2025
AI Business Impact
Assessment
Contact
mateus@dgbconsultores.com.br
Website
www.dgbconsultores.com.br
"A sociedade está andando sonâmbula em direção a uma disrupção maciça no mercado de trabalho." A frase é de Dario Amodei, CEO da Anthropic, uma das empresas líderes em inteligência artificial no mundo. Em recente entrevista, ele alertou que estamos prestes a testemunhar um verdadeiro "banho de sangue" nos empregos de colarinho branco — com até metade dessas funções potencialmente impactadas pelas novas tecnologias nos próximos anos.
Foi esse alerta que serviu como fagulha para a realização deste estudo. A inteligência artificial (IA) está avançando em uma velocidade sem precedentes. Em poucos anos, deixou de ser uma promessa distante para se tornar uma força concreta de transformação nos negócios.
"AI could wipe out half of all entry-level white-collar jobs — and spike unemployment to 10-20% in the next one to five years"
Este estudo teve como objetivo entender como a IA impacta a cadeia de valor dos negócios. Para isso, realizamos uma análise detalhada de mais de 1.300 atividades distintas, agrupadas em 13 grandes categorias organizacionais. O foco foi mensurar, no nível da atividade, tanto o impacto potencial nos negócios quanto o grau de automatização viável com as tecnologias atuais.
A própria análise foi conduzida com o suporte de IA, o que nos permitiu concluir, em poucas horas, um trabalho que antes exigiria dias de esforço manual.
O futuro do trabalho já começou. Este estudo oferece uma bússola para quem quer liderar — e não apenas reagir — a essa transformação.
Para este estudo, utilizamos como base a última versão do "Process Classification Framework - Cross-Industry", da APQC. O framework fornece uma base de 1300 atividades, divididas em Categorias, Grupos de Processos e Processos.
Para analisar as 1300 atividades presentes no documento, um algoritmo utilizando Python e ChatGPT 4o da OpenAI foi criado. Para garantir resultados mais sólidos, cada atividade foi analisada por 3 agentes (chatGPT) separadamente e, posteriormente, consolidados.
Ilustração do algoritmo
---
config:
theme: neo
look: classic
layout: dagre
---
flowchart TD
subgraph s2["Análise automática"]
n3["Avaliação inicial"]
n4["Definição das
notas quantitativas"]
n5["Última atividade
avaliada?"]
end
subgraph s3["Análise automática"]
n6["Avaliação inicial"]
n7["Definição das
notas quantitativas"]
n8["Última atividade
avaliada?"]
end
subgraph s4["Análise automática"]
n9["Avaliação inicial"]
n10["Definição das
notas quantitativas"]
n11["Última atividade
avaliada?"]
end
n3 --> n4
n4 --> n5
n5 --> n3 & n12["Consolidação das análises"]
n6 --> n7
n7 --> n8
n8 --> n6 & n12
n9 --> n10
n10 --> n11
n11 --> n9 & n12
n13["Análises em Paralelo
"] --> s4 & s3 & s2
n2["Preparação dos dados
"] --> n13
n12 --> n17["Média das notas
quant. por atividade"] & n18["Resumo das análises
quali. por atividade"]
n18 --> n16["Consolidação da base final
"]
n17 --> n16
n3@{ shape: rect}
n5@{ shape: diam}
n6@{ shape: rect}
n7@{ shape: rect}
n8@{ shape: diam}
n9@{ shape: rect}
n10@{ shape: rect}
n11@{ shape: diam}
n13@{ shape: text}
n17@{ shape: rect}
n18@{ shape: rect}
n3:::Pine
n3:::Rose
n3:::Class_02
n3:::Class_02
n4:::Pine
n4:::Class_02
n5:::Class_01
n6:::Pine
n6:::Class_02
n7:::Pine
n7:::Class_02
n8:::Class_01
n9:::Pine
n9:::Class_02
n10:::Pine
n10:::Class_02
n11:::Class_01
n12:::Class_01
n2:::Peach
n2:::Class_03
n17:::Class_01
n18:::Class_02
n16:::Class_01
classDef Pine stroke-width:1px, stroke-dasharray:none, stroke:#254336, fill:#27654A, color:#FFFFFF
classDef Peach stroke-width:1px, stroke-dasharray:none, stroke:#FBB35A, fill:#FFEFDB, color:#8F632D
classDef Rose stroke-width:1px, stroke-dasharray:none, stroke:#FF5978, fill:#FFDFE5, color:#8E2236
classDef Class_01 stroke-width:2px, stroke-dasharray: 0, stroke:#757575, fill:#757575, color:#FFFFFF
classDef Class_02 stroke:#ff5500, fill:#ff5500, color:#FFFFFF
classDef Class_03 stroke:#dadada, fill:#dadada, color:#000000
style s4 stroke:#757575,fill:#FFFFFF
style s3 stroke:#757575,fill:#FFFFFF
style s2 stroke:#757575,fill:#FFFFFF
linkStyle 2 stroke:#D50000,fill:none
linkStyle 3 stroke:#00C853,fill:none
linkStyle 6 stroke:#D50000,fill:none
linkStyle 7 stroke:#00C853,fill:none
linkStyle 10 stroke:#D50000,fill:none
linkStyle 11 stroke:#00C853,fill:none
No algoritmo, cada atividade passa por um agente inicial, que faz a avaliação qualitativa da aplicação de AI generativa no processo. Essa análise é, então, enviada para um segundo agente, que dá a nota de 1 a 10, baseado no potencial de automação e no potencial impacto para o negócio.
