- há 2 dias
Categoria
🗞
NotíciasTranscrição
00:08Magalu Cloud, impulsionando a competitividade do Brasil através da tecnologia.
00:15Bem-vindo, bem-vinda a mais um Revolução IA, programa do NeoFeed,
00:19que aborda o impacto da inteligência artificial no mundo dos negócios.
00:23Eu sou Letícia Cardoso e quem me acompanha para esse programa é Rodrigo Elser,
00:27conselheiro de inteligência artificial em grandes empresas.
00:31Bem-vindo, Rodrigo. Tudo bem?
00:33Tudo ótimo. Animadíssimo para esse nosso papo.
00:35E agora nós vamos conhecer o nosso convidado de hoje, Ricardo Salen, CEO da Flash.
00:41Ricardo Salen é cofundador e CEO da Flash, empresa de tecnologia que oferece um ecossistema de soluções inteligentes
00:48para gestão de benefícios, pessoas e despesas.
00:51Engenheiro industrial, formado pelo Instituto Mauá de Tecnologia, possui MBA pela University of California.
00:59Ricardo, bem-vindo aqui ao nosso programa.
01:01Imagina, obrigado a vocês dois pelo convite.
01:03Ricardo, para a gente começar, a gente teve recentemente um vai e vem de decisões
01:10a respeito daquele programa de alimentação do trabalhador.
01:14Eu queria entender como que isso reflete na Flash, essa decisão final que a gente teve agora
01:20e como que vocês estão utilizando a inteligência artificial nesse novo cenário.
01:27Vamos lá. Acho que a Flash está há seis anos no mercado.
01:32A gente, quando nasceu, nós criamos, acho que somos uma empresa que, por definição,
01:37nasceu inovadora e disruptiva.
01:39A gente transformou e criou pela primeira vez um produto de benefício usando um cartão moderado,
01:45criou o conceito de benefício flexível e fez algumas inovações no mercado que era parado há 50 anos.
01:51E nós, nos últimos seis anos, temos crescido e investido em um contínuo movimento
01:58de melhorar os produtos de benefício em pró das empresas e dos colaboradores,
02:02se tornando o benefício melhor e um produto mais moderno com uma qualidade melhor
02:07e que gera mais ROI no benefício, vamos dizer assim.
02:11Acho que a decisão da justiça, que é uma de, talvez, uma série que continuem acontecendo de movimentos,
02:18é, confirma o decreto que o governo fez no final do ano passado, nessa mesma linha.
02:24Acho que, em grande parte, o decreto reforça inovações em pró do trabalhador
02:29e das empresas que contratam o benefício para melhorar o benefício para todo mundo
02:32e leva os produtos tradicionais do mercado, ou força eles a avançarem nessa mesma direção.
02:39Então, a gente acha isso de forma super positiva
02:43e, de certa forma, leva o mercado para o que a gente vem pregando há seis anos.
02:48Para a gente, acho que o cenário é mais positivo do que nunca.
02:51Significa que o mercado está validando a nossa tese de inovação
02:55e é um espaço para a gente acelerar mais ainda o crescimento este ano
02:59e consolidar a nossa posição de liderança dentro de inovadores,
03:03fazendo com que, na verdade, todo o resto do mercado que operava em modelos diferentes
03:10tenham que vir para o modelo que a gente criou há alguns anos atrás.
03:13Então, resumo, acho que eu já falei, mas é super positivo
03:16e acho que é um ano que promete muito mais crescimento ainda para a gente.
03:20E nesse novo cenário regulatório, vocês estão utilizando a inteligência artificial
03:24para ganhar margem, por exemplo?
03:26Ótimo ponto. Pergunta. A gente usa...
03:31Acho que eu posso falar quais são os nossos pilares, dar um passo para trás
03:33e pensar como a gente pensa em inteligência artificial na Flash,
03:36mas acho que o resumo conectando com o regulatório é
03:38o regulatório faz com que cada vez mais vença o melhor produto e serviço.
03:45E inteligência artificial é fundamental para você entregar
03:49o melhor produto e serviço, seja porque você vai ser mais eficiente,
03:51seja porque você vai atingir quem você não atinge,
03:54seja porque você vai criar mais valor para o seu cliente
03:57embedendo ela dentro do seu produto ou da sua operação.
04:01Então, como a gente enxerga a inteligência artificial na Flash?
04:03Ela ou protege margem e receita, ela tem três funções,
04:06proteger margem e receita, ou seja, vou ser mais eficiente,
04:09vou reduzir custo ou vou proteger a receita,
04:12vou acelerar crescimento, e tem N iniciativas para acelerar crescimento
04:16alavancando a inteligência artificial, e vou criar mais valor para o meu cliente,
04:20seja embedando no produto, seja embedando no serviço,
04:23melhorando a qualidade e eficiência desse produto, desse serviço, etc.
04:27Então, num mercado onde ele comoditiza certos aspectos
04:31e liderança de produto e de serviço é o que domina,
04:34a inteligência artificial é fundamental para consolidar essa liderança de produto
04:39e ampliar essa liderança de produto e continuar sendo o player de destaque
04:43que continua essa liderança que a gente tem no mercado nos últimos anos.
04:45Você pode colocar um dado aí, nessa proteção de margem,
04:49você tem números concretos que você possa trazer para a gente?
04:52Posso falar de exemplos de iniciativas específicas, tá?
04:54Então, quando a gente fala de proteção de margem e receita,
04:58de que tipo de coisa a gente está falando, tá?
04:59Tenho dois exemplos diferentes para dar cor.
05:05Exemplo 1, o Beabá de todo mundo, o que todo mundo fala de substitutos
05:09dos famosos chatbots de atendimento e etc.
05:11Falando de margem e custo.
05:14Com a filosofia da flash plugada nisso, que não é só margem e custo,
05:18também é atendimento do cliente, também é encantar cliente,
05:21que é parte do nosso pilar.
05:22A gente sempre teve, obviamente, um chatbot para ajudar no atendimento,
05:26a gente substituiu por um modelo de linguagem natural, avançado,
05:29usando AI, etc., para melhorar a qualidade disso.
05:31Só nessa transição, a gente aumentou a retenção desse atendimento em 15%,
05:37e a gente, ao mesmo tempo, aumentou 10 pontos percentuais
05:40de satisfação do contato do cliente.
05:42Ou seja, o contato humano junto com o contato com inteligência artificial
05:46entrega um menor custo, resposta mais rápida,
05:49e uma satisfação melhor para o usuário final.
05:52Outro exemplo numa lente diferente.
05:54A gente criou um modelo preditivo,
06:00usando machine learning para alimentar o modelo,
06:03que tenta prever churn e prever insatisfação de cliente.
06:08Ele prevê, já nos últimos seis meses, uns 150 casos por mês,
06:12onde você tem que se aproximar.
