente que cuida de RH e pode ter um

prompt injection, muito técnico, mas no final do dia é manda um comando que ele vai processar, mas não deveria. Era o que acontecia com os bancos de dados quando começou a os aplicativos de internet, de fato. Eh, aqui acontece a mesma coisa. Então, como a gente organiza, como a gente detecta, como a gente vê exatamente como cada uma dessas inteligências artificiais são trabalhando, como é que a gente cria uma plataforma de governança, porque se à medida que as empresas começam a adotar cada vez mais e a hora que tem um problema, você tem que ter

uma plataforma para resolver e restabelecer rapidamente a disponibilidade. não tem opção de falar, ó, segura, passar dois, duas semanas, volta quando tá tudo baseado em cima de plataformas de Ajú. Então, a gente tá indo para uma outra demanda. A governança, a transparência se soma à discussões de regulamentação e as discussões éticas, mas agora claramente com uma demanda de negócio, uma demanda clara de para ter escala tem que ter governança como um todo. Isso aqui é um teaser do que que a gente vai discutir hoje. Eu tenho o prazer de chamar aqui ao palco o Renan

e o Dante, professores da Singularity University, dois expoentes aqui dessas discussões de aqui junto com a gente no mercado como um todo. Meus amigos, bem-vindo ao palco. Obrigado, meu amigo. Coisa boa. Obrigado mais uma vez aqui na casa. Agradeço a mais uma vez o convite, a confiança. Agradeço, Braga. Eh, para aqueles que estão assistindo, a gente já tá com mais, eu acho que 1500 pessoas, acredito eu. Enfim, você tá bonitinho, inclusive tá muito bonito, tá elegante. Eles dois trocaram hoje. Normalmente quando você vê o D, agradeço. Vi uma roupa especial paraente especial de verdade. É

isso. B um palco e eu também. É isso, Braga. É isso. É um pouco, eu vi o contrário. Você vê o de Dante, né? Diria. Enfim, vamos. Qual é, qual é a questão, rapaz? Tem muita novidade aí que a gente viu, né? A gente já vem acompanhando a IBM há muito tempo. Braga, recentemente tivemos do Tink também. Eu confesso que a minha sensação de chegar ao Tank Braga foi como chegar na Disney Lâia, assim, no Disney World. Para mim que sou nerd, que amo tecnologia, eu me senti com várias montanhas russas, com vários brinquedos, com

várias possibilidades. E a gente que gosta de adaptar uma tecnologia todos os dias, a gente sentiu que existe essa abertura pra gente poder brincar com todas elas com segurança. Isso foi muito especial. É um play, um play safe, né? Você começa, eu lembro minha, minha filha agora foi pra Disney e ela não poderia, queria ir uma montanha russa, só que a montanha russa tinha as regrinhas dela ali, né? Então 1 e14 não entra, ela chorou. um bocado, mas ali era o tava seguro, tava garantindo. Aí disqui a pouco, 5 anos depois você vai, minha filha,

então tá tudo certo. Enfim, como é que a gente faz para resolver? Tem um tem um problema, um desafio, né? Tem um desafio. A gente tem percebido muito, a gente que anda nas grandes empresas, é essa necessidade de você de da das pessoas se adaptarem e passarem a entender e a usar e a experimentar, eu acho. A Ia então, mas só que tem um gap muito grande, primeiro até pela velocidade que você diz, toda semana lança um IA. como é que eu faço, né, para conseguir, né, primeiro tá atualizado o que que a IBM tem

feito, né, para conseguir ajudar os trabalhadores dessa nessa nova era, a numa era moldada, influenciada pela inteligência artificial, a acompanhar um pouco isso. Eh, Braga, como é que que você dá de dica aí para só só dar um contexto nessa pergunta. A gente sabe que teve um estudo recente da IBM que os executivos faltam 47% dos seus colaboradores, eles sentem que não estão preparados para protagonizar a adesão, a transformação. Isso gera uma angústia e a gente tem perceber essa angústia no mercado, né? Eu acho bom, isso acontece com todas as empresas, inclusive com a gente.

Então, acho que tem dois pontos aqui super importantes. Primeiro deles é essa curiosidade, é a vontade de aprender, que é diferente de tem que fazer, tem que fazer um treinamento obrigatório que todo mundo deveria fazer ou é estipulado que seja feito. É muito diferente de você perceber que a coisa tá mudando, que dá para fazer o trabalho de uma forma muito diferente e ter a curiosidade, a iniciativa. Eu acho que esse aqui é o primeiro item que diferencia a quem vai surfar a onda à frente de outros. O segundo ponto é essa consciência de que

a IA não é para tecnologia e não é só pro negócio, é para todo mundo. Então a gente tem já esse vai ser o quarto ano que a gente faz dentro de casa, a gente chama lá de Watson X Challenge. é um convite para todos os funcionários da IBN, independente se é de desenvolvimento de hardware, de software, eh, se é a minha assistente, é todos e qualquer um podem participar, criar seus grupos, definirem. Esse ano vai ser uma discussão de como tornar o nosso dia a dia melhor. Então qualquer grupo entra, vai ter um enable

mental ali das ferramentas, mas a minha assistente que tem 50 anos, maravilhosa, de casa, de casa, de casa, esse fence também tá num grupo com mais cinco pessoas discutindo como é que ela faz o mais fácil conciliação de reembolsos e uma série de coisas que tomam um tempo grande da vida dela e que soma muito pouco, que ela podia estar fazendo outras coisas que ajudassem muito mais. Vai fazer mais 50 anos com Iá, né? Ela vai fazer pois e olha que ela pega tempo que veio na ficha, né? Então vem uma uma amplitude aqui que

eu acho muito bacana de ter essa inclusão, de ter essa possibilidade de qualquer perfil eh ter ganhos. Mas de novo, tem que ser curioso, tem que querer tá dentro, porque aí a mágica acontece muito mais rápido. Cara, fantástico. Eu gostei muito dessa não obrigatoriedade, na verdade o seguinte, é pra vida, né? Então é essa sacada eu acho que faz você se motivar e aguçar a curiosidade para você adentrar nesse mundo. Fantástico. Braga. Coisa boa. Obrigado. Muito obrigado. Agradeço aí esse essa essa essa mensagem de calmaria, né? É uma mensagem de calmaria. Esse lugar de dos

slides que eu mais gostei seu foi aquele eu amo Iá. Eu acho que o amo Iá é muito forte pra gente porque essa curiosidade é mais fácil agora, porque a maior parte das tecnologias que outrora eram criadas, elas eram meio chatas. Você tinha que ter treinamento, você tinha que ter uma especialização maior. Normalmente era aquilo pro time de CPD, de dados, de TI e agora não. Em todas as casas, em todas as famílias, em todos os lares, todo mundo tá usando. Então eu acho que essa democratização, esse acesso tornou mais amigável, mais apaixonante. Fica mais

fácil. A era do faço é você mesmo, né? É isso aí. É isso. Te queria fazer. Boa. Obrigado, Braga. Maravilha. Obrigado, gente. E agora, Renan, quem vem? Quem vem? Não, acho que dentro dessa desse rolê, é, a gente vai convidar o nosso próximo participante aqui, espetacular. Ele sempre nutre a gente de novidades. Ele é tipo The News, um canal de novidades para mim e para Dentes. A gente sempre gosta de estar à frente do tempo. E o Viola é essa pessoa que é portador desse futuro. Então vamos chamar ao palco Thiago Viola, diretor de inteligência

artificial da IBM Brasil. Vai se embora, Viola. Arras aqui é contigo, cara. Eu quero fazer uma pergunta para você antes. O Braga tocou ali no ponto dois o ponto de agentes. Eu sou maluco, eu me sinto meio infinito usando um monte de agentes, quase como homem de ferro, com minhas jarves alavancando, me exponencializando. Você vai tocar nesse ponto? Isso vai transformar o mundo, isso vai fazer com que eu não trabalhe mais? Me explica um pouco sobre esse. Com certeza para todas Com certeza para todas as perguntas que você fez. Primeiro pessoal, bom dia. Mega prazer

estar aqui com vocês mais uma vez. Eh, o pessoal que tá online também. sabe, uma reflexão, né? O ano passado a gente tava aqui mais ou menos na mesma data, acho que dois, três dias antes do que a gente fez esse evento. E um pouco do que o Braga comentou, a gente discutia justamente o impacto da IA Generativa, como a IA Generativa trazia ganho, produtividade, o quanto ela conseguia transformar o mundo corporativo, o mundo dos negócios. E a gente passa literal um ano, a gente olha toda essa discussão de LLM, SLM, verticais, horizontais, a gente

já tá suprido de informação, a gente já tá OK. Novidades vindas e agora a gente cai no mundo de agentes de AI pra gente conseguir escalar e transformar. Então é exatamente o que eu vou contar aqui para vocês. Então arrasa, manda ver aí, acompanha aí gente, ó, aqui comentar pessoal em casa, divirtam-se. Vamos simbora. Obrigado, mais um. Vamos lá. Bom, pessoal, mais uma vez aí legal de est ter vocês aqui. Ah, a gente vai falar justamente sobre todo o impacto que os agentes de AI t transformado e tem trazido no nosso mercado como um todo,

né? O Braga comentou um pouco sobre essa real transformação que a gente vem vendo e é natural que muito dos agentes de AI vai premiar as empresas em diferentes indústrias, em diferentes segmentos e tudo que a gente vem acompanhando ao longo do tempo. Uma pesquisa recente que a gente fez como IBM, 85% das empresas vão ter ou já estão utilizando agentes de AI até o final deste ano. Então o fato é, se você não tá usando, você provavelmente tem seis meses para conseguir aderir, conseguir tirar valor, porque a gente já tá num período curto aqui

do ano, mas que os agentes EAI realmente vão transformar e vão trazer muita produtividade do que a gente olha um mercado como um todo. E olhando tudo isso de um de um patamar diferente, por que que os agentes de AI vão trazer essa transformação para nós? Por que que a gente vai ganhar tanta eficiência, como o Braga comentou, de poder ter uma amplitude, principalmente no mundo corporativo? O primeiro passo, de forma bem simplificada, o que a gente tem hoje no nosso trabalho de dia a dia são múltiplas aplicações, múltiplos dispositivos pra gente poder tirar valor

de cada um deles. Então, imagino que na empresa de vocês, se você for pedir férias, você vai acessar um sistema. Se você for fazer uma venda, você vai acessar outro. Se você for fazer um pedido no estoque, você vai acessar outro sistema. E essa composição para nós era muito natural. A gente vem vendo isso ao longo dos últimos 70 anos como tecnologia. Só que quando a gente traz essa complexidade, toda essa informação para dentro de casa, a gente começa a olhar que a nossa produtividade desce, a nossa eficiência operacional começa a ser deixada de lado,

porque a gente começa a não ser tão produtivo e resolutivo no que a gente precisa ser. Por isso que quando a gente entra com a parte de agentes de AI, a gente tem dois imperativos extremamente estratégicos ao falar de agentes de AI. O primeiro deles é que a gente toca literalmente no tema de eficiência operacional e produtividade. É o quanto eu vou poder entregar de tempo, de utilidade para que vocês possam trabalhar efetivamente no que é importante pra empresa de vocês. É como se eu pegasse todas aquelas telas que eu comentei no slide um, tudo

que era front end vai virar back end. Tudo que eu fazia através de cliqus, eu deixo para entrar literalmente num assistente, como vocês estão vendo aqui na na nossa direita, sobre uma interação, uma conversação para que eu possa ter resultados gerados. Então, o exemplo aqui, estamos todos presentes, tem uma lista, tem uma série de pessoas aqui, porque durante essa nossa interação a IA já não vai lá, já faz uma listagem, define algumas atividades, já manda o e-mail, já envia a apresentação para vocês, para que todos que saiam daqui ao sair já ten isso na mão

para poder ser executado. Então, é desse grau de intensidade, é desse grau de velocidade que a gente tá falando ao entrar em AI. Então, a pergunta do Renan e do Dante, ela é muito pertinente, porque quando a gente olha toda essa essa evolução que a gente tá falando, a gente entra numa nova seara literalmente de System of Intelligence, ou seja, a gente tá entrando num período aonde simplesmente procurar por um BI, procurar por um relatório e acessar um sistema te faz perder tempo. Então eu vou te colocar numa seara, onde a conversação, como nós todos

seres humanos trabalhamos até hoje, é a parte mais rápida, é a parte mais fundamentada e talvez seja a primeira vez que a gente tem visto uma quebra de paradigma onde criar conteúdo é mais rápido do que ler e entender. Porque criar o conteúdo hoje você entra num assistente, pede para ele criar. Se você tiver com os dados bem manipulados, você pede um relatório, ele cria. E tudo que a gente vinha ao longo do tempo, como system of records, system of Engagement, system of insights, isso tudo entra numa caixinha para que a gente possa tirar valor

útil. Então, CRM, o RP, toda a base de dados que antigamente você tinha, tá ótimo, elas vão servir como base para que a gente possa entrar e de maneira conversacional consiga extrair todos os resultados. E aí é óbvio que quando a gente evolui essa conversa e a gente entra no que a gente tem visto de inteligência artificial, o primeiro passo foi a gente entender que é legal fazer um prompt, é legal fazer uma pergunta e utilizar isso no nosso mundo como B2C, mas a gente tá falando de corporações, a gente tá falando do Maya para

negócio. E o primeiro item que quando a gente começou a utilizar foi questionado foi responsible boi. Como eu tenho uma IA responsável, aonde viés, aonde alucinação, aonde drift, aonde baias, tudo isso acontece e ela tem que ser remediada e tem que ser tratada. Então, olhar todos os treinamentos que foram feitos com os dados e modelos de LLM, como que vocês tropicalizam e inserem isso no seu sistema, no sua IA para dentro da sua empresa. Então, essa foi uma discussão corrente e é uma discussão que a gente vem acompanhando o ciclo evolutivo dela. O segundo ponto,

como eu gerencio se efetivamente a IA tá trazendo o ROI que eu espero? Aí é ótima, ela responde, ela funciona. Mas será que aquele LLM gigante com múltiplos tokens que responde tudo é o que a sua empresa precisa? Será que ali, através dela a gente não tem uma oportunidade de fazer, como o Braga comentou, um modelo menor, o modelo mais enxuto, modelo mais dedicado, o modelo onde a gente vai conseguir trazer informação de maneira mais rápida, mais prática e principalmente mais precisa. Então esse tipo de questionamento começou literal a começar a evoluir e ganhar principalmente

maturidade no nosso mercado de tecnologia. E qual o momento que a gente tá agora? é o momento de escalar, porque se tudo que a gente vinha falando até agora era tratativa, era gerenciamento, era eu entendo aí, ah, chegou o momento agora de dar o pontapé e literalmente partir pra produção. Nós temos inúmeros casos hoje de clientes já utilizando e tirando proveito. E essa combinação do que antecede, que eu comentei, faz parte da essência vital de qualquer corporação. Não dá para utilizar a IAI se eu não tenho uma parte responsável dela funcionando, se eu não tenho

os custos em dia e se eu não consigo escalar literalmente a IA para todo o mercado. E aí quando a gente olha essa perspectiva, vamos aterrizar, né, pra gente ir um pouquinho mais profundo como a gente tem feito isso de maneira prática. Aqui tem três verticais usuais que a gente normalmente usa com os nossos clientes. O primeiro falar sobre conversacional. Então o conversacional vem lá do histórico do Watson de 2011212, aonde a gente dedica uma conversa, faz uma área de decisão, necessita de uma curadoria. Isso funciona e isso tem muito trabalho, muita empresa ainda utilizando

e o seu valor útil aqui. Por quê? Porque se você tiver uma pergunta simples, uma pergunta, uma resposta, é aqui aonde é mais barato, é mais funcional, é mais rápido e a entrega é melhor. Mas se eu quiser fazer uma criação de alguma coisa, não, Viola, eu gostaria de fazer uma ultra personalização de uma resposta, ultra personalização de um conteúdo. Eu quero dedicar uma linguagem mais natural, então a gente vai no meio, a gente vai ali literalmente no que é a IA generativa. Então eu consigo produzir mais resultado, personalizar e trazer respostas mais abrangentes do

que eu espero com o conteúdo. E aí faltava alguém nessa conta, porque a gente já conversou, já criou, já perguntou e faltava alguém para fazer o quê? Para executar. E os agentes de AI literalmente entram nessa lacuna. Quem é que executa depois de toda a nossa conversa? É o agente de AI. Então o agente de AI vai tornar real, ele vai tornar produtivo literalmente tudo que a gente tem feito aqui. E para não passar que os agentes Gais podem possam parecer mágica, tem muito ferramental por detás dos agentesi. Tem automação, tem ferramental de machine learning,

tem ferramental de a generativa, tem todos os modelos, LLM, SLM, tudo que a gente falou já há pouco aqui. Só que de todas essas informações que a gente tem nos agentes, tem uma que é a parte vital, que é o coração literalmente do que a gente vem comentando, que são os dados. Os seus agentes de EA, eles vão responder, eles vão trabalhar, eles vão trazer a resposta que você precisa. Sim. Só o que antecede os agentes de AI, ele é tão importante quanto o agente. Se os dados não tiverem calibrados, se os dados não tiverem

acertados e os dados não tiverem direcionados para você responder de acordo com que a sua empresa espera a possibilidade de ter respostas não conclusivas ou respostas que não vão de acordo com o que você espera, são altas. Por isso que o Braga comentou que essa combinação toda ela faz sentido e que a gente tem por estudos somente 1% dos dados corporativos estão literalmente fazendo parte dos modelos. Então vamos imaginar que você usa uma camada de agente e esse agente tá treinado pelos modelos que estão na internet. Se você precisar de uma verticalização da sua indústria,

do seu segmento com os seus dados, talvez não seja o melhor agente e o dado público. Talvez seja melhor você fazer a criação de um agente. E nós vamos mostrar isso daqui a pouquinho, como ele vai ser feito. Então, a ideia é como eu preparo literalmente os dados para que os agentes e toda essa esteira esteja preparada para literalmente conseguir ganhar os próximos passos. E aí quando a gente fala de dados fica meio abstrato, né? Às vezes a gente fala: "Não, tem que preparar os dados". Todo mundo balançou a cabeça aqui. É isso aí, viola.