O framework da APQC divide as atividades em Categorias, Grupos de Processos e Processos.
Após as avaliações das atividades, foram analisadas as Categorias e Grupos de Processos, para avaliar o impacto do uso de AI generativa.
O agente (chatGPT) começa realizando uma análise qualitativa da atividade. Para cada atividade, 6 avaliações são realizadas. As descrições das dimensões abaixo tratam-se do prompt enviado para o agente:
GenAI - Text (Yes/No): Indicates whether generative AI can be used to read, generate, or summarize text-based content related to the activity.
GenAI - Image/Form (Yes/No): Indicates whether generative AI or computer vision can assist with interpreting images, forms, or visual inputs (e.g., OCR, photo-based form filling).
GenAI - Text Example Use Case: A specific example of how text-based generative AI could be applied to this activity. Use N/A if not applicable.
GenAI - Image/Form Example Use Case: A specific example of how image/form processing AI could be applied to this activity. Use N/A if not applicable.
Use Case Summary: A comprehensive overview of how GenAI technologies could be applied to this activity.
Final Impact Description: A concise narrative summarizing the overall impact of applying GenAI to this activity.
Uma vez realizada a análise qualitativa, um segundo agente classifica, quantitativamente, duas dimensões. Para ambas, um prompt foi usado para que a análise fosse rigorosa e conservadora:
| Score | Automation Potential (1-10) | Business Impact (1-10) |
|---|---|---|
| 1 | No GenAI automation possible. Requires full human judgment, creativity, or physical presence. GenAI offers no value. | No business impact from GenAI. Automating this activity with GenAI would not improve efficiency, cost, quality, or speed. No strategic relevance. |
| 2 | Negligible GenAI automation. Only trivial or administrative steps could be supported by GenAI, but the core activity is human-only. | Negligible impact. GenAI brings only trivial improvements, with no effect on business outcomes. |
| 3 | Very low GenAI automation. GenAI could assist with minor, repetitive text/image tasks, but the majority of the activity is human-driven. | Very minor impact. GenAI provides slight improvements in speed or accuracy, but no meaningful effect on business results. |
| 4 | Low GenAI automation. GenAI can automate some supporting tasks (e.g., summarization, basic extraction), but human input is required for most of the process. | Minor impact. GenAI brings some visible improvements, but limited contribution to business performance. |
| 5 | Moderate-low GenAI automation. GenAI can automate several steps (e.g., drafting, classification, simple Q&A), but human involvement is still needed for key decisions or actions. | Moderate-low impact. GenAI enables noticeable improvements in efficiency or quality, but not business-critical. |
| 6 | Moderate GenAI automation. About half of the activity can be automated by GenAI (e.g., content generation, structured extraction), but human oversight or intervention is required for the rest. | Moderate impact. GenAI provides clear improvements in cost, speed, or quality, with some relevance to business outcomes. |
| 7 | Moderate-high GenAI automation. Most steps can be automated by GenAI, with humans handling exceptions, complex cases, or final approvals. | Moderate-high impact. GenAI enables substantial improvements in key metrics, supporting important business areas. |
| 8 | High GenAI automation. The activity can be automated end-to-end by GenAI in most cases, with humans only for rare exceptions or supervision. | High impact. GenAI drives major gains in cost, speed, or quality, directly supporting business-critical functions. |
| 9 | Very high GenAI automation. Nearly all aspects can be automated with current or near-term GenAI, with minimal human oversight. | Very high impact. GenAI enables significant strategic advantage or transformation in business operations. |
| 10 | Full GenAI automation. The activity can be completely automated by GenAI, with no meaningful human role except monitoring. | Transformational impact. GenAI fundamentally changes the business, enabling new capabilities or market positions. Reserved for rare, game-changing cases. |
A análise das 1300 atividades ocorreu em pouco menos de 40 minutos, com um custo total de aproximadamente US$30 (o custo é total e envolve: testes e análise final).