06:13É muito difícil você trabalhar com uma base,
06:15você acha que tem 60 mil empresas trabalhando com a gente?
06:18É muito difícil você manter um relacionamento
06:19com 60 mil pequenas empresas ativo e com um relacionamento próximo.
06:24Quando o modelo te aponta que você tem que falar com alguém,
06:26é um sinal de que é a hora certa de falar com aquele alguém,
06:28porque tem algum ruído e algum sinal que você tem que tratar.
06:32A estimativa básica é pelo menos uns 10 milhões de reais
06:34de imagem bruta protegida com a identificação de cliente
06:39que estava vulnerável por algum motivo,
06:41seja potencial ataque de concorrência,
06:43seja frustração com algum bug,
06:46algum problema de atendimento que é capturado nas mensagens, etc.
06:49e você levando alguém do time de CS para falar com esse cliente e resolver isso.
06:55São dois exemplos de uma lente diferente,
06:56uma de custo e uma de proteção de receita,
06:59mas que acho que exemplificam muito como a gente está pensando
07:02nesse pilar específico de proteção de imagem e receita
07:04no negócio,
07:07alavancando mais dois tipos diferentes de inteligência artificial na base.
07:11Isso além são seis anos, 60 mil empresas,
07:15quando que a AI deixou de ser algo pontual
07:19para estar no centro da tua estratégia
07:23e como que foi esse processo para vocês?
07:25Uma pergunta legal.
07:28Nesses seis anos a gente nasceu por três ou quatro
07:33a gente era exclusivamente uma empresa de benefício.
07:35Os últimos três que a gente se transformou nessa empresa,
07:38nessa plataforma mais ampla,
07:39que tem módulos de RH financeiro e benefícios,
07:43com produtos para gerenciar essa jornada do colaborador
07:46dentro da empresa nesses três pilares.
07:51E como todo mundo nos últimos, sei lá, um, dois anos
07:54começou a brincar e criar curiosidade interna
07:58e lideranças espaçadas de como eu gero
08:03proteção de imagem e receita.
08:05Hoje está enumerado dentro desses três pilares,
08:07nem sempre esteve,
08:08mas teve embaixadores locais puxando projetos
08:11de inteligência artificial de forma fragmentada,
08:13acho que como toda organização.
08:15Toda organização que já não nasceu
08:16na era da inteligência artificial.
08:19A gente em algum momento evoluiu
08:21para pensar tanto organizacionalmente
08:23quanto estrategicamente
08:27quais eram esses pilares que a gente tinha que organizar
08:29na nossa organização em torno
08:30e o que a gente deveria priorizar
08:32e ao mesmo tempo o que a gente deveria centralizar
08:34de times, esforços, eficiência, etc.
08:37para fazer isso.
08:38A gente começou na fase brincando,
08:41trabalhando com plataformas terceiras,
08:44serviços terceirizados para ajudar em venda,
08:47em lead, etc.
08:49E time de tecnologia de produto brincando
08:51com alguns features para embedar dentro do produto
08:53e assim por diante.
08:56E evoluímos para pensar que isso não deve ser
08:59algo tão solto e tão sem estratégia.
09:02Criamos esses pilares, criamos uma estratégia central,
09:04falando da gente, uma estratégia transversal
09:06que parte por iniciativas internas,
09:10iniciativas de produto e iniciativas para o cliente
09:11de inteligência artificial.
09:13Então, um time que tem,
09:14acho que é dedicado para a inteligência artificial,
09:16talvez umas 30 pessoas dentro do time de produto e tecnologia.
09:20Embaixadores dentro de cada time funcional
09:23que lideram as iniciativas estratégicas
09:25e são os embaixadores de inteligência artificial
09:27naquelas iniciativas.
09:28E começamos a construir muita infraestrutura.
09:32Por quê?
09:32Porque a gente chegou à conclusão que não dava
09:33para cada time criar a sua estratégia,
09:35conectar a nossa base de dados de cada um de um jeito,
09:37trabalhar dados sensíveis e confidenciais de clientes
09:40de forma fragmentada.
09:41Então, começamos a investir em um monte de infraestrutura.
09:43A gente criou um negócio chamado Data Flash
09:45que conecta em todas as bases de clientes internas,
09:52externas, CRM, atendimento, etc.
09:54e consolidas usadas em um lugar só com segurança
09:56para os language models e para os algoritmos de machine learning
10:00operarem em cima.
10:02Pusamos governança nisso.
10:03Criamos um criador de agentes que qualquer time usa.
10:06Ou seja, ele generaliza o trabalho de inteligência artificial
10:12que teria que ser feito para alguém muito técnico.
10:13Então, a ideia é o nosso RH.
10:14Criou um agente interno para tirar dúvidas dos colaboradores.
10:18E nasceram 70 agentes dentro da Flash alavancando isso.
10:22Então, a ideia foi como é que a gente criou uma estrutura
10:24e uma estratégia que traz segurança, traz escalabilidade
10:27e simplifica o processo da empresa inteira
10:32usar inteligência artificial
10:33em torno daqueles três pilares
10:36e iniciativas estratégicas nos três pilares.
10:39Ricardo, acho que você falou muita coisa interessante
10:42que vai ser legal a gente destrinchar aqui, né, Elzer?
10:44Mas antes, eu queria chamar a mensagem do nosso patrocinador.
10:48Meu nome é Otávio.
10:49Eu sou um sócio e CTO do Icazei,
10:53uma empresa que nasceu há 17 anos
10:55para resolver as necessidades do mercado de casamento.
10:59Uma das principais questões que a gente nota
11:01que a Magalu trouxe para a gente
11:04foi realmente uma segurança na questão financeira.
11:08Um dos problemas que a gente tem,
11:09acho que toda empresa nacional tem,
11:11é exatamente a questão da moeda, da cotação, do dólar,
11:15que a gente fica muito preso.
11:17E a Magalu trouxe realmente não só a cobrança em real,
11:20mas a aclimatação desses valores
11:23para o mercado nacional,
11:25o que faz com que seja muito mais fácil
11:27para a gente se planejar.
11:32Você está acompanhando o Revolução IA,
11:34o programa do Nelfeed,
11:36que aborda o impacto da inteligência artificial
11:38no mundo dos negócios.
11:40Ricardo, como a gente estava comentando,
11:42você falou aí na sua última resposta
11:45sobre o tamanho da sua equipe
11:47de inteligência artificial.
11:48Achei bem interessante,
11:49falou também sobre o Data Flash.
11:52Quanto que vocês investem
11:54em tecnologia, inteligência artificial?
11:57Dá para mensurar?
11:58Dá para separar ou não?
11:59É uma coisa só?
12:01Eu acho que é muito difícil.
12:02A gente tem um time de produtos e tecnologia
12:05que hoje devem ser umas 300 pessoas,
12:07para você ter uma ideia.