Vamos lá. Só como que a gente vai executar isso? Então, a gente preparou uma visão eh macro, né, de como a gente olha justamente essa estrutura de dados. Então, se vocês olharem da esquerda pra direita, a gente tem sempre tem uma camada de sece, ou seja, uma camada da onde você vai inserir os dados. Então, RP, dados operacionais, tudo isso funcionando. Aí você tem uma camada de ingestão, né, aonde você vai trabalhar com os dados normalmente e em bet, em D+ 1, D + 2, depende da analogia de cada um. A gente entra lá na

parte de DW, lá no data warehouse, é onde a gente tem uma arquitetura stage work dimensional para poder ter os bancos de dados operacionais e a entrega. Só que esse desenho aqui não entrega o que a gente precisa naquele item três que eu comentei, que é o item de escala de AI. Se a gente quiser escalar de um agente para 1 milhão, nós precisamos evoluir esse papo de dados. Nós precisamos evoluir essa contextualização da arquitetura. Por isso que quando a gente olha isso num ciclo evolutivo, a primeira coisa que acontece é que a gente vai

ter fontes diferentes. Nós vamos acompanhar aqui que agora é normal ter os seus dados eh estruturados ou não estruturados no S3 da Amazon, utilizar o OneDrive, um Fionet, um box, ou seja, eu posso ter dados, eu posso ter foto, vídeo, áudio, texto, eu posso ter uma série de informações que antigamente não tinha e tava estruturado de forma legal. eu começo a ter uma necessidade de cada vez mais ter dados em real time. Eu não quero esperar o D +1, D -1, eu não quero ter o dado desatualizado. Então eu preciso de algo que tenha uma

frequência direta trazendo informação para nós. A mesma coisa com a estrutura de banco de dados. E a gente olha aqui justamente essa mudança e aí a estrutura de medalha que a gente chama, né, de bronze, silver e gold, para dar prioridade, para falar de custo, para falar exatamente de onde eu entrego o melhor resultado de cada um. E aí quando a gente olha essa evolução de falar de DW, tem um carinha que aparece ali no canto que é literalmente o maior consumidor de todos esses. Porque se antigamente a gente precisava pedir um relatório, fazia um

BI, fazia um dashboard, agora os agentes podem consumir esses dados a qualquer momento. E ele pode consumir indiferente de qual seja a base, indiferente de qual seja a estrutura. Por isso que a gente evolui o que é o DW para um Lake House, aonde a gente olha que é normal hoje para as empresas a gente ter um mongo DB, um Postgreas, um uma Aurora, um C de novo, um object store, ou seja, eu tô abrindo o meu espectro de onde eu vou trazer os meus dados. Isso é importante porque pode ser que eu tenha dados

que são viáveis para aplicações, pra internet, pro meu backoffice, pro meu fornecedor e eu consigo literalmente verticalizar e entregar esse dado de maneira mais funcional. Só que ainda não é suficiente, porque se a gente tá olhando de novo aquela camada dos agentes de AI, falta para nós alguns layers de entrega mais rápida, ou seja, eu quero ter uma uma entrega mais rápida dos dados, um layer através disso. E a gente falou bastante sobre o uso efetivo da IA generativa. E a gente sabe que fazer fine tuning ou fazer hag já é algo trivial do que

a gente vem evoluindo nesses dois anos. Só que se é trivial e o Fet Tune é caro porque precisa de GPU, precisa de máquina, precisa de de hardware, por que não fazer hag? Mas eu preciso de uma estrutura para poder suportar tudo isso. Então, ótimo, evoluímos a estrutura, agora a gente já tá falando de multiengine lake House e esse processo todo tem evoluído. E é ótimo porque agora onde a gente tá nessa fotografia, a gente consegue começar a tirar valor e de novo o uso prático dos dados da AI. Só que ainda falta um elemento,

porque se os agentes de AI quiserem pegar todas essas informações que aqui estão, eles vão precisar de um próximo passo, que é um barramento, que possa tudo isso ser fácil, acessível e que literalmente tenha custo baixo e consiga entregar todas essas informações de maneira rápida. Então, esse é o ciclo evolutivo, esse é os a a maturidade de dados que a gente precisa em diferentes layerses, em diferentes entregas, para que a gente consiga preparar as informações, os dados e aí sim trabalhar com os agentes de AI. Tem três passos aqui que são extremamente importantes: ingestão do

dado, curadoria e governança e literalmente os dados aqui, a entrega para IA para poder escalar, tá claro? E aí, lógico, pra gente poder mostrar isso funcionando, eu vou trazer um vídeo aqui, eu vou comentando no fundo. Esse é um vídeo aonde a gente tem ah justamente a inserção dos dados sendo feito ali por um box. Vocês vão perceber que tem alguns arquivos em PDF, algumas invoices que a gente coloca, tá? Então ele vai fazer aquela mesma estrutura que a gente mostrou. Ele foi no box, colocou uma máscara ali de PII, ou seja, de identificação que

ele tem, fez a ingestão dos dados e postou os dados lá na camada do OSON X data, né? Esses dados foram todos eles catalogados, todos eles classificados e eles trazem uma primeira informação então no que foi encontrado dentro de cada invoice, tá? Dentro de cada invoice ele traz um número infinito de informações, né? Pode ter data, pode ter hora, pode ter número. Então, toda essa classificação ela é importante. E aí eu começo literalmente através do meu bote a interagir com a a esse sistema todo que a gente montou. Então, faço uma pergunta básica do que

tem ali na Invoice, se tem algum problema. de um documento que tava dentro dela e se eu tenho algum incentivo ou alguma penalidade referente à aquela SKU, aquele item que tava dedicado explicado no formulário, né? E aí, olha só que interessante, ele fala: "Identifiquei uma oportunidade, essa invice aí, ela foi identificada com um pagamento eh eh adiantado de 30 dias e aonde a gente tem um pagamento de 60 dias. Ou seja, esse é um trabalho que normalmente se a gente fosse fazer a gente executaria, mas eu precisaria abrir o sistema da invice, pegar a invoice,

olhar, pegar o contraponto, fazer. Em duas perguntas, em mais ou menos 15 segundos que tem o vídeo, eu recebi a resposta com essa oportunidade. E a partir daí o meu ponto é simplesmente entregar. Só que tudo isso só foi possível porque literalmente o que tava por trás do preparo dos dados, da maturidade dos dados, estava pronto, estava literalmente adequado pra gente conseguir sair. E é por isso que essa combinação entre dados e agentes é onde a gente entende que quando ela pegar uma rota de uso prático, é onde a gente vai conseguir escalar de uma

maneira nunca antes vista no uso da dos agentes de AI. Agora vamos pros agentes, vamos falar deles, vamos olhar como os agentes têm evoluído. Então acho que não resta segredo aqui para nós que os agentes eles são a parte fundamental de trabalho, de execução. Então os agentes eles trabalham de um modo aonde eles eh recebem feedbacks positivos e negativos. Já diria meu filho que tá lá em casa, você dá um like ou não dá um like, ele aparece uma um ponto positivo ou negativo pro a gente saber se ele tá funcionando certo ou se ele

tá funcionando errado, né? Então ele tem a unidade de feedback, todo ele pronto, assim como um aprendizado contínuo. Conforme você vai dando assertividade que ele tá indo no caminho certo, ele continua essa execução. Se você tem algum ponto que ele sai fora do comum, ele põe esse aprendizado, refaz a contabilização dele e aí entrega o conteúdo de novo. E tudo isso acontece normalmente de maneira autônoma, né? a gente não traz isso como essência, eu preciso ficar indicando ou apertando o botão. Ele vai executar tudo isso baseado no pré-treino que ele tem. E o grande ponto

positivo é que é 24x7. Então o 24x7 literalmente nos traduz que a qualquer momento que alguém quiser fazer uma pergunta, uma interação, o resultado estará nas nossas mãos. Só que é claro que a gente às vezes fala de uma maneira simplória, falando de um agente, de uma uma execução, só que na verdade o que a gente vai encontrar daqui pra frente é esse mundo. Nós vamos encontrar um mundo aonde um agente não é suficiente. Nós vamos encontrar múltiplos agentes. Por isso, o tema de multii agents já é uma realidade. E a gente pode encontrar diferentes

oportunidades aqui. A gente pode encontrar ah agentes de terceiros, a gente pode criar efetivamente os nossos agentes, a gente pode trazer agentes que são de empresas já pré-qualificadas, como uma Seos Force, uma SAP, um work day da vida, só que tudo isso trabalhando de maneira conjunta. Como é que eu faço para ter tudo isso trabalhando de maneira organizada, orquestrada e governada? Porque na hora que der uma um suspiro no agente ou na hora que o agente tomar uma decisão, eu tenho convicção que todos nós falando de uma IA corporativa vai olhar e vai falar: "Ué,

mas como é que o agente tomou essa conclusão? a gente vai querer abrir o capô, olhar lá e falar: "Ah, tá aqui, ó, a explicabilidade dos agentes estão por baixo." E por isso que a gente fez o lançamento justamente do Watson X Orchestra para trazer isso como essência vital, para que você fique tranquilo desde o nascimento a utilização, a orquestração e a governança de todos os agentes de AI, não importa em qual estádio você esteja. E a gente sabe que essa composição, como o Braga comentou, vai ser usual. Vai ter coisa que vem da Open

Ey, vai ter coisa que vem da Antropic, vai ter coisa que você vai usar o Huging Face. E esse componente inteiro tem que fazer sentido para vocês, para vocês extraírem o melhor valor, para vocês tirarem o melhor conteúdo e poder ter tudo isso num cockpit único de gestão e governança. Por isso que quando a gente olha esse no cenário, tem quatro passos aqui que eu queria sugerir para vocês quando a gente olha o mundo de agentes de AI. O primeiro, tem muita coisa já criada, tem muita gente já pré-construído, tem coisa que a gente pode

já tirar proveito nessa primeira etapa e eu vou explicar como. O segundo, vocês não vão escapar de criar um agente, né? Um agente hoje é criado normalmente entre 3 a 5 minutos numa ferramenta no code. A gente cria. Eu trouxe um vídeo aqui acelerado, mas pra gente mostrar isso funcionando. A gente não vai escapar de ter tudo isso orquestrado, porque se entrar naquele modo de desenho que eu mostrei de ter um ou 1 milhão de agentes executados, a execução de cada um deles e saber como cada um deles está trazendo o resultado vai ser importante.

E por fim, mas não menos importante, é falar de governança. é como tudo isso vai funcionar, a explicabilidade, a transparência pra gente colocar tudo isso em linha de sucesso, tá? Falando do primeiro, então, sobre os agentes pré-construídos aqui, a gente publicou recentemente no FC, no nosso evento global, uma disponibilidade dentro do SS Work est state do que a gente chama de agent catalog, ou seja, o catálogo de agente. É aqui onde vocês vão encontrar mais de 150 agentes disponíveis, já especializados para que vocês possam tirar proveito. Então, sabe o que a gente fala? Olha, eu

queria ter um agente especializado no jurídico, um agente especializado no RH, um agente que possa me trazer uma informação mais apurada de vendas. Pois bem, dentro do nosso catálogo no Work Watson Orchestrate toda essa disponibilidade. Enquanto eu vou falando, vai passando um vídeo aqui atrás. Então, percebam que no vídeo do SS Orchestrate, ao lado esquerdo, vocês vão ver uma classificação sobre agentes de RH, de vendas, de procurement. E conforme eu for selecionando, eu fui num agente de vendas, ele vai permitindo que eu faça a classificação e, principalmente, que eu faça as inserções que fazem sentido

pro meu business. Então, eu posso colocar mais tools, mais ferramentas que por por algum motivo eu precise. Eu posso colocar algum documento, alguma instrução que faça referência para mim, eu posso trazer um conteúdo externo e, principalmente, eu posso dedicar esse agente para quem vai executar, se ele é uma pessoa, um vendedor, um gerente, um diretor, um presidente de empresa, quem vai executar isso e qual a temperatura que a gente chega em cada um. Ou seja, respostas mais curtas, mais longas, execuções mais práticas, como você vai classificar todo esse agente para funcionar, tá? E aqui justamente

a inserção desse agente para que um gerente possa efetivamente executar a ação. Então percebam aqui num vídeo acelerado mais ou menos um minuto para que você possa começar a tirar proveito do agente inicial, colocar ele em modo produtivo, customizar ele com os requerimentos que a sua empresa tenha e colocá-lo online. Desse momento em diante era tão simples quanto eu entrar agora aqui na parte de assistente e começar a trocar, começar a perguntar e logicamente fazer o refino para que isso chegue num grau de assertividade esperado. E isso vai fazer muito sentido quando a gente fala

desse mundo híbrido, desse mundo aberto, porque cada vez mais vai ter uma necessidade de múltiplos ambientes, múltiplos sistemas e todas as empresas estão na direção de criar o seu próprio agente. Então, o que a IBM fez foi abrir o catálogo, trouxe, trouxemos bastante parceiros de ecossistema para que eles possam fazer a publicação dos agentes deles aqui dentro. Então, a gente fala de service, de Microsoft, de Trelo, de Oracle, de Slack, tudo isso disponível para que vocês façam um clique e a partir dele provisione, porque se você tiver num cenário aonde eu quero receber, eu quero

enviar um e-mail, viola, eu quero que o a pessoa entenda ou agente entenda o que tá acontecendo, saiba quem é faça o envio do e-mail, já existe um agente ali do Google, sende email, dois minutinhos, você aperta o botão e ele executa. É desse grau de facilidade que a gente tem visto. E para não deixar os de for para todo mundo fazer parte dessa festa, eu já volto no vídeo. A gente traz justamente o que a gente chama de agent connect, que é a possibilidade que vocês tragam os agentes para dentro da plataforma. Então a

gente já abriu esse no catálogo, a gente tá falando de Mastercard, estamos falando de service, estamos falando de inúmeros produtos e sistemas que trazem os seus agentes para dentro da plataforma. Pô, Viola, mas por que que isso é importante? Eu tenho convicção que cada um de vocês estão aqui numa indústria diferente, num segmento diferente, ao criar um agente, isso vai servir provavelmente pra sua indústria. Então, por que não disponibilizar, monetizar e trabalhar isso de forma colaborativa a todos, tá? Então, dentro do QR code aqui, para quem escaneou, ele te leva para uma página eh da

IBM, onde você faz um pré-cadastro inicial e a gente começa a trabalhar literalmente com isso. Então, esse é o ponto um. Esse é o ponto aonde eu consigo já tirar proveito de tudo que tá criado e de tudo que tá funcionando. O ponto dois é, uma vez que eu entendi que eu posso tirar proveito, mas e olha, eu gostaria de criar o meu agente, eu quero ir lá apertar o botão e fazer isso em 5 minutos. Como é que eu executo? Tem várias maneiras. Uma das maneiras que a gente eh mais tem visto acontecer no

mercado é uma ferramental no code. Ou seja, eu não quero precisar abrir prompt, abrir tela, abrir o Python para poder executar a meia dúia de comando e criar um agente. Então disponibilizamos uma ferramenta que chama agent builder, aonde você pode efetivamente criar os seus agentes através de botões. Você arrasta simplesmente o mouse e os cria. Só que existem outras derivadas. Eu posso ter no code, low code, procode. Eu posso ter uma infinidade de criações. Pensando justamente no conforto e na usabilidade, na agilidade. A IBM fez a aquisição da da Dattex recentemente, foi aprovado pelo CAD

e imagino que alguns de vocês conheçam o Longflow, que é justamente uma ferramenta de criação low code para uso de agentes. Então, do jeito que vocês estão vendo aí na tela, é o jeito que se faz a criação de um agente e faz a interligação dele. Eu posso ter código sim ou não, né? ele é low coach, mas a interface gráfica justamente de conexão, de ensinamento, de proposição do que eu tô fazendo, ele é simplesmente numa tela através dessa. E aí percebam que eu consigo conectar eh ferramentais que eu tenha como como uso. Eu posso

conectar outro tipo de agente e eu posso dar o play para literalmente executar o que eu tô testando em real time. Então não tem mais aquilo de termina a aplicação, ponho em QA, em dev, dou um enter, vê se ela tá funcionando. Eu faço tudo isso em tempo real. Então, observem, eu fiz ali é uma criação de alguns agentes, pedi para ele descrever IBM em três linhas, ele me descreveu e aí do nada pode ser que entre uma pergunta em chinês só para pedir para traduzir. E aí o nosso agente tem que estar preparado, não

para responder de de bate pronto, mas poder saber aonde tá aquela informação para ele buscar e responder num outro idioma que seja o chinês, o português, o espanhol, seja o que for. Então é esse grau de sensibilidade que precisa de agilidade pra gente poder trabalhar de novo num ambiente corporativo, tá? E para quem gosta, né, a IBM também disponibilizou o que a gente chama de agent development kit, que é pro pessoal de programação, pessoal desenvolvedor que realmente quer abrir tela, quer abrir código e desenvolver e trabalhar com os agentes. Então vocês têm aqui três possibilidades,

todas elas práticas, fáceis, rápidas, funcionais e que, de novo vocês podem tirar muito proveito do que já tá efetivamente criado. E indo nesse contexto, mais uma vez, para que nós tenhamos a mensagem clara, a IBM traz de novo protocolos, frameworks e e disponibilidade de diversos segmentos para vocês poderem fazer uso. Então, tá muito em vog, muito em discussão qual é o melhor protocolo para que esses agentes todos se comuniquem. A Antropic fez o lançamento do MCP. O MCP é um dos principais modelos aqui de protocolos de comunicação, assim como existem outros, o Hway, o P2T.