A mesma atividade levaria, no formato tradicional, dias de trabalho.
As Categorias presentes na lista são essas:
| # | Categoria | Descrição |
|---|---|---|
| 1 | Desenvolver Visão e Estratégia | Definir visão, missão, objetivos estratégicos e iniciativas para direcionar a organização. |
| 2 | Desenvolver e Gerenciar Produtos e Serviços | Desenvolver e gerenciar produtos e serviços, desde a ideia até a entrega. |
| 3 | Marketing e Vendas de Produtos e Serviços | Entender o mercado, criar estratégias de marketing e vendas, e gerenciar canais. |
| 4 | Gerenciar Cadeia de Suprimentos de Produtos Físicos | Planejar, adquirir e gerenciar logística e suprimentos. |
| 5 | Entregar Serviços | Executar a entrega de serviços ao cliente, gerenciando recursos e operações. |
| 6 | Gerenciar Atendimento ao Cliente | Gerenciar relacionamento com clientes no pós-venda, incluindo suporte e feedback. |
| 7 | Desenvolver e Gerenciar Capital Humano | Atrair, desenvolver, engajar e reter talentos na organização. |
| 8 | Gerenciar Tecnologia da Informação (TI) | Gerenciar estratégias, serviços, riscos e suporte relacionados à TI. |
| 9 | Gerenciar Recursos Financeiros | Executar processos financeiros como contabilidade, tesouraria e controle interno. |
| 10 | Adquirir, Construir e Gerenciar Ativos | Projetar, adquirir, construir e gerenciar ativos da organização. |
| 11 | Gerenciar Riscos, Conformidade e Resiliência | Gerenciar riscos empresariais, conformidade e recuperação organizacional. |
| 12 | Gerenciar Relacionamentos Externos | Fomentar relações com investidores, governo, diretoria e sociedade. |
| 13 | Desenvolver e Gerenciar Capacidades Empresariais | Executar práticas organizacionais como gestão da qualidade, mudanças e conhecimento. |
Média do potencial de automação por categoria
Média do potencial de impacto por categoria
As categorias "Gerenciar Cadeia de Suprimentos de Produtos Físicos", "Gerenciar Atendimento ao Cliente" e "Marketing e Vendas de Produtos e Serviços" foram as que obtiveram melhores resultados, com notas para ambas as dimensões
Distribuição Automation Potential vs Business Impact por Categoria
A média gerais foram:
| Score | Automation Potential (1-10) | Business Impact (1-10) |
|---|---|---|
| 5 | Moderate-low GenAI automation. GenAI can automate several steps (e.g., drafting, classification, simple Q&A), but human involvement is still needed for key decisions or actions. | Moderate-low impact. GenAI enables noticeable improvements in efficiency or quality, but not business-critical. |
| 6 | Moderate GenAI automation. About half of the activity can be automated by GenAI (e.g., content generation, structured extraction), but human oversight or intervention is required for the rest. | Moderate impact. GenAI provides clear improvements in cost, speed, or quality, with some relevance to business outcomes. |
| 7 | Moderate-high GenAI automation. Most steps can be automated by GenAI, with humans handling exceptions, complex cases, or final approvals. | Moderate-high impact. GenAI enables substantial improvements in key metrics, supporting important business areas. |
Potencial
Os resultados das análises por atividade demonstraram algo que já é de conhecimento relativamente comum: a aplicação da AI Generativa nos processos corporativos, com a tecnologia em seu estado atual, tem um potencial de automação mmoderado. Embora possa ajudar a tornar os processos mais ágeis, ainda requer supervisão humana ou intervenção para tomada de decisões.
Além disso, a partir da análise, também se concluiu que o impacto da aplicação da tecnologia, embora não sendo, no geral, absolutamente transformador, tem o potencial de trazer redução de custos, mais velocidade, qualidade e, em alguns casos, até impactos em indicadores financeiros relevantes.
