Olá, mundo! Meu nome é Alexander, sou COO em uma plataforma de análise de dados SaaS. No ano passado, estudei ativamente a implementação de soluções de IA em processos multifuncionais. Compartilho materiais úteis que acho que merecem atenção. Principalmente sobre IA, mudança de processos, tendências e visão de produto.
Em casa Canal do Telegram Compartilho verões concisos e estruturados de artigos.
Tradução de hoje Artigo por Andreessen Horowitz, que explica por que as startups de IA precisam de equipes de implementação para ter sucesso com os clientes.
A ideia de envolver ativamente a equipe de implementação não é nova — é confirmada pelos sucessos do Salesforce, ServiceNow e Workday. Também (na SEOWORK) vemos que, sem o envolvimento próximo dos gerentes de contas, nem todos os clientes podem implementar nossa plataforma de análise SaaS e avaliar seu valor. Na verdade, a equipe de implementação reduz significativamente a rotatividade e aumenta a verificação.
Em resumo, mesmo em produtos de IA, a “mágica” não acontece por si só, as pessoas são necessárias.
Acontece destronar o Salesforce não é tão simples quanto executar um agente de voz baseado em OpenAI. As empresas que tentam substituir os principais fluxos de trabalho controlados por sistemas de contabilidade legados por integrações leves muitas vezes veem seus agentes quebrarem ou falharem completamente.
Paradoxalmente, estamos vendo um crescimento explosivo de produtos complexos de IA em vendas, suporte e jurídico. As empresas de software corporativo que resolvem tarefas operacionais complexas crescem regularmente de zero para US$ 5 milhões, US$ 10 milhões ou até mais de US$ 20 milhões em receita anual (ARR) nos primeiros dois anos. Como as novas startups de IA conseguem resolver problemas tão complexos?
As corporações que compram IA são como sua avó ganhando um iPhone: elas querem usá-lo, mas precisam que você o configure.
Obsessão PLG vs Realidade Histórica
Durante grande parte da última década, acredita-se que o crescimento liderado pelo produto (PLG) supere o software corporativo, o que requer implementação complexa. O apelo é óbvio: o PLG promete maior escalabilidade e margens mais altas. Essa obsessão é impulsionada pelas histórias de sucesso de empresas como Atlassian, Slack, Figma, Notion e Dropbox (e, mais recentemente, ChatGPT e Cursor). Todos esses produtos oferecem modos simples para uso único, são fáceis de implementar sem a necessidade de chamadas de vendas e podem ser adquiridos diretamente com cartão de crédito – sem planejamento demorado ou contratos corporativos.
No entanto, à medida que as plataformas de tecnologia mudam, as empresas têm a oportunidade de experimentar e criar produtos mais complexos que não seguem essa fórmula padrão. Salesforce, ServiceNow e Workday fizeram isso à medida que mudam de soluções locais para plataformas em nuvem. Cada uma dessas empresas vende uma plataforma corporativa que requer implementação, serviço e suporte significativos, o que é exatamente o oposto do PLG. No entanto, depois de navegar com sucesso por implementações complexas, essas empresas alcançaram o domínio com capitalizações de mercado impressionantes: US$ 254 bilhões para Salesforce, US$ 194 bilhões para ServiceNow e US$ 63 bilhões para Workday. Seu valor total excede significativamente o custo das principais empresas de PLG e por uma ampla margem.
Necessidade de implementação
Salesforce, ServiceNow e Workday foram capazes de ter sucesso porque fizeram uma quantidade significativa de trabalho de implementação. Os produtos de IA corporativa têm um requisito de implementação ainda mais pronunciado, pois precisam de integração e contexto profundos. Para enfrentar esse desafio, as organizações de serviços assumem o trabalho principal de conectar com segurança um aplicativo de IA a bancos de dados internos, APIs e fluxos de trabalho, fornecendo modelos com o contexto necessário (registros históricos, lógica de negócios e muito mais) para criar valor.
Empresas como Salesforce e ServiceNow tornaram-se indispensáveis em grande parte devido à sua capacidade de integração com os sistemas internos e o contexto da empresa:
-
O Salesforce só é valioso quando configurado com os campos certos para rastrear dados de vendas
-
O ServiceNow só funciona quando os fluxos de trabalho de ITSM estão devidamente integrados e organizados
-
O Workday requer ampla migração e configuração de dados de RH
Esses esforços de ajuste resultam inicialmente em margens brutas mais baixas e taxas de queima de capital mais altas. Na época do IPO, a margem bruta da ServiceNow era de 63,2%, enquanto a da Workday era de apenas 54,1%, bem abaixo do ideal de ~80% para software. Até mesmo o Salesforce, que geralmente é considerado o padrão-ouro, gastou mais de US$ 52 milhões para gerar US$ 22 milhões em receita antes de desenvolver seu ecossistema de parceiros.
