Como o BMW Group está impulsionando a resiliência corporativa por meio da IA generativa

Matthias Patzak:
Boas-vindas ao podcast Executive Insights, uma iniciativa da AWS. Eu sou Matthias Patzak. Atuo como estrategista empresarial na AWS.

Tenho o prazer de contar com a participação de Marco Gorgmaier, vice-presidente do departamento de dados e inteligência artificial para plataformas e serviços empresariais no BMW Group. Marco, obrigada por aceitar nosso convite.

Marco Gorgmaier:
Obrigado por me receber.

Matthias Patzak:
Boas-vindas ao podcast Executive Insights, uma iniciativa da AWS. Meu nome é Matthias Patzak. Atuo como estrategista empresarial na AWS e tenho o prazer de contar com a participação do Marco hoje.

Marco Gorgmaier:
Olá, Matthias. É uma grande satisfação estar aqui.

Matthias Patzak:
Seja bem-vindo ao podcast, Marco. Marco Gorgmaier é o vice-presidente do departamento de dados e inteligência artificial para plataformas e serviços empresariais no BMW Group. Marco, você poderia se apresentar brevemente e nos contar um pouco mais sobre sua função na BMW Group e sobre as atividades que você executa?

Marco Gorgmaier:
Claro, será um prazer. Nossa organização global de plataformas desempenha um papel estratégico na disseminação e na escalabilidade da IA dentro da empresa. O ecossistema de plataformas que disponibilizamos às equipes é, essencialmente, a base para isso. Por isso, realmente buscamos garantir o aperfeiçoamento de competências, fazendo com que todos os colaboradores conheçam nosso ecossistema, compreendam os ganhos de eficiência que ele oferece e consigam aplicá-lo no dia a dia da organização.

Matthias Patzak:
No entanto, não se trata de uma única plataforma. Não é apenas uma plataforma voltada a dados ou à IA generativa. Trata-se, na verdade, de um conjunto de plataformas empresariais.

Marco Gorgmaier:
Sim, exatamente. Na verdade, são várias pilhas de plataformas. Entre elas, um dos pilares mais importantes são os sistemas de planejamento de recursos empresariais (ERP, na sigla em inglês), especialmente as plataformas SAP. Em seguida, temos nossa pilha de nuvem, na qual desenvolvemos aplicações próprias, que chamamos de plataforma padrão de nuvem, com uso intensivo de serviços gerenciados. E, por fim, temos nossa plataforma de dados e IA, que estão cada vez mais integradas.

A nossa jornada começou com o Cloud Data Hub em 2017. Naquele momento, realmente nos comprometemos a reunir todos os dados em uma única plataforma. Para isso, desenvolvemos mecanismos de ingestão de dados para todos os sistemas do nosso ecossistema. Formamos, na época, uma organização chamada Data Transformation Office, com o objetivo de estruturar essa jornada. Também introduzimos novas funções na empresa, como os cargos de gerenciamento e de governança de dados no âmbito dos negócios. Tivemos, por exemplo, as pessoas responsáveis pelo gerenciamento de dados, que trazem conhecimento de domínio e dos processos, com uma perspectiva de negócios, para controlar a semântica dos dados. E, naturalmente, temos nossa organização de engenharia, com engenheiros de dados atuando em nossos hubs globais. Estamos realmente distribuídos ao redor do mundo, em localidades como os Estados Unidos, a Alemanha e a nossa sede, além de centros de desenvolvimento de software na Índia, em Portugal e na África do Sul. Trata-se, portanto, de uma organização verdadeiramente global. Com a estruturação das equipes de engenharia de dados, conseguimos acelerar substancialmente a integração dos sistemas do nosso ecossistema existente.

Matthias Patzak:
Qual é o tamanho aproximado da organização de plataformas?

Marco Gorgmaier:
Globalmente, contando os hubs, são mais de mil pessoas.

Matthias Patzak:
Tudo isso ao abrigo da sua organização de plataformas?

Marco Gorgmaier:
Sim.

Matthias Patzak:
Uau.

Marco Gorgmaier:
É uma organização bastante robusta, mas representa a base tecnológica de toda a empresa, incluindo todos os engenheiros do grupo.