12:08Então, 10 a 15% do time
12:10é mais focado em inteligência artificial,
12:14mas a verdade é
12:15que como a gente acredita
12:17que inteligência artificial
12:18não se separa do core business
12:20ou do produto,
12:20e sim faz parte do core business do produto,
12:23ele é uma maneira do cliente
12:24se relacionar com o seu produto
12:26e não algo separado.
12:27Ele é uma maneira de embedar funcionalidades
12:30que trazem simplificação para a jornada
12:32ou cria uma inteligência no produto
12:33para o cliente
12:34e ele é uma forma dos seus,
12:37dos nossos, seus não,
12:39times de vendas, relacionamento,
12:42atendimento financeiro,
12:44RH, como eu falei antes,
12:46serem mais eficientes
12:48ou gerarem mais impacto.
12:50É muito difícil separar isso do core.
12:52Eu acho que inteligência artificial
12:54cada vez mais não é
12:55um investimento focado
12:58e sim é uma matéria
12:59que todo mundo tem que aprender um pouco
13:01e saber usar no seu dia a dia,
13:02assim como nós, pessoa física,
13:05usamos o Gemini e o ChatGPT
13:07como substituto de outras ferramentas
13:09que a gente usa no dia a dia.
13:11Então, como eu falei,
13:12tem 10 a 15% do time de tecnologia
13:15que é mais focado a AI
13:17de forma mais ampla,
13:18mas isso está muito mais embedado
13:20dentro das jornadas.
13:21O time de geração de lead
13:22tem gente trabalhando
13:24inteligência artificial lá dentro,
13:26o time de farming e cross-sell
13:27tem gente trabalhando
13:28algoritmos de machine learning
13:31e integração
13:32para embedar isso nas ferramentas
13:33e melhorar a sua eficiência
13:34de crescimento de cross-sell,
13:37assim por diante.
13:37Então, isso tem que ficar,
13:39na minha opinião,
13:39embedado dentro do dia a dia
13:41de todos os times
13:41em todas as funções da organização.
13:44O mercado tem aprendido
13:45que isso é uma discussão de cultura também,
13:49não só de tecnologia,
13:50mas de mudança de comportamento,
13:52mudança de hábito
13:52que começa de cima para baixo.
13:55como é que tem sido isso na Flash
13:57começando por você
13:58como founder, CEO
14:01e como você está promovendo
14:03esse avanço
14:08em questões de cultura?
14:12Acho que a gente nasce,
14:13nós somos uma empresa
14:14por natureza de inovação disruptiva
14:18que fez uma disrupção
14:20no mercado de benefícios
14:20alguns anos atrás,
14:21agora tem ampliado isso
14:22atacado a outros anos.
14:23Então, acho que o que eu quero dizer
14:24é que para a gente
14:25é um pouco mais natural
14:28respirar um pouco mais isso,
14:29já faço um parênteses nisso,
14:31mas respirar um pouco mais nisso
14:32que é inevitável discutir
14:35como a inteligência artificial
14:36está mudando os módulos
14:37naquele terceiro pilar
14:38que eu falei
14:38de criando valor para o cliente
14:39e mudando o que a gente entrega.
14:42Dito isso,
14:43ainda assim tem
14:45parte da sua pergunta anterior
14:46de como é que a gente faz
14:47a organização respirar isso
14:48e como é que a gente saiu
14:50dos pequenos casos pontuais
14:52alavancados por um embaixador
14:54aleatório dentro da companhia
14:55para ter uma estratégia horizontal
14:58com um objetivo claro,
14:59com priorização clara
15:00e quais são as coisas
15:02que são mais importantes
15:03para o negócio
15:04de alavancar a inteligência artificial
15:05e não para a pessoa A
15:07ou a pessoa B
15:07ou a pessoa Z.
15:09Acho que esse foi o movimento
15:10dos últimos anos.
15:10Ele é encabeçado
15:11por dois lados da organização,
15:13um lado de produto e tecnologia
15:14que é mais natural,
15:16onde criou-se um time
15:17de infraestrutura
15:17que trabalha e cria
15:18o DataFlash,
15:19que cria,
15:22que entrega
15:22os Large Language Models
15:24na camada de infraestrutura
15:28para a Flash
15:29para todo mundo consumir
15:29e assim por diante.
15:30E ao mesmo tempo,
15:32do outro lado,
15:34eu com o comitê executivo
15:36da Flash
15:36e o RH
15:38e o time de estratégia
15:40pensando quais são as iniciativas
15:41que são prioritárias
15:43para a Flash
15:44do ponto de vista horizontal
15:45e que a gente precisa,
15:46seja por defesa,
15:48seja por ataque,
15:49garantir que a gente
15:50está trabalhando
15:51inteligência artificial
15:52e que eu vou ficar para trás
15:53versus concorrentes
15:55ou coisa,
15:55na verdade,
15:55a gente quer estar à frente
15:56e não atrás.
15:57E do outro lado,
15:58como é que eu garanto
15:59que a organização se adapta
16:01e ou treino
16:03quem precisa treinar,
16:04incentivo, uso.
16:05Assim como o RH
16:05estava no pós-pandemia
16:07discutindo o Back to the Office
16:09e quem deveria estar no escritório
16:10e como deveria ser
16:11o modelo híbrido,
16:12a gente tem que estar discutindo
16:14do ponto de vista de cultura
16:14da empresa,
16:15como é que você embeda
16:17as pessoas terem curiosidade,
16:20quererem aprender sobre,
16:22pensar aí no seu time
16:23como é que eu uso
16:24e embedo
16:24inteligência artificial
16:25nos meus processos
16:27para ser mais eficiente
16:29ou entregar melhor resultado.
16:33E é assim que a gente está fazendo.
16:34Então, a gente tem,
16:35obviamente,
16:36nossas metas internas
16:37e todos os times
16:38têm os deles.
16:39Vou dar dois exemplos.
16:40Temos de áreas
16:41que ninguém necessariamente
16:42pensa quando está pensando
16:43em inteligência artificial,
16:44artificial, mas
16:46todo mundo pensa de cara
16:47no produto,
16:48na tecnologia,
16:49mas vamos pensar
16:49nas áreas de back office,
16:50o financeiro,
16:51o RH,
16:52e etc.
16:53Esses times,
16:54eu estou estimulando
16:55os diretores
16:55e os gestores
16:56sêniores desses times
16:57a procurarem fazer
16:59em workshops
16:59de inteligência artificial
17:00e como eles deveriam
17:01embedar inteligência artificial
17:03nos processos internos
17:04deles para entregar
17:05as metas de resultado,
17:07eficiência e metas
17:10que eles têm
17:11dentro dos resultados deles.
17:12Alguns são mais
17:13naturalmente curiosos,
17:15outros você precisa
17:15empurrar um pouquinho mais
17:16e incentivar porque
17:18talvez sejam mais
17:19avessos
17:21a inteligência artificial
17:23e a tecnologia
17:23por natureza.