e tem vários outros nomes, mas o MCP já está disponível dentro da plataforma do Watson Orchestrate para que vocês possam tirar valor, ou seja, algo criado pela Antropic funcionando para que a integração dos de todos os agentes que vocês estão criando não passe por uma recreação ou principalmente não passe por um lockin que eu não possa sair dele depois. Continuando aqui, eu vou mostrar um pouco justamente dessa dinâmica, né? Então, entrou ainda no Workstate, vou acessar um os os modos fundacionais que eu tenho aqui. E aí vocês vão ver que ele vai trazer a a

lista, né, o catálogo todo que eu tenho aqui de modelos. E aí vocês vão ver que trazem, né, Antropic, eh, Open AI, né? Então todos eles eu consigo selecionar, coloco lá a base de API key, né, e o end point. Escolho efetivamente quais são os modelos que ele eu posso trazê-los para dentro da plataforma. adiciono ele aí dentro do do Watson X e aí eu posso começar a trabalhar também com este modelo, também com esse agente dentro da própria plataforma. Então, de novo, é como a gente entrega resultado, entrega disponibilidade na mão de vocês para

poder sair do outro lado. Passo três, viola, agora eu já sei que visitem agentes prontos, já sei como criar o meu agente. Agora chegou a hora do, vamos ver, chegou a hora de colocar tudo isso na esteira e desenvolver literalmente o uso prático dos agentes de AI. Quando a gente pensou justamente no orchestrate, foi como trazer uma organização, uma orquestração para tudo isso, porque na prática o seu usuário ele vai entrar por canais diferentes, ele vai começar a fazer acesso a sistemas diferentes, ele vai começar a fazer pergunta, ele vai começar a interagir e pra

gente não cair naquela armadilha do slide dois que é tela, tela, tela para eu poder chegar a uma conclusão, eu preciso ter alguém aqui no meio que saiba orquestrar, saiba fazer o houting e saiba pelo menos onde estão todas essas as informações. Por isso que existe um trabalho funcional que dá para se fazer aqui em linha de execução. Eu posso customizar tudo isso manual, mas que quando a gente olha isso numa foto evolutiva, é desse modo que nós estamos construindo junto com os nossos clientes o que é o próximo passo de orquestração de agentes de

AI, ou seja, eu ter a entrada que você queira. Então, a entrada aqui pode ser o copilot da Microsoft e tudo bem. Eu tenho o Watson Orchestrate aqui trabalhando literalmente no que é a orquestração de cada um deles e tudo que a gente falou, os agentes pré-criados, criação de novos agentes ou agentes que já estão lá, Seoses Force, Microsoft, tudo isso orquestrado e funcionando. Então, de novo, a interface para vocês, a interface pro seu usuário, pro seu cliente, tanto faz. O que importa é o que tá acontecendo no background. É, de novo, o front end

sai e o back end assume sem que a gente tenha necessidade de ficar tocando. No vídeo que eu mostro, ele faz justamente esse exemplo, tá? Vocês vão ver que aqui tem uma combinação de sales Force, Microsoft, Watson da IBM e todos eles funcionando de maneira a coexistir. Então, vejam aqui, tô falando do SAP, eu vou abrir de novo o SAP Success Factory. Aqui a gente tem o copilot da Microsoft com ele ativado e a gente vai começar justamente fazer uma interface pelo ah pelo copilot da Microsoft, tá? Então ele qualifica aqui primeiro, né, a instrução

de qual, o que que ele é do prompt, o que que ele vai fazer, quais são as regras e as tendências do que ele pode executar para você justamente poder direcionar o esforço aqui do do agente de AI. E eu poderia usar então a interface IBM ou eu vou usar a interface copilot, vou usar a interface da Microsoft, tá? Então eu tô postando uma pergunta aqui, ó. Eu queria fazer a promoção dessa pessoa do Rond Dias, tá? Lembra que eu tô fazendo a pergunta num abstrato. Eu não tô fazendo a pergunta pro bote de RH,

pro assistente jurídico. Eu tô fazendo a pergunta literalmente aberta, tá legal? Quando você faz essa pergunta, o agente vai identificar do que você está falando. Já iniciou então a promoção do Rond Dias e falou: "Olha, para eu conseguir entender, eu preciso dessa qualificação". Então ele foi lá naquele agente de RH que a gente viu no primeiro ponto, identificou esse agente, o qualificou e falou: "Cara, ele tá pedindo uma promoção é contigo, RH. Quais as informações que a gente precisa para promover uma pessoa?" Pô, precisa dessas informações. Pô, legal. Posta na tela. O que era um

sistema que apertava o botão, agora execução prática. E aí eu começo a tratar. Ele vai ser um CTO, ele vai trabalhar dia 25 de março, quais são as regras, né, que eu posso ter para ele poder começar a receber salário ou começar com start date? E aí a gente faz isso de maneira a ter uma interação. Lembra do que a gente falou do system of intelligence de eu poder literalmente praticar o uso da tecnologia como se fosse uma um bate-papo entre nós? É esse o resultado. Toda a interface sendo criada por uma ferramenta que vocês

decidam qual é. Só que tudo que tá acontecendo por baixo em nível de orquestração e nível de resolução, ele tá colocando aqui em prática, tá? E aí vocês percebem que podem vir perguntas diversas. Pode vir pergunta de qualificação, pergunta de promoção, pergunta sobre regras aqui que de repente eh afetem aí a a localidade da pessoa, o uso prático da pessoa. Só que tudo isso fundamentado e resolvido de maneira exata. Beleza? Por último, a gente não pode sair daqui sem falar sobre o modo justamente de governança. Então, fizemos também o lançamento do que a gente chama

de AI agent ops, que é toda a parte operacional de tudo que tá acontecendo. Eu costumo dizer aqui, se não levantar o capô do carro e olhar o que tá acontecendo, é só um carro que quebrou. Então, ter fácil o manuseio de explicabilidade, de transparência, ele é essencial. A tela que vocês estão vendo aqui é uma das funcionalidades que a gente tem dentro da ferramenta, que a gente chama de três, que é o que acontece passo a passo, desde que o agente é acionado, o que ele executa, aonde ele foi buscar, por ele buscou aquela

informação e não outra. E todas essas respostas, elas têm que ser endereçadas no momento um, porque se você não tiver esse histórico todo, a, o tema de explicabilidade cai por terra. A gente fez um vídeo aqui justamente para mostrar do lado direito ele tá o acompanhamento, vamos dizer assim, o o capô que tá por debaixo do capô do carro. E aqui é o nosso WhatsA funcionando. Então eu vou fazer algumas perguntas simples, né? Vou perguntar qual é o meu e-mail. E aí vocês vão perceber que ao lado direito ele vai abrir eh ao lado esquerdo,

perdão, ele vai abrir essa profile, qual o agente que ele tá executando. E ele já vem aqui do lado, ó. eu já vou conseguir identificar quais são as trads que ele tá abrindo, quais os resultados que ele tá postando e quais são a árvore de decisão dos agentes que ele já tá utilizando para conseguir trazer como resposta. De novo, isso é um uso prático, é mais TI, é mais técnico, mas isso é essencial na hora que a sua empresa tiver uma regra, uma legislação ou algo para que você possa explicar como a inteligência artificial tomou

aquela decisão. Ela tomou a decisão baseada em quê? em um dado público, em um dado privado, em um agente que foi pré-treinado, em um modelo que você criou para que você consiga ter essa explicabilidade toda deste modelo, é desta maneira real que a gente executa e é dessa maneira que a gente consegue propor a escala que a gente combinou e a escala de nível enterprise, de nível corporativo, para que vocês usem naturalmente, qualifiquem, eh cresçam efetivamente o o poder de assertividade que tem dentro de cada gente, mas que vocês saiam com resultado assertivo do que

tá acontecendo por detrás do mundo de agente, tá? E por último, observar e analisar os seus agentes de AI, né? Aqui tem eh imagina que vocês estão criando uns agentes de AI e porventura você vai testar, vai colocar uma qualificação e você quer que ele seja menos assertivo, mais assertivo, mais aberto, menos aberto, defina a temperatura, defina justamente qual é o grau de resposta que ele chegue, né? Então, de novo, eh, é um modo de governância, é um modo de gestão e todo ele a através de um painel dentro do AON X, onde você pode

literalmente gerenciar, governar, entregar um melhor resultado e fazer toda a qualificação pós a execução de um agente de AI. E aí é dessa maneira que a gente entrega o resultado e entrega os quatro pilares de agentes de EAI. Você entrega agentes pré-moldados, agentes que são criados, a orquestração dele e, finalmente, a parte de agentes de AI de maneira governada. Legal. Para finalizar, pessoal, principais conclusões aqui pra gente tirar valor de tudo que a gente comentou. Primeiro deles, não tem como a gente executar o mundo de agentes de AI se a arquitetura de dados e se

os dados não tiverem prontos e preparados para poder suportar toda essa avalanche que vem acontecendo no mundo de agente AI. Então aquele passo de arquitetura, discussão de DW, de lake houses faz super super importância na hora que a gente escala o mundo de agência de AI. O segundo ponto, tirem proveito de tudo que a gente falou de arquitetura. Já existem agentes pré-moldados, já existe nível de orquestração, vocês já conseguem entregar e tirar valor desse resultado num primeiro momento para que você consiga literalmente trazer isso para dentro da empresa em escala corporativa, que é exatamente o

terceiro ponto. Tudo que nós estamos criando aqui, é necessário que vocês tropicalizem isso, tragam para dentro das empresas, entendam essa robustez que os agentes de EAI precisam para poder tirar a conclusão. E com isso eu agradeço vocês. Obrigado mais uma vez pelo papo. Obrigado, gente. Bom, vamos lá. Eu vou puxar também o o próximo papo aqui. Eh, a gente vai fazer justamente uma uma discussão sobre essa evolução toda, né? A gente falou sobre dados, falou sobre AI, sobre agentes AI, como que a gente contextualiza tudo isso, tá? Então eu vou convidar três pessoas aqui. Primeiro

o Adriano Musa, que é reentor e diretor acadêmico da Exame e da Sampol. Seja bem-vindo. O Mark Melo, gerente de soluções e experiência do Banco Inter e o Franco Bia, eh, superintendente de dados e analíticas do CCAT. Sejam bem-vindos. Beleza, vem, cara. Beleza. Fica à vontade. Obrigado, pessoal. Bom, pessoal, bom dia a todos. Bom dia a todas. Bom, para mim é uma satisfação enorme estar aqui, especialmente foi num evento como esse da IBM em 2013, que foi a faísca para que nós na Sampol iniciássemos uma jornada muito positiva, eh, com projetos de A e uma

faísca pessoal, que foi o start para eu decidi muito antecipadamente fazer um um pós-doutoramento em IA. Então, eh, não tenho palavras para descrever. Alegria de estar aqui. E acho que falamos muito que estamos precisando escalar, estamos precisando colocar IA em produção e acho que isso é o que precisa pra gente destravar eh grandes valores, né? Vem a Maquins e fala que a IA generativa vai gerar quatro trid dólares pra economia. Vem o Goldman Sax e fala em incremento de 7% do PIB. E o que que nós estamos precisando para destravar esses valores é casos de

uso efetivos que mudem ponteiro nas organizações. Por isso que é com muita alegria que nós temos dois casos desses para compartilhar, para inspirar. Eh, o Franco vai trazer o caso da do CCRED e o Mark, o caso do Banco Inter. E acho que eu vou direto ao ponto, né, Franco, o Té lançado lá atrás, 2018, né, um dos primeiros assistentes virtuais do setor cooperativo no Brasil, talvez no mundo, que já responde por 1 milhão de atendimentos. Eh, Masc tem avançado além do atendimento digital, incorpando, incorporando aí a Generativa, testando agentes com autonomia, integrando eh e

essa IA com os sistemas legados, com sistemas internos. Conta pra gente um pouquinho como que vocês estão conduzindo essa expansão e quais aprendizados t guiado o Cicred nesse novo momento. Ótimo. Bom dia a todos. Primeiro só contextualizar o CCRED, né? Eles é uma instituição financeira cooperativa, tem 8 milhões de associados, 400 bilhões de ativos, né? E nós temos 2800 agências em todo o Brasil. O teu começou em 2018 com uma parceria muito feliz com a IBM, primeiro pequeno, foi crescendo. Hoje em dia nós conseguimos atender mais de 1 milhão de chamados eh por mês. Isso

significa mais ou menos o trabalho de 100 colaboradores. Então aí aí a gente já consegue entender o impacto que tem a IA. E ele tem um nível de satisfação acima de 70%, o que mostra para uma instituição como a nossa, que cuida muito da relação humana, que é uma boa forma da gente se relacionar buscando escala. Ele começou com a IA tradicional, hoje já tem LLM, ainda não colocamos LLM em contato com o cliente, que são nossos associados, mas ela participa dentro do processo, né, que o que o Té trabalha, principalmente, por exemplo, para entender

melhor o que que eh a pessoa que vai conversar com a gente quer dizer no momento que chama esse assistente, mas a gente não ficou por aí, então tem crescido e avançado em várias outras áreas. Por exemplo, a gente tem análise de sentimento através da IA para o NPS, que isso dá muita insite de negócio. Hoje em dia também todos os colaboradores da empresa tm disponibilidade de uma plataforma para trabalhar os trabalhos de rotina em relação à GNI. E a gente chega um número que para nós vem importante, mais de 40% dos colaboradores estão usando,

né? Então esse é um número que nos chama bastante atenção também. Ah, deixa eu só pegar um um dado que eu queria trazer aqui que é que é interessante. A gente na parte de códigos, que é uma coisa que se fala muito, revisão de códigos e criação, a gente já tem visto mais de 15% de produtividade nas equipes de TI. Estamos olhando pra gente com um pouco de cuidado, aprendendo nesse cenário. Tem alguns testes, estamos entendendo as plataformas também que fazem isso. Mas aqui o ponto que eu posso trazer de aprendizado que é usar e

a no final do dia é mudar a forma de fazer as coisas. E as pessoas não naturalmente gostam de mudar a forma de fazer as coisas. Então, no final do dia, qualquer evolução de A precisa, principalmente um olhar mais de pessoas, de cultura, de comportamento antes de tecnologia. Excelente. Obrigado, Mark. Nesse mesmo sentido, quais os principais marcos nesses já alguns anos de operação da da Babi e como que você tá vendo a chegada dos agentes nessa evolução? Bom, primeiramente, bom dia pessoal. Mussa, pessoal de casa, pessoal que tá aqui. Eh, uma satisfação muito grande poder

compartilhar os casos da Babi, que eu eu tenho muito orgulho dela, sabe? Eh, a Babi tá eh desde 2018, começou lá atrás com um simples atendimento de pergunta simples em Central de atendimento e a gente veio acompanhando a evolução dela, né? eh tornand eh atendendo especialistas do de todos os produtos do Inter em 2020, em 22 já atendendo pelo WhatsApp, em 23 atingindo 76% de retenção, fazendo recomendações também de produtos, eh em 24 batendo mais de 1 milhão de atendimentos. Hoje a BB atende 1.600 atendimentos por mês. E como que a gente faz essa transformação

para ir a generativa? sem perder tudo que isso que a gente conquistou. Eh, hoje se a gente desligasse a Babi, o Inter teria que gastar algumas ou várias dezenas de milhões de reais por ano para sustentar essa operação. Eh, e para fazer essa migração, a gente tem eh desafios, dois desafios principais, o interno e o externo. interno. Eh, nosso time de curadoria e desenvolvimento, que antes, né, tinha que desenvol implementar árvores de decisão, tipo, né, o cliente falava cartão, a gente tinha que falar, perguntar é cartão de crédito, cartão consignado e direcionando baseado nessas decisões.

