A LTPlabs é uma empresa portuguesa promissora que tem já cerca de uma centena de clientes e que, apesar de ser uma tecnológica, prefere ser vista antes como um parceiro estratégico para a tomada de decisões empresariais mais inteligentes, na medida em que procura soluções tecnológicas que se ajustem às necessidades das organizações. Como os seus responsáveis enfatizam, para a LTPlabs, a tecnologia não é um fim, mas sim um meio para transformar dados em impacto real.
Fundada como uma spin-off da Universidade do Porto, a empresa especializou-se há já dez anos na aplicação da Inteligência Artificial (IA) a problemas concretos de gestão, ajudando empresas de diferentes setores a otimizar operações, desde o planeamento da produção até à personalização de campanhas de marketing.
Uma década depois a trabalhar com Inteligência Artificial dita tradicional, a LTPlabs tem desenvolvido o seu trabalho, nos últimos dois anos, recorrendo também à Inteligência Artificial Generativa.
Em entrevista à Forbes, Pedro Amorim, fundador da LTPlabs, explica como é que a empresa entrega propostas de valor aos seus clientes, combinando IA tradicional e IA generativa, conseguindo, assim, potenciar o seu próprio negócio que tem apresentado um ritmo de crescimento anual na casa dos 30% a 40% e assenta já num forte portfólio internacional.
A LTPlabs gosta de se definir mais como uma empresa de apoio à gestão das empresas do que como uma empresa de TI. Porquê?
A LTPlabs foi fundada por três professores da Faculdade de Engenharia, portanto, na verdade, somos uma spin-off da Universidade do Porto. E os nossos desenvolvimentos foram sobre o que hoje chamamos de inteligência artificial, mas no fundo o objetivo é perceber como é que podemos apoiar as empresas a tomar melhores decisões, seja nas operações, seja no marketing, seja nas áreas mais corporativas, de gestão de talento de pessoas, etc.
E nesse sentido, o nosso olhar é muito para o negócio e para as necessidades das empresas. Imaginemos uma grande cervejeira que tinha dificuldade em gerir o seu plano de produção e estava confrontada com a dúvida de saber se deveria produzir mais cerveja mais cedo durante o ano todo e guardar stock para o verão, quando há um pico de procura, ou se deveria alinhar a produção com a procura, o que significaria produzir mais no verão, com todos os tradeoffs que isso implica até para saber se é necessário contratar mais pessoas no verão ou se isso não é necessário. Nós, por exemplo, nesse caso o que fizemos foi montar uma descrição matemática básica do problema e empoderar a tomada de decisão com base nesse modelo que bebia nos dados da empresa e que depois lhes dava uma recomendação sobre como é que eles deviam gerir esse negócio. Por que estou a contar esta pequena história? Porque, na verdade, nós estamos lá para apoiar o negócio. E eu acredito muito nisso, embora possa haver um certo deslumbre tecnológico com esta questão da AI.
“O nosso olhar é muito para o negócio e para as necessidades das empresas”
Acho que as empresas têm um pouco, às vezes, esse deslumbre e decidem fazer um investimento num dos “ChatGPT” que existem sem perceber bem o impacto no negócio. Daí essa nossa posição: nós gostamos de ver o assunto ao contrário. Nós gostamos de olhar para o negócio e perceber realmente o que é que nos negócios ou nas empresas de qualquer setor de atividade pode ser melhorado. Como é que estas tecnologias, que são ferramentas, podem ajudar as empresas. Nós gostamos muito de encontrar tecnologia para um propósito. Mas não de encontrar um propósito para a tecnologia. É uma perspética que muda bastante a forma como nós interagimos com os negócios e com a tecnologia. O nosso foco é garantir que as tecnologias que usamos podem melhorar e ajudar a tornar mais eficiente um determinado processo de negócio. Daí que partimos do negócio e não da tecnologia.
“As empresas têm às vezes o deslumbre da tecnologia e decidem fazer um investimento num dos ‘ChatGPT’ que existem sem perceberem bem o impacto no negócio. A nossa posição é antes encontrar tecnologia para um propósito, não de encontrar um propósito para a tecnologia”
Nessa assessoria do negócio usando a tecnologia de gestão introduzem o vosso próprio modelo de inteligência artificial.