17:25Todos os times na Flash
17:27estão tendo essa provocação
17:28e se é importante o suficiente
17:29para o negócio da Flash,
17:30uma empresa que
17:31máquina de vendas
17:32é extremamente eficiente,
17:34está dentro dos pilares
17:35das iniciativas estratégicas
17:36que o time de estratégia
17:37está empurrando
17:37com o time de revenue
17:38para fazer acontecer.
17:41Legal.
17:41A gente falou
17:44dos pilares estratégicos
17:45que vocês têm muito claro,
17:47falamos de cultura
17:48e você passou a cora rápido
17:50sobre priorização
17:51de investimento.
17:52Tem uma grande dúvida
17:54hoje no mercado,
17:55uma necessidade
17:56de trocar práticas
17:57de como priorizar
17:58investimento.
17:59Então,
18:00tem coisas que vêm
18:01do time
18:02para a organização,
18:03tem coisas que a organização
18:04percebe
18:05e quer atacar
18:06de forma centralizada.
18:08Qual que é o framework?
18:10Ou como que vocês estão
18:11desenvolvendo
18:11e aprendendo o framework
18:12de priorizar investimento
18:14ou os investimentos
18:16nessas frentes de...
18:17Eu acho que ele não sai
18:19do mesmo framework
18:20de investimento
18:21deixando a passo para trás.
18:23As iniciativas
18:24de inteligência artificial
18:24todas estão sendo
18:25para aumentar
18:26diferencial competitivo
18:27e melhorar
18:29o meu produto
18:29ou criar receitas
18:30adicionais
18:32para acelerar
18:33meu crescimento
18:35ou para aumentar
18:36minha eficiência
18:37de certa forma.
18:38Primeiro ponto.
18:39Segundo,
18:39não dá para descontestralizar
18:41o objetivo de negócio
18:43da empresa
18:43e o momento
18:44que ela se encontra.
18:44Então,
18:45a Inflash
18:45é uma empresa
18:46de alto crescimento,
18:47de alta disrupção
18:48e de alta inovação
18:50e se essas
18:51são minhas prioridades,
18:52inteligência artificial
18:52tem que estar me ajudando
18:53a fazer essas três coisas.
18:54primeiro pilar
18:55de proteger receita
18:56e imagem
18:57é porque toda empresa
18:58por mais que
18:58de alto crescimento
18:58ainda dobre ano a ano
19:00numa base muito grande
19:01ainda quer continuar
19:02dobrando ano a ano
19:02mas todo investidor
19:04já cobra
19:05das suas startups
19:06grandes
19:07de ganharem
19:08eficiência
19:09ano a ano.
19:11Segundo pilar
19:12acelerar
19:13meu crescimento
19:15ou viabilizar
19:15a aceleração
19:16do meu crescimento
19:16é
19:17parte dessa
19:18dobrar ano a ano
19:19envolve
19:20cross-sell
19:21meus novos produtos
19:22para minha base
19:22de cliente
19:23já grande
19:23ou acelerar
19:24e ganhar
19:24os novos clientes
19:25eu tenho que ter
19:28iniciativas
19:28de inteligência artificial
19:29que estão me ajudando
19:30a atingir
19:30esse segundo
19:31grande objetivo
19:32de negócio
19:33e terceiro
19:34estou me inovando
19:36e lançando
19:37cada vez mais produtos
19:38diferenciando
19:38meu produto
19:39versus
19:40os nossos followers
19:41e os incumbentes
19:42no mercado
19:43e
19:43embedar
19:44inteligência artificial
19:45e funcionalidades
19:46nisso
19:46cria um valor incrível
19:47se bem feito
19:48para o meu cliente
19:49e ajuda
19:50a entregar
19:51esse objetivo estratégico
19:52então
19:52inteligência artificial
19:53é mais uma iniciativa
19:54ao meu ver
19:55para alavancar
19:57os objetivos de negócio
19:58da empresa
19:58ainda sendo uma hora separado
19:59aí talvez por trás
20:01da sua pergunta
20:01esteja
20:02a gente faz um business case
20:04um ROI
20:06de investimento
20:07sobre as inteligências
20:08de artificial
20:09específicas
20:10não
20:10elas estão
20:12acho que se fizer
20:13eu te garanto
20:14que todas elas
20:15dão paybacks
20:16enormes
20:17porque acho que
20:18todo mundo
20:18ainda está na parte
20:18da curva A
20:19de priorização
20:20de inteligência artificial
20:20ninguém chegou
20:21ainda
20:21nas coisas
20:23que são
20:24mais do tail
20:25da curva
20:26de priorização
20:27então está todo mundo
20:28nas coisas
20:28que é tão óbvio
20:29eu fazer
20:29que gera
20:33retornos
20:34incríveis
20:35você põe
20:36como eu falei
20:37tem 30 devs
20:38para a faixa inteira
20:38então 30 pessoas
20:39de produtos
20:40de tecnologia
20:40de AI
20:40então
20:41você põe
20:42uma pessoa
20:43trabalhando
20:43numa iniciativa
20:45baixa o CAC
20:46gera mais conversão
20:48gera mais cross-sell
20:49diminua o churn
20:51cria o produto
20:53funcionalidades
20:54de produto novas
20:55que me diferencia
20:56versus mercado
20:56e portanto vendo mais
20:57então está na camada
20:59ainda que é mais
21:00no-brainer
21:01o investimento
21:02pelo menos
21:03para o tipo de empresa
21:04que nós somos
21:04de novo
21:05alto crescimento
21:06alta disrupção
21:07inovação constante
21:09acho que com o tempo
21:11você vai ter que chegar
21:12num framework
21:13de aprender a medir
21:13essas coisas
21:14o pessoal não consegue
21:15nem medir
21:15produtividade de dev
21:16direito com
21:16inteligência artificial
21:17quanto mais
21:18retorno de iniciativas
21:19de inteligência artificial
21:21específicas
21:22mas acho que
21:22quando você chegar
21:23na curva B, C, D
21:24de priorização
21:25de iniciativas
21:26vai começar a ficar
21:27mais marginal
21:28a discussão
21:29de se você
21:31faz a iniciativa
21:32ou não
21:32se você tem que cobrar
21:33ela para
21:34ela se justificar
21:36ou se ela está
21:37embedada de graça
21:38no produto
21:38e assim por diante
21:39Ricardo
21:40você falou muito
21:41da inteligência artificial
21:42como um motor
21:42de crescimento
21:43da companhia
21:44agora
21:44dá para a gente
21:46saber quanto
21:46que isso representa
21:48talvez quanto
21:49que isso mude
21:50o valuation
21:51da empresa
21:52o valuation
21:54de growth
21:55companies
21:56é diretamente
21:57proporcional
21:58a IR
22:00taxa de crescimento
22:01tamanho do mercado
22:02e
22:04margem
22:05vamos dizer assim
22:06simplificando muito
22:08o modelo
22:08de growth investors
22:11então
22:12quanto mais
22:12eu acelerar
22:13meu crescimento
22:13e capturar
22:14mercados gigantescos
22:14que a gente está
22:15perseguindo
22:15em tese
22:16mais
22:17eu incremento
22:18o valuation
22:18da flash
22:19apesar de o valuation