Matthias Patzak:
“Plataforma” é um termo amplamente usado na comunidade. Então, segundo o mais recente relatório do DORA... “Plataforma” é um termo amplamente usado. Segundo o mais recente relatório do DORA sobre DevOps, 84% das organizações entrevistadas pela pesquisa afirmaram usar uma plataforma, em um sentido mais abrangente. No entanto, o termo ainda carece de uma definição precisa. Do seu ponto de vista, o que caracteriza uma plataforma e o que a torna bem-sucedida?

Marco Gorgmaier:
Bem, no nosso caso, e talvez eu deva começar falando sobre isso... Tudo realmente depende da plataforma em questão. Falando sobre a nossa plataforma padrão de nuvem, por exemplo, consideramos que ela é responsável por permitir o desenvolvimento, a implantação e, é claro, o gerenciamento das nossas aplicações. Além de todos os elementos integrados a isso. Desejamos obter escalabilidade e eficiência operacional, por exemplo. Portanto, está bastante alinhada com a definição tradicional de plataforma que se encontra amplamente em todos os locais.

Acredito, no entanto, que o aspecto verdadeiramente relevante e que também nos convida a questionar o que não se configura como plataforma no BMW Group, é garantirmos que as nossas especificidades sejam devidamente consideradas. Toda grande organização tem suas especificidades, políticas específicas e particularidades em relação à configuração de sua rede. E tudo isso precisa estar contemplado. Isso é algo que nos certificamos de implementar em nossas plataformas, pois acelera significativamente o processo de integração de todas as novas equipes que as utilizam. Além disso, essa iniciativa aumenta a atratividade das plataformas, já que, por exemplo, se todos os requisitos de governança já estão resolvidos e você pode simplesmente marcar isso como concluído, usar a plataforma se torna muito mais conveniente.

Matthias Patzak:
E quantos usuários vocês têm nas suas plataformas? Seja em relação ao número de engenheiros ou à quantidade de equipes.

Marco Gorgmaier:
Então, o número de engenheiros é realmente superior a 10 mil em toda a nossa estrutura de plataformas, que compreende nossas diferentes plataformas E quando se trata dos nossos ecossistemas de dados e IA, nós temos cerca de 40 mil usuários nessa plataforma, porque, obviamente, você também tem muitos usuários de negócios nessa estrutura. Portanto, operamos em uma escala bastante ampla dentro da empresa.

Matthias Patzak:
Ou seja, a empresa acabou se consolidando como uma grande organização voltada para o desenvolvimento de software e de tecnologia?

Marco Gorgmaier:
Sim, essa é uma afirmação totalmente válida. Acredito que um dos pilares fundamentais foi a abordagem que seguimos para desenvolver nossos centros de desenvolvimento de software. Trata-se de um esforço significativo de internalização, por meio do qual estabelecemos equipes de engenharia ao longo dos últimos anos e esse crescimento continua, por exemplo, somente no ano passado, inauguramos dois novos centros, localizados na Romênia e na Índia. Portanto, minha expectativa é que continuemos esse crescimento.

Matthias Patzak:
Sem problemas. Considerando o contexto de dados e IA generativa, quais são os serviços disponibilizados pela sua plataforma?

Marco Gorgmaier:
A meu ver, fornecemos um portfólio bastante abrangente de serviços. Naturalmente, disponibilizamos tudo que envolve gerenciamento de dados, data analytics e toda a estrutura de governança voltada para dados e IA, em conformidade com o AI Act da União Europeia, por exemplo, ou com outras legislações aplicáveis. Sem dúvida, esse é um aspecto de grande relevância para nós. É fundamental estarmos em conformidade e, diante das exigências regulatórias específicas para o setor automotivo, isso se torna ainda mais crítico, visto que precisamos garantir com total segurança o cumprimento de todos os requisitos de governança.

Matthias Patzak:
Portanto, os requisitos de governança já estão incorporados nos serviços oferecidos pela plataforma?

Marco Gorgmaier:
Exatamente.

Matthias Patzak:
Dessa forma, os usuários da plataforma conseguem usar os serviços de maneira simples, eficiente e sem complicações, sobretudo no que diz respeito aos aspectos regulatórios e de segurança.