Sim. Nós vamos, eu diria, de A a Z, pois numa empresa há um conjunto de atividades que têm de contribuir para que se consiga atingir bons resultados finais e nós olhamos para isso tudo. Num retalhista, por exemplo, há que gerir stock, clientes, staff, promoções e investimento em comunicação. Recorrendo à tecnologia, mostramos como é que uma empresa poderia gerir melhor stock e ser mais personalizado nas promoções para, usando o mesmo budget, ter mais impacto com os clientes.
E para isto há um conjunto de tecnologias mais ou menos generativas que nos podem apoiar nesses pontos. A nossa vertente de engenheiro faz com que, para além do ‘PowerPoint’, nós gostamos de ir para a implementação para traduzirmos essa estratégia em impacto nas organizações.
De que forma é que a Inteligência Artificial Generativa já está a produzir efeitos nas empresas, a partir de case studies vossos?
Eu dava aqui um passo atrás, para dizer que nós começamos há 10 anos e a Inteligência Artificial Generativa só teve a sua maior visibilidade a partir de novembro de 2022. E, portanto, quer dizer que até 2022 o que nós fazíamos na empresa era já aplicar a Inteligência Artificial aos processos de negócio. Não com este caráter generativo, mas com o caráter de trazer valor às organizações. Eu vou dar um exemplo: imagine um retalhista que tem cupões de descontos para distribuir pelos diferentes clientes. O que nós fazemos é descrever, se quiserem matematicamente, as preferências dos clientes para encontrar os padrões certos que fazem com que os cupões cheguem aos consumidores que os querem usar. Alguém que compra chocolates e também laranjas, se calhar, é alguém a quem interessa um cupão de desconto para compra de chocolate com pedaços de laranja, por exemplo. Às vezes são afinidades que não são fáceis de explicar, mas que, matematicamente, conseguimos descortinar para maximizar campanhas. O que nós fazemos é pegar nesses dados estruturados, nas transações todas que foram feitas e encontrar os padrões para recomendar a melhor oferta. E isso não tem nada de generativo. Vamos chamar isso de inteligência artificial mais tradicional.
“Começamos já há 10 anos a aplicar a Inteligência Artificial tradicional aos processos de negócio”.
E vocês já trabalhavam nessa vertente até há mais de dois anos, sensivelmente, antes de aparecer a IA Generativa…
Sim. Um estudo recente da McKinsey mostra que 70% do valor da aplicação de IA está na chamada IA tradicional e não na IA generativa. E acho que este é um número interessante porque muitas vezes nós desfocamo-nos de onde é que está o principal valor. Dito isto, há muito valor interessante na IA generativa e claramente temos comprovado em alguns casos que temos feito, mas a IA tradicional continua a ser importante.
Eu diria que há três tipos de casos interessantes de Ia Generativa. Há um caso que eu gosto particularmente, que é o acesso ao conhecimento e à informação. Há histórias, informações e arquivos sobre tudo. Mas quando se quer procurar alguma coisa, é sempre uma dor de cabeça. As empresas sofrem exatamente do mesmo problema que é saber que um determinado tema foi discutido, até houve alguma deliberação, mas há sempre dúvidas e dificuldade em aceder a essa informação, localizá-la, numa espécie de déjà-vu infernal pouco produtivo.
O que é que permite estes modelos de IA generativa? Permitem, na verdade, aceder a esse conhecimento que está nas organizações. Se calhar esses dados estão num PDF, numa intranet, numa tabela de dados, ou noutro lado. O que conseguimos é delimitar qual é que é o conhecimento e quais são os documentos, permitindo-nos, aos utilizadores e colaboradores, com linguagem natural, fazer pesquisas sobre essa informação e aceder de forma muito mais eficaz a essa informação, porque de outra forma sabemos que é muito difícil.
“Os modelos de IA Generativa permitem aceder ao conhecimento que está nas organizações de forma muito mais eficaz, orientando-as no negócio”.