22:20não ser o objetivo
22:21seja a consequência
22:23quando a gente
22:24olha as iniciativas
22:25eu vou trazer
22:25exemplos aqui
22:26de iniciativas
22:27que a gente
22:27implantou no pilar
22:28de acelerar
22:29crescimento
22:31um das prioridades
22:33da flash
22:33no último
22:34ano
22:35e neste ano
22:37é
22:37acelerar a adoção
22:38todo mundo conhece
22:39a flash
22:39como empresa de benefício
22:40a flash virou
22:41uma empresa muito maior
22:42mas 20% dos meus clientes
22:43usam essa plataforma
22:44muito maior
22:45os outros 80%
22:46ainda nos conhecem
22:47como empresa de benefício
22:49então dentro
22:50deste frame
22:51eu tenho que acelerar
22:53o conhecimento
22:55desses clientes
22:55dos nossos outros produtos
22:56e a adoção
22:58qual foi uma das iniciativas
22:59que a gente puxou
23:00com inteligência artificial
23:01na flash
23:03foi criar um algoritmo
23:04de machine learning
23:05de preditor de score
23:08para quem eu deveria
23:09estar oferecendo
23:09que produto
23:10de novo
23:11falar com 60 mil empresas
23:12demora muito
23:12eu tenho que falar
23:13de uma forma
23:15mais focada
23:15a gente criou
23:16um algoritmo
23:17para ajudar
23:17já sempre teve
23:18uma iniciativa
23:19de farming
23:20e cross-sell
23:20na base
23:21e a gente criou
23:22um modelo
23:22para olhar
23:23N atributos internos
23:24a flash e externos
23:26e qualificar
23:26que produto
23:27eu deveria estar
23:27dos dezenos
23:29de produtos
23:30que a flash
23:30tem hoje em dia
23:31vendendo para quem
23:31isso aumentou
23:3240%
23:33da nossa conversão
23:33do time
23:34de cross-sell
23:35e farm
23:37ou seja
23:38o ROI
23:39dessa iniciativa
23:40é óbvio
23:40eu preciso calcular
23:41não é óbvio
23:42ele custou peanuts
23:43e gerou um retorno
23:44enorme para a flash
23:45está ajudando
23:45o objetivo estratégico
23:46da flash
23:46está ajudando
23:47o objetivo estratégico
23:48da flash
23:48então
23:50está ajudando
23:51o valuation da flash
23:52certamente
23:52está ajudando
23:53o valuation da flash
23:53eu consigo mensurar
23:54atribuir
23:55não nem quero
23:56é perda de tempo
23:56eu tentar parar
23:57para fazer a conta
23:58de quanto essa iniciativa
23:59está ajudando
24:00é tão óbvio
24:00o resultado
24:01que como eu falei
24:02está na curva A
24:03ainda
24:03é meio
24:05óbvio fazer
24:06e hoje
24:08você comentou
24:08tem 30 pessoas
24:10no time de AI
24:12construíram coisas
24:13na flash
24:14plataforma de agentes
24:17quando
24:17want to build
24:19ally or acquire
24:21aquela pergunta clássica
24:22quando construir
24:25contratar
24:25uma ferramenta
24:26pronta no mercado
24:27ou eventualmente
24:27vai considerar
24:28a aquisição
24:28de uma empresa
24:29nesse
24:29estamos quase desenhando
24:31o formuzinho de consultor
24:32para quem foi 15 anos
24:33consultor na vida
24:34mas
24:36é uma ótima pergunta
24:37a gente debate muito isso
24:38porque
24:40a gente talvez
24:42liderou as iniciativas
24:44no começo
24:44de coisas
24:45que eram mais
24:45low hanging fruits
24:46e mais fáceis de fazer
24:48e
24:50talvez
24:51escolher o caminho
24:52mais
24:53longo e duro
24:54para construir
24:54os foundations
24:55para o resto
24:56especialmente
24:57para as coisas de produto
24:59o tal do data flash
25:00e a plataforma
25:01de criadoras
25:02de agentes interno
25:05eu acho que isso agora
25:07nos dá
25:08simplifica
25:09criar os próximos
25:10produtos
25:11e nos dá
25:12e diminui
25:13a necessidade
25:14de
25:15de mão de obra
25:17com muito expertise
25:20e que vai vir
25:21agargado para o mercado
25:22implantar coisas
25:22de utilização artificial
25:23é
25:24óbvio que dentro
25:26desse universo
25:27a gente pensou
25:27e a gente faz
25:29o uso de plataformas
25:31terceirizadas
25:31para algumas coisas
25:32eu diria
25:33que você tem
25:34que a gente avalia
25:35duas ou três coisas
25:36ao fazer isso
25:37um é
25:39velocidade
25:39com rápido
25:41eu consigo
25:41gerar
25:42resultado
25:43e implantar
25:44fazendo
25:44building
25:45versus
25:45pegando alguma coisa
25:47pronta de mercado
25:47e aproveitando ela
25:50dois
25:52impacto
25:55tem algum
25:56diferencial competitivo
25:56de eu fazer isso
25:57dentro de casa
25:57que
25:58se eu fizer
25:59vou fazer melhor
25:59que alguém
26:00ou vou fazer
26:03de algo
26:04que eu não trouxe
26:05o conhecimento
26:05para o mercado
26:05e portanto
26:06eu consigo ter
26:06um diferencial competitivo
26:07sustentável
26:08no médio e longo prazo
26:09e portanto
26:10deveria fazer interno
26:11acho que essa
26:12é a segunda
26:13e você pode começar
26:14por um modelo
26:15terceirizado
26:15e internalizar
26:16com o tempo
26:17acho que esse é o caminho
26:19e acho que tem o três
26:20que é
26:21o motivo
26:22pelo qual a gente
26:22usou o caminho
26:23do data flash
26:24das plataformas internas
26:25que é
26:27segurança e estrutura
26:28a gente tem muita
26:30informação confidencial
26:31instituição
26:31de pagamento
26:32dados de transação
26:33financeira
26:34dados confidenciais
26:35de colaborador
26:36e N outras coisas
26:37que a gente tem que fazer
26:38e tudo que vai tocar nisso
26:40a gente dificilmente
26:41vai querer transitando
26:42para fora do nosso
26:43porque o liability
26:44é nosso
26:45do nosso ecossistema
26:46então assim
26:47voltando para quando a gente
26:48olha para os nossos
26:48últimos dois anos
26:50iniciativas de marketing
26:51e vendas
26:52a gente
26:52muitas delas
26:53fez um híbrido
26:54de interna e externa
26:55tem ferramentas
26:57especializadas
26:58ótimas no mercado
26:59que ajudaram a gente
27:00a colocar de pé
27:00muito rápido
27:01muitas coisas
27:02que demorariam muito
27:03para a gente construir
27:04dentro de casa
27:04e o nosso recurso
27:06escasso dentro de casa
27:06estava mais bem utilizado
27:08focado
27:09em outras iniciativas
27:10que ou não tinha
27:12produto no mercado
27:13ou tinham
27:15requeriam ser internas
27:15por outros motivos
27:17e tem iniciativas
27:18que a gente fez híbrida
27:19como os algoritmos
27:20de machine learning
27:20que eu falei
27:21de qualificação
27:21de usuário
27:22de sinalização