E agora esses profissionais têm que tratar com prompt, dados, eh, base de conhecimento, guardrails. Então, sim, esse foi um grande desafio interno que a gente tá eh ultrapassando. E o externo é como que a gente cuida da jornada do cliente. Eh, imagina o cliente conversando com uma IA generativa numa forma fluida e nesse período de transição fazendo eh tendo que em alguns momentos conversar com a IA tradicional e também em alguns momentos conversar com com atendente humano. Então, todo esse cuidado com o cliente é um grande desafio que a gente tá tratando nesse período de

transição. É como se diz, né, a gente dá manutenção no motor do avião com ele voando, né? Então assim, é um grande desafio, mas tá sendo bastante positivo aí essa transição para essa nova tecnologia. Excelente, Franco, você falou das das da importância das pessoas, de mudança cultural e a gente sempre vem a cabeça governança, né? Eh, escalar, a gente falou de escalar, né? Escalar sistema com mais de 100 cooperativas diferentes. Certamente exige uma uma uma governança bem definida, adaptável. Como que vocês têm estruturado esse modelo para garantir segurança, alinhamento ético, padronização e ao mesmo tempo

customização? Ótima pergunta. O Cred, então ele tem um centro administrativo, né, e 108, 104 cooperativas em todo o Brasil que tem muita autonomia. Então, o desafio da governança é enorme e não tem como falar disso sem falar do início do pipeline, né, que nos dados, né, como falou o violã anteriormente. E a gente fez todo um processo de democratização de dados para poder eh disponibilizar para as cooperativas dados a partir de uma plataforma. Isso significa que hoje nós temos 35.000 usuários que usam, olham dados, inclusive resultado de modelo de IA é num caminho organizado com

monitoramento, com governança. E a gente precisava também escalar a IA ainda na tradicional e sem necessitar que todo mundo seja cientista de dado e agora engenheiro de a. Então, a gente criou uma coisa que a gente chama uma vitrine de modelos, onde diversos times mais técnicos conseguem criar o modelo de a disponibilizá-los, um time central conseguir avaliar se não tem o viés, se foi bem treinado, qual é a performance deles. E a partir disso a gente disponibiliza é num lugar no code que as cooperativas ou outro time de negócio conseguem usar o modelo com se

input e o output, não necessariamente entendendo tudo o que acontece no meio do caminho. Então é uma forma que a gente vem evoluindo para garantir segurança, governança. E agora com GNI acreditamos que é um caminho similar. Já estamos com alguma. Então os times de negócio já estão usando isso para melhorar seus produtos. E com os agentes, o nosso desafio agora é buscar, como bem se falou antes, uma plataforma que nos permite tá no centro governar, assegurar alguns guarda-rays, né, como se diz, para que assim os times de negócio consiga agora avançar com sagente. Esse o

desafio é bastante grande, é complexo, mas a gente tá bastante entusiasmado com o que vem pela frente. Excelente. É sempre assim, a gente começa a falar de a e rapidamente já vai para pessoas, né, o tempo todo. Eh, ainda nesse sentido, Mark, no Banco Inter, falar da liderança, da implementação em si, que a gente sabe que é um super desafio, como que foi o processo de construção, de validação, de envolvimento, né, da liderança nos projetos de acho que obstáculos e como foram superados. Eh, quando a gente começou a fazer os primeiros ensaios de projetos com

IA, eh a gente tinha muitos desafios eh de custo, de novidade, de saber como controlar, como domar esse, esse essa nova tecnologia que poucos conheciam, né? E e para tudo isso a gente precisava fazer estudos bem profundos para justificar para alta liderança o porquê de de fazer esse projeto. Na verdade, assim, é uma cultura já do Inter eh fazer isso para qualquer tipo de projeto, né? mostrar o valor do projeto e e e que ele vai, né, agregar de valor pro nosso processo. Mas como ainda tinha a novidade, o desconhecido, então isso, né, eh o

o trabalho teve que ser muito mais aprofundado. Eh, mas ao longo do tempo a gente conseguiu mostrar o valor, conseguiu superar alguns desafios de custo, né, surgiram, né, novas novas ferramentas onde a gente podia usar. eh as pessoas começaram a conhecer melhor eh eh mais e mais profundamente o detalhe dessas implementações e a cultura da liderança também foi mudando. Hoje, inclusive, nós somos desafiados todo dia para implementar projetos de a obviamente tem que gerar valor, tem que saber aonde aplica, tem que colocar, né, eh, tem que saber todo o o arcabolso de segurança por trás,

a governança, não é? são agentes que vão falar com o cliente independente da área de negócio, né, dos, né, todos os produtos, áreas de negócio do Inter, 150 produtos que a gente tem, cada um quer fazer seu agente, mas quando vai falar com um cliente tem que passar por uma governança. Essa governança de falar com o cliente é do CX. Então, eh, passando por todas essas barreiras, a gente é realmente incentivado a fazer implementações internas eh pros nossos parceiros e também pros clientes. Excelente. Eh, sempre os desafios são pessoas, né? Eu tava no final do

ano passado com Pet Pajari, que eu tive Fear da Amazon e ele trouxe um dado falando assim: "Para mim, o que as o que as empresas precisam para implantar IA são os dois p, né? Aí aquela hora que você pega o caderno, anota, aí ele fala assim: "Os dois ps são paciência e persistência justamente por essa mudança cultural". E quando a gente fala de liderança, a gente fala de resultados, né? A gente sempre brinca, né? Que se aia não melhorar, não mudar algum ponteiro, ela é só custo, né? Eh, como a estratégia de de de

customer experience de CX no Inter, eh, com apoio de A, tem se conectado com resultados, com resultados comerciais, resultados financeiros? Eh, bom, eh, a própria história da Babi já justifica os resultados, né? Como eu falei algum de números antes, né? Eh, outro dado interessante é que se a gente tirar uma foto do CX, dos custos de CX de incluindo ferramenta, pessoas e eh call center, tudo em 2020 e agora em 2025 é o mesmo. A gente andou em linha reta. Por quê? Porque a evolução da IA, falando aqui especificamente da Bibi, conseguiu suportar todo todo

esse esse crescimento da nossa base, né? Em 2020, se eu não me engano, a gente tinha 8 milhões de clientes e agora a gente tem 38. E mesmo assim a gente continua eh eh em linha com o nosso custo. Então isso, os números por si só já já provam que a eficiência de uma IA bem implementada, com ética, com governança, com cuidado com o cliente e pessoas. Faz sentido. Acho que tanto você, Mark, como o Franco trouxeram, né, esses números acho que falam por si. Bom, agora nossos últimos minutos. Eu queria aqui começar pelo Franco.

Considerações finais e especialmente se existe algum aprendizado recente, pequeno, grande, médio, que você acha que pode ajudar as outras organizações, as outras lideranças que estão começando agora eh essa a sua jornada com IA? Ótimo, obrigado. Tem tem vários. Eu vou trazer aqui dois ou três. O primeiro vou ser repetitivo em relação a pessoas. Eu vi recentemente uma uma pesquisa de uma grande consultoria que ali dizem que é desafio de no final do dia é 70 pessoas, 20 tecnologia e 10% de fato IA. Eu colocaria tecnologia, se as empresas têm muito legado, pode ser um pouco

mais, mas pessoa é a grande parte, porque embora tenha uma curiosidade que foi falado em relação ao tema, essa curiosidade para eu para eu fazer coisas acessórias ao que me cor do meu trabalho, mas seria irracional um ser humano querer automatizar todo o seu trabalho. Certamente ele vai ser o primeiro que não vai querer fazer isso. Então esse é o principal desafio para mim em relação ao tema. O segundo tem a ver mais com a parte de tecnologia, plataforma, vendors, porque certamente, como vocês mostraram, todas as empresas caminham para ser uma grande plataforma de AD

e agentes e as empresas precisam ter foco. E foco é necessariamente buscar um ou dois, três parceiros, abraçar eles e avançar com eles, né? Alguém me disse recentemente, pode ser que uma empresa conviva muitos anos sabendo que tem um RP melhor do que dela, mas ela não vai mudar o RP dela, não vai ser tão comum mudar. E acredito com aí acontece a mesma coisa e e recomendo muito esse cuidado. Obrigado. Faço a mesma pergunta, Marc. Eh, eu como representante de CEX, eu não posso deixar de concordar com Franco sobre pessoas, né? Eh, por trás

de A tem pessoas. E aí eu queria citar um pensamento do Gary Kasparov, que é para muitos foi o melhor, é o Pelé do xadrez, né, que e que por sinal foi derrotado pelo supercputador da IBM na década de 90. Ele fala que a inteligência artificial não vai substituir a pessoas, mas pessoas que sabem usar inteligência artificial vão substituir pessoas que não sabem. Então assim, é muito importante a gente como líder dar esse suporte pro time, eh incentivar o uso da inteligência artificial, capacitar e e promover essa cultura tanto internamente com time, com parceiros e

com todos envolvidos. Excelente. Muito obrigado, Mark. Obrigado, Franco. E agora eu anuncio aqui o próximo painel. Eh, obrigado. Obrigado. Eh, cinco mind shifts para garantir o ROI da IA. Convido ao palco Marcelo Flores, gerente geral da IBM Consulting Brasil. Obrigado. Ótimo painel. Obrigado. Vocês me ouvem bem? Bem, pessoal, primeiramente bom dia a todos, a todas. É um prazer estar aqui com vocês hoje, quem tá aqui, quem tá acompanhando a gente conectado. É muito gratificante pra gente ver um público assim tão distinto, papéis diferentes, responsabilidades diferentes, mas para falar do mesmo assunto, para ouvir tudo que

a gente tem para dizer de inteligência artificial. Eh, eu queria começar fazendo uma pergunta, né? Isso foi algo que eu improvisei aqui hoje de manhã. Quem sabe o que que tinha aqui antes desse prédio? Alguém sabe? Só eu. Nossa, quem t hã Play Tênis, né? Não sei se vocês antes desse prédio aqui existia isso. Tem pouco tempo, menos de 10 anos. Aqui era um play tênis. Eu joguei muito tênis aqui. Possivelmente aqui alguém que jogasse tênis há 10 anos tava aqui jogando tênis. E agora a gente tá aqui falando de inteligência artificial. E é engraçado,

né, porque tênis é um esporte de precisão, aonde dados super importante, coordenação, sincronismo super importante. Parece fácil, né, fazer aquele movimento da raquete pra bola ir lá no fundo da quadra, mas aquilo é muito complexo, existe uma qualificação muito grande e ai dados, né? Então é uma feliz coincidência que a gente poderia estar até aqui hoje, né, Marcelo, dizendo: "Poxa, escolhemos esse lugar capitalizar um pouco pensado nisso, mas não foi. É só uma feliz coincidência, mas que tem uma relação muito grande". Tá bem? Eu sou o Marcelo Flores, eu sou o gerente geral da consultoria,

a nossa unidade de consultoria. Eu tive a sorte, o privilégio de começar minha carreira há muito tempo. Comecei mais ou menos quando eu tinha 14, 15 anos como programador clipper lá na década de 80. Tá, faz muito tempo assim que o computador pessoal surgiu ali. Eu considero que foi uma primeira grande revolução, né? Imagina os donos das lojinhas ali que ficavam no final do dia usando aqueles fichários, controlando estoque e de repente o incluir, consultar, excluir, listar, facilitou a vida de todo mundo, um grande gerador de produtividade. Eu comecei minha carreira ali e de BM

eu tenho 28 anos, aonde eu também comecei como programador, programei em mainframe, passei por todas as áreas da consultoria e hoje eu sou o gerente geral da consultoria. E assim como vocês, eu vivi também todas essas mudanças que a gente tá vendo assim tão aceleradas nos últimos anos, tá? Toda vez que eu, hoje eu não vou falar de tecnologia, a gente já falou bastante de tecnologia, mas sempre que a gente fala de consultoria, a gente fala de pessoas, pessoas que, assim como vocês, usam a tecnologia para serem mais produtivas, mais eficientes. Pessoas também que, assim

como vocês t, né, tem acompanhado toda essa evolução da tecnologia e o desafio que são para vocês de se reposicionarem como profissionais, como pessoas com esse avanço de tecnologia tão disruptivas. Mas vocês não estão sozinhos, a gente também tem esse desafio, porque consultoria, nós somos pessoas, é um grupo de pessoas e esse desafio, ele é inerente a todos. Então eu queria começar falando um pouquinho e explicar para vocês qual é o nosso grande objetivo como consultoria. Vocês sabiam que a gente eh que que nós somos a única empresa de consultoria dentro de de uma empresa

de tecnologia ou que somos, dependendo do ponto de vista, a única tecnologia como empresa de consultoria? Isso quer dizer muita coisa, porque no nosso DNA é um DNA de tecnologia e isso faz muita diferença. Mas isso não quer dizer que a gente vai usar só tecnologia IBM. a gente tem um ecossistema de parceiros que juntos a gente combina todos os usos de tecnologia, diferentes plataformas, usando ambientes híbridos para poder ajudar os nossos clientes a serem cada vez mais eficientes, mais produtivos, mais digitais. Essa é a nossa missão. E qual é o nosso valor? E essa

pergunta é uma pergunta interessante, parece fácil responder, mas ela não é tão fácil de responder, porque no mundo aonde tecnologias tão disruptivas, como a gente tá vendo aqui hoje, AI, e com pessoas tão qualificadas, a pergunta, por que que eu preciso de uma empresa de consultoria se eu posso ter isso em house e fazer sozinho ou com algum outro parceiro menos qualificado? A resposta é simples e tem que ser muito direta, porque nós somos aqueles que pelo nosso DNA de tecnologia conseguimos unir tecnologia e pessoas para poder entregar resultados mais rápidos e com menos riscos.

Esse é o nosso objetivo como consultoria, o nosso posicionamento e é tudo o que a gente faz todos os dias depois de quase 40 anos de carreira. E a gente, como eu falei, né, igual igual similar a vocês, muitos profissionais experientes aqui, é um pouco chama muito atenção, a minha atenção o que aconteceu nos últimos 5 anos, né, essa a gente acompanhou toda essa transformação que vem acontecendo ao longo dos anos e nos últimos 5 anos isso acelerou exponencialmente, né? Se pensar que há pouco tempo a gente tá falando de e-commerce e que hoje a

gente tá falando de AI, de agentes autônomos, que a gente tá falando que pela primeira vez consumir um conteúdo pode ser mais rápido do que produzir um conteúdo. Toda essa transformação para mim traz um ponto de atenção que me chama muito a atenção todos os dias. 6 meses, 6 meses de hoje não ser os mesmos que se meses de antes. Para mim isso é fundamental e tangibiliza tudo que a gente faz no nosso dia a dia. E o que quer dizer isso? De novo, imagino que muitos de vocês, né, experientes, já passaram pelas seguintes situações:

poxa, vamos esperar um pouquinho para investir em tecnologia. Poxa, vamos esperar um pouquinho para ver o que o nosso competidor vai fazer, para ver se vai dar certo, para ver se não vai dar certo. Vamos implementar um projeto sem tá muito preparado, com pessoas não tão qualificadas. Imagino que todos aqui já passaram por isso. Imagino também que todos falharam em algum momento. E imagino também que falharam, mas tiveram tempo de recuperação. Antigamente a gente tinha essa folga. Hoje a grande mudança que essas tecnologias disruptivas trazem é a gente não tem mais essa folga. A gente

tem que ser preciso, a gente tem que ser certeiro, a gente tem que fazer de primeira implementar projeto sem falha, porque hoje, diferente de antes, se meses podem ser irrecuperáveis. Então essa é uma mensagem que eu queria deixar aqui muito forte, que é seis meses de hoje não são iguais a 6 meses de antes. E esse é o nosso mundo de hoje, aonde ser preciso fazer de primeira é essencial. E não é à toa que a gente associe a nossa marca a, como o Marcelo mostrou aqui, a esporte de precisão. Eu comentei do tênis, a

Fórmula 1 e é um reposicionamento nosso como brand, porque cada segundo dados contam gerando valor, que faz toda a nossa diferença. Mas vocês sabem o que que não mudou nos últimos 40 anos? a importância da governança. Na verdade, no mundo que a gente viu aqui hoje, aonde temos uma tecnologia tão disruptiva, uma tecnologia tão impactante, descentralizada e cada vez mais democrática, a gente falou muito sobre isso aqui hoje, governança ela ainda é mais relevante. E não foi à toa que a gente escolheu aqui esse assunto para trazer pro próximo painel falar de governança. A gente

já falou um pouquinho aqui de governança agora a pouco, mas a governança ela hoje ela é essencial pra gente poder capturar os benefícios da inteligência artificial. A gente tem falado muito nos últimos anos em aplicabilidade da inteligência artificial, temos falado em governança, mas de verdade ainda a captura do benefício é baixa, tá? Eh, a gente todo ano faz uma pesquisa com CEOs no Brasil que vai lançar hoje ou amanhã. Tem um dado muito interessante. Nos últimos 3 anos, só 28% das empresas capturaram o investimento esperado. De novo, 28% capturaram o investimento esperado de tudo que

foi feito em inteligência artificial. E muita coisa, como vocês sabem, foi feita. Minha visão, estamos deixando um pouquinho de lado a governança. Não é à toa que a gente fala muito de governança e não é à toa também que a gente escolheu falar de governança no nosso próximo painel, eh, trazendo a Vale, que é um parceiro nosso, né? Todo mundo sabe a o tamanho e a complexidade da Vale. Uma empresa que vem trabalhando com EAI há bastante tempo, com GI e mais do que vir trabalhando, tá coletando o benefício disso. E aí a gente vai

eh falar um pouquinho disso aqui. Por isso a gente convidou o Pigat, que é o R de EA e dados da Vale, e a Claudinha, Cláudia Nola, que a gente chama de Claudinha, que é a nossa executiva de dados reais, para bater um papo sobre isso hoje. Vou sair de pac. Obrigado pessoal. Pessoal, bom dia. Primeiro, obrigado todos e todas por estarem aqui investindo o tempo, né, nessa manhã de quinta-feira para falar de um assunto tão legal. Eh, cadê o negócio de passar? Obrigada. Só para dar um contexto aqui, eh, o Institute of Business Value