Marco Gorgmaier:
Sim, exatamente. Eles são orientados durante o processo. Por exemplo, no caso das nossas aplicações de IA, contamos com uma estrutura de governança de IA que orienta os usuários durante o processo de avaliação de riscos e, posteriormente, na elaboração da documentação necessária. Outra área que contemplamos é o desenvolvimento de modelos de IA, incluindo todos os serviços de suporte relacionados a esse processo. Na verdade, temos alguns casos de uso bastante relevantes em nossas plantas industriais, nos quais conduzimos inspeções de qualidade nos veículos, incluindo análise de folgas, identificação de arranhões e demais critérios. Então, com a chegada da IA generativa, estabelecemos também uma plataforma de autoatendimento com tecnologia de IA generativa. Essa é uma iniciativa lançada recentemente, direcionada também a todos os nossos usuários empresariais. No BMW Group, denominamos essa iniciativa de Group AI Assistant. O objetivo principal é possibilitar a criação facilitada de aplicações com tecnologia de IA generativa, no modelo de autoatendimento, voltadas para as atividades cotidianas de trabalho.

Matthias Patzak:
Sem problemas. O que eu percebo em muitas organizações é que elas desenvolvem plataformas, e o propósito dessas plataformas é principalmente técnico. Na maioria das vezes, as plataformas buscam ganhos de eficiência ou economia de custos, mas dificilmente oferecem um suporte efetivo à empresa. Do ponto de vista de dados e de IA generativa, você poderia compartilhar um pouco sobre qual é a real estratégia de negócios do BMW Group em relação a esses temas?

Marco Gorgmaier:
Claro, será um prazer. De fato, considero que o ponto que você mencionou é extremamente relevante. Nós sempre tentamos garantir isso... Pois, afinal, toda organização de plataformas é naturalmente apaixonada por tecnologia e, com isso, tende a se concentrar bastante no desenvolvimento de plataformas e funcionalidades. Dessa forma, considero essencial garantir, desde as fases iniciais, o alinhamento entre as áreas de negócios e de TI. Isso é algo que também fizemos questão de garantir do ponto de vista organizacional. Como mencionei anteriormente, ao iniciarmos nossa trajetória com o Data Transformation Office, asseguramos que, por exemplo, para cada ativo de dados, termo que utilizamos para os conjuntos de dados prontos para análise, houvesse um cuidado especial desde o início em relação à preparação. Asseguramos que cada ativo de dados tenha, obrigatoriamente, um proprietário de negócios, ou seja, uma pessoa responsável pelo gerenciamento de dados, e um responsável técnico da área de engenharia. Esse foi o ponto de partida da nossa jornada com dados, por meio do Cloud Data Hub.

Atualmente, estamos adotando a mesma abordagem para a IA generativa. Portanto, preferimos começar pelo caso de uso e perguntar: “Certo, qual é realmente o objetivo que desejo alcançar do ponto de vista dos negócios?” Seguindo esse pensamento, desejo garantir a qualidade nos processos de produção e, em seguida, preciso avaliar: “Qual tecnologia posso empregar para alcançar esse objetivo?” Após isso, o questionamento é: “Quais dados são necessários para isso?”

Acredito que o que há de novo agora com a IA generativa, particularmente no que se refere aos agentes, é a percepção de que estamos prestes a testemunhar a próxima fase dessa evolução. Atualmente, os dados estão ingeridos no CDH, mas é necessário garantir o acesso transacional a todas as aplicações dentro do nosso ecossistema. Como você pode imaginar, contamos com um amplo portfólio de aplicações, que abrange desde sistemas legados até aplicações de desenvolvimento de última geração, como as nativas em nuvem, além de aplicações prontas para uso. Então, você tem tudo na sua pilha de tecnologias. Dessa forma, é fundamental assegurar que o acesso a todos esses sistemas seja possível, com os direitos e funções adequados a cada usuário, de modo a explorar integralmente o potencial dos agentes. Por essa razão, considero que é crucial incluir o negócio, seus processos e o conhecimento principal desde o início.