Esses negócios complexos são mais fáceis de construir Nos estágios iniciais da mudança de plataforma, quando os fluxos de trabalho ainda estão sendo formados e os benefícios de substituir todo o sistema contábil são maximizados. Nenhuma empresa substituiria um sistema central como um CRM sem um enorme retorno esperado sobre o investimento. Foi essa onda que a Salesforce surfou para revolucionar os negócios da Siebel (pioneira em sistemas de CRM) durante a transição de soluções on-premise para cloud. A implementação do Salesforce exigiu significativamente menos investimento em TI e nenhuma instalação no local, resultando em custos mais baixos e uma melhor experiência para cada usuário.
A mudança de plataforma para a IA é diferente das transições anteriores para a nuvem ou dispositivos móveis – e, de certa forma, mais empolgante – pois o trabalho de implementação necessário para criar soluções baseadas em agentes pode ser simplificado e automatizado com a IA. O trabalho de integração histórica pode exigir interação e colaboração com parceiros, mapeamento de campos de dados, movimentação de dados entre diferentes linguagens de programação e compreensão de diferentes diretrizes internas. Esse é o tipo de trabalho que agora pode ser feito com muito mais eficiência (e, em alguns casos, completamente!) com a ajuda da IA. Imagine executar uma instância de um navegador baseado em agente para extrair informações de sistemas que não possuem APIs ou um agente de conversação que simplifica os fluxos de trabalho em comunicações internas e externas.
Uma vez que esses fluxos de trabalho e comportamentos sejam estabelecidos, as empresas terão “benefícios defensivos” que lhes permitirão aumentar os preços e construir ecossistemas de adoção. Essa política de preços se reflete em um aumento no percentual da margem bruta ao longo do tempo; em 2024, a margem bruta da ServiceNow foi de 79%; Workday tem 75%.
Os agentes se tornam colegas ativos
Hoje, até mesmo sistemas de armazenamento de referência como Salesforce, ServiceNow e Workday são vulneráveis porque os fluxos de trabalho e o comportamento humano que costumavam ancorar essas plataformas agora podem ser cada vez mais executados por agentes de IA. Essa mudança muda completamente a abordagem de como controlar com mais eficiência o ponto de entrada de dados.
O software não ajuda mais apenas o trabalhador – o software E há trabalhador. O software não precisa da mesma interface gráfica do usuário no topo do banco de dados para funcionar; Ele pode executar tarefas de forma autônoma do início ao fim. Mas à medida que as tarefas se tornam mais complexas, sua implementação se torna mais difícil. Para que os agentes de IA estejam realmente no mesmo nível dos funcionários humanos, as empresas precisarão de serviços especializados para repensar as funções do trabalho e dos processos em torno dessa nova abordagem. Sem suporte prático à implementação, a IA corre o risco de não atender aos padrões. No entanto, com o suporte certo, os agentes podem assumir uma função mais holística, desbloqueando muito mais valor comercial do que a automação básica de tarefas.
Estamos vendo os primeiros sinais de que as empresas estão adotando modelos de serviço de adoção, semelhantes aos usados pela Salesforce, ServiceNow e Workday, para resolver esse problema. Basta estudar os produtos e a documentação técnica divulgada por empresas líderes na área de aplicações de IA. Eles têm mais em comum do que suas páginas de destino mostram. Grande parte da diferenciação do produto vem de como a mesma tecnologia subjacente é implementada e aplicada de forma diferente para diferentes clientes.
O treinamento do agente pode ser baseado na experiência de integração do funcionário
A integração de funcionários é uma tarefa difícil. “Integrar” agentes de IA resolvendo problemas em áreas como vendas, suporte ou questões legais do início ao fim não é diferente. Para serem eficazes, os agentes avançados exigem gerenciamento ativo, aprendizado guiado e contexto rico, que é fornecido pelo acesso de leitura/gravação em sistemas internos. Para humanos, esse papel geralmente é desempenhado por um gerente. Para as melhores empresas que criam aplicativos complexos de IA, essa função geralmente é desempenhada por um funcionário de serviços profissionais, às vezes renomeado como engenheiro de implantação avançada ou especialista em implementação/soluções.
