Dos "Systems of Record" aos "Governed Systems of Action"
A explorar isto para a sua equipa? Fale com a CrmWare →
Porque devem os workflows organizar a transformação
Para muitas empresas, o acesso à IA já não é a principal limitação. O problema está na profundidade da sua utilização. Estatísticas oficiais do Reino Unido mostram que apenas 10% das empresas que adotaram IA dizem utilizá-la de forma extensiva. Apenas 15% afirmam que mais de metade dos trabalhadores a utiliza no dia a dia e 11% indicam que mais de metade da força de trabalho recebeu formação relacionada com IA.[1]
A adoção está, portanto, a avançar mais depressa do que a mudança operacional necessária para transformar essa capacidade em resultados.
O que distingue, então, as organizações que conseguem gerar valor com a IA?
Entre 25 atributos organizacionais testados pela McKinsey, o workflow redesign — o redesenho do próprio trabalho, e não apenas da tecnologia que o suporta — foi o que apresentou a relação mais forte com a capacidade de uma organização observar impacto da IA generativa no EBIT.[2]
A CrmWare retira desta evidência uma recomendação, não uma descrição do mercado. Não existe evidência pública de que as empresas já tenham passado de programas organizados em torno de plataformas para programas organizados em torno de workflows.
A evidência permite-nos defender outra coisa: é assim que a transformação deveria ser organizada. O ponto de partida deve ser um (governed) workflow operacional e claramente delimitado. Implementação, personalização e integração continuam a ser necessárias, mas passam a ser o trabalho que viabiliza a transformação, não aquilo que a define.
A procura pela tecnologia, essa, é inequívoca. No Q2 FY2027, a Salesforce divulgou um ARR de Agentforce superior a 1,5 mil milhões de dólares, um crescimento superior a 240% face ao ano anterior.[3] A definição desta métrica foi alargada nesse trimestre para incluir outras ofertas de IA, Slackbot e Headless 360, pelo que o valor não é diretamente comparável com o Q1.[3]
O número demonstra procura paga por agentic capability. Não demonstra que essa capacidade esteja a produzir resultados nos workflows onde é aplicada.
O que a CrmWare entende por governed system of action
Um system of action não é um agente nem uma camada de automação colada a um system of record. Na definição da CrmWare, é um workflow operacional delimitado, concebido em torno de sete elementos explícitos e decididos antes do go-live.
Identifique o bottleneck: a limitação operacional específica que trava o trabalho, não o departamento. Registe a baseline: quanto custa hoje esse trabalho em tempo, volume ou erro. Defina o target outcome: a mudança mensurável que justificaria o investimento. Delimite as permitted actions: exatamente o que o sistema pode fazer sem supervisão. Situe os human decision points: onde o human judgment é exigido, em vez de opcional. Conceba o exception path: o que acontece quando um caso fica fora das regras. Nomeie o accountable owner: a pessoa que responde pelo resultado, não pela tecnologia.
Nenhuma fonte estabelece esta lista; é a síntese operacional da CrmWare. A evidência mostra, entre os atributos organizacionais testados, a relação mais forte do workflow redesign com a capacidade de observar impacto no EBIT[2] e que um workflow delimitado pode funcionar sobre infraestrutura de terceiros mantendo os controlos dentro da organização, como fez o BBVA sobre AWS num caso publicado pelo próprio fornecedor.[4]
Delimitado é a palavra decisiva. Sem fronteira definida, o workflow não tem baseline estável nem casos inequivocamente abrangidos; não pode ser medido nem governado.
A governação começa no go-live
Um workflow bem concebido só permanece governável se alguém continuar a observá-lo. A governação não é a revisão que antecede o go-live; é a governance cadence que começa depois dele.
Na transformação de MLOps do BBVA com a AWS, regras de aprovação, segregação de funções, promoção baseada no nível de risco e auditabilidade foram incorporadas diretamente no workflow da plataforma. Em quatro iniciativas-piloto, o banco comunicou reduções de 20–75% no tempo de desenvolvimento e de 40–55% nos custos.[4] É o relato dos pilotos de uma organização, publicado por um fornecedor; os intervalos são os divulgados pelo banco, não um benchmark. O que pode ser transferido é a decisão de conceção: os controlos ficaram dentro do workflow, não ao lado dele.
No AI Risk Management Framework do NIST, esta mesma lógica é contínua. O seu núcleo — governar, mapear, medir e gerir — é explicitamente iterativo e prevê monitorização contínua e revisão periódica, com papéis, responsabilidades e frequência definidos.[5]
Na prática, a governance cadence é uma revisão com agenda fixa: desempenho face ao target outcome, casos que seguiram o exception path, intervenções humanas que contrariaram a decisão do sistema e respetivas razões, incidentes, adequação das permitted actions ao trabalho e impacto no negócio. Cada elemento produz evidência e pode justificar uma alteração ao workflow.
O teste operacional antes de financiar o próximo workflow
Transforme a definição numa decisão. Antes de aprovar o próximo workflow com IA, peça ao sponsor que responda aos sete elementos sem recorrer a uma apresentação sobre a plataforma. Depois acrescente duas perguntas que a conceção não resolve: como serão revistos o desempenho, as exceções e as intervenções humanas, e quem pode alterar o workflow quando a evidência mostrar que deve mudar?[5]
O teste é deliberadamente exigente perante o entusiasmo. Um programa pode nomear a plataforma, o parceiro e o agente. Peça-lhe antes a baseline, a evidência de que o target outcome mudou e, quando isso não aconteceu, o nome do accountable owner.
Esta é uma síntese prática da CrmWare, não um instrumento de maturidade validado. Assenta nas duas conclusões que a evidência sustenta: entre os atributos organizacionais testados, o workflow redesign apresentou a relação medida mais forte com a capacidade de observar impacto no EBIT[2] e uma organização incorporou os controlos dentro do workflow, em vez de os colocar à volta dele.[4]
Se as respostas forem frágeis, olhe para além da tecnologia. O que falta é o operating model que a sustenta: autoridade, evidência e capacidade para alterar o workflow.
Referências
[1] Office for National Statistics. Artificial intelligence in UK businesses: 2023 to 2026. 2026. https://www.ons.gov.uk/businessindustryandtrade/business/businessservices/articles/artificialintelligenceinukbusinesses/2023to2026
[2] McKinsey & Company, QuantumBlack. The state of AI: How organizations are rewiring to capture value. 2025. https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai-how-organizations-are-rewiring-to-capture-value
[3] Salesforce. Salesforce Delivers Record Second Quarter Fiscal 2027 Results. 2026. https://investor.salesforce.com/news/news-details/2026/Salesforce-Delivers-Record-Second-Quarter-Fiscal-2027-Results/default.aspx
[4] BBVA and Amazon Web Services. Inside BBVA’s MLOps transformation: from data platform to scalable ML on AWS. 2026. https://aws.amazon.com/blogs/industries/inside-bbvas-mlops-transformation-from-data-platform-to-scalable-ml-on-aws/
[5] National Institute of Standards and Technology. NIST AI Risk Management Framework Core. 2023. https://airc.nist.gov/airmf-resources/airmf/5-sec-core