Eu gosto muito desse use case e estamos ainda agora a trabalhar com uma empresa internacional de consumo que tem uma equipa de estratégia onde trabalham 100 pessoas que lidam com relatórios externos, internos e documentos que produziram. Nós montámos uma ferramenta que lhes permite o quê? Nós ‘chamamos’ todo o sistema de conhecimento estratégico desta empresa que permite a todas estas pessoas interagir de forma muito mais natural e chegar a resultados mais eficazes nas suas pesquisas, graças ao apoio da IA Generativa, orientando-os, assim, no negócio.
Todos nós sabemos que às vezes estes mecanismos alucinam. Nós temo-nos especializado em garantir que cada vez controlamos melhor essas alucinações, indicando nas respostas dadas aos utilizadores quais são os documentos que nos prestam aquela informação. É como se perguntássemos ao sistema ‘estás a dizer isso porquê?’ Estamos, pois, a falar da explicabilidade das respostas. Qual é o documento que nos dá a induzir a dar-me esse tipo de resposta? Portanto, este é um domínio de casos de uso, aqui relacionado ao conhecimento.
“Temo-nos especializado em garantir que cada vez controlamos melhor essas alucinações, indicando nas respostas dadas aos utilizadores quais são os documentos que nos prestam aquela informação”.
Falou de três tipos de casos. Qual seria o segundo?
Há um outro caso de uso que é o dos chatbots, algo que já existe há muito tempo, mas que eram essencialmente maus porque a tecnologia que nós tínhamos até esta IA generativa era quase de pré-programar o chatbot, indicando-lhe de uma forma rígida que se a pessoa fizer um tipo de pergunta, o chatbot deve dar esta resposta e assim por diante. Mas no fundo nós tínhamos que antecipar tudo o que eram as perguntas das pessoas e tentar quase que criar essas árvores de decisão. Mas isso não funciona. Os humanos são muito criativos e cada cliente tem o seu problema. O que é que a IA generativa permite? Sigamos a mesma lógica que referi para a gestão de conhecimento: ao utilizarmos a gestão de conhecimento, não para um stakeholder interno ou para um colaborador, mas para alguém que está de fora, para um cliente, podemos ter o caso de um chatbot de uma empresa de telecomunicações, que, aliás, implementámos;e o que fizemos foi alimentá-lo com documentação, PDFs e FAQ do site (perguntas mais habituais) para o chatbot, a partir de agora, responder às perguntas dos seus clientes e quando não souber passar para o humano. Resultado: esta empresa tirou 30% das chamadas para os humanos na primeira semana, o que é uma coisa impressionante, pois tornamos muito mais eficientes todo o processo e com vantagens para o cliente que consegue resolver as suas dúvidas. Portanto, há este lado de servicing e de customer service que também fica muito bem tratado com a IA.
Com o serviço de customer service inteligente que a LTPlabs ajudou a desenvolver, uma empresa de telecomunicações conseguiu ganhos de eficiência no seu processo de esclarecimento de dúvidas, ao tirar 30% das chamadas telefónicas dos humanos na primeira semana.
Qual é que é o último grande bloco dos três casos de estudo que identifica?
Como eu disse há pouco, 70% do valor continua a estar na chamada IA tradicional, no tal machine learning, em prever amanhã quanto é que eu vou vender, em ajudar a tal empresa de bebidas a planear melhor a sua produção, a diagnosticar porque é que tenho mais filas no Serviço Nacional de Saúde do que devia ter. No fundo, entender melhor os fenómenos que nos ocorrem e ajudar a recomendar e a prever aquilo que pode acontecer.
Qual é o problema da IA tradicional? Com base na informação é feita uma estimativa, mas depois vou ter dificuldade em explicar como é que eu cheguei a essa conclusão, em explicar como é que esse modelo funciona ou quais as variáveis analisadas. E todos sabemos por experiência própria que nas organizações há barreiras, na forma como comunicamos, na capacidade de traduzir requisitos técnicos em requisitos funcionais.
