Inteligência artificial generativa pode escalar o processamento de informações, mas a percepção humana ainda é essencial
Desde a década de 1960, há uma busca constante por formas de lidar com a avalanche de papel que inunda as empresas, e a mais recente tecnologia que promete ajudar neste desafio é a inteligência artificial.
A digitalização melhorou significativamente essa gestão, mas ainda há um grande volume de papel circulando pelas companhias, e documentos eletrônicos continuam sendo, em grande parte, criados, editados e processados por pessoas. A tentativa é, portanto, que a IA possa assumir essas tarefas.
Para entender como isso funciona na prática, Peter Cappelli, professor de administração na Wharton School e diretor de RH na instituição, e Valery Yakubovich, diretor-executivo do Mack Institute for Innovation Management e professor adjunto na Wharton School, se aprofundaram em um projeto de 2024 de uma grande seguradora de saúde dos Estados Unidos e relataram isso em um artigo publicado na Harvard Business Review.
A empresa, que concordou em participar da pesquisa desde que não fosse identificada, implementou IA para organizar documentos e extrair informações como primeiro passo no processo de reembolso.
Aqui vale explicar que o setor de seguros de saúde nos EUA consiste em arrecadar prêmios e pagar reembolsos. No caso da seguradora analisada, o volume de transações é enorme, já que cada consulta médica ou procedimento gera uma solicitação de reembolso, muitas vezes exigindo informações adicionais para o processamento, além de recursos contra decisões. Outro fator que complica é a falta de padronização nos formulários usados — muitos deles, inclusive, sendo preenchidos à mão.
A seguradora em questão enfrentou uma sobrecarga de pedidos e documentos durante a pandemia de Covid-19, tanto pelo aumento no volume de solicitações quanto pelas dificuldades na retenção de funcionários. Ela decidiu, então, internalizar o trabalho com a Ricoh, uma empresa de serviços digitais, que implementou o uso da IA. Os outros dois autores do artigo, Braj Thakur, diretor sênior de estratégia de portfólio e comercialização, e Ashok Shenoy, vice-presidente do Centro de Excelência, são da Ricoh e participaram do projeto.
O processamento dos documentos começava com a chegada de envelopes contendo formulários em papel e outros documentos recebidos via fax, que são digitalizados e convertidos em arquivos eletrônicos. Depois, funcionários identificam o tipo de documento, extraem informações e inserem os dados em uma planilha, que são, então, encaminhados para outros funcionários para processamento.
Inicialmente, quando começaram o estudo, havia 45 funcionários desempenhando esse trabalho. Os melhores conseguiam processar até 250 documentos por dia, mas o volume diário total variava entre 4.000 e 7.000 documentos. A principal dificuldade era o tempo necessário para ler documentos longos e interpretar corretamente as informações. Menos de 10% dos documentos eram classificados corretamente sem erros, tornando necessária a revisão da maioria deles.
A solução foi a IA generativa. Segundo os autores, a grande vantagem desses modelos é que eles já estão prontos, embora ainda precisem ser “pós-treinados” com imagens de formulários para identificar corretamente cada tipo. Além disso, eles podem ler o documento inteiro e entender o contexto para extrair e interpretar corretamente os dados (por exemplo, determinar se “Califórnia” refere-se a um nome ou a um endereço).
A equipe responsável pela construção desse modelo incluía três cientistas de dados, três analistas de dados para trabalhar com os dados, dois especialistas que já haviam automatizado processos administrativos em outros contextos e um orçamento de US$ 500 mil para pagar a empresa de IA que forneceu as ferramentas de IA generativa.
Segundo os autores, aplicar IA a essas atividades exigiu muito tempo e esforço, com custos iniciais elevados. “Esperávamos que a aplicação da IA fosse semelhante a outros projetos de implementação de TI, mas acabou sendo muito mais complexa. As questões tecnológicas foram mais fáceis de resolver do que a compreensão do contexto de negócios”, afirmaram.