é uma organização de pesquisa independente da IBM, tá? Que há mais de 30 anos vem fazendo entrevistas com se level no mundo todo, justamente para entender as dores, os anseios e os desejos que as empresas têm, né? E qual foi o pano de fundo dessa pesquisa, né? Em 2023, a gente lançou, né, uma plataforma com IA Generativa. A gente já vinha trabalhando com IA tradicional há muitos anos, mas a IA Generativa realmente causou um boom de adoção. E a gente viu em 2023 muitas empresas num momento assim de provas de conceito, de MVP. Eh, e

o que que aconteceu ao longo de 2024, né, e agora metade de 2025, a gente viu que muitas empresas conseguiram escalar dentro delas e outras estão tendo mais dificuldade. Então aqui o objetivo, a pergunta que esse que esse estudo, né, veio a responder é justamente assim: o que que essas empresas que estão conseguindo escalar fizeram de certo? E a gente viu cinco mindsfts, mindsets, né, que essas empresas estão adotando. E aqui o Pegate vai me ajudar a eh dar exemplos de como isso tá acontecendo na vida real, né? O primeiro ponto, né? Faça da coragem

o seu cor. Aqui, como o Flores falou, né, se meses muda muita coisa, né? Então, eh, aqui é um ponto não só de coragem, mas de resiliência e entender que eu tenho uma tecnologia que tá evoluindo e tudo OK, ela vai evoluir, continua evoluindo e a gente espera que ela continue evoluindo por muito tempo ainda. Eh, mas isso não pode causar uma inação, né? não pode paralisar quem tá do lado de cá tentando fazer a a sua empresa gerar valor. Eh, então assim, tem que se encarar que tem sim um certo grau de experimentação e

de mudança de rumo no meio de processo e que isso tem que ser feito fazendo apostas calculadas, né, em cima do que que vai trazer maior valor pra sua empresa. Então, Pig, em relação a a essa questão assim dessa experimentação e das apostas, como que a Vale tem se posicionado em relação a isso? como isso acontece no dia a dia. Então, a gente tem um portfólio bastante grande de soluções que a gente tem para desenvolver. E aí a gente começa essa priorização pra gente escolher qual aposta que a gente vai fazer com alinhamento com a

estratégia da companhia. A Vale, ela tem uma estratégia bastante clara aí que é a Vale 2030 que tá publicada na na internet. Quem tiver interesse pode olhar que basicamente a gente quer ser um parceiro confiável, ou seja, gerar um impacto bastante positivo pros nossos clientes, nas comunidades onde a gente atua, pros nossos parceiros. Então esse esse é o primeiro pilar da estratégia. O segundo pilar da estratégia é a gente ser performance driven, é ser muito focado em custo. Nós precisamos reduzir o nosso custo C1. A já vista também tá na internet, todo mundo sabe que

a gente vai enfrentar agora uma concorrência internacional bastante forte, né, com a entrada da operação da mina de Simandu. Então é crucial paraa nossa sobrevivência que o nosso custo de produção de minério seja menor. Então qualquer iniciativa de inteligência artificial que possa contribuir para baixar o nosso custo, ela é muito importante. E o terceiro pilar dessa estratégia Vale 2030 é ter um portfólio superior. portfólio que eu tô dizendo não é de soluções de ar, mas portfólio de minério de ferro que a gente oferta pro mercado. A gente quer ter o minério de ferro que melhor

performe no alto forno do nosso cliente naquela situação de mercado e muito focado também na descarbonização, né? Enfim, é aquele minério de ferro que vai performar melhor também do ponto de vista de menor emissão de carbono. Então a gente vai tentar apostar nas iniciativas de inteligência artificial que estão alinhadas à estratégia da companhia. Então esse é o primeiro ponto. O segundo ponto é a gente medir benefício, é a gente ter um business case que pare de pé, sabe? Assim, e a gente gosta, né? A gente tem essa tendência de gostar de aplicar inteligência artificial, mas

a gente já superou essa fase do hype. Hoje a gente tá muito focado em benefício de negócio. Então é fazer as perguntas certas sobre o business case, checar se esse business case tem um sponsorship correto, né? E e aí depois que a gente então checamos isso, é a gente avaliar o quão fácil é implementar aquilo. Uhum. Qual é a probabilidade da gente conseguir implementar aquilo e ser bem sucedido, né? aqui para não ser clichê, o desafio dos dados é o maior problema que a gente tem, coletar dado de operação. O dado de operação tá lá

na rede de OTI, tem que passar pela DMZ até chegar na rede de de Haiti, enfim, é a gente checar a implementabilidade disso. E aí o benefício dividido por esse risco da implementabilidade, a gente não tem um ranking de quais são as apostas que a gente vai fazer. Show de bola. em relação ao segundo mind shift, né, é a questão de você abraçar a disrupção, né, e a gente viu uma curva, né, uma uma adoção, uma maturidade na adoção de áreas empresas e é muito comum o comportamento de você olhar um processo e que, ah,

não, vou nesse gargalo aqui, vou botar um pedacinho aqui, mas não mexe nesse pedacinho não, que isso aqui tá funcionando, não mexe, né? E o que a gente tem visto é que as empresas que abraçam essa disrupção, começam a olhar o processo end to end e repensar ele todo com e são as que estão extraindo o maior valor. Quando a gente olha paraa Vale, eh, esse processo todo de extração de transporte do minério até o cliente, eles são processos core, né? Você ter uma parada de uma hora num processo deles, é milhões de reais que

a Vale perde. Então, não pode ter essa perda, né? Você consegue dar pra gente alguns exemplos do que que vocês têm feito nesses processos? Consigo, consigo sim, mas antes é, deixa eu ser um pouco humilde aqui, eh, a gente está melhorando processos já existentes com aplicação de ar. Preciso ser honesto com vocês. A gente entende que a próxima fronteira é a gente ser ai by design, ou seja, a gente pensar uma próxima mina que a gente for abrir, a gente já pensar que existe AI como alavanca e já pensar processos novos considerando AI. Isso a

gente ainda não fez. a gente pega processos existentes e a gente melhora esses processos existentes com aplicação de IA. E aí, né, pra gente falar um pouco de RO, você citou a questão de perdas, nós temos obsessão por segurança e gestão de risco. E a gente sabe que a maior causa de acidentes com navios graneleiros é a liqueação da carga. Então, nós garantimos que todo navio que sai dos nossos portos sai com a umidade abaixo do TML. Ou seja, TML é transportable moisture limit, é é o limite no qual o minério se torna líquido. Então,

a gente garante que a umidade tá sempre abaixo desse limite. E antes da gente ter a solução de inteligência artificial, a gente chegava a parar um carregamento nosso para esperar resultado laboratorial por até 3 horas. Ou seja, a gente coleta lá, a gente tem uma torre de amostragem perto do chiploader e às vezes a gente parava e esperava até 3 horas para para ter segurança. Podemos ou não podemos continuar a carga desse embarque dessa forma que a gente tá fazendo. E a gente implantou uma solução de inteligência artificial que avalia milhares de variáveis. Variáveis como

o lote de qual mina veio esse lote? Esse lote tomou chuva durante o transporte? Qual é o tempo de residência desse lote aqui no nosso no nosso pátio, no nosso porto? essa pilha tomou vento, tomou insolação, eh qual que é a granulometria? Qual que é a físicoquímica, eh eh dessa partícula que tá ali na pilha? Em função dessas milhares de variáveis, a gente consegue predizer porão a porão do navio a TML e a umidade. Então a gente consegue saber antes da carga acontecer se a gente vai ou não vai ficar dentro da especificação devida, dentro

do nosso parâmetro de segurança. E aí você veja que interessante, paramos de esperar essas 3 horas pelos resultados laboratoriais. A gente não para mais para esperar. A operação confia na inteligência artificial que tá dando antes da carga acontecer. como é que vai ficar o TML e a umidade? E aí o que que é legal, pessoal? 3 horas depois sai o resultado laboratorial e a gente pode comparar o resultado laboratorial com o resultado que a solução de A trouxe e a gente tem 97% de acuracidade. E aí, né, enfim, para falar um pouco de ROY, né,

e o Flores mencionou aqui antes a questão do ROY, aí vocês imaginem um chiplader nosso opera opera uma taxa de 16.000 toneladas por hora. Então, se eu fico 3 horas parado num equipamento gargalo, como é um chiploader, eu perdi 48.000 toneladas de produção. E aí o preço do minério, né, é público, né, varia todo dia, mas é público. É só multiplicar 48.000 toneladas pelo preço do minério, que dá para ter uma noção do impacto no revenue da companhia. Muito bom. Vamos lá. Opa, chegamos ao terceiro mind shift, a questão dos dados, né, como o Viola

bem colocou, como Flores colocou, né? Eh, no caso da Vale, a Vale tem um programa super consolidado há mais de 10 anos atá, desde a da IA tradicional até o que já tá vem colhando de generativo e muito brevemente nos agentes de a Então, a questão toda de governança de dados é um tema muito maduro lá. Eh, mas você foi com a gente no Sync, né, e a gente falou da irmã da governança de dados, que é a governança de a, que é super relevante, super importante para acompanhar o ciclo de vida desses modelos no

dia a dia e garantir que eles estão performando, quando que eles precisam ser recalibrados e e garantir que tenha os guardrails adequados na utilização desses modelos. Como é que a a Vale tem encarado esse desafio e qual foi a tua percepção de tudo que se conversou no evento? O o evento fantástico. A gente, eu pude ver o que tá acontecendo na crista da onda no que se refere à aplicação de inteligência artificial no mundo. Então é muito legal, vale muito a pena frequentar o evento para poder ver o que que os cases assim, o que

as pessoas estão fazendo, né? E aí eu tenho a oportunidade de ver o que que os outros estão fazendo e o que que a gente não tá fazendo, né? E aí a gente se sente desafiado a fazer mais. Eh, como os outros palestrantes anteriores aqui já comentaram, né? questão de pessoas, né? A gente tem o desejo de democratizar a questão dos agentes autônomos inteligentes, mas as pessoas são criativas, né? Então eu vou dar um passo atrás aqui para poder tentar exemplificar. Hoje a gente já tem uma política clara, uma arquitetura clara de assistentes. Eu adorei

a palestra aqui do do Thiago Viola, foi super didático. Depois você me manda slide, tá? Vou vou tentar repetir aquela parte lá que você explicou. Achei super didático. Então, a gente tem bastante assistentes hoje, tá? e os assistentes já são democratizados. Nada impede de uma pessoa que criou lá um assistente colocar um promp específico do tipo, ó, se vier a pergunta tal, você responda de tal jeito. E isso tem baias, tem baias da pessoa. E será que aquilo tá de acordo com o compliance da companhia, com as regras da companhia? Então como é que a

gente consegue checar isso tudo, né? E aí vem a governança, né? hoje fazer a governança com eh a parte de assistentes, a gente tem um pouco, com a parte de agentes autônomos inteligentes ainda não temos. Contamos inclusive com a ajuda da IBM, né, para nos ajudar a determinar aí essa arquitetura de agentes autônomos inteligentes. A gente já implementou dois com sucesso hoje lá na Vale, mas aí foram implementados pelo meu time, né? Não foi democratizado ainda, foi implementado pelo time de especialistas. Eh, o primeiro é no que se refere a checar ASO. ASO é atestado

de segurança ocupacional, né, se não me falha a memória. Eh, porque é o seguinte, a gente tem milhares de empresas terceiras que entram nas nossas operações e aí tem um processo de mobilização. Parte do processo é fazer o upload do ASO. E ASO não é uma coisa padronizada, tá, pessoal? Cada clínica emite de um jeito e tal. Então, antes a gente tinha um batalhão lá de pessoas que entrava dentro do nosso SGC, que é o sistema de gerenciador de contratos, para checar se aquele aso estava de acordo com a atividade que a pessoa vai fazer

dentro da nossa operação. A gente criou um agente autônomo, inteligente, que entra dentro desse workflow, checa se o ASO tá correto ou não, se faz sentido ou não e anda com workflow. Então, ou seja, a gente conseguiu agilizar um pouco desse processo. E o outro que a gente colocou é mais interessante, é pra parte de engenharia ferroviária. Nós construímos novos ramais, tá? a gente faz novos ramais na nossa operação ferroviária e a gente tem engenheiros que projetam esses ramais. Só que a gente também tem normas a respeito de como que a geometria das nossas ferrovias

deve ser. Então, a gente implementou um agente autônomo inteligente que ao perceber que um novo projeto existe, ele vai lá, pega o AutoCAD daquele projeto e checa toda a geometria para saber se a geometria tá de acordo com as nossas PNRs. Então, esses são dois exemplos que a gente tem de de com sucesso que a gente conseguiu implementar. Muito bom. Eh, e a gente acabou aqui de falar muito da governança de ar de um ponto de vista técnico, né? Ou seja, como é que eu controlo aquilo que tá acontecendo. Eh, e o Mind Shift 4,

que a gente vai falar aqui, o Mindset, eh, como é que eu vou fazer essa governança de A do ponto de vista corporativo? O que que é isso? Como é que eu escolho melhor meu portfólio, né? como é que by design, qualquer iniciativa de a tem que nascer já com os KPIs que vão identificar se ela tá sendo bem sucetida ou não e como é que eu acompanho isso na longa no longo do tempo. E aí, Pig, o que que você tem a dizer aí sobre como a Vale tá tocando isso? Olha, esse esse é

o é um desafio, né? É um desafio grande, né? Aí eu vou voltar na questão da pergunta anterior, eu acho que foi a primeira que você fez sobre business case, e a gente ter um business case sólido que de fato pare de pé e a gente já tentar antes de começar a fazer já propor como que a gente vai conseguir medir o benefício, né? No caso aí da solução de TML umidade, eu dei um exemplo de como é que pode ser, né? A gente tinha uma parada, ó, então eu vou reduzir essa quantidade de paradas

em X%, no caso aqui a gente conseguiu reduzir até a 100%, a gente não para mais para esperar, mas inicialmente a gente não se propunha a isso tudo, né? era um era um era um percentual bem menor. E a gente faz muito também teste AB. A gente implantou recentemente uma uma solução que propõe set point de usina de beneficiamento. A usina de beneficiamento tem milhares de set points, né? Antes tinha um ser humano lá fazendo, agora tem uma IA propondo como fazer o set point da usina de beneficiamento para aumentar a recuperação metalúrgica ao mesmo

tempo que a gente reduz o gasto com insumos. E aí, como é que a gente fez para medir? Teste A B. teste B como pega um turno e disponibiliza a solução de inteligência artificial para eles, né? Obriga eles a usar, né? Enfim, que nem sempre eles querem, né? Eh, e um outro turno sem a a solução de inteligência artificial, ou seja, um teste AB. E aí a gente mede a performance do turno que usou a solução versus a performance do pessoal que não usou. E aí a gente tem, né, um indicador de quanto que aquela

solução tá entregando aí pra companhia. Mas nem sempre é é fácil medir, tá? Nem sempre é fácil. Um outro exemplo que eu tenho para dar aqui, é um assistente virtual que a gente entregou para projeto de capital, que ajuda o engenheiro civil a saber se uma obra entregue pela empreiteira se tá de acordo com as nossas PNRs, né? Então assim, ah, vou dar um exemplo clichê para você aqui. Qual é a altura mínima de um guarda-corpo? A resposta é 1,20 m. Mas em qual em qual documento isso tá, né? E aí, qual que era o

objetivo de negócio, né? Não era só entregar uma assistente legalzinha para agilizar a vida do engenheiro civil, não era eh diminuir a quantidade de FTE de engenheiro civil, não. O capi de negócio era aumentar a nossa aderência entre o que é construído e o que é entregue, porque isso representa um custo, porque você não tá de acordo com a norma, a gente quebra e faz de novo. Sim, a gente quebra e faz de novo. E pior do que esse gasto é atrasar o comissionamento, né, de uma facility nossa, de uma usina nossa. Então, esses são

exemplos de como que a gente mede aí eh como é que a gente mede a nossa captura de benefício. E aí, pessoal, é o hashtag fica dica. Quem fazia com foco, com qualidade, tudo tem número, né? Eu acho isso foi um super feedback que eu tive num evento recente, assim, poxa, impressionante como a IBM quando apresenta traz os cases, traz números, assim, melhorei em tantos pontos tal indicador. Eh, e isso é super relevante, inclusive para conseguir mais investimento as empresas para as novas iniciativas, tá? Eh, voltando aqui a um tema, né, que foi conversado aqui

no no painel anterior, né, as pessoas que trabalham com Iá, né, as pessoas que têm que saber trabalhar com IA e estar envolvidas nesse processo, porque são as pessoas que vão identificar as oportunidades, que vão desenhar as soluções, que vão dizer se aquilo eh faz bem pro negócio ou não. E o que que a pesquisa indicou? Eh, tem até um ponto, né, o riskilling, né, a capacitação das pessoas dentro da empresa, ela é fundamental, ela é indispensável, mas tem até um ponto onde você consegue ir com isso. Então, é sempre bom, né, o que você