Bom, tudo isto para dizer o quê? Que é muito interessante juntar essas duas IA. A IA tradicional está mais focada em encontrar padrões e a IA Generativa está mais focada a tentar gerar conteúdos. A IA mais tradicional, que é muito boa a fazer estimativas complementada com a IA generativa, à qual peço para ver o que é que a IA tradicional fez, que dados é que usou, a que modelo recorreu, pedindo para me ajudar a explicar por que é que realmente determinado fenómeno aconteceu, quais são os seus drivers. Peço, no fundo, que me traduza as explicações numa linguagem natural, funcionando como uma espécie de interface que me permite trabalhar sobre esses modelos. E eu vejo esta sinergia, entre a IA tradicional e a IA generativa, de forma muito interessante e nós temos visto isso já em diferentes projetos, incluindo num em que estamos agora a trabalhar, um projeto de pricing para 44 mercados para uma empresa de bens de consumo.
“É muito interessante juntar essas duas IA. A IA tradicional está mais focada em gerar conteúdos e a IA Generativa está mais focada a tentar encontrar padrões”.
Nós no fundo indicamos os preços que os produtos devem ser vendidos, tendo por trás um modelo de IA tradicional, que vai analisar várias variáveis, incluindo como é que os competidores estão a fazer o pricing dos seus produtos, como é que está o sentimento dos clientes e da sua propensão para gastar mais ou menos, como é que está a evolução das vendas. Inserimos todo um leque de dados para depois afirmarmos que para a empresa aquilo que vai trazer mais valor é se se adotar um determinado pricing, isto para dar um exemplo. Esta é uma decisão muito estratégica para uma empresa que se for apresentada sem uma explicação adequada poderia gerar desconfiança e criar dificuldade na adoção. E a Inteligência Artificial Generativa entra aqui e vai explicar a razão daquele pricing.
Isto permite-me voltar quase à pergunta inicial, de negócio versus tecnologia. Interessa-me pouco eu ter tecnologia muito florescente, se depois as pessoas não entenderem, se não adotarem, se não compreenderem. E aí é que está o verdadeiro valor. Daí que nós gostamos realmente de não ficar pelo desenho das soluções, mas de irmos à sua implementação e adoção. E a adoção vem através de boas práticas de adoção, de explicar, de perceber, de confiar, de testar. E esta tal interface da IA generativa pode ajudar a adoção. Vejo aí muito valor neste use case, este terceiro pacote de casos de estudo e de IA generativa.
Desses três, qual é que tem uma força maior no vosso negócio?
Eu diria que, em termos de volume de projetos, nós temos feito mais projetos de knowledge management (de conhecimento), mas onde eu vejo mais potencial é no terceiro caso. Os outros dois, considero que vão ser mais uma commodity.
A parte de chatbot para funcionar como interface com os clientes faz sentido, mas e talvez devido ao meu ‘chapéu’ de professor universitário, entendo que é sempre bom ter algum cuidado para garantir um bom trade-off e um bom compromisso para o cliente e empresa na interação com este tipo de tecnologias, podendo ser útil ter mais alguém a dar suporte em vez de querer digitalizar logo toda a experiência. Neste campo, tenho sempre aqui algum cuidado para não termos casos absurdos, dos quais posso dar um exemplo de uma situação que foi noticiada lá fora e que aconteceu com a Air Canada, companhia aérea que foi muito early adopters, tendo adotado logo um chatbot para toda gerir reclamações de clientes. O que é que aconteceu?
Após a morte da sua avó em Ontário, Canadá, um cliente entrou na página da companhia e recebeu ajuda de um chatbot. O assistente de inteligência artificial (IA) afirmou que os passageiros que reservam viagens de última hora devido a tragédias têm as tarifas reduzidas. Depois, quando quis usufruir do desconto, descobriu que o chatbot tinha passado uma informação falsa. Segundo a Air Canada, “taxas de luto” só são aceites um dia antes do voo, e não após a viagem como estava a reclamar o cliente. A Air Canada foi para o tribunal dizer que esta resposta foi uma alucinação da tecnologia do chatbot, argumentando que o assistente virtual é uma entidade legal separada, responsável pelas suas próprias ações. O tribunal deu razão ao passageiro, declarando que não havia razão para o cliente saber que uma zona da página da Air Canada é fidedigna e outra não.