27:23de informação
27:24e foco nas empresas
27:25etc
27:25que requer trabalhar
27:26as informações internas
27:27da flash
27:28e portanto
27:28foram desenvolvidas
27:29dentro de casa
27:29é interessante
27:30é interessante
27:30você trazer
27:31o caso
27:31do data flash
27:33e seria
27:33fiquei curioso
27:34em saber um pouco mais
27:35o que é
27:35o data flash
27:37o que vocês
27:37construíram aqui
27:38até por
27:39a gente vê o mercado
27:40hoje aprendendo
27:40que AI e dados
27:42são duas asas
27:42do mesmo avião
27:43se você não tiver
27:44uma delas
27:44o avião não decola
27:45então
27:46o que que está
27:47nessa caixinha
27:48data flash
27:49que você já comentou
27:49bastante
27:50mas
27:51vou falar como CEO
27:52e não como CTO
27:53e CPO
27:53que não sou eu
27:58então assim
28:00você falou bem
28:01nos pontos
28:01a gente está falando
28:02de language model
28:02ou de dados
28:03basicamente
28:03então data flash
28:05o primeiro pedaço
28:06disso
28:07todo modelo
28:08seja ele um algoritmo
28:09de machine learning
28:10ou seja
28:10um language model
28:12ou um agente
28:13ou seja o que for
28:14precisa de informação
28:15de boa qualidade
28:15para trabalhar
28:16senão ele entrega
28:17resultado de baixa qualidade
28:20o difícil
28:22ainda mais quando você
28:23é uma empresa
28:24de alto crescimento
28:24com muito produto novo
28:25surgindo o tempo todo
28:26etc
28:26é você conseguir garantir
28:27que as informações
28:28de todos os módulos
28:30e de todos os seus
28:31processos internos
28:33estão centralizadas
28:34num lugar só
28:35padronizadas
28:36e com qualidade
28:37mensurável
28:38desculpa
28:39mensurável não
28:39mas qualidade
28:41padronizada
28:44sem o qual
28:44você não consegue
28:45escalar essas iniciativas
28:46então a gente passou
28:47um tempo
28:47estruturando
28:48um data lake
28:50vamos dizer assim
28:51onde as bases
28:52de CRM
28:53de dados
28:54transacionais
28:55dos nossos clientes
28:55de dados
28:56cadastrais
28:56de dados
28:57de leads
28:57de dados
28:58de vendas
28:59de dados
29:00dos produtos
29:01e de utilização
29:02dos produtos
29:02etc
29:03estão todas
29:04consolidadas
29:05e agora cada vez
29:05que a gente
29:06cria um produto novo
29:06dentro dos squads
29:07de produtos
29:08eles já são
29:09obrigatórios a fazer
29:10contratos de dados
29:12estruturação de informação
29:13e já nascerem
29:15integrados
29:15dentro da data flash
29:16para que
29:17imediatamente
29:18eu consiga ter
29:20os agentes
29:21os modelos
29:22e assim por diante
29:22consumindo esse dado
29:23e se beneficiando
29:24disso
29:24seja para entregar
29:26para o cliente
29:26seja para entregar
29:27internamente
29:27para algum processo
29:29entregar interno
29:30para um processo
29:30é os exemplos
29:31que eu dei
29:31de somarizar
29:32aquela informação
29:33para pôr na mão
29:33de um vendedor
29:34de um atendente
29:35de CSS
29:35ou de CX
29:37ou de um time interno
29:38entregar para um produto
29:39do cliente
29:40é para processar
29:40aquela informação
29:41e gerar insight
29:42e facilidade
29:43para aquele cliente
29:44dentro do produto
29:45toda flash
29:46então esse foi
29:47a primeira etapa
29:48do toda flash
29:50a segunda era
29:52todo mundo queria
29:53criar um agente
29:53de alguma forma
29:54para ajudar o vendedor
29:55para ajudar o prospectador
29:57para ajudar
29:57a tendência de CSS
29:58a se relacionar
30:00com o cliente
30:00e saber
30:00o que aconteceu
30:01no histórico dele
30:03nos últimos dois anos
30:04e o que eu preciso saber
30:04antes de entrar
30:05para falar com o cliente
30:08e até o cliente
30:09dentro do produto
30:10para ver isso
30:12tipicamente
30:13isso é uma mistura
30:14de uma das matérias
30:15de inteligência artificial
30:16mas é uma mistura
30:17de language model
30:19com algoritmos
30:21processando essa informação
30:22e entregando
30:23de algum objetivo lá
30:25para a gente
30:26ganhar velocidade
30:27daqui para frente
30:28a gente gastou um tempo
30:29criando o que a gente
30:29chama de uma fábrica
30:30de agentes
30:31aonde o time
30:32de infraestrutura
30:33muito técnico
30:35abstrai a complexidade
30:37técnica disso
30:38de fora
30:39criando uma camada
30:40intermediária
30:41da flash
30:42aonde ele se conecta
30:43no OpenAI
30:44no Gemini
30:45e assim por diante
30:46nos language models
30:47e outros tipos
30:48de modelos terceiros
30:49entrega isso
30:50de uma forma
30:50mais mastigada
30:51e simplificada
30:51para os times
30:53generalistas
30:54da flash
30:54seja os de produto
30:55seja os funcionais
30:56eu dou exemplo
30:57do RH nosso
30:57que criou
30:58um agente interno
30:59que é usado
31:01por todo mundo
31:02na flash
31:03para qualquer um
31:04conseguir criar
31:04e disso
31:05nasceram em um ano
31:0670 agentes
31:07dentro da flash
31:07com cada um indo lá
31:08criando o seu
31:09e etc
31:10até os dados
31:11do RH
31:11da própria flash
31:12estão dentro
31:12do data flash
31:13para eles poderem
31:14consumir
31:14e esse agente
31:15cria respostas
31:17para os colaboradores
31:18sobre férias
31:19falta
31:19PLR
31:21e etc
31:21e todos os processos
31:22internos
31:23mas que esse foi o processo
31:25não sei
31:26fundacional
31:27como você falou
31:27que a gente seguiu
31:29de criar a fábrica
31:30de agentes
31:30o data flash
31:31e etc
31:31e a nossa filosofia
31:32de como a gente
31:33pensa como estratégia
31:33horizontal
31:34então um time
31:34muito técnico
31:35de infraestrutura
31:36cria os fundamentos
31:37um time intermediário
31:38ainda técnico
31:39de tecnologia
31:40e produto
31:40consome muito isso
31:41para poder
31:41identificar para o cliente
31:44e alguns times
31:45produtificam isso
31:46internamente
31:46para os diferentes
31:47times funcionais
31:48então o time
31:48de web ops
31:49vai criar isso
31:50para o time
31:50de marketing e vendas
31:52outro time
31:53cria isso
31:53para poder
31:54identificar isso
31:54dentro das ferramentas
31:55de atendimento
31:56de CS
31:56dentro da flash
31:57e embedar isso
31:58lá dentro
31:58como ferramentas
31:58para o atendente
31:59no dia a dia
31:59e assim por diante