Veja a Decagon, por exemplo, cujos agentes automatizam o atendimento ao cliente. A empresa tem uma equipe impressionante de “Gerentes de Produto de Agentes” que trabalham em estreita colaboração com os clientes para configurar agentes de suporte de IA. Esses gerentes são bastante experientes tecnicamente e ajudam a implementar, integrar e resolver problemas para que os agentes da Decagon possam resolver de forma autônoma uma ampla gama de solicitações de suporte ao cliente.
As equipes de serviços profissionais podem ajudar a personalizar os aplicativos de IA de acordo com as necessidades específicas da empresa e garantir sua implementação bem-sucedida. A IA pode fazer maravilhas, mas apenas quando é usada corretamente. É aqui que as equipes de implantação direta entram em ação: elas transformam o modelo em uma solução de trabalho real.
As startups devem se esforçar para se tornar um sistema de trabalho
Os sistemas de armazenamento existentes são valiosos porque gerenciam os fluxos de trabalho que permitem que dados valiosos sejam coletados, o que ajuda esses sistemass se tornam a principal fonte de verdade para a empresa. Ao gerenciar esses processos e estruturas de dados, esses sistemas estabelecem seu papel como a infraestrutura crítica em torno da qual outros aplicativos e soluções são construídos. Se os novos aplicativos de IA realmente quiserem ter sucesso, eles devem adotar uma postura semelhante – tornar-se o(s) sistema(s) de trabalho que geram, coletam e armazenam dados valiosos da empresa. Essa abordagem permitirá que eles não apenas automatizem processos, mas também se tornem uma fonte importante de informações confiáveis para o negócio, como fazem os sistemas contábeis tradicionais. Com isso, os aplicativos de IA poderão fornecer uma vantagem estratégica para a empresa, gerenciando fluxos de trabalho e dados críticos. À medida que se esforçam para possuir a camada de coleta de dados, é míope otimizar para atingir uma margem bruta de 80%. A única coisa que as empresas devem otimizar hoje é o crescimento mais rápido possível do lucro bruto total. Eles devem se esforçar para criar um forte mecanismo de proteção, controlando onde e como os dados entram no sistema.
Não são apenas as empresas emergentes de desenvolvimento de aplicativos que veem uma oportunidade aqui. À medida que os modelos subjacentes se tornaram mais intercambiáveis e a propriedade da camada de aplicação se tornou mais importante, até mesmo fornecedores de modelos como OpenAI e Anthropic estão contratando engenheiros implantados e engenheiros de soluções para vencer no setor corporativo. No momento da redação deste artigo, 22 das 311 vagas abertas na página de carreiras da OpenAI se enquadram nessas categorias.
Práticas recomendadas para equipes que criam sua primeira equipe de implementação
Em conversas com os chefes de empresas que construíram grandes organizações de serviços, vários tópicos importantes foram identificados:
-
Venda com sabedoria. Escolha os clientes certos e comece com um pequeno volume. Uma empresa e um produto jovens não podem ser tudo para todos. Identifique o perfil de cliente ideal (ICP) com pelo menos alguns pontos em comum em sistemas e casos de uso para maximizar o aprendizado.
-
Otimize seu sistema de motivação: As equipes do lado do cliente devem estar intimamente conectadas aos gerentes de contas. O sistema de preços e remuneração deve refletir isso. É raro encontrar líderes de implementação que desejam trabalhar com um plano de vendas, e isso geralmente leva a um comportamento ineficaz. Em vez disso, desenvolva um sistema de motivação no qual os serviços sejam vendidos a preço de custo. À medida que os contratos anuais médios (ACVs) crescem, o sucesso (e a retenção de clientes) se torna fundamental.
-
Pense nos sistemas: Crie bibliotecas de software compartilhadas e crie APIs para serem fáceis de integrar e entender, facilitando a integração. Considere quais APIs e interfaces públicas estão disponíveis para os clientes. Embora uma abordagem cuidadosa para isso desde o início possa retardar o desenvolvimento, ela estabelece as bases para um rápido crescimento no futuro.
-
Deixe um rastro. A entrega do trabalho aos provedores do ecossistema requer documentação clara e consistente. Projete com esse futuro em mente e documente tudo.