Aplicações
Embora os resultados relacionados aos potenciais sejam de conhecimento relativamente comum (o que não é de todo ruim, pois mostra que o método traz uma análise condizente com a realidade), os resultados das análises qualitativas podem ajudar a definir uma estratégia de uso da AI em diversas partes do negócio.
Selecionamos alguns desses resultados para ilustração:
Processo: Assess the external environment
Develop Vision and Strategy >> Define the business concept and long-term vision >> Assess the external environment
Develop Vision and Strategy >> Define the business concept and long-term vision
Embora os resultados das análises exemplificadas pudessem ser mais detalhadas / aprofundadas, já é possível, a partir delas, estruturar um processo ongoing para trazer insights importantes para a definição e execução da estratégia corporativa:
Ongoing assessment of the external environment for the corporate strategy definition and execution
---
config:
theme: neo
look: classic
layout: dagre
---
flowchart TD
subgraph s1["Internal"]
n47["Competitive landscape report"]
n48["Competitive landscape report"]
n35["Corporate Strategy Outline"]
n36["Goals and OKRs"]
end
subgraph s2["Online Data"]
n43@{ label: "📰 News Articles" }
n44@{ label: "💬 Social Media" }
n45@{ label: "💰 Financial Data" }
n46@{ label: "🏛️ Government Databases" }
end
subgraph s3["Internal"]
n54["Corporate Strategy Outline"]
n55["Goals and OKRs"]
n57["Competitive landscape report"]
n58["Competitive landscape report"]
end
n35 --> n34["Ongoing Knowledge Base Assessment"]
n36 --> n34
n43 --> n25["Ongoing Online Assessment of Industry, Market and Competitors"]
n44 --> n25
n45 --> n25
n46 --> n25
n47 --> n34
n48 --> n34
n49["Ongoing (Anual / Trimestral) Strategic Planning"] --> n35 & n36
n50["Monthly Goals / OKRs Review"] --> n36
n34 --> n59["Insights / Update / Generate"]
n25 --> n47 & n48
n59 --> s3
n47@{ shape: procs}
n48@{ shape: procs}
n35@{ shape: procs}
n36@{ shape: procs}
n43@{ shape: stadium}
n44@{ shape: stadium}
n45@{ shape: stadium}
n46@{ shape: stadium}
n54@{ shape: procs}
n55@{ shape: procs}
n57@{ shape: procs}
n58@{ shape: procs}
n34@{ shape: rect}
n25@{ shape: rect}
n49@{ shape: rect}
n50@{ shape: rect}
n59@{ shape: text}
n47:::Class_01
n47:::Ash
n48:::Class_01
n48:::Ash
n35:::Class_01
n35:::Ash
n36:::Class_01
n36:::Ash
n43:::Class_04
n44:::Class_04
n45:::Class_04
n46:::Class_04
n54:::Class_01
n54:::Ash
n55:::Class_01
n55:::Ash
n57:::Class_01
n57:::Ash
n58:::Class_01
n58:::Ash
n34:::Pine
n34:::Class_02
n25:::Pine
n25:::Class_02
n49:::Pine
n49:::Class_02
n49:::Peach
n50:::Pine
n50:::Class_02
n50:::Peach
classDef Pine stroke-width:1px, stroke-dasharray:none, stroke:#254336, fill:#27654A, color:#FFFFFF
classDef Rose stroke-width:1px, stroke-dasharray:none, stroke:#FF5978, fill:#FFDFE5, color:#8E2236
classDef Class_02 stroke:#ff5500, fill:#ff5500, color:#FFFFFF
classDef Class_03 stroke:#dadada, fill:#dadada, color:#000000
classDef Class_01 stroke-width:2px, stroke-dasharray: 0, stroke:#757575, fill:#757575, color:#FFFFFF
classDef Ash stroke-width:1px, stroke-dasharray:none, stroke:#999999, fill:#EEEEEE, color:#000000
classDef Class_04 stroke:#2962FF, fill:#FFFFFF, color:#2962FF
classDef Peach stroke-width:1px, stroke-dasharray:none, stroke:#FBB35A, fill:#FFEFDB, color:#8F632D
style s3 stroke:#757575, fill:#FFFFFF
style s2 stroke:#757575, fill:#FFFFFF
style s1 stroke:#757575, fill:#FFFFFFEsse processo é capaz de trazer velocidade de resposta a mudanças de mercado e movimento de competidores; maior qualidade na criação e execução de planos de ação; e uma cultura organizacional mais orientada a dados - permitindo decisões estratégicas contínuas baseadas em evidências, em vez de apenas ciclos anuais ou percepções pontuais. Além disso, fortalece a capacidade de antecipação e adaptação da empresa, gerando vantagem competitiva sustentável.