32:00então tem uma camada
32:01que vai reduzindo
32:02a especialização em AI
32:03mas ainda assim
32:04consumindo isso
32:05para entregar
32:06inovação
32:07de produtos e serviços
32:07para os clientes
32:08Ricardo você falou aí
32:09do exército
32:10de agentes
32:11que vocês criaram
32:12eu queria entender
32:13qual é a autonomia
32:14que o time tem
32:15para criar esses agentes
32:16e se você pode
32:18trazer algum exemplo
32:19também
32:19de algum agente
32:21que vocês pensaram
32:22em criar
32:22e que não deu certo
32:24para a gente entender
32:25quando que é a hora
32:26de desistir
32:27quando você percebe
32:29que essa iniciativa
32:30pode não levar
32:31ao caminho
32:31que você pretendia
32:33eu acho que
32:34bom
32:35eu estou pensando
32:36se eu tenho os exemplos
32:37do que não deu certo
32:38vamos lá
32:39startup é um exercício
32:40de testar
32:42inovar
32:42aprender rápido
32:43errar rápido
32:44e corrigir rápido
32:46então
32:47errar faz parte
32:48e testar rápido também
32:50contanto que o risco
32:51seja baixo
32:51faz parte do nosso DNA
32:53é o que a gente faz
32:53no dia a dia
32:54os agentes
32:55são tão diversos
32:56quanto
32:58vou pegar alguns exemplos
33:00para dar cor aqui
33:02dentro do produto
33:03de despesas
33:04tem um agente
33:05que fica validando
33:07quando o nosso cliente
33:08usa o cartão
33:08corporativo
33:09e submete
33:09um reembolso
33:10ele fica ajudando
33:11a pegar fraude
33:12nas despesas
33:13em menos de um ano
33:15ele identificou
33:1570 mil despesas
33:16com não só fraude
33:18fraude
33:18erros
33:19e etc
33:19mas 70 mil despesas
33:21em um ano
33:22que ele identificou
33:23algum tipo de distorção
33:25ou erro
33:25e evitou despesas
33:27dos clientes
33:27ou corrigiu isso
33:29no processo
33:29de contabilização
33:30e etc
33:33esse agente
33:33foi feito
33:34por uma pessoa
33:35do time de produto
33:35de cartão
33:36de despesas
33:37lá
33:37que alavancou
33:38uma dessas
33:40ferramentas
33:41do dataflash
33:41da fábrica de agentes
33:42e embedou isso
33:43com uma pequena
33:43funcionalidade
33:44dentro do produto
33:45de despesas
33:46mas que gera
33:46um mega valor
33:47para o cliente final
33:50outro exemplo
33:51é
33:51tem um agente
33:51que é
33:52o consultor
33:53do consultor de CS
33:55o consultor de CS
33:55quando vai falar
33:56com o cliente
33:57precisa
33:58sumarizar
33:58e entender
33:59o que está acontecendo
33:59com aquele cliente
34:00para conseguir
34:02aliás
34:02de CS de vendas
34:03para ter uma conversa
34:05qualificada com ele
34:06entendendo com quem
34:06ele falou na flash
34:07com qual histórico
34:08se ele está tendo problemas
34:09ou não
34:09que produtos ele tem
34:10e assim por diante
34:11o nome é muito criativo
34:12a gente criou um negócio
34:12chamado Summarisator
34:15que sumariza
34:16o histórico
34:17de relacionamento
34:18daquele cliente
34:19ao longo
34:20de todas as matérias
34:22ou seja
34:22do produto
34:23da venda
34:23do site do atendimento
34:24etc
34:25e dá na mão
34:26antigamente
34:26demorava duas horas
34:27para um atendente
34:28criar um relatório desse
34:29a gente cria 30 por dia
34:30e tem 250 pessoas
34:31usando essa ferramenta
34:33olha a economia de tempo
34:34que isso gera
34:35para a organização
34:36e provavelmente
34:36maximiza o resultado
34:37dessas reuniões
34:38que são muito mais produtivas
34:39e acertadas
34:41etc
34:41esses então
34:42são exemplos
34:43que deram certo
34:44mas quando você
34:45começa a criar
34:46uma solução
34:47um agente
34:48de inteligência artificial
34:49até onde vale a pena
34:51insistir
34:51e quando vale a pena
34:53pausar
34:54aquele esforço
34:55eu acho que
34:56eu não tenho
34:56um exemplo claro
34:57aqui
34:57mas eu acho
34:58que a pergunta
34:59como eu olharia isso
35:00toda funcionalidade
35:02de produto
35:02tem que ser
35:03utilizada
35:04bem avaliada
35:04e reconhecida
35:07pelo cliente
35:07se você tem
35:08uma funcionalidade
35:10que o cliente
35:12não usa
35:12ou ele acha ruim
35:13ou ela não dá resultado
35:15você como empresa
35:16de produto
35:16tem que matar isso
35:17e jogar no lixo
35:18ou arrumar ela
35:20então eu acho
35:20que isso
35:20faz parte
35:21do processo
35:23de discovery
35:24validação
35:25constante
35:25que um time
35:25de produto
35:26faz
35:26de entender
35:27se aquela funcionalidade
35:28e de mensuração
35:29por isso que eu falei
35:29dos contratos de dados
35:30dentro da plataforma
35:31e etc
35:32é
35:32deixa eu mensurar
35:33a utilização
35:34ver se está gerando impacto
35:35trouxe vários benchmarks
35:36aqui dos positivos
35:37dos casos que deram certos
35:39talvez não tenha usado
35:40os que não deram
35:41mas faz parte
35:42do dia a dia
35:43você matar as funcionalidades
35:44ou reiterar elas
35:45e mudar
35:47dentro das de uso interno
35:49eu acho que
35:50cada uma delas
35:51tem que ter seu objetivo
35:52então uma
35:53iniciativa
35:54de um agente
35:54para ajudar em venda
35:56tem que diminuir
35:56CAC
35:57tem que aumentar
35:58a conversão
36:00ou tem que fazer
36:00você vender mais
36:01então
36:02acho que a disciplina
36:04que se tem que ter
36:05é em ter clareza
36:06de cada uma
36:07dessas iniciativas
36:08em que métrica
36:09de negócio
36:09ela está ajudando
36:10o que é o resultado
36:10que eu espero
36:11e se ela não está
36:12ajudando
36:13não é nem se ela está
36:14atrapalhando
36:14se ela não está ajudando
36:16ela é inocua
36:16é um investimento
36:17desnecessário
36:18que
36:20não está ajudando
36:21o objetivo
36:22de negócio
36:23e portanto
36:24não está gerando
36:24resultado para a companhia
36:26e acho que faz parte
36:27do nosso DNA
36:28no dia a dia
36:29testar e aprender
36:30e iterar com essas coisas
36:32talvez por isso
36:33que eu não tenho
36:33os exemplos tão claros
36:34do que não deu certo
36:35faz parte de jogar fora
36:36e ir para frente
36:36mas falando em
36:38em matar a iniciativa
36:40vamos fazer um exercício
36:41hipotético aqui
36:42onde você
36:43precisaria matar
36:44todas as suas iniciativas
36:46de AI
36:46exceto uma
36:47uma fica aí
36:50qual seria essa uma
36:51e por que?