não tem dentro de casa, você comprar e trazer dentro de casa, que é muito papel que a IBM Consulting faz, né? E aí, Pig, a gente sempre teve assim excelentes feedbacks, né, em relação à participação de IBM Consulting em todo esse processo de cocriação, de desenho e de implementação dessas soluções. Aí eu queria que você contasse um pouco assim o que que os consultores da IBM tão fazendo de diferente dentro da Vale, primeiro sempre me desafiando, né, o tempo todo que surge uma coisa nova no mercado, né, tá lá o Léo batendo na minha porta

lá para para mostrar, perguntando se eu já não fiz, né, mostrando quem já fez. E e eu tenho casos interessantes aqui, né? Por exemplo, lá em 2023, quando começou todo o hype da JNAI, né? E eu aqui na minha posição, né? Eu tava com medo, pessoal, pô, eu não tenho nada de GNI rodando ainda. Dá medo, né? Enfim, daqui a pouco, né? Vem alguém na alta liderança aqui, né? E questiona isso, nesse cara, né? esse cara é muito ruim. Tira esse cara daí, bota alguém que vai botar GNAI aqui para nós. Então, lá naquele momento

do Hype, lá em 2023, a IBM, ela me ajudou muito e eu posso dizer que foi a empresa que aportou os melhores profissionais, tá? Naquela ocasião vocês trouxeram pessoas que de fato sabiam mexer com, por exemplo, o banco de dados vetorial, certo? Que as outras não sabiam, né? Então assim, a qualidade do profissional que vocês aportaram realmente foi um diferencial bem importante pra gente ser bem sucedido naquela solução que a gente colocou de pé, que é uma DNAi para checar planos de manutenção, para checar se um determinado plano de manutenção tá de acordo com a

norma e se não tá de acordo com a norma aponta o que que esse plano deveria ter a mais para ficar de acordo com a norma. Então assim, foi foi bastante interessante isso daí. E eu quero resgatar um ponto que o Flores mencionou na fala dele, que eu concordo, Flores, o fato de vocês serem uma empresa de tecnologia que tem produtos e vocês investem muito em pesquisa e inovação. E é muito bacana nesses momentos assim que pinta uma coisa nova, a gente ter a oportunidade de conversar com a pessoa que desenvolve o produto. Vocês já

trouxeram algumas vezes, né? O Léo já levou lá para nós algumas vezes o pessoal que desenvolve, né, o produto, que desenvolve o Watson X para dar curso pra gente, para aportar conhecimento na solução que a gente quer desenvolver. Isso realmente é um diferencial bem importante. Acabou. Acabou. Acabei, já foi o quinto mind shift aqui. Eh, pessoal, pro próximo painel, eu queria chamar aqui para falar, né, de volta, né, o Renan e Dante, para falar de Iá mais humano, a amplificação do talento. Então, a gente encerrou aqui falando de pessoas e estamos passando bastão para eles.

Obrigada. Maravilhosos, maravilhosos. Eu estamos de volta agora pra finalização. Obrigado. Está um beijo. Obrigado. Adorei. Adorei. O problema tá na humanidade. Esse foi o takeaway. Cara, temos um desafio pela frente aí grande. Tem que cuidar dos humanos, irmão. Eu não sei o que vocês são. Não sei se vocês coçarem um pouquinho o braço, se fica, se aparece metal ou aparece verde de alienígena, mas a gente ainda é humano no rolê. Então eu acho que essa é uma reflexão que a gente vai trabalhar e olhar um pouco com vocês hoje, porque se a gente não é

alienígenou, não é robô, a gente vai ter que hackear esse rolê pra gente conviver com toda essa mudança. Então vamos trazer um pouco dessas lentes aqui. Eu me empolguei, né, D? É isso. A gente trouxe agora o que a gente vai provocar vocês, trazer as reflexões, é um pouco desse dessa mistura entre o que a gente chama de Humanware, né? O Hilmanware é muito além do software do hardware, só que a gente vai fazer um cruzamento com todo esse contexto de inteligência artificial. E a gente vem colecionando uma série de percepções. A gente que a

gente atendeu mais de, sei lá, 90 das grandes empresas eh no Brasil e América Latina, a gente vem percebendo e conversando, né, com essa muitas vezes com essa angústia, né, que os executivos estão, né, tendo que tomar decisões num contexto ainda muito cheio de barulho. E quando eu assisto, né, por exemplo, o Viola, assisto o Flores, assisto o Braga, eh, você começa a tirar um pouco da névoa, né? Você começa a entender um pouco mais o que danado é são esses agentes, sabe? Então acho que é um pouco disso também que a gente vai estar

trazendo para você, é um limpa barulho também para que vocês possam ter discernimento, né, e melhorar a tomada de decisão, saber exatamente para que o que o que como funciona tudo isso e como eu posso garantir, né, que de fato, pelo menos esse playground que a gente tá sendo convidado a experimentar e ser curioso, a gente faça de forma segura. Então é um pouco sobre isso. É aquele parquinho, né, digamos mais uma vez, aquele parquinho da minha filha ali que, pô, quando você vai pro parquinho, você se preocupa com detalhes e com alguns elementos, né?

Então, é um pouco sobre isso que a gente tá conversando aqui de uma forma didática, né, Renan? Pra gente trazer essa lente percepção do que tá acontecendo, é muito fácil a gente começar e falar que a gente tá vivendo uma era da inteligência artificial. Mas como professores da Singularity, a gente quer levar vocês também para uma outra reflexão, talvez um plano um pouco maior. Se a gente fosse dar um zoom out nessa leitura de que é uma era da IA, a gente acredita que a gente tá vivendo uma era complexa. E a era complexa, a

palavra complexo significa ter sido junto, ou seja, é um convite, é uma anunciação para uma era da coletividade. Ou seja, os desafios cada mais, cada vez mais serão muito sobre relacionamento, relações, como a gente cria vínculos genuínos. Isso tudo potencializado pela IA. Então, a era complexa para mim é o nome do livro, né, Renan? É o nome do livro, onde o prólogo desse livro, se eu tiver que passar a página desse livro, a primeira a primeira, eh, enfim, ponto seria as lições da pandemia. Por que lições da pandemia? Resgatando um pouco uma única interpretação, um

olhar nosso eh particular sobre isso, a gente entendeu que naquele momento da pandemia a gente jogou um jogo coletivo sem alinhamento nenhum, sem nivelamento nenhum, que era ou todo mundo ganha ou todo mundo perde. Se você sair de casa, todo mundo perde. Se você ficar em casa, todo mundo ganha. Para mim foi quase como uma aula de doutorado, né, sem nivelamento para dizer assim, cara, é assim que a humanidade deve jogar sincronizado. E essa sincronização vai nos desafiar muito no que a gente chama, no que no que a gente eh tange as novas habilidades que

vão ser adquiridas e aprendidos ao longo dessa nova era. Aí sim, o primeiro capítulo tem a ver com a primeira ferramenta complexa, ou seja, a inteligência artificial nada mais é que a gente tem uma mentes coletivas com ultraprocessamento, né, ofertando pra gente. É quase que uma ferramenta alienígena, né? Muitos dos autores e expertos estão falando assim dessa forma, porque nos permite que a gente possa resolver problemas complexos, problemas que a gente só resolveria se estivéssemos realmente juntos um com o outro e a gente não tem ainda essa capacidade e ela tá trazendo essa essa habilidade

pra gente. E nesse mundo de trabalho, a gente fala muito, já falou muito sobre hard skills, falou muito também sobre soft skills. Geralmente outrora, a gente contratava pelos hard skills, as competências técnicas, desligava pelos soft skills as competências humanas, mas nesse momento, nessa nova era, a gente fala de complex skills. E isso vai desafiar a nossa base da educação. Porque se você perceber, a base da educação nossa, de uma certa forma trabalha o indivíduo, trabalha a competitividade, eu ser melhor com eu mesmo, eu ser melhor do que o outro, ou seja, o coletivo, ou seja,

o trabalho em equipe, ele fica em segundo plano. A Complex Skills, na verdade, muda o tapete de educação. Diz o seguinte, cara, como é que eu influencio o coletivo e como é que o coletivo me influencia e como é que a gente consegue uma sintonia, o nível de sintonia tamanha para que a gente gere uma grande potência, que é a mesma coisa eu e Renan aqui, eu sozinho tenho minha potência, Renan, tem a dele, mas nós juntos, as nossas diferenças, se acolhidas, a gente consegue trazer uma grande potência e entregar algo de valor pra humanidade.

Então acho que vai desafiar muito no conceito, na base da do nosso olhar de como a gente vai observar esse desenvolvimento das complexos skills. Eu acho que o novo e elogio da humanidade vai ser fulano de tal é complexo para caramba. Vai, isso vai passar, vai converter, né? Vai converter. Hoje em dia você acha que é difícil, mas talvez amanhã vai ser algo que é um super elogio você ser complexo, você tá conectado com o todo. Mas perceba que é engraçado, né? O popular, o complexo, como se fosse aquele cara difícil, ou seja, aquele cara

incompreensível. É isso. E a gente tá vivendo uma uma era do incompreensível, porque é tudo junto e misturado. E o ser humano, como foi educado num pensamento linear, não consegue perceber os nós e os emaranhados que se envolve tamanha, né? Às vezes numa pessoa ali representando isso. Deixa eu fazer uma validação inclusive sobre pensamento linear. Respondam. Qual o número que vem depois da seguinte sequência? 2 4. Olha aí, ó. O número exponencial é o oito. 2 4 8. Mas o nosso pensamento é tão bitolado no linear que instantaneamente falando a gente já pensa desse formato.

Então é justamente essa subversão que a gente quer trazer. Então e aí a gente disse, eu disse a viola, cara, disse p eu tive aulas aqui, né? E a BM consegue desembaranhar, tá conseguindo nessa simplicidade, né? pessoas que que compreendem ali trazem de uma forma, entregam de uma forma muito simples. O que eu anotei aqui, eu tava mostrando, né, a ele, né, o que tava mostrando que minha meu aprendizado das aulas que eu tive agora é extraordinário. Então, acho é simplificar, trazer essa linguagem simples, ou seja, são tradutores, né, que possam trazer uma algo complexo,

né, para uma linguagem que possa ser acolhida, melhor acolhida. Então acho que esse é um desafio também que a gente tem muito grande. O Complex Skills no limite tem a ver com essa nossa coletividade, com essa nossa colaboração, com um lado subjetivo humano. Eu acho que quando vocês se apaixonaram pela esposa ou pelo marido de vocês, vocês não se apaixonaram pela objetividade da pessoa, pela formalidade. Você apaixão do pragmático, né, Renan? Ah, não. Aquele cara pragmático demais. Ah, aquele cara maravilhoso. E a gente brinca, com todo respeito, que pragmático só dá um selinho, né? Então

é um pouco disso. Então a gente se apaixona pela subjetividade. A gente não vem para São Paulo por isso. Inclusive a gente ama São Paulo. Nossos melhores amigos estão em São Paulo. Mas mano, quando é que numa cidade é saudável você só dá um beijinho? Tem algo errado nisso? E reci você dá um abraço, você tira do chão, tem todo um aconchego. A gente começa a questionar esses detalhes, mas a subjetividade nos desafiará na criação de vínculos. Como é que de fato a gente traz vínculos humanos para que esse coletivo se desenvolva? Ou seja, o

a convocação é o complex skills é o subjetivo, mas a o objetivo que aí essa objetividade, esse pragmatismo, ela é eficiente por natureza, é produtiva por natureza e vocês estão aprendendo isso aqui agora, né? E isso sim compõe, dá-se o hilower. Porém, o Hilmware ele, na verdade, ele tem potência dependendo da qualidade interna da do que tá dentro de você. Toda intervenção sua depende da sua qualidade interna. Então, a a qualidade do sinal dependerá da qualidade de intenção dos vínculos, tá? Vamos entender se essa turma aqui é complexa de verdade ou não, tá? Fazer uma

pergunta, vocês têm que responder com sinceridade. Primeira pergunta é: quem aqui é a favor de colar na prova? Levanta a mão, por favor. Colar na prova é até ser poucos colar. Já temos três ali. 0,3%. 0,3%. Beleza. Você de casa aí também, ó. Levanta a mão aí, fica cano, não. Tudo bem. Agora pergunta dois. Quem aqui colou na prova? Levanta a mão, por favor. Opa, estamos vendo, vocês não estão vendo uma no teatro. Maravilhoso. É, a gente até disse, se vocês quiserem manter, mantém a mão aí levantada. Mantém de novo. Quem colou na vai chamar

o MEC aqui só para confiscar aqui o diploma de você. Colou na na Universidade da Exame. Pode colar na prova, deve, porque é um exemplo de coletividade. A gente brinca com isso, mas a vida é uma prova complexa. O trabalho é uma prova complexa que se a gente dividir para conquistar, a gente vai mais rápido pro recreio e é muito mais legal. Então, o que que isso se conecta? Falar de brincar com essa colar na prova tem a ver com essa era complexa, tem a ver com o futuro do trabalho. Venham comigo na seguinte reflexão.

Esse daqui pra gente é a tese do futuro do trabalho, tá? É um filmezinho rápido. Olha que legal. Extraire. Ladies and gentlemen, winner. We've been watching you. I belong to a crew that executes internationales and we want to recruit you. Why? I not criminal. The distract. This window of opportunity isn't just our only chance. It's yours. A lifeless ordinary. I'd like you to meet the teamina, our master hacker, Rol, our getaway driver, and last but not least, our very own real life action hero, Mr. Brad Cage. Yes. O que é que isso tem a ver

com futuro trabalho? Tem tudo a ver. Isso tem tudo a ver porque primeiro eu acho que a frase mais polêmica que eu vou dizer nessa palestra para vocês hoje é uma frase que vem de tribalistas. Eu vou tirar o meu da reta de cara. Ele fala e a frase que é do futuro do trabalho. Eu sou de ninguém. Eu sou de todo mundo e todo mundo é meu também. A gente acredita que o futuro do trabalho tem a ver com essa poligamia de você trabalhar em várias missões diferentes, em várias empresas diferentes, como IBM trabalha

de forma especializada, uma sacada, né? Porque isso vai virar para não virar uma baderna, precisa de orquestração, governança, né? Para não virar uma pulpare, né? Eu não vou nem contar, mas tem uma frase no carnaval de Olinda da nossa terra que diz assim: "Organizando todo mundo namora". Vamos ficar com essa expressão. Fica só, é só interna, ninguém ouve, é só, só uma coisa interna aí, coisa interna, coisa do carnaval. Onde é que isso se conecta com o futuro das empresas? Então, imagina que para essa orquestração dar certo, eu tenho que escanear quais são seus KPIs,

seus OKRs, teus objetivos. De um outro lado, eu tenho a tua população, quem trabalha em cada empresa atendida por você, Tony. E aí eu faço um scanner. A I me permite fazer um scanner tendo discernimento dos desafios de um lado da da competência da população. Só um detalhe, eh, tu acho que tu tem que dar palestra aqui, porque tem três marcações aqui para comparecer pro pessoal, entendeu? Obad. Obrigado. Desculpa. É verdade. É que uma energia vai voltar aí, né? Pensei em carnaval já veio, você entendeu, né? Beleza, volta. Obrigado. O rolê é, então você tem

desafio de um lado, mapeamento humano das competências do outro e obviamente esse matchmaking, tipo um Tinder, já que a gente tá falando de carnaval, a gente tem a interseção entre as competências humanas existentes na tua população e o que a tua empresa precisa de competência para aquele desafio acontecer. E o ideal é maximizar isso ao máximo possível. Eu acho que essa maximização, minha percepção, é que tá na relação com a IAR. Quanto mais tu trouxer IA para aumentar as competências humanas, mais você aproxima essa interseção para chegar essa perfeição. Olhem para esse gráfico aqui. Eu

tenho o Ricardo, que tem as suas super skills. Eu tenho as skills gerais dele, os gaps de skills do Ricardo, quais são as conexões do Nicketin que ele precisa conhecer. O antigo currículo, né? Isso é um antigo currículo, isso é um novo currículo. Então eu acho que quando eu fui adentrando dentro do think, uma das coisas que eu mais amei olhando é essa capacidade de retraduzir a humanidade, cada pessoa que trabalha na tua companhia hoje sobre uma ótica de skills e entender a interrelação entre essas skills. Deixa eu traduzir agora como eu acredito que vai

se dar o futuro do trabalho com essas relações, com todas as ferramentas. Imagina que vocês têm um desafio e a IA identificou que determinados skills estão faltando dentro da tua organização. O que que a IBM consegue? Te dar esse mapa, escanear isso e te dizer quais são as competências que você deve sim ser treinado. O rei skilling falado no anterior painel. E você consegue treinar as pessoas para melhorar e alcançar aqueles desafios. Outras pessoas têm que ser contratadas de mercado, outras vão ser emprestadas de consultoria com flores, por exemplo. E embaixo, a parte que eu

mais gosto é o chamado boosts. O boost é quais são as ferramentas de DNAI ou AI como um todo que vão potencializar um time para fazer isso acontecer. Então, se outrora teu time era um time pequeno, hoje ele pode ser infinito porque as tuas competências são aumentadas por todas as ferramentas. Não, fiquei pensando se os agentes não serão novo pet do ser humano, né? Ou vice-versa, né? Você vai ser o pet ou humano vai ser o pet do agente. Será que esse é o plot? Reflexões à parte, mas o que eu gosto desse lugar também

é um lugar de que um dos mantras do gravidade zero, da singularity, é não importa o que você faz, o por você faz, importa com quem tu faz. E esse com quem nunca foi tão importante. Você pode ir pro pior lugar do mundo se você for com as pessoas certas, lugar extraordinário. Você pode ter a missão mais difícil dentro da tua empresa, se você for com os agentes certos e a ferramenta certa, esse lugar é extraordinário. Então esse com quem agora não é só entre humanos, mas é entre humanos e entidades artificiais. E é esse

balé que pressupõe esse primeiro ato da nossa fala. Pra gente adentrar dele, eu quero fazer uma checagem com vocês e eu queria até fazer um disclaimer em voz alta, ousado, afinal somos meio bobo da Cortes, sobre como eu vejo a coragem DBM. Acho que o core do da consulting teve a ver com isso. Quase nenhuma bigtec tem a postura e a coragem de trazer a interdependência entre vários vendors. Essa possibilidade, essa abertura de múltiplos modelos e a capacidade de governar, orquestrar, trazer segurança, transparência é fundamental, porque como disse o Braga, toda semana tem uma nova

IA. Então imagina a arrogância e presunção de uma empresa de BigTech dizer assim: "Não, você só vai usar o meu modelo". Não, imagina, né? Voltando lá pro Malu, minha filha, tem um parquinho com 15 mques, só posso brincar no balanço. Ruim, né? A minha leitura mais e bem paulistana é o seguinte: uma das comidas que eles mais gostam, né, quem é aqui de São Paulo, é pizza. Qual a melhor pizza de São Paulo? É polêmico, né? Cada um tem uma pizza e provavelmente e provavelmente vocês vão dizer assim: "Ah, na veridiana tem uma de panceta.