A partir de uma avaliação geral dos resultados qualitativos, fica claro que, em sua maioria, a utilização de AI generativa está focada em:
A partir dos resultados gerados, é possível estruturar outros processos com avaliação / ação ongoing utilizando AI generativa. Em última instância, é possível integrar toda a cadeia de valor em um processo macro, unindo agentes autônomos com acesso a ferramentas específicas, capazes de auxiliar toda a organização ativamente.
O método utilizado, embora careça de análises mais profundas e detalhadas, serve de proof of concept, podendo ser expandido para aplicações diversas para consultoria ou negócios tradicionais.
A criação dos prompts se mostrou especialmente relevante no resultado final. A utilização de dois agentes, um para a análise qualitativa, e outro para a análise quantitativa (utilizando como input também a resposta do agente anterior), permitiu que os resultados ficassem mais condizentes com as propostas de utilização da tecnologia.
Em uma segunda implementação, cada atividade poderia ser avaliada com um número maior de critérios, cada um com um peso, para dar um panorama mais detalhado e assertivo.
O método também pode ser expandido para aplicações diversas. A utilização de frameworks como LangChain e LangGraph para criação de agentes ainda mais inteligentes (com técnicas como chain of thought, tree of thought e/ou few shot, ao invés da metodologia zero shot utilizada), com acesso a ferramentas específicas (como código em python ou busca na internet) poderia trazer resultados ainda melhores.
O uso de IA generativa em processos de negócios deixou de ser uma promessa futura — é uma realidade concreta, acessível e transformadora. Como demonstrado neste estudo, poucas linhas de código bem estruturadas, combinadas com uma arquitetura adequada e uma boa engenharia de prompts, já são capazes de gerar ganhos expressivos em velocidade, qualidade e capacidade analítica.
Mais do que automatizar tarefas, a IA generativa permite repensar como os processos são concebidos, executados e aprimorados. Trata-se de uma mudança de paradigma: da lógica sequencial e manual para uma lógica orientada a dados, evidências e ciclos contínuos de aprendizado.
A adoção estratégica dessas tecnologias não é uma questão de "se", mas de "quando e como". Organizações que souberem integrar a IA de forma inteligente à sua cadeia de valor — com clareza de objetivos, critérios bem definidos e governança sólida — estarão em posição privilegiada para liderar seus mercados. As demais correm o risco de ficar para trás.
Vivemos com o propósito de ajudar empreendedores e executivos a alcançar realizações extraordinárias em suas empresas, liderando e inspirando pessoas a entregar mais do que imaginam conseguir.
Fazemos isso desmistificando a Gestão empresarial, tornando-a simples, objetiva e extremamente eficaz. Dessa forma, ao invés de ser um entrave, a Gestão passa a ser a grande ferramenta viabilizadora do sucesso.
Somos uma boutique focada em Gestão Empresarial, especialista em Implantação de Modelos de Gestão, o que permite relacionar as principais competências organizacionais em um processo simples, porém robusto, de gestão. É a melhor forma de transformar o Planejamento Estratégico em execução, relacionando Propósito, Estratégia, Metas, Desempenho e Cultura, na principal ferramenta de Gestão Empresarial. É o painel de controle do CEO. Reestruturação e Estruturação é o nosso DNA, recuperar a empresa ou prepará-la para o crescimento é nosso grande propósito.
Na DGB Consultores, estamos estruturando o uso de inteligência artificial de forma estratégica e com foco em impacto real. Internamente, iniciamos a adoção da tecnologia em frentes selecionadas, como apoio à análise de dados e aceleração de diagnósticos. Paralelamente, estamos desenvolvendo plataformas avançadas para nossos clientes, que integram IA a frameworks estratégicos, automação de insights e processos de decisão orientados por dados. Nossa atuação com IA não é pontual — faz parte de uma visão clara de futuro, em que a inteligência artificial será um dos pilares centrais para gerar vantagem competitiva e transformar a forma como as empresas operam.
Atualmente, oferecemos aos nossos clientes a Risetool, uma plataforma que apoia a criação e o acompanhamento da estratégia e metas, utilizada nos projetos de planejamento estratégico. Estamos evoluindo essa solução para um sistema completo de gestão orientado por IA — uma plataforma AI-first, construída para repensar como decisões são tomadas, acompanhadas e ajustadas ao longo do tempo.