“Ainda está para nascer a empresa que diz que realmente consegue aceder facilmente aos seus conteúdos! Portanto, a adoção de AI representa um ganho direto”
No que diz respeito ao knowledge management das empresas, ainda está para nascer a empresa que diz que realmente consegue aceder facilmente aos seus conteúdos! Portanto, a adoção de AI representa um ganho direto nestes casos e nós temos sentido muito isso. Ainda agora, estamos a fazer um projeto para um grupo privado de hospitais que nos relata que os médicos têm muita dificuldade a aceder àquilo que são os processos e aos procedimentos que deveriam seguir ou quem é que é o especialista numa determinada área clínica que deveriam recomendar para a doença Y.
Imagine-se que temos uma interface conversacional onde toda essa informação aparece facilmente. Todos nós percebemos a vantagem direta que isso é. Temos muitos projetos aí.
Nós compreendemos bem que a IA tradicional tem muito a aportar: há muito valor aí, nos modelos mais convencionais que são mais previsíveis e que vão buscar os dados, com muitos ganhos nas decisões-chave das empresas.
Mas o terceiro use case é um use case em relação ao qual temos feito mais push. Nós temos mostrado às empresas que há muito valor nessa vertente, dizendo-lhes que a empresa já tem um modelo para a ajudar a planear como é deveria ter a sua produção e essa nova ferramenta pode mostrar-lhe que as taxas da adoção podem ainda ser melhoradas se tiver esta interface. Alguns clientes, mais internacionais do que nacionais, têm visto aqui uma oportunidade.
As empresas neste domínio estão todas a tentar perceber onde é que devem aportar valor e nós temos feito muitos desses projetos de ideação.
É possível quantificar a ajuda que os modelos de AI podem dar?
Estive, recentemente, quer num dos maiores grupos hoteleiros portugueses, quer num dos maiores bancos portugueses a pensar onde é que cada um deles poderiam encontrar ‘bolsas de valor’ relativamente à IA.
Basicamente, programamos um Large Language Model, um chatbot, para que conheça a empresa e para isso alimentamo-lo com relatórios de contas, relatório de estratégia, com alguma descrição, para instruir o chatbot para estar numa sessão de ideação com um grupo de 20 pessoas, por exemplo, as quais vão fazer perguntas, sendo que o objetivo é que o chatbot as ajude a pensar que casos de valor poderiam implementar. E temos, em paralelo, outros grupos nos quais fazemos uma sessão de ideação mais convencional.
O que é que nós concluímos? Os grupos que usaram o chatbot chegaram ao dobro das ideias validadas, ou seja, ideias que depois pareciam ter potencial para seguir para a frente; não estou a dizer que vão todas para a frente, mas tinham potencial, vis-à-vis com o outro grupo. Isto é muito transformador.
“Os grupos que usaram o chatbot chegaram ao dobro das ideias validadas, ou seja, ideias que depois pareciam ter potencial para seguir para a frente. Isto é muito transformador”.
A vossa empresa tem 10 anos e a parte da AI generativa tem cerca de dois anos. Olhando para a frente, a vertente da AI Generativa vai ganhar tração face à inteligência tradicional?
Eu gostava que equilibrasse por via do valor que entrega. Hoje estamos nos 20% já, o que é já um valor muito forte, pois começámos há apenas dois anos com IA Generativa. São 20% do nosso negócio ligado a projetos, não estritamente só de Ia Generativa IA, às vezes pode estar acoplado à IA tradicional, como referi. Nos nossos primeiros oito anos, os nossos projetos eram 100% de IA tradicional, portanto em dois anos houve aqui uma captura, de cerca de 20% do nosso negócio, e eu estou a acreditar que para o ano até vamos chegar aos 40% e depois eu espero que, provavelmente, este rácio se equilibre.
A utilidade da tecnologia é transversal a qualquer setor de atividade, mas, no vosso caso, predomina algum tipo de empresas?
No nosso caso apostamos em diversas verticais, especialmente financial services, retalho e bens de consumo embalados.