No braço tem uma e é e de burrata ou caprez. Cada uma, Carlos Pizza tem outro, mas a melhor pizza de São Paulo não é de uma pizzaria, é a combinação de várias pizzas diferentes e todas as pizzarias. Essa é a leitura do que eu entendo que a IBM tá fazendo com Orchestrate. É habilitar você comer todas as melhores pizzas de São Paulo e cada restaurante ficar na sua expertise cuidando o que te importa realmente, né? Nós vamos fazer uma dinâmica com vocês sobre isso. A regrinha é o seguinte, você em casa aí, se liga

aí na dinâmica só para é boa. Essa daqui é faça você sozinho ou bota no chat se você conhece, bota um eu que a gente entende. Eh, a regra é: se você conhece essa ferramenta, você vai levantar a mão. A próxima ferramenta que a gente mostrar, se você continuar conhecendo, mantém a mão levantada. No momento que você não conhecer, você abaixa a mão. Beleza? Mais uma vez a mão abaixada, Tony, nunca mais você pode levantar. Fechado? Vamos comigo. Levantem a mão. Vocês conhecem essa ferramenta? Beleza, todo mundo. Segunda ferramenta, OK? Terceira, OK? Quarta e quinta.

Nota 10. Podem. Vamos para uma próxima rodada. Levantem de novo a mão agora. Vocês conhecem essa. Beleza. Próxima. Cludes. Ok. Algumas abaixaram. Botam. Não pode levantar mal. Quem ainda é seu. É mid jour Journey. Eh, gama N8N lovable, não pode levantar de novo. Cursor, então notebook LM. Tem aqui, segundo IBOP, 0,02% da população sobreveu. Acho que umas seis pessoas continuaram com a mão levantada. Estávamos há um mês atrás no ITFórum com 118 maiores CO da América Latina e três ficaram com a mão levantada. Essa sensação dessas ferramentas como um todo é a sensação de você

estar sempre atualizado com face. Toda sexta-feira lançou a nova, né? No BR. Então, Dante, por exemplo, esse é o problema. Esse quadro aí tá desatualizado já. Esse é meu playground, gente. Isso aqui eu eu comprei até o Stream Deck, que é uma uma ferramenta de nerd lá que eu tenho no meu setup, na minha configuração da minha mesa, né? Eu tenho ele lá e e cada botãozinho dele eu configurei um a só que eu comecei a perceber que esse eu tenho que comprar agora um Stream Deck de 30 botões, não um de 15. Então, porque

toda hora lança um novo. Isso é para facilitar minha vida, tá? Mas quem não conhece depois entra aí Stream Deck que aí você vai ver o que que é esse aparelho, tá? Porque aí tá desenhado, ilustrado. O nosso ato dois dessa fala com vocês é um tema polêmico. Ele foi inspirado eh num TED recente que tem um mês esse TED, que a IA está sendo underhyped. Isso é louco, porque todo mundo ainda acha que ela tá no hype e tudo mais, mas na nossa percepção ela tá underhed. E eu não tenho imagem melhor para vocês

tirarem foto e postada do que essa agora. Esse aqui é a sensação de ar. Então, não sei se vocês já experimentaram todos esses níveis de óleos possíveis. Alguns sim, outros não. Não precisa se denunciar, não vou pedir para levantar a mão. Mas álcool, maconha, cocaína e tentando se manter atualizado com Iá. Essa é a velocidade que tá acontecendo. Então, o que eu acho brilhante de você poder experimentar todas elas é que você tem a orquestração, a segurança, a transparência de que você pode trazer essa velocidade, essa cadência se você tiver aí você começa a ter

a curadoria, né, que você começa a ter esses filtros que vão ajudando você nessa jornada, porque eu diria até que é uma odisseia, né, que é uma coleção de jornadas que a gente vai ter daqui pra frente. Então, acho que precisa de aliados nesse processo. Mas a gente, Dantinho, enquanto seres humanos, a gente entende que o mundo do trabalho que nos trouxe até aqui, ele foi muito pautado da seguinte maneira, desenhado dessa forma, né? Meio que uma pirâmide hierárquica. E por muito tempo a tecnologia impactava a base da pirâmide. Todo mundo que estava mais alto

no Olimpo, gerente, diretor e afins, estava de boa na Alagoa por muito tempo. O que a gente achava que ia impactar o nosso trabalho eram trabalhos manuais e repetitivos. E ficou muito claro o que o Viola mostrou aqui, é que ele faz muito além de trabalhos manuais repetitivos. No momento que isso acontece, a Singularity traz pra gente uma reflexão sobre uma lei que tá entre nós há vários anos, chamada Lady Moz a cada 18 meses as tecnologias dobram. Tá aqui Lady Mo então a cada 18 meses as tecnologias, os processadores, tudo dobra e cai pela

metade o custo. A primeira tecnologia que desafia 18 meses é DNAi. Alguns especialistas falam em 5.7 meses, mas outros falam em 3.4 do dobrar toda a inteligência dela. O que que isso significa? Outrora éramos trabalhadores braçais, hoje somos trabalhadores intelectuais, mas se ela tá dobrando essa potência dela, a tendência é que a gente tenha que repensar os trabalhos do pensamento. Ou seja, nossa principal matériapra, o ingrediente, né, que nos faz nos, enfim, eh, o lugar que a gente ocupa hoje, que é o intelecto humano, tá sendo desafiado, né, porque ela tá cada vez mais inteligente.

E essa aí é uma matéria que saiu em 2023, né, na foi uma pesquisa da Maquinci, né, que saiu na Time falando do reh the Thinking Jobs, que na verdade é repensando esse trabalho, esse trabalho intelectual, né, do intelecto humano. Eh, eu antes de entrar aqui, eu tava vendo um post e no LinkedIn falando que a Unilever vai desligar 7.000 trabalhadores de colarinho branco, não mais de colarinho azul. Então isso é uma mudança, porque o colorinho branco, eu acho que somos todos nós aqui, somos pessoas que pautamos a nossa carreira em conhecimento, em aprendizado. Então,

no momento que deixa de ser só blue, eu diria que não deixa de ser, é uma pausa, porque vai vir os humanoides, vão vir os robôs que vão voltar ao blue color, mas no momento a gente tá falando disso. E e o ingrediente do futuro do trabalho tinha ver com QI. Então vocês sabem qual o QI médio da humanidade, do mundo inteiro? É 100. O QI médio do Brasil é 83. é um pouquinho abaixo do mais baixo. O QI de Hellow Musk bem ou pro mal é 155. O QI dos modelos que estão lá no

Watson X, todos eles, todos falados aqui, são também 155. Os casados, como de Einstein, quando vivo, era 205, que também já é o Q, equivalente a alguns dos modelos mais avançados que estão disponíveis também dentro do SON X. Então significa se tu tem um Q de 40 ou 80, se tu usa o Watson X, tu também tem agora um Q de 200, porque você pode se alavancar dele. Eh, eu não acomendo e recomendo vocês fazerem esse teste aqui agora. Esse é um teste da Você lembra da Capr sozinho no banheiro ali para não ficar triste,

viu? Esse é um teste tipo Capricho, aquela revista Babadérrima científica que ensinava como voltar o Boy Magia em três dias. É esse tipo de teste aquele negócio, né? Era a gente receber engraçado como professor, dava a nota da nossa prova em público, né? Terrível, né? Fazia prova individual e recebia a prova em público. Fulaninho zero, fulaninho dois. Era terrível. Então faça esse teste sozinho. Sozinho. Isso é importante. Mas o que que isso impacta o trabalho ou futuro? Porque todas as áreas, serviço, indústrias, finanças, eh óleo e gás, tudo a vida inteira dos últimos 100 anos,

a variável que fazia ela evoluir era o nosso QI, era a nossa inteligência, era o nosso repertório. No momento que a IA entrega esse nível de QI, olha o que vai acontecer com esse gráfico. Ele tende a estourar. Então eu imagino da seguinte forma, imagina que eu e Dante estamos numa corrida, são empresas diferentes, eu sou concorrente dele no rolê. Se eu não tô usando DNAI na corrida, eu tô andando e ele pegou uma moto, uma Ferrari ali de alta velocidade. Então essa hipervelocidade mostrada para esse gráfico é o convite para tu começar hoje, porque

se tu demorar demais é muito provável que vai estar tão distante esse gap que não vai dar para alcançar. Só que a gente ainda fala que essa curva talvez não necessariamente ela suba linearmente aqui. Ela pode ser uma ruptura e causar e criar novas experiências que a gente nem sequer consegue. É, pode, a gente pode quebrar aquela reta e criar novas categorias de experiência ali que não são necessariamente você alavancando e estendendo esse esse processo. Um dos slides mais legais que eu acho que eu trouxe é esse que eu acho que a gente vai ter

gênios em data center. Então, se você quer ter um gênio para chamar de seu, um agente para chamar de seu, agora ele tá disponível a usar as ferramentas certas. Porque o que tá acontecendo nessa revolução cognitiva é que a gente tá tendo QI as a surface, QI. Você pode alugar isso, estender sua inteligência agora à vontade. Tem então, inteligência artificial não se chama mais inteligência artificial, chama-se inteligência aumentada. Eu acho que esse é um dos maiores takeaways que eu quero que vocês levem para casa, né? levar para casa o discernimento de que ela nos aumenta,

que ela nos torna infinito, exponencial, se a gente usar todas essas ferramentas a nosso favor. O ponto é que as tecnologias estão disponíveis nessa força inteira, mas o que que tá faltando? É, o que a gente hoje tá questionando é a fé humana, né? A gente quando questionou e perguntou aí, ah, a gente começou a fazer alguns testes e a gente viu vários experts, acadêmicos, empresários, CEOs e a gente fez uma pergunta sobre a prosperidade e o que que isso vai, para onde a gente vai como humanidade? Então a gente colocou 10 ali para catástrofe

e um, digamos, sendo otimista, quer dizer, o contrário, né? 10 sendo prosperidade e um sendo catástrofe. Então a gente perguntou a vários experts isso na nas EAIS, a gente mandou ele encarnar cada um desses experts. Isso. E o nível foi, a nota foi 6.4, né? Ou seja, tá levemente otimista, segundo os Tá ótimo. Tá ótimo. Tá, tá, tá legal. Tá bom. É só para limpar um pouco o barulho aí do que a gente tem percebido no mercado. Mas a fé humana é uma das tecnologias também, porque tem muitos saltos de fé que a gente tá

tendo que dar, porque a gente tá lidando com um mundo muito imprevisível, né? E muita coisa não tem informação sobre, você tem que criar isso, tem que protagonizar. Então, para dar esse salto de fé, você tem que de uma certa forma acreditar um pouco também no invisível, né, Renato? Mas o convite da gente nesse slide é isso, tá? A gente queria que vocês tivessem não só o aumento da IA, mas também o aumento da fé. Sem fé, sem confiança, não vai rolar. A fé é a cola da interdependência humana, é a cola da complexidade. Se

a gente não tem fé um no outro e eu, enquanto brasileiro, preciso alertar outros brasileiros aqui presentes, vocês sabem qual o percentual de confiança que um brasileiro tem no outro? 7%. É isso, na verdade é o ingrediente mais secreto e mais importante da coletividade, né? A confiança. Então, a gente não se preocupa com a IA, a gente se preocupa com a intimidade artificial entre seres humanos. Enquanto não houver fé e relação, vai aí pode dar merda. Mas aí há pra gente, eu acho que um dos slides mais lindinhos também fala sobre a relação, né, da

Isso eu perguntei, tem uma amiga minha que adora fazer café coado em casa, eu disse: "Tá tudo bem, maravilhoso". Aí a pergunta é: "Mas com tua rotina tá ficando legal fazer coada?" Disse: "Não, Dante não tá, não tá atrapalhando, né? Não tem que chegar aqui em São Paulo mesmo, tá tudo atropelado, não dá". Então eu digo o seguinte, é maravilhoso, café coado, mas é questão ser sem. Com Iá vai pro expresso, entendeu? Mas ao mesmo tempo tem um problema no expresso. Depende do grão que tu bota daquele negócio. Você tem uma frase, né, do cheit

init out, né? Então tem cuidado. Aí não importa a tua máquina, se ela é expresso ou é moído. Se o grão for ruim, o que vai vir do café não tem salvação. Então isso é uma coisa muito importante pra gente olhar pros dados também. Esse discernimento é que eventualmente o que vai dificultar todas as empresas irem para essa era de agentes na plenitude delas é a qualidade dos seus dados, é a organização dos teus dados. E e quando a gente fala em dados, uma das coisas que eu mais gosto também olhando pra IBM, eu pedi

para Dantinho desenhar esse slide eh um pouco antes da gente subir, foi isso aqui, ó. Então, imagina que a tua empresa tá aqui em azul e a outra empresa tá ali em branco. Eh, imagina que os dados que vocês dois tem sobre nós clientes, ou seja, esses dados aqui, os dados comuns, são dados que não tm o mesmo peso do que aqueles dados que só a tua empresa tem sobre mim ou só a outra empresa tem sobre mim. Imagina você usar softwares como Gritees, né? Plataformas que te habilitam você treinar o teu próprio modelo, ter

a tua interface, ter a tua sensibilidade e isso catalisar e não respostas genéricas, não é nem só o sheit init out. É se todo mundo tem as mesmas ferramentas em cima das mesmas bases de dados, a mediocrização do planeta tá definida. A forma de você trazer teu DNA, tua assinatura é você se alavancar daquilo que é teu, aquela tua característica que é tão importante. Voltando um pouco para cá, eh, esse olhar pra gente tem a ver, tentando acolher o coração dos humanos, é que o futuro do trabalho pra gente perpassa sobre também nos tornarmos trabalhadores

intuitivos e cada vez mais caminharmos para um caminho de integridade. Isso, ele tá falando que novas competências serão aguçadas, a gente vai ser provocado, né, muito em lugares desconfortáveis. Mas é muito de nós humanos a capacidade de andar no desconhecido, de habilitar novas competências. Então tem muito sobre isso. Então o ser íntegro é a gente começar também a não mais nos separarmos de tudo aquilo que a gente nos separou, a gente começar a devolver um pouco mais essa integridade e encontrar o potencial. E pela não separação, não é que você vai deixar de ser trabalhador

braçal e vai se tornar intelectual e vai se tornar intuitivo. É um i. é um uma dose de cada uma delas se alavancando das tecnologias que estão à disposição. Mas uma palavra chave nesse momento que vocês vão ouvir em todos os fóruns é sobre reiskaling. Então essa capacidade necessidade urgente da gente se recapacitar, da gente pivotar aquilo que outrora fazia sentido com o nosso colarinho, sendo ele azul ou sendo ele branco, é um convite pra gente se preparar para esse novo. E lembra que o H skilling tem a ver também com complex skills, na verdade

como você melhor trabalha o time, né? Lembra que no Realá na Espanha, acho que foi o time do Galápagos, Galáticos. Galáticos 2006, dois anos era Figo, Roberto Carlos, Cilhas, Zidani. Tin craque, só tinha craque, mas foram os dois piores anos da história de futebol. Não significa você botar só craque, é a questão da sinergia do time, trabalhar o time. Por isso que tem que saber orquestrar o rolê, irmão. Se não souber orquestrar, não adianta de nav ter os melhores modelos que tu não vai fazer nada com ela, né? A gente muitas vezes usa as tecnologias

