Um desafio perene para os CFOs [diretores financeiros] consiste em descobrir o equilíbrio correto entre gastar e investir sem tolher a produtividade e a competitividade. Na era da mobilidade, esse ato de equilíbrio é mais importante do que nunca se as empresas quiserem ficar um passo adiante dos agentes de disrupção. “Na era dos negócios digitais, a otimização do custo ganha novas dimensões. A pressão para permanecer competitivo e investir em iniciativas digitais vem aumentando em todos os segmentos”, conforme relatório de fevereiro de 2016 da Gartner [Gartner, Cost Optimization in the Age of Digital Business, 29 de fevereiro de 2016].
Estratégias de otimização do custo devem incluir TI e iniciativas empresariais para garantir que os investimentos sejam maximizados tendo em vista o crescimento e os lucros de longo prazo. Nesse esforço, as tecnologias da próxima geração, como a aprendizagem automática, se tornam parceiras fundamentais. “Há um velho ditado que diz: ‘Cuida do pouco e faz pouco do muito’”, diz Steven Kimbrough, professor de operações, informações e decisões da Wharton. Em vez de se concentrar na minimização do custo, “o que se faz com sua otimização é submetê-la a um quadro mais amplo. Busca-se uma perspectiva maior, mais geral”. Esse ponto de vista é essencial se uma empresa quiser continuar a crescer, uma vez que ações míopes como cortes generalizados podem comprometer o futuro da empresa se isso significar a perda de trabalhadores experientes e acabar com as unidades operacionais.
Na otimização do custo, “o papel da tecnologia é claro”, acrescenta Kimbrough. Ela dá à administração mais dados e análises, de modo que os executivos possam tomar as melhores decisões possíveis para o crescimento sustentável. Esse ponto de vista mais amplo e mais longo também incentiva a experimentação porque dá à empresa mais tempo, os recursos necessários e o espaço organizacional para tentar coisas novas, uma vez que nem todas as iniciativas são bem-sucedidas. “O importante é configurar o portfólio certo, de onde pode sair alguma coisa nova.”
Suprio Sengupta, vice-presidente sênior e chefe mundial de entregas, infraestrutura e computação em nuvem da NTT DATA Services, diz que a otimização do custo também requer que se compreenda como é possível fazer mais com o que já se tem. À medida que a empresa maximiza o uso dos seus ativos, ela ganha eficiência e produtividade. “Um resultado óbvio da otimização do custo é que você se torna mais competitivo.”
Entre as formas de otimização com o auxílio da tecnologia contam-se os processos de automação, como o uso de robótica na fabricação. As melhorias dos processos podem também incluir as plataformas em nuvem em que as empresas se beneficiam da eficiência e da escalabilidade. Por exemplo, um engenheiro que administre 200 servidores poderá ampliar seu alcance para 20.000 servidores com ferramentas de software em nuvem. “Em um ambiente assim definido pelo software, não se administra cada um dos elementos individualmente; todos são geridos por uma ferramenta definida por software”, observa Sengupta. Ele diz que é crucial ampliar a “cultura consciente” em uma empresa que analisa e atualiza regularmente os processos com vistas à otimização.
A analítica de dados é outra ferramenta que ajuda na otimização de custos. Por exemplo, ela pode ajudar as empresas a determinar onde cortar custos e pessoal, além de identificar áreas maduras para investimento. A aprendizagem automática, como um aspecto da inteligência artificial, também melhora a otimização ao detectar e executar automaticamente reparos no software em pontos de ineficiência nas operações, reduzindo o erro humano e a necessidade de intervenção humana.
Embora as gerações anteriores dessas soluções, tais como as tecnologias de autocura, também deflagrassem reparos automáticos de problemas sem a intervenção humana, elas operavam em um ambiente em que “a lógica do negócio é estática”, diz Sengupta. Por exemplo, elas podem detectar e reparar uma pane no navegador de um computador, de modo que o usuário não precise recorrer ao call center da empresa. No entanto, a intervenção geralmente vai só até aí.
Diferentemente disso, as soluções de aprendizagem automática evoluem continuamente. Elas começam com um conjunto predeterminado de regras empresariais e monitoram as mudanças no ambiente operacional com o objetivo de proporcionar soluções atualizadas. Essas ferramentas de software usam a analítica de dados para identificar as ineficiências operacionais e reparar padrões recorrentes de panes ou links frágeis atualizando continuamente a aprendizagem com dados operacionais.
Aprendizagem automática e economia de energia
A aprendizagem automática usa dados para fazer “previsões e inferências sobre aspectos que contribuam para o resultado”, diz Rahul Mangharam, professor dado departamento de engenharia elétrica e de sistemas da Universidade da Pensilvânia. “As pessoas estão tentando entender as relações entre os diferentes fatores que contribuem com custos e desempenho, e como será possível manter o mesmo desempenho sem redução de custos.”
Mangharam usa a aprendizagem automática como meio de alcançar economias de energia em 185 prédios universitários. Os prédios pagam contas de energia no valor de US$ 28 milhões ao ano pelo uso de 70 megawatts ao dia em média ─ o suficiente para levar energia a quase mil domicílios. Ele trabalha com a ferramenta DR-Advisor, um sistema de recomendação de resposta à demanda impulsionado por dados que ele e outros criaram para a universidade. O DR-Advisor analisa os dados de uso de energia de cada prédio sobrepondo-os a outros dados, como padrões climáticos ou atividades conduzidas no interior desses edifícios. A ferramenta rastreia mais de 220.00 “botões”, ou pontos de controle que medem indicadores como temperatura e pressão nos prédios do campus.