Matthias Patzak:
Fiquei bastante impressionado com a quantidade de desenvolvedores de software nas equipes responsáveis pelas plataformas, bem como o número de desenvolvedores nas equipes que usam essas plataformas. Você poderia compartilhar mais alguns fatos e números, especialmente sobre dados? De fato, não tenho conhecimento sobre o tipo de dados que vocês geram, nem sobre a quantidade gerada por dia ou por minuto. Tampouco temos conhecimento sobre o tipo de dados que estão em posse de vocês.

Marco Gorgmaier:
Sim. Como mencionei, isso realmente abrange todos os sistemas, incluindo o sistema ERP, os sistemas SAP e as aplicações desenvolvidas internamente. Acredito que, no Cloud Data Hub, contamos com 14 mil buckets do S3. Nós gerenciamos mais de 7 mil conjuntos de dados e oferecemos suporte a mais de 1.500 casos de uso. Portanto, é um número considerável que estamos sustentando até o momento.

Matthias Patzak:
Sim, parece muito interessante. E como você verifica se suas plataformas estão sendo adotadas pelos usuários internos? O uso da plataforma é obrigatório ou há algum tipo de incentivo para os usuários?

Marco Gorgmaier:
Sim, com certeza. Quer dizer, esse é sempre o grande desafio em uma empresa quando se usa plataformas. Acredito que sempre há uma compensação a ser implementada entre padronização e eficiência. Então, é isso que você, naturalmente, deseja do ponto de vista da empresa. E, por outro lado, há a liberdade, que você também precisa e deseja em uma empresa, porque você é necessário fornecer um espaço para a inovação e para a experimentação.

Acredito que um dos grandes desafios é alcançar o equilíbrio adequado e isso representa um processo constante. Trata-se de algo que nunca é plenamente alcançado. Portanto, acho que é sempre necessário avançar para o próximo nível. Outro grande desafio enfrentado pelas equipes responsáveis pela plataforma, ao meu ver, é assegurar que não se tornem um ponto de gargalo, sobretudo ao lidar com essas compensações. Portanto, o que buscamos é, naturalmente, manter o uso obrigatório das plataformas em determinadas áreas, algo que está claramente estabelecido. Como mencionei anteriormente, fazemos isso também sob a ótica da governança.

Essa é apenas uma parte da equação, porém acredito que o principal impulsionador, assim como ocorre no mercado, é a criação de uma dinâmica em que “o vencedor leva tudo”. A meu ver, no caso do Cloud Data Hub, isso é algo que gerenciamos muito bem, porque as pessoas em algum momento percebem: “Certo, já existe muita coisa, já há muitos conjuntos de dados selecionados disponíveis. Consigo integrá-los com outros dados, o que torna absolutamente lógico estabelecer essa conexão.” Disponibilizamos conectores padronizados para a ingestão de dados, assegurando alta qualidade na estrutura de ingestão. Portanto, todos esses fatores, ao longo do tempo, contribuíram para que isso se tornasse um elemento central. Esse histórico agora também nos proporciona uma vantagem competitiva no desenvolvimento da nossa plataforma de IA, pois aplicamos essencialmente a mesma estratégia. Atualmente, contamos com uma base sólida que nos permite escalar também nesse aspecto.

Matthias Patzak:
Um problema que observo com frequência nas plataformas de dados é que elas armazenam uma quantidade excessiva de dados. Então, motivados pelo conceito de que “dados são o novo petróleo”, uma expressão que você provavelmente já ouviu, muitas organizações passaram a coletar todos os tipos de dados indiscriminadamente. Como é possível assegurar que apenas os dados estritamente necessários sejam armazenados?

Marco Gorgmaier:
De fato, acredito que se trata de um grande desafio e, sendo uma empresa do setor automotivo, somos amplamente orientados pela busca por eficiência. Por esse motivo, buscamos realmente gerenciar os custos, pois, como você disse, armazenar dados indiscriminadamente implica em altos investimentos. E isso se intensifica ainda mais no contexto atual, considerando a IA generativa e o volume crescente de dados não estruturados. Dessa forma, tentamos implementar um gerenciamento de ciclo de vida com critérios bastante rígidos. Conjuntos de dados que não estão sendo usados geram notificações ao responsável e, após determinado período, podem inclusive ser removidos do sistema. Inicialmente, arquivamos os dados e, posteriormente, realizamos a exclusão definitiva, pois, caso contrário, os custos se tornariam insustentáveis.