“No final, o esforço valeu a pena, resultando em um aumento da produtividade”, dizem, ressaltando que a IA, por si só, não foi a solução completa.
Com o que aprenderam no projeto, eles listaram cinco lições que não se aplicam apenas a projetos voltados à redução do uso de papel, mas também a outras iniciativas de IA. Confira:
1) Objetivo não deve ser a automação, mas a realização do trabalho de forma econômica
Muitos acreditam que todos os modelos de LLM (modelo de linguagem avançado) são baratos ou gratuitos. Mas, na realidade, essas versões não conseguem lidar com grandes volumes de trabalho. Para isso, é necessário usar uma versão empresarial, onde cada palavra processada custa uma fração de centavo.
No caso em questão, a empresa usou uma ferramenta mais barata baseada em lógica difusa — essencialmente, um leitor óptico de caracteres aprimorado com IA, capaz de escanear textos e identificar palavras-chave. Depois, decidiu enviar os documentos não classificados corretamente para o modelo de IA generativa, em vez de devolvê-los aos funcionários. Por último, encaminhou os documentos que ainda não haviam sido processados corretamente para uma ferramenta de IA mais cara.
No final, apenas 2,7% dos documentos precisavam ser revisados por um humano, comparado a quase 90% antes da implementação das soluções de IA. Esse processo mostrou que compensou começar com as soluções mais baratas e, somente quando necessário, recorrer às mais caras.
Além disso, assim que os funcionários perceberam como a IA funcionava, o trabalho se tornou mais simples e gratificante, pois eles passaram a lidar com casos especiais em vez de tarefas repetitivas.
2) Implementação bem-sucedida da IA pode não significar redução de empregos
O número total de funcionários permaneceu quase o mesmo de antes da mudança, segundo os autores. “O verdadeiro objetivo deve ser a qualidade e a eficiência do processo, não simplesmente cortar pessoal. Os funcionários ainda eram necessários para lidar com os casos que as ferramentas de IA não conseguiam processar corretamente, como dados ausentes, entradas ilegíveis ou novos formulários diferentes dos anteriores”, afirmaram.
A implementação da IA também criou uma nova tarefa para os funcionários: o controle de qualidade. Era essencial revisar amostras para garantir que o sistema continuasse a operar corretamente, principalmente porque os formatos dos dados recebidos variavam.
3) IA permite que os funcionários se concentrem em tarefas de maior valor
Com a melhoria da qualidade dos dados pela IA, as etapas seguintes do processamento de sinistros foram mais eficientes.
O trabalho dos funcionários mudou da tediosa entrada de dados para a resolução de erros e problemas, tornando o trabalho mais envolvente e reduzindo a rotatividade.
4) Economia vem do aumento da escala e da qualidade
Os custos iniciais foram altos, mas foram compensados ao longo do tempo por uma redução nos custos operacionais por formulário processado. Os gastos mensais com as ferramentas de IA giravam em torno de US$ 200 mil. No entanto, o sistema processava três vezes mais documentos, enquanto os erros eram reduzidos.
No total, os custos operacionais foram reduzidos em cerca de 15%, com o ponto de equilíbrio sendo atingido após 10 meses, informaram os autores. Embora 15% possa parecer uma economia modesta, foi o bastante para garantir a sustentabilidade da operação que enfrentava dificuldades para lidar com o crescente volume de trabalho.
5) Envolver os funcionários no projeto de IA é essencial
A implementação bem-sucedida da IA exigiu o envolvimento tanto de especialistas nesta nova tecnologia quanto dos funcionários que executavam as tarefas diariamente. Mesmo com uma equipe experiente de cientistas de dados e analistas, foram necessárias interações para ajustar o sistema corretamente.
O sucesso da IA, portanto, depende da habilidade gerencial de montar as ferramentas certas e combiná-las com o conhecimento dos funcionários para alcançar resultados mais eficientes e econômicos.
Por Thâmara Kaoru