Esse exercício permite ao DR-Advisor prever o uso de energia por hora em cada prédio e instruir os gerentes das instalações a respeito dos botões a serem manipulados para aumentar a eficiência. Nos testes com o piloto em um prédio da universidade no verão passado, as ferramentas do DR-Advisor ajudaram a diminuir a conta de energia quadrimestral de US$ 125.000 ou mais em 1/3, ou US$ 45.000. O plano é ampliar os testes para outros prédios da universidade no futuro próximo, diz Mangharam.
O DR-Advisor também cogita usar sua tecnologia em ambientes industriais como refinarias e caldeiras. A ferramenta poderia ajudar, por exemplo, uma empresa de energia a compreender a extensão em que ela poderia usar o combustível de baixa qualidade, que expele mais dióxido de carbono, antes de começar a receber multas de órgãos reguladores e incorrer em custos mais elevados, diz Mangharam. A Honeywell, conglomerado de produtos industriais e de consumo, vem conversando com a DR-Advisors no intuito de usar suas ferramentas de aprendizagem automática em prédios industriais.
Como uma tecnologia em evolução, a aprendizagem automática tem sua cota de limitações. A pesquisa atual está voltada para os grandes desafios de “interpretabilidade” e “proveniência”, diz Mangharam. A interpretabilidade consiste em compreender por que as ferramentas de aprendizagem automática fazem certas escolhas, olhando em retrospectiva os resultados gerados. A proveniência é o registro histórico dos dados e de suas origens. Isso se deve ao fato de que a aprendizagem automática, sob certos aspectos, é como uma “caixa preta”, em que não se sabe ao certo por que razão ela faz as escolhas que faz ao otimizar custos, tal como na experiência da Universidade da Pensilvânia, diz Mangharam.
Gestão de crise global
Os CFOs de hoje vêm acolhendo a otimização de custo como objetivo formal que se busca o tempo todo. Por exemplo, em vez de “cortar custos maquinalmente” reduzindo o número de empregados, um provedor de serviços de tecnologia poderia usar meios “não lineares” para melhorar a produtividade, diz Sengupta. Fazem parte desses meios a automação de certos processos e a reavaliação do mix existente de engenheiros em terra firme tradicionalmente mais caros e empregados offshore mais baratos para uma máxima eficiência de custo. “Com frequência, descobrimos gente mais cara executando serviços simples”, diz Sengupta.
Contudo, à medida que as empresas usam a tecnologia para controlar custos, elas não devem permitir que isso fragilize sua competitividade. Por exemplo, demissões em massa podem deixar a empresa sem o número necessário de empregados em situações de crise. Aqui, equipes centralizadas de gestão de crises globais poderiam ajudar as empresas a estar preparadas, aconselha Sengupta.
Em outras áreas, as intervenções tecnológicas podem resultar em consequências não previstas. A analítica de dados, por exemplo, certamente permite às empresas realizar melhorias relativas aos processos, mas não necessariamente com inovações totalmente inéditas. Essa foi a descoberta fundamental de uma pesquisa recente de Lynn Wu e Lorin Hitt, ambas professoras do departamento de operações, informações e decisões da Wharton.
A pesquisa monitorou como a análise de dados e as habilidades de TI influenciaram a inovação e as práticas voltadas para processos entre 330 grandes empresas de 1987 a 2007. “Se os dados sobre os processos existentes forem analisados de forma eficiente, isso poderá ajudar a melhorar a produtividade da empresa”, diz Wu. Contudo, a pesquisa não detectou um efeito positivo similar de analítica de dados no tocante à inovação.
Além disso, os professores da Wharton monitoraram os registros de patente das empresas que estudaram e constataram que a analítica de dados poderia ter um “efeito negativo” na busca de vias mais arriscadas de inovação. “Se uma empresa constata que é mais fácil gerar a inovação relacionada aos dados, ela poderá se concentrar nisso em vez de buscar uma inovação verdadeiramente inédita ou arriscada porque isso é mais difícil e os retornos são incertos”, disse Wu.
No fim, a tecnologia traz benefícios substanciais de otimização de custos, mas não substitui o julgamento humano ─ pelo menos por enquanto. “As coisas verdadeiramente criativas acontecem através de julgamentos únicos”, diz Wu. “É preciso dar saltos na imaginação.” Ela cita a invenção do avião pelos irmãos Wright depois de observarem os pássaros. “Talvez um dia, as máquinas e a inteligência artificial possam fazer isso.”
Resumo:
A tecnologia tem um papel importante no momento em que as empresas procuram gerir custos ao mesmo tempo que se empenham em melhorar a competitividade. As tecnologias emergentes, como a aprendizagem automática, prometem agilidade, escalabilidade e oportunidades para reduzir custos, mas sua adoção ainda engatinha. Para ganhar benefícios plenos com a otimização de custos, as empresas também devem instituir a cultura e as disciplinas adequadas ao processo.
Principais conclusões
• Crie a estrutura certa: uma estrutura corporativa que permita o monitoramento constante de custos a serem otimizados pode canalizar de forma mais competente o capital para que atenda a novas necessidades da empresa sem sacrifício de objetivos estratégicos de maior longo prazo.
• Atualize os processos: incorpore processos à continuidade do negócio. É fundamental criar uma “cultura consciente” mais profunda em uma empresa que examine e atualize os processos regularmente com vistas à otimização.
• Mantenha sua margem: À medida que as empresas cortam custos, não devem permitir que isso obstrua sua competitividade. Por exemplo, cortes maciços de funcionários podem deixar a empresa sem o número necessário de empregados em situações de crise. Uma perspectiva mais ampla e de maior longo prazo resulta em reduções estratégicas sem prejuízo da competitividade.