Além disso, em nosso portal de dados e IA, mantemos uma associação constante entre os casos de uso e os ativos de dados correspondentes. Existe uma rastreabilidade clara dos dados até os sistemas finais, além da visibilidade sobre quem está usando os conjuntos de dados, em quais casos de uso, e se esses casos estão sendo gerenciados de maneira ativa. Portanto, dentro do nosso portal, essa estrutura serve como base para acessarmos todas as estatísticas e realizarmos o gerenciamento dos dados. E, ao adicionar um novo caso de uso, é possível também definir que novos sistemas de origem e novos dados precisam ser incluídos para esse caso.

Matthias Patzak:
Diversas organizações enfrentam sérios desafios para atrair profissionais qualificados na área de dados, dada a alta competitividade do mercado e o nível de especialização exigido. Como é a estratégia de vocês para atrair esses profissionais?

Marco Gorgmaier:
Sem dúvida, um dos principais fatores é a força da marca. O BMW Group tem uma marca muito forte, e isso definitivamente ajuda. Portanto, esse é um dos elementos. Outro elemento fundamental, como mencionei anteriormente, foi a decisão estratégica de ampliar nossa busca por profissionais qualificados em nível global, evitando a dependência de um único mercado ou de nossa sede, e, assim, aproveitando o potencial de profissionais em todo o mundo. Considero que essa foi uma etapa crucial para atrairmos os profissionais mais adequados às nossas necessidades. Além disso, embora haja um foco considerável nos cientistas de dados, cuja relevância é inegável, percebemos que é igualmente crucial contar com equipes robustas de engenharia de dados. Afinal, sem sistemas de origem bem conectados, de forma confiável e estável, os cientistas de dados não têm base para realizar suas análises.

Matthias Patzak:
Uma pesquisa recente da New Vantage Partners, atualmente conduzida pela Wavestone, sobre big data aponta que, da perspectiva deles e dos dados de seus serviços, o maior desafio para a adoção de dados pelas áreas de negócios está relacionado à cultura organizacional, e não à tecnologia. Qual a sua opinião sobre isso?

Marco Gorgmaier:
Acredito, de fato, que essa afirmação é válida. Pois é. Isso está bastante alinhado com as minhas observações. Sem dúvida, trata-se de um aspecto que deve ser impulsionado a partir da liderança. Considero isso realmente essencial, embora eu não seja particularmente adepto das expressões como “mentalidade de dados” ou “empresa orientada a dados”. Acho que ainda somos, na essência, uma empresa orientada por produtos. Apesar disso, é muito importante criar uma mentalidade de que cada decisão e de que tudo o que você faz, precisa ser respaldado por dados. Acho que isso é algo que realmente desenvolvemos nos últimos anos, mas leva tempo. Por isso, é essencial iniciar essa jornada o quanto antes.

Além disso, outro elemento é a promoção de diversas iniciativas de capacitação voltadas a todos os nossos colaboradores. Acho que isso é fundamental. É necessário realizar treinamentos e trabalhar para dissipar quaisquer receios. Agora, entendo que o mesmo princípio deve ser aplicado para a IA. É fundamental proporcionar às pessoas ambientes que favoreçam a experimentação, a prática e onde elas se sintam seguras. Essa é uma iniciativa que buscamos aplicar tanto em conjunto com os profissionais das áreas de negócios quanto, naturalmente, com a nossa organização de engenharia. Por exemplo, em todos os nossos centros, implementamos o que denominamos academias de plataforma. Nessas academias, ocorrem os processos de integração com todos os detalhes específicos, e temos uma colaboração muito próxima com a AWS em relação à nossa pilha de nuvem.

Matthias Patzak:
Interessante. O que observo com bastante frequência é a ausência dessa etapa fundamental: muitas plataformas se concentram exclusivamente no desenvolvimento de serviços, sem investir adequadamente em capacitação e treinamento dos usuários, em especial os profissionais de negócios, que deveriam ser os principais responsáveis por tomar decisões baseadas em dados. Essa lacuna é, muitas vezes, a razão pela qual organizações não conseguem extrair o verdadeiro valor dos investimentos em dados.

