Como capturar o conhecimento tácito com agentes de IA?
Você captura o conhecimento tácito trabalhando ao lado de quem o detém até que um agente chegue às mesmas respostas, e depois roda esse julgamento em cada caso. A HomoDeus fez isso com a visão da casa da Galapagos Capital, os precedentes de um escritório de São Paulo, os contratos do Grupo Raízes e os formulários de uma corretora dos EUA.
Como saber que funcionou
O agente começa a encontrar o que as pessoas não encontravam. O Keystone leu o modelo de um sponsor contra o que o prédio de fato gastou em doze meses e mostrou quatro linhas de despesa abaixo do gasto real, o seguro em duas vezes e meia. O modelo final da mesa tinha deixado passar. Contra os números reais, o retorno caiu mais da metade.
Keystone, Galapagos Capital
A Keystone captura a visão da casa da mesa de real estate dos EUA da Galapagos Capital, o julgamento que vivia na cabeça de poucos analistas, e aplica em cada pacote de sponsor no dia em que chega. A gente veio para ler os pacotes de sponsor. A parte difícil estava em outro lugar: capturar a própria visão da casa, o instinto que diz a um analista que um número está errado, e entregar isso a algo que roda em cada deal. O modelo de um sponsor é escrito para vender o deal. O agente lê esse modelo contra o que o prédio de fato gastou nos últimos doze meses, e em um deal mostrou o que o próprio modelo final da mesa tinha deixado passar: quatro linhas de despesa abaixo do gasto real, o seguro em duas vezes e meia. Contra os números reais, o retorno caiu mais da metade.
Tribune, Um escritório de advocacia de São Paulo
A Tribune transforma quinze anos das próprias propostas e minutas de um escritório de advocacia em uma base viva que qualquer advogado pode consultar, então um e-mail de cliente volta como uma proposta no formato do escritório, com o precedente citado, em minutos, atrás das paredes do escritório. O verdadeiro ativo de um escritório é o próprio papel: cada proposta de honorários, cada minuta, cada parecer que ele já escreveu. Nada disso estava em um lugar só, então uma proposta que o escritório já tinha escrito dez vezes era escrita de novo de uma folha em branco, a partir dos precedentes que um advogado por acaso tinha guardado.
Ledger, Grupo Raízes
A Ledger lê cada um dos contratos sob medida dos clientes do Grupo Raízes, aprende o que cada variável significa, e calcula a fatura do mês contra os números reais da operação, para o time de faturamento parar de correr atrás das filiais. Uma analista de faturamento sabia que uma coluna chamada CTE era a constante de um cliente, e por quê. Esse significado não vivia em lugar nenhum que o computador pudesse ler, então nenhum sistema conseguia comparar os números certos.
Scribe, Uma corretora dos EUA
A Scribe transforma o onboarding de clientes de uma corretora, de um mês de papelada de compliance em um pacote montado em minutos por um time de agentes, com um compliance officer assinando no fim. Cada custodiante quer o pacote do seu próprio jeito, com as suas manias. O que é um protocolo limpo, e as regras de compliance da firma, vivia na cabeça dos analistas sêniores.
Perguntas
Onde esse conhecimento costuma estar?
Na cabeça de poucas pessoas e nas planilhas que elas refazem: o underwriting de uma mesa, a precificação de um escritório, o significado de uma coluna de faturamento, o que é um protocolo limpo.
O conhecimento sai quando a pessoa sai?
No Tribune, o conhecimento que saía com cada advogado fica na base, e cada proposta que o agente redige alimenta essa base.
O agente aprende termos novos?
Sim. O Ledger faz duas perguntas curtas quando um termo é novo e guarda a resposta, então pergunta menos a cada mês.