Mas de um ponto de vista mais da aplicação deste tipo de tecnologia, e não falando da LTPlabs em particular, acredito que estas tecnologias têm uma transversalidade muito grande não só transversalidade de setores, como transversalidade de funções. Ou seja, no marketing, no domínio legal, nas operações, nas diferentes partes da cadeia de valor das organizações, claramente, há aqui um valor a aportar. E até, durante algum tempo, entendíamos que até os temas estratégicos estariam um pouco mais de fora, mas considero que também isso já não é bem verdade. E o próprio caso que referi há pouco de knowledge management para uma equipa de estratégia mostra como provavelmente podemos ter aqui a ganhar também a aplicar este tipo de tecnologias nesses domínios.
“Estas tecnologia têm uma transversalidade muito grande não só a setores, como a funções”
Para reduzir as alucinações do sistema, vocês garantem que o “alimento” do sistema é fidedigno, introduzindo, no caso de uma empresa, relatórios e dados. Quanto tempo é que demora a preparar um modelo destes para uma empresa?
Vai depender da quantidade de informação. Diria que os nossos projetos típicos de knowledge managment têm apontado para 3, 4 meses até nós termos realmente uma plataforma funcional, que permita ser testada e que realmente não alucine. Ter um sistema a responder a qualquer coisa aleatória é fácil. Ter algo que realmente é consistente, não falha, é difícil. E é aí realmente que nós temos trabalhado imenso para garantir que isto realmente funcione na prática. E aí é que temos o valor que queremos entregar, seguindo o nosso ADN académico, de que o que nós queremos é excelência e rigor.
Quantas pessoas estão envolvidas e que perspetiva de crescimento têm?
Tivemos a sorte de estar algum tempo incubado na Universidade do Porto que, inclusive, fez parte até do nosso capital social durante algum tempo e com a qual hoje ainda mantemos uma relação muito próxima. Começámos com quatro ou cinco pessoas e, tendo conseguido crescer entre os 30% a 40% ano após ano, volvidos 10 anos, nós hoje somos um pouco mais de 100 consultores com um perfil híbrido. Isto significa que somos capazes de falar daquilo que são os negócios dos clientes para, a seguir, implementar os modelos que vão realmente corresponder a esse plano desejado, o que, provavelmente, nos coloca como, sem pretender ser arrogante, a maior empresa nesta área de modelação e de apoio à decisão, com recurso à inteligência artificial.
Estamos a crescer entre os 30% a 40%, quando o mercado da AI Analytics está a crescer 16%, ou 18%, ou 20%. O nosso objetivo é nos próximos dois anos duplicar a faturação que está à volta dos dois dígitos, segundo um objetivo ambicioso de crescimento. Nós estamos muito virados para crescer lá fora. 50%, na verdade, são proveitos que já vêm de clientes internacionais. Nós temos muitos projetos na Ásia e nós já trabalhamos em mais de 40 países.
“O nosso objetivo é nos próximos dois anos duplicar a faturação que está à volta dos dois dígitos”.
Quantos clientes é que têm atualmente?
Temos ou interagimos com mais de 100 clientes. LTP quer dizer Long Term Partnership. E esta centena de clientes é um número de que nos orgulhamos muito, pois 90% dos nossos clientes acabam por ter mais de um projeto connosco.
Como é que se têm conseguido posicionar internacionalmente, face aos outros playeres e num mercado muito competitivo?
O que nós temos visto, até por esse crescimento todo que temos tido lá fora, é que o que temos feito tem qualidade e não fica nada a dever a nenhum dos players internacionais. Com algumas vantagens, fruto da nossa cultura portuguesa. Nós também trabalhamos muito com a Ásia, por exemplo. Nós temos uma flexibilidade, uma forma de criar empatia, afinidade, que também conta nos negócios, e sentimos muito isso quando fazemos projetos nas Filipinas, Taiwan ou no Brasil.
“Há um conjunto de geografias que nós vemos com particular interesse. O Brasil é um desses locais e Inglaterra é outro”.
Para se consolidarem mais lá fora, é possível virem a abrir alguma delegação ou escritório nalgum local?
Sim, isso está pensado. Nós temos aqui, na verdade, o que nós chamamos hubs. Há um conjunto de geografias que nós vemos com particular interesse. O Brasil é um desses locais e Inglaterra é outro, onde temos já business developers locais. E essa mancha vai ajudar-nos também a penetrar também geograficamente.