Matthias Patzak:
Você se importaria de compartilhar algumas inovações e casos de uso em que o BMW Group está trabalhando atualmente?

Marco Gorgmaier:
Claro, é um prazer compartilhar alguns dos casos de uso, e acredito que alguns são exemplos bastante típicos de uso do JNI. Lançamos recentemente um assistente de licitações por lá, voltado para... Sempre que colaboramos com parceiros externos, é comum fazemos processos de licitação. A fim de padronizar a redação desses documentos, desenvolvemos um serviço JNI que orienta o usuário ao longo do processo, assegurando a incorporação de todas as disposições legais pertinentes. Embora pareça algo bem simples, isso traz um ganho significativo de eficiência nos processos. O mesmo se aplica à criação de conteúdos de marketing. No momento, acredito que os casos de uso mais comuns mostram bem o potencial da IA generativa. Portanto, muitos desses casos de uso já estão implementados. Outro exemplo que estamos colocando em prática agora é o uso de IA generativa pelos nossos atendentes da CIC, a central de atendimento ao cliente, para oferecer respostas mais adequadas.

Além disso, esse mesmo uso está sendo implementado em nosso site e no aplicativo MyBMW para celular. Na próxima etapa, isso também será integrado ao assistente pessoal inteligente do veículo. Acredito que esse é um ótimo exemplo de como as plataformas funcionam. Você desenvolve um serviço uma única vez e pode reaproveitá-lo em diversos contextos, reutilizando os componentes técnicos que o compõem. Acredito que esse é um caso de uso muito interessante, pois realmente eleva a qualidade quando se trata dos nossos...

Matthias Patzak:
Sim, de fato.

Marco Gorgmaier:
... nossos serviços para os clientes. Além disso, outra iniciativa que estamos desenvolvendo em parceria com a AWS é um projeto piloto para o treinamento prévio contínuo de modelos de base, no qual incorporamos especificidades dos modelos da BMW. Isso é relevante porque, para atingir tempos de resposta muito baixos, uma solução baseada em rack não é viável nesse cenário. Acredito ainda que isso será algo empolgante e será fundamental para viabilizar implementações, por exemplo, em veículos e em outros contextos.

Matthias Patzak:
Trata-se claramente de uma organização muito grande e altamente distribuída, com casos de uso espalhados por campos bastante variados. Você acabou de mencionar a tecnologia jurídica, a tecnologia de mercado e a tecnologia de atendimento ao cliente. Tenho curiosidade em saber quão resiliente é essa estrutura altamente distribuída. Então, como você estrutura a arquitetura da sua organização para que ela seja resiliente?

Marco Gorgmaier:
É, eu realmente acho que... Isso abrange vários processos diferentes. Com certeza, essa observação está totalmente correta. Desde a logística de produção até as vendas e relacionamento com o cliente, nós realmente abrangemos todos os processos internos. O mais interessante nisso, na minha opinião, é que realmente é possível eliminar os silos entre os processos. Portanto, esse é um grande benefício de não ter organizações isoladas que abrangem apenas seu processo específico. Outra questão é que, apesar de o BMW Group ser uma organização distribuída globalmente, seu gerenciamento ainda é bastante centralizado. Com isso, fica mais fácil para nós garantir a governança e a implementação de padrões. E isso é, sem dúvida, útil, porque no geral a organização não é muito descentralizada.

Matthias Patzak:
Interessante. Quais são as tendências que você prevê no setor automotivo e no universo dos dados? Existe alguma coisa que você deseje compartilhar conosco?

Marco Gorgmaier:
Na minha visão, algo muito importante agora é habilitar agentes dentro da organização, os chamados agentes de IA. Quero dizer, isso não se trata exatamente de uma tendência específica do setor automotivo, mas é algo em que vemos um enorme potencial para gerar mais eficiência dentro da organização. E eu acredito que um grande desafio, que é pouco comentado, é o que mencionei anteriormente: é preciso preparar o seu ecossistema atual de aplicações para isso. Então, naturalmente, se você já tem aplicações modernas que estão na nuvem, isso te confere uma vantagem inicial.