-
Criar/comprar ferramentas de automação: Otimize seus serviços para obter o máximo de velocidade e escalabilidade. Esse é um fator-chave que permitirá que as empresas que criam aplicativos complexos de IA escalem mais rapidamente – e possivelmente com uma verificação média mínima (ACV) mais baixa do que a geração anterior. As melhores empresas automatizam o maior número possível de processos, incluindo tarefas como mineração de processos, automação de fluxos de dados, integração de sistemas e revisão da documentação da API. Essa velocidade se acumula e, com o tempo, cria uma vantagem competitiva.
-
Contrate entusiastas curiosos: Esse trabalho de implementação não precisa ser feito por uma pessoa com diploma acadêmico, mas requer perseverança e iniciativa. Os melhores especialistas em implementação têm um alto grau de autonomia e curiosidade insaciável. Às vezes é útil se a experiência em serviço for adicionada a essas qualidadesNo entanto, é fundamental contratar pessoas que sejam capazes de pensar criticamente sobre o status quo e não tenham medo de mudar as regras.
-
Crie os ciclos de feedback certos: As equipes de implantação direta — técnicas ou não — estão mais próximas do cliente. É crucial ter os ciclos de feedback corretos e uma comunicação clara entre a linha de frente e o produto. Elimine jogos de “telefone quebrado” para acelerar o desenvolvimento.
-
Esteja presente pessoalmente: Esse clichê não é sem razão. Obviamente, visitar um cliente pode facilitar o processo de vendas, mas também aumenta suas chances de sucesso com serviços profissionais. Estar fisicamente presente pode ajudar a lidar com a dinâmica interna de poder e incentivar a adoção de novas ferramentas.
Respostas a contra-argumentos
Os críticos dessa abordagem podem argumentar que a dependência de serviços profissionais limita a escalabilidade, que margens brutas mais baixas refletem um produto de commodity e que os serviços profissionaisOs CES devem ser fornecidos por parceiros do ecossistema, não pela própria empresa. Isso ocorre porque toda empresa em um mundo ideal gostaria de ser uma vencedora do PLG. No entanto, a realidade é que, na grande maioria dos casos, essa abordagem não funciona. Modelos mais robustos e integrados invariavelmente têm alguma forma de suporte prático, como um engenheiro de implantação avançada ou engenheiro de soluções.
O suporte prático também pode permitir que empresas jovens aceitem contratos maiores, potencialmente permitindo um crescimento mais rápido e sustentável do que as abordagens de menor suporte. Esses primeiros contratos de serviço também podem confirmar a disposição dos clientes em pagar e sugerir quais podem ser os valores futuros do contrato. Com o tempo, os ecossistemas podem se tornar ferramentas poderosas para dimensionar e proteger as margens. No entanto, semelhante à transição de vendas lideradas pelo fundador para uma equipe de vendas dedicada, as empresas jovens precisam aprender a fazer isso por conta própria antes de poderem ensinar outras pessoas a fazer o mesmo. Salesforce, ServiceNow e Workday mostraram que as empresas com altas margens brutas estão esperando por um sistema de contabilidade resiliente que sobreviverá. Os mesmos resultados de alta margem estão disponíveis para esses novos sistemas de operação e provavelmente estão ainda mais próximos do que os precedentes históricos, dado o quanto essas operações de serviço são mais escaláveis hoje.
Um elemento crítico de qualquer aplicativo avançado baseado em agente hoje são os serviços.
A ascensão da IA criou uma oportunidade única para construir novos sistemas de produção, mas a adoção bem-sucedida requer abraçar uma verdade que há muito é rejeitada no Vale do Silício: às vezes, serviços “humanos” com uso intensivo de recursos são necessários para criar um software verdadeiramente transformador. Assim como Salesforce, ServiceNow e Workday foram forçados a investir pesadamente em implementação, suporte e integração antes de se tornarem gigantes do setor, os aplicativos de IA mais promissores devem seguir o mesmo caminho.
Os fundadores que se concentram apenas nas margens brutas e na escalabilidade, mas ignoram os desafios complexos de construir sistemas de trabalho holísticos, correm o risco de “não ver a floresta pelas árvores”. Acreditamos que os líderes da nova mudança tecnológica não serão aqueles com a interface mais bonita ou o desempenho financeiro perfeito no primeiro ano, mas aqueles que podem substituir efetivamente os processos humanos de IA, coletar dados críticos da empresa e resolver problemas reais de negócios – mesmo que isso exija um mergulho profundo na implementação. Ao adotar uma estratégia de serviços profissionais hoje, as startups de IA estão lançando as bases para que o amanhã se torne um sistema contábil importante com alta capitalização e margens.