36:52eu vou dar a resposta longa
36:54talvez você não queira
36:55que não é a resposta
36:56mas sim como eu pensaria
36:57sobre o assunto
36:57eu acho que
36:59qualquer decisão
37:00de priorização
37:01é uma decisão
37:02de priorização
37:02dentro do contexto
37:03de negócio
37:03da estratégia da companhia
37:04e das prioridades
37:05da companhia
37:05então
37:06se eu estou
37:08num momento de negócio
37:10flash
37:10aonde a minha prioridade
37:12é acelerar
37:13eu tenho
37:14todas as prioridades
37:15acelerar crescimento
37:16lançar coisas novas
37:17e ser mais eficiente
37:19investidores não pedem
37:21menos coisas pra gente
37:21pedem mais
37:22mas
37:23e portanto
37:24as iniciativas de AI
37:26assim como qualquer
37:27outra iniciativa da flash
37:28estão alinhadas
37:28com esses pilares
37:29dito isso
37:32se eu tivesse que falar
37:33vou escolher
37:34desculpa
37:35dito isso
37:36dois comentários
37:36um
37:36se eu estou
37:37falei já pra vocês
37:38que eu estou
37:38na curva A
37:39das iniciativas
37:40e que eu aposto
37:40que todas elas
37:41tem ROI positivo
37:42eu não deveria matar
37:43nenhuma
37:45a não ser que eu esteja
37:46fazendo muita besteira
37:47esse é o primeiro ponto
37:48mas se eu tivesse que escolher
37:49um desses pilares
37:51pra
37:53dentro desse contexto
37:54da flash
37:55manter
37:55acho que seria
37:56o de eu continuar
37:57criando valor pro cliente
37:58e continuar me diferenciando
37:59simplesmente
37:59pelo momento da companhia
38:00que é
38:02mercado de benefícios
38:03cada vez mais
38:04passando por uma revolução
38:05a flash
38:05como o líder
38:06e o maior
38:07dos
38:07dos neoplayers
38:09querendo manter
38:10ampliar a distância
38:11que a gente já tem
38:11de diferencial de produto
38:12versus o resto do mercado
38:13e atacar mais a base
38:15dos players tradicionais
38:17de clientes
38:17e crescer
38:18de forma acelerada
38:19e aumentar a inovação
38:21de produtos
38:21que é o grande pilar
38:22que a gente acredita
38:23que faz a gente
38:24se diferenciar
38:25e entregar mais valores
38:26e serviços
38:26pros nossos clientes
38:27se esse é
38:29o momento prioritário
38:30da flash
38:30eu não posso abrir mão
38:31do pilar
38:32de criar valor
38:33pros meus clientes
38:33e criar produto
38:34então
38:34produto de benefícios
38:36eu tô criando
38:37usando AI
38:38pra fazer benchmarking
38:39em site automático
38:40pro cliente
38:41eu uso
38:42AI pra criar
38:43funcionalidade
38:44de antifraude
38:45produto de
38:46pessoas e software de RH
38:47eu uso AI
38:48pra automatizar
38:49a avaliação de performance
38:50e pra
38:54processar informação
38:55automaticamente
38:56processar documentos
38:57dos colaboradores
38:58do cliente
38:59automaticamente
38:59de despesas
39:00eu falei
39:00da automação
39:02da relação
39:02de despesas
39:02isso cria
39:03diferencial competitivo
39:05e diferencial
39:05de produto
39:06versus concorrentes
39:07de cada um
39:07desses mercados
39:08pra flash
39:09e portanto
39:10viabiliza
39:10eu crescer mais rápido
39:11se eu não vou jogar fora
39:12todas as outras
39:13iniciativas
39:13de CAC
39:16aceleração de leads
39:17eficiência
39:18eu continuo
39:19entregando a minha
39:19estratégia de negócio
39:20meu pilar principal
39:21de negócio
39:21que é a diferenciação
39:22e vou entregar
39:24os outros dois pilares
39:25de qualquer jeito
39:25eu só quero alavancar
39:27eles mais ainda
39:28e por isso
39:28acho que eu não
39:29abriria a mão
39:29das minhas iniciativas
39:30de aceleração
39:31de crescimento
39:32e de eficiência
39:32mas acho que
39:33esse pilar
39:33de produto
39:34e diferenciação
39:35acho que é o principal
39:35pra flash
39:36ocupar o mercado
39:36e deixar o cliente feliz
39:39ocupar o mercado
39:40diferenciar o produto
39:41e deixar o cliente feliz
39:42diferenciar o produto
39:43pra deixar o cliente feliz
39:44nem sempre
39:45ocupar o mercado
39:46se você matar
39:47as iniciativas erradas
39:48sim
39:48se você não matar
39:49as iniciativas erradas
39:49você é infeliz
39:51Ricardo
39:51muito obrigada
39:52pela sua entrevista
39:53aqui com a gente
39:54muito obrigado a vocês
39:55pelas perguntas
39:56e pelo bate-papo gostoso
39:57ótimo
39:57muito bom te ver
39:59obrigado
40:00e a você que nos acompanhou
40:01obrigada pela sua audiência
40:03o Revolução é a volta em breve
40:04até lá
40:19o Revolução é a volta em breve
40:19o Revolução é a volta em breve
Comentários