Entretanto, na prática, acredito que em toda grande organização sempre existe uma combinação de aplicações legadas e modernas. E o que eu realmente observo, e é o ponto em que dedicamos um esforço significativo, é em habilitar esses recursos para APIs, APIs que são descritas de tal forma que podem ser acessadas por um grande modelo de linguagem. Vocês contam com controle de funções e permissões entre as aplicações, de forma que seja possível acessá-las com os direitos individuais de cada usuário? Essa é uma área na qual estamos concentrado muitos investimentos atualmente. Essa é justamente a conexão de acesso à nossa plataforma de autoatendimento com tecnologia de IA, nosso assistente de IA do grupo, possibilitando que os colaboradores desenvolvam seus próprios agentes e casos de uso em nível de negócios.

Matthias Patzak:
Portanto, para tornar a organização mais resiliente, seria necessário desassociar a organização e suas arquiteturas por meio de APIs. Esse seria o conselho que você forneceria?

Marco Gorgmaier:
Com certeza. Quer dizer, acredito que a resiliência tenha muitas dimensões, claro, mas se você não conseguir implementar essa dissociação, definitivamente será difícil conseguir escalar.

Matthias Patzak:
Para encerrar, você teria algum conselho para outros profissionais da área sobre como desenvolver uma estratégia de dados resiliente?

Marco Gorgmaier:
Claro. Acredito que um dos pontos fundamentais é investir em qualidade dos dados e em metadados. É uma daquelas coisas simples, que todo mundo já ouviu falar, mas que fazem toda a diferença. Acredito que a qualidade dos dados deve ser garantida não só nas estruturas e do ponto de vista técnico, mas principalmente nos próprios processos de negócios. É essencial garantir que os dados adequados já sejam capturados nesses processos, porque determinados erros não podem ser corrigidos posteriormente pela engenharia de dados.

Esse é um dos aspectos. O outro é que, para viabilizar o uso de IA generativa, os metadados são essenciais. E esse também é um aspecto no qual estamos investindo no momento, justamente para conseguir escalar. Então, eu diria que, no que diz respeito à interação entre dados e agentes de IA, como mencionei anteriormente, é fundamental investir no seu ecossistema para viabilizar possibilidades e oportunidades transacionais. Portanto, isso é algo que não deve ser subestimado e acredito que seja de extrema importância. Então, aproveite as capacidades da IA generativa para eliminar silos e alcançar maiores eficiências. Estamos fazendo isso em nossa organização de engenharia, portanto, usamos isso intensivamente na área de desenvolvimento de software. Usamos a IA para automatizar os scripts de ingestão com a finalidade de aproveitar todo o potencial que ela proporciona.

E o último conselho seria, provavelmente, encontrar o equilíbrio adequado entre desenvolver internamente e adquirir soluções prontas. Semelhante aos nossos veículos, nos quais fornecemos total liberdade de escolha aos nossos clientes, permitindo que eles digam: “Desejo um motor a combustão. Desejo um veículo totalmente elétrico. Desejo um veículo híbrido que carrega na tomada.” E agora, o hidrogênio também fará parte da produção para nossos clientes. Acredito que o mesmo se aplica a uma organização de software. Você precisa decidir quando é o melhor momento para comprar, quando é o melhor momento para desenvolver internamente e manter a flexibilidade como organização...

Matthias Patzak:
E quando é que você optaria por comprar e quando optaria por desenvolver?

Marco Gorgmaier:
Certo, isso depende do custo. Esse é um dos aspectos. Acredito que depende de quão estratégico esse aspecto é para a diferenciação no nível estratégico da sua organização. E uma coisa que eu tenho observado é o aumento significativo dos custos de licenças nas ferramentas que compramos. Acredito que com a IA veremos uma consolidação dessas ferramentas, o que pode levar a uma guerra de preços. Por isso, acho que é bom para uma organização ter a capacidade de desenvolver suas próprias soluções quando necessário.

Matthias Patzak:
Muito obrigado, Marco. Foi realmente um prazer ter você no podcast e eu aprendi muito. Muito obrigado mesmo.

Marco Gorgmaier:
Obrigado pelo convite, Matthias. Foi um prazer.

Matthias Patzak:
Agradeço.

Ouça agora

Ouça agora

Ouça agora