certas pelos motivos errados. Então, a não intimidade também que vem muito de um lado de consultoria, de saber te ajudar a catalisar isso. Eu diria que até a questão, os agentes em si, eles vão se descobrir quem trabalha melhor com quem, né? Porque isso vai ter, vai entrar um que vai est lá chegando no playground ali, esse cara, esse agente aí tá atrapalhando, tira, não vai assido, né? Chega outro e aí você descobrir a melhor combinação possível de agentes que trarão os melhores resultados possíveis, né? Então, acho que isso também tá trabalhando muito na questão

da orquestração que tá muito trazido pelo guarda. A gente pediu autorização, isso aqui aconteceu quinta-feira passada. Olha isso aqui rapidamente. Você não sonha com o que você não conhece. Se o que você conhece nutre teu repertório, nutre a tua lente de como tu vê o mesmo, você consegue usar ele enquanto matériapra para construir nosso evento tá sendo incrível porque além da gente estar imerso nesse lugar maravilhoso, a gente tem oportunidade de vivenciar de uma forma super colaborativa essas novas tecnologias. fazer os principais tricks, né? O que a gente vai levar para começar segunda às 9

da manhã já diferente, né? Na próxima semana. Essa imersão tá sendo muito sobre como a gente nutre novos repertórios, novas possibilidades, sobre um desbloquear de um ser humano mais exponencial em dois olhares: olhar da interdependência humana, o resgate da complexidade. Complexidade não enquanto o complicado, mas enquanto tecido junto, unidade. buscar casos reales que vamos a poder aplicar nos próximos meses na compañía. Esse treinamento ele foi especial porque além de nos dar uma visão de todas essas ferramentas que hoje estão disponível ou parte delas e ele foi totalmente handsom, a gente pôde sim operar, eu pessoalmente

consegui utilizar ferramentas que eu nem conhecia. Eu acho que essa estratégia, essa mão na massa, essa visão é integrativa faz parte da nova liderança, né, que vai ser protagonista dessa era complexa. Tem sido incrível e fundamental entender melhor como funcionam as ferramentas de ar. Acho que acima de tudo esse vídeo retrata uma imersão de dois dias num offsite com todo o Olimpo da Vivo, o presidente, todosos seus diretos, onde 12 horas foram de handson, mão na massa. E a gente tem construído com o Tony, com o Braga, o trazer desse tipo de imersão para outras

grandes empresas. Então o que tem acontecido é o desejo de não só treinar a base, mas treinar o Olimpo para ter esse discernimento. Afinal, aquilo que você vê, você não consegue desver. Então, esses novos futuros e colocando a mão na massa habilita uma série de novos futuros. Isso é muito importante. Então, olha, olha um exemplo inclusive do de quando você começa a ter acesso a eles, quais são os novos desafios de reiskilling, porque aqui no MIT o professor Eric, ele foi o seguinte, ele pegou um grupo de alunos, dividiu em três grupos, um podia usar

uma IA1, outra IA2 e outra buscando na internet. Não podia usar nenhuma DNAI para criar um software em Fortran. Quem que conhece Fortran? Opa, não levantem a mão, OK? Eh, quem usou a IA1, que era melhor naquela semana, foi o primeiro lugar. Quem usou I2, foi o segundo lugar. E quem não usou o IA Generativa, foi o último lugar. A melhor IA da semana, né? É, a melhor IA da semana. Um mês depois, ele pediu uma outra atividade também em Fortran e não deixou ninguém usar GNAI. O que aconteceu foi a inversão disso. Então, eh,

isso é a necessidade do rei skilling. Mas eu não tô dizendo com isso que você não deveria não usar DNAI. Pelo contrário, a minha tese é que enquanto a gente usa DNAI, a nossa habilidade vai ao infinito. Mas a gente também tem que trazer pros nossos times desafios do tamanho que agora uma empresa consegue alcançar ao usar DNAi. Não dá para desusar depois de usar. Eh, eu falando com a CCRED, inclusive lá em Boston no jantar, eles disseram: "Se desligar de NA desliga 300 milhões de novas receitas. Eu tenho que contratar 1700 pessoas novas". Não

dá para desver isso. O que dá é para entender que se a gente atrofia um pouco a questão cognitiva, provavelmente os nerds devem ter assistido essa série ou não. Quem assistiu essa série Demolidor? Eu. Só eu? OK. Essa série é um superherói que ele fica cego. Olha, ó. Tem Flores. Aí, depois vocês conversam aí. Flores. É nós. Vocês têm aí só os dois aí para aí. Braga também. Braga também aqui. Pronto. Quando ele trofeou a visão, ele desenvolveu o olfato e a audição de um nível super diferente. E essa é a nossa tese pro futuro

da humanidade. A gente tá vivendo o fim da era Sapiens. Dantes. É o fim da era Sapiens. A gente tá sendo desafiado com a queda do mindset e o ascensão do feld set. O field set é uma inteligência do coração. A gente brinca que a gente tá tentando dar um bypass na humanidade sendo chipanzé, né? Na na na evolução de Darwin, né? A gente tá sendo um chipanzé porque tá é aquela mediocrizando, ignorante, mas para dar o B pear um chipzinho aqui para mim continuar na evolução, entendeu? É moco. Isso. Só que a gente, isso

é um desafio pra humanidade, né? A gente falar do sapiens hoje onde a Ia tá sendo o que tá sendo. E a gente brinca assim, como é que a gente traz pro campo presente? O campo presente acaba que as máquinas, a tecnologia ganha sempre as capas de revista, né? e acaba que o humano, as conexões humanas fica muito adiado pro futuro. O que eu diria o seguinte, é esse blend de como é que a gente antecipa esse campo de futuro, de um futuro melhor e mais próprio, próspero de corxações humanas, mas também alavanca esse presente

para esse futuro, eh, sendo alavancado pela própria tecnologia. E a gente discute assim qual o preço de um abraço, né? O preço de um abraço em tese, um abraço é gratuito, mas assim, ele pode ser cado, dependendo se você não tá longe, né? Você precisa atravessar às vezes o oceano para abraçar o seu ente querido, né? Aí eu acho que esse esse processo de resgatar as conexões humanas, a tecnologia faz muito esse papel de unir esse processo. Enfim, eu acho que a inteligência artificial ela tá gerando conexões e vai dar espaço pra gente gerar conexões

duradouras e genuínas, tá? Então, muito mais sobre o highch, não só sobre o hightech, né? A gente acha que ela vai ser justamente o motor pra gente resgatar o afeto à interdependência humana. Isso inclusive foi eh uma notícia que saiu semana passada eh dentro da Fast Company falando sobre conexão humana. Agora 20 de5, é 20/05 a matéria. Então vejam que tem de uma certa forma, né, nesse nessa névoa toda de inteligência social existe sim preocupações e é um e é um sensor, né, para que você liga aí no seu negócio também de como a gente

traz e alavanca as conexões humanas usando a própria inteligência artificial. Nosso último ato, fechando aqui com vocês, últimos minutinhos, a gente quer que vocês levem para casa a visão desse sapinho. Esse sapinho significa lip frog. É uma expressão muito usada na singularity. Lip frog significa começar a partir do futuro. Então, tenha um discernimento que, por mais que vocês tenham uma série de legados, softwares e afins, a oportunidade que está presente é você começar a partir do futuro para criar novas realidades. Eu, como bom brasileiro, apaixonado pelo meu país, eu diria que não tem frase melhor

para traduzir o Lip Frog do que a do Aton Senat e que tem a ver super com o vocês patrocinando a Ferrari, né? Você não pode ultrapassar 15 carros em um dia de sol, mas você pode quando tá chovendo. A chuva nivela os carros, mas não os pilotos. A mensagem aqui é que a Iá é essa chuva. Agora, se tu usar a mesma chuva que todo mundo, se você não tiver essa protagonismo de saber orquestrar e protagonizar isso tudo, você não vai dar esse salto de fé, esse salto, esse ato de coragem para construir amanhã.

A gente tem três perguntas para deixar vocês refletindo sobre elas. A primeira é o quanto do que tu faz hoje é trabalho de máquina e o quanto é trabalho de mano. E como a gente tem uma licença poética um pouquinho maior, viola, honrando você, eu acho que isso é um exemplo de uma palavra do francês ali, ó, trabalho de corno, que é uma palavra importante. Quanto do nosso dia a dia, não são trabalhos que a gente faz no nosso dia a dia, tipo buscar informações dentro da empresa que a gente trabalha. Ficou claro com os

exemplos do Viola que você faz um prompt, uma pergunta e todo o dado da companhia tá acessível para você. Então, talvez a forma de eu me relacionar com o SAP, com qualquer que seja o meu RP agora, é conversando com ele. Ele foi encarnado. Isso abre novos poderes. Segundo, o quanto do que você faz é de é teu e o quanto não é teu. Lembra do skill baseds, da pessoa baseada em suas habilidades, o quanto você tá distante de quem tu és. E aí esse vídeo traduz isso perfeitamente, ó. Você sendo o teu cargo e

você sendo você. Agradece a Iá. Agradece a A gente acredita que A gente acredita que um dos principais problemas da humanidade é o desperdício de potencial humano, né? Você fazendo aquilo que não deveria ser feito ou então fazer exatamente aquilo que não faz nenhum sentido, sua natureza. Agradece. O terceiro e último, muito comum em empresas grandes, é cuidado com os trabalhos artificiais. Trabalhos artificiais é o que mais tem, é aquele retrabalho, é a quantidade de reuniões que vocês passam uma atrás da outra. Só para dar dois ingredientes e tecnologias babados para vocês. Olha isso aqui.

Alguns de vocês devem conhecer, não tem jabá, não é arrasta para cima, não tem meu código promocional. Eu uso essa ferramenta chamada PLDS, que ela grava minhas reuniões presenciais, cria uma síntese, uma ata. É PL AUD. PLUD. Essa daqui eu já uso há um ano e pouco e é muito legal. Eu uso outras ferramentas dentro do mundo digital, mas a mais nova que eu acho que só essa aqui. Essa chama Limitless. Essa ferramenta ela é um life coach. Ela só reconhece a minha voz e todos os dias eu posso perguntar quais foram as coisas que

eu me comprometi, o que que eu tenho que melhorar. E aí eu tava com meu filho no final de semana, pastor, chegou na segunda-feira, ele me mandou uma mensagem esse dispositivo, eu preciso te dar um feedback. Eu disse: "Eita, que foi?" Ele disse: "Ó, você tá falando muito pro Noa, não pode?" E eu disse: "Caraca, como assim?" E ela me mostrou todas as vezes o horário que eu falei: "Não pode pro Noa". E começou a me guiar como eu poderia ser melhor com Noa. Então, o que eu sinto é que a gente tá vivendo um

momento onde o discernimento e tem que ter coragem, tá? Fica a dica aí. Tem que ter coragem. Ele vai saber tudo, né? É, o problema é que o seguinte, se você sempre fala a verdade, você nunca precisa se lembrar de nada. Mas se às vezes isso acontecer, ele vai te lembrar que tem merda para acontecer. Mas beleza. Eh, essa frase talvez seja uma das mais importantes dessa palestra. Não há nada tão inútil quanto fazer eficientemente o que não deveria ser feito. Esse para mim é a primeira coisa. Fotografar isso aí que essa essa é cupultura.

Toca no coração do ser humano, né? Toca no ser humano essa aí, né? Mas essa foto é isso. E aí tem uma tese do dente que eu acho que é a melhor tese para entender essa frase, não é? aquele negócio, quando a gente entra nas grandes empresas, corporações, as grandes dilemas da vida tem a ver com essas crenças corporativas, que para o seu balão, ou seja, uma empresa gigante voar, ganhar agilidade, você tem que liberar saquinhos de areia, se libertar dos trabalhos artificiais. É isso. E quais são os saquinhos de areia? Tem tudo, segurança, legado,

corresponsabilidade. Tem uma série de de crenças que vão impedir você entrar nessa corrida. E nesse, o que é que a gente tá trazendo aqui? A gente tá trazendo para vocês aqui um uma fundação para você forrar seu playground, né, que foi ao longo desse dessa manhã inteira com vocês, né, que vocês verificaram o que vocês podem construir, ter esse playground seguro, né, para que vocês possam ganhar agilidade. Ou seja, dá para César o que é de César, né, e cuida do teu negócio, teu core, sabe? Eu adoro essa reflexão da mãe do Dance. É, mãha

dizia isso, mãha, né, pernambucano. Pernambucano, minha filha, olha para você, eu tava atrasado para chegar no teatro, ela dizia: "Meu filho, ó, é melhor você correr em casa para não correr no trânsito". Então a dica que você dá agora é o seguinte: corram com a experimentação em casa para que vocês aqueçam, se aqueçam, se aqueçam, ganhe discernimento e faça aí é para vocês entrarem nessa cultura da experimentação. Só que a cultura de experimentação em Enterprise tem que ter segurança, tem que ter governança, tem que ter orquestração, tá? Tem que ter esse chão. Eu lembro quando

eu vi lá no Tin aquele softwar que Viola ficou mostrando do guardian. Disse: "Agora eu posso fazer minhas merdas tranquilo, porque se eu for fazer merda", ele diz: "Não faz merda não, irmão". É como se tivesse aquele aquele mor aquele cara ali olhando você, né? E falei, ó. Não, pode brincar, pode brincar. Brinca, brinca. Tá ali olhando. Opa, menino. Porque a gente é experimentador. Imagina a merda que pode dar eu tá usando isso aqui já de cara, né? Mas eu tô experimentando. Então eu gosto desse lugar que vocês cuidam de mim, que se eu fizer

besteira vocês dizem: "Ei, não faz essa besteira não". E estamos junto misturado. Eh, isso é os últimas duas mensagens, uma que quanto mais, se você pegar a Secoia, é um dos maiores fundos de investimento do mundo, tem falado que os líderes, vocês têm que ter uma que a gente coisa que a gente chama de mentalidade estocástica. é pautar esse momento, as decisões, as estratégias em caos, em eh experimentos, no mundo híbrido. Vocês têm que ampliar isso, porque como tá mudando muito rápido isso e, pô, é louco o viola chegar aqui e mostrar um vídeo de

um minuto onde a coisa foi criada ou que demora no máximo 5 minutos. Então, essa velocidade tem a ver com esse pensamento estocástico. Penúltima mensagem, é essa talvez seja a mais importante que tem a ver com o tema. É o seguinte: todas as empresas estão usando essa estratégia para adotar IA. AI first. E aí o que acontece com o mano, né? Ai first by design. Se a gente só botar AI first, era antes de ir a first. Então o meu convite a vocês é coloca humano people first no rolê e AI aumentando. Não é para

não usar AI. E IA tá em tudo. IA tá num convite de redesenhar e reestruturar todas as áreas da tua companhia. Foi isso que a gente fez com a Vivo. A gente dividiu aquela imersão em nove áreas e cada uma delas tentou reescrever como ela seria com IA. Mas honrando e respeitando o humano, afinal nós somos humanos. A última mensagem que eu preparamos para vocês vem de uma poesia de Antônio Pereira chamada A Pedra. Ela diz o seguinte: "O distraído nela tropeçou, o bruto a usou como projétil, o empreendedor usando a construiu. O campone, o

cansado da Lida, dela fez assento. Pros meninos foi brinquedo. Drumon a poetizou, Davi matou Golias. Por fim, o artista concebeu a mais bela escultura. Em todos os casos, a diferença não era pedra, mas o ser humano. Aia, o software, o hardware está a serviço do Rore. É isso, galera. Muito obrigado, muito obrigado. Obrigado, IBM, obrigado, Iam. Obrigado pelo carinho de vocês. Chega mais, Braga, professora. Praga, vem embora Braga. Vem embora. Vem que embora. É nordestino raiz, viu, meu amigo. Não dava para fechar. Como é que fecha depois de um de uma energia dessa? Muito obrigado.

Eu acho que essa conjunção entre inovar, acelerar, trazer o novo, mas ter os guardios, ter a base pro mundo corporativo é muito diferente. E eu queria compartilhar aqui também um negócio muito bacana eh de hoje, pessoal. Quem tá com o passador de slide, só botem para mim direto. A gente teve a felicidade do dia de hoje aqui, o dia do nosso fórum, também ser o dia que tá sendo eh lançado lá no Rio Grande do Sul agora, nesse momento, a guria. Então, Rio Grande do Sul, que, né, vários de nós aqui atuamos de forma direta,

né, pessoal, em como ajudá-las no momento tão importante que foi o ano passado. Agora você vê o estado se construindo, se transformando, trazendo muito mais serviços digitais e a gente humildemente participando como agente ativo, lançando o guria, o guriá, eh, falando em gauches, né, com sutacque. Olha as as palavras que estão ali. e a gente trazendo, né, um acesso mais simples, mais democratizado aos serviços digitais como um todo. Eu acho que aqui eu, é, bom, vocês saberem, essa palestra do Renan e do Dante, ela não é possível de ser brifada. Vocês viram a energia aí,

como eles improvisam. Então acho que também fomos muito felizes em ter esse exemplo do guria, um impacto à sociedade gaúcha como um todo, esse olhar de como traz a tecnologia para também conectar e trazer a vida das pessoas melhores. Obrigado a todos que nos acompanharam online. Obrigado a todos vocês que estão conosco aqui presencialmente. Espero que tenha sido um evento que tenha trazido as provocações, mas também ter dado as alternativas de como a gente inova e como a gente prospera. Obrigado a todos, pessoal. Boa tarde para vocês. Boa semana. เฮ เฮ