Transcription
Por favor, deem as boas-vindas ao palco, a chefe de receita da Anthropic, Kate Jensen. [Música] Bom dia a todos. Muito obrigada por estarem aqui hoje. Sou Kate Jensen, chefe de receita da Anthropic, e estou muito animada para recebê-los no futuro das finanças impulsionado por Claude.
Quero invocar uma cena que provavelmente é familiar para muitos de vocês na plateia hoje. Vocês estão no terceiro café. São 3:00 da manhã. Vocês estão verificando furiosamente aquele último modelo. Vocês têm 100 abas abertas. Vocês têm uma chamada de preparação às 5 da manhã pronta para uma chamada com o cliente às 6 da manhã. Hoje, tudo isso está prestes a mudar.
Estamos muito animados em anunciar Claude para análise financeira. Esta é a primeira camada de inteligência unificada da indústria que transforma como os profissionais financeiros trabalharão com IA. Agora vocês terão um colaborador virtual de primeira classe, impulsionado por IA, que os ajudará a realizar seu trabalho melhor e mais rápido.
O que isto é é uma versão personalizada de Claude para empresas. É especificamente construído para analistas financeiros e está equipado com a nuance, precisão e raciocínio que vocês precisam para lidar com a complexidade do seu trabalho.
Desde 2021, a Anthropic tem construído sistemas de IA que são úteis, inofensivos e honestos. Na nossa fundação está a segurança e a confiança, que é exatamente o que as empresas de serviços financeiros precisam. Quando se gerencia bilhões em ativos, "bom o suficiente" simplesmente não é bom o suficiente.
A IA está transformando todas as indústrias, e em nenhum lugar isso é mais proeminente do que nos serviços financeiros. A complexidade dos mercados modernos, a velocidade da informação, o volume puro de dados que vocês precisam processar, atingiu um ponto em que a inteligência humana sozinha, por melhor que seja, simplesmente não é boa o suficiente.
Ao conversar com muitos de vocês, nossos clientes, estamos ouvindo que o mundo está se bifurcando. Haverá dois tipos de empresas de investimento: aquelas que usam IA institucionalmente e aquelas que estão perdendo seus melhores talentos para concorrentes que, ao longo do último ano, temos feito parceria com líderes que estão abrindo novos caminhos em todos os segmentos da indústria financeira.
As equipes da Bridgewater têm usado Claude desde 2023. Isso é para impulsionar sua assistência de analista de investimentos que resolve modelos complexos. Seu CTO nos diz que Claude está realmente impulsionando seus esforços para expandir os limites do que é possível.
Na Austrália, o Commonwealth Bank está fazendo uma aposta massiva em IA. Seu CTO, Rodrigo, vê nossa parceria como a fundação de sua estratégia global de IA. E aqui em Nova York, na AIG, Peter nos diz que eles reimaginaram completamente a subscrição com Claude. O que costumava levar semanas agora leva dias. Os prazos foram comprimidos em mais de 5 vezes e a precisão aumentou de 75% para 90%. Os subscritores agora podem atender seus clientes melhor e mais rápido.
Agora, as soluções que estamos compartilhando hoje, não as criamos sozinhos. Elas são o resultado de uma profunda colaboração com todo o ecossistema financeiro. Em nossa fundação, temos nossos provedores de nuvem AWS e GCP que fornecem infraestrutura segura e escalável que as instituições financeiras exigem.
Estou emocionada em compartilhar que hoje Claude para empresas, incluindo Claude para serviços financeiros, já está disponível no AWS Marketplace e em breve estará também no Google Cloud Marketplace.
Ouvimos o tempo todo que a IA é tão boa quanto o contexto que ela possui. Estamos animados em fazer parceria com plataformas como Box, Databricks, Palantir e Snowflake para trazer os dados da sua empresa para Claude, para que vocês tenham o contexto necessário para realizar um trabalho que seja realmente relevante para o seu dia a dia.
E hoje, estamos especialmente animados em anunciar novas integrações com fontes críticas de dados de mercado externos para informar suas decisões financeiras mais importantes. Estamos fazendo parceria com as empresas em que vocês já confiam. A Factset entrega fundamentos abrangentes e estimativas de consenso. A S&P Global permite acesso a dados financeiros do Cap IQ, dados de mercado e transcrições. A Daloopa fornece fundamentos verificados por IA com citações de fontes. E entre Morningstar e Pitchbook, vocês têm pesquisa de investimento público e inteligência de mercado privado ao alcance de suas mãos.
Nossos provedores de serviços de consultoria também estão transformando esta tecnologia em verdadeira transformação de negócios. A Deloitte e a KPMG estão modernizando organizações inteiras e implantando agentes de IA em escala. A PwC e a Turing estão resolvendo desafios regulatórios críticos, navegando por requisitos de conformidade em constante evolução, e a Slalom e a Tribe AI estão modernizando operações centrais, desde a migração de infraestrutura legada de Cobol até a aceleração da due diligence com processamento inteligente de documentos.
Coletivamente, estamos construindo o ecossistema de IA que definirá o futuro dos serviços financeiros. Como nossa chefe de receita, minha equipe e eu passamos todo o nosso tempo conversando com clientes e parceiros. Ouvimos de vocês o quão importante era trazer todo esse contexto, tanto interno quanto externo, para Claude para ajudá-los a usar esta tecnologia. Nós nos preocupamos profundamente em definir o futuro da IA e da colaboração humana. E obrigado pelo seu feedback. Estamos muito felizes em trazer esta solução para vocês hoje.
Agora, estou muito animada para receber no palco dois de nossos parceiros que ajudaram a exemplificar o poder do nosso ecossistema em ação. Peter Lurserie é o diretor de estratégia da Kensho Technologies, o centro de inovação em IA da S&P Global. Ele tem definido como a IA transforma dados financeiros em inteligência acionável. E Vikram é vice-presidente e líder da indústria de serviços financeiros na Deloitte, onde tem ajudado instituições financeiras globais a navegar pela transformação digital. Por favor, deem as boas-vindas a eles no palco. [Música]
Você escolheu essa música? Sim. Estava na verdade no meu roteiro. Adoro. Muito obrigado por estarem aqui. Ambos foram instrumentais na formação da fronteira da adoção de IA em suas empresas. Do seu ponto de vista único, Peter com dados e inteligência, Vikram com implementação e transformação, qual é o avanço que vocês viram que realmente criou um momento 'aha' em suas empresas?
Então, sim, acho que para mim é realmente a adoção. Uhm, quero dizer, passei a maior parte da última década tentando fazer com que as empresas de serviços financeiros adotassem a IA e tivemos alguns sucessos realmente grandes com o aprendizado de máquina tradicional. Eu diria que no mundo da IA generativa essa conversa é muito, muito diferente. Uhm, é meio que, como vocês podem nos fornecer o mais rápido possível os dados em um formato otimizado para esses casos de uso de modelos de linguagem grandes para IA generativa, e como posso ter certeza de que os dados que vocês estão fornecendo são confiáveis, que são precisos, que são, de certa forma, fundamentalmente parte dos fluxos de trabalho nos quais sempre confiamos? E então, acho que para nós, a grande coisa surpreendente sobre a IA generativa tem sido a velocidade de adoção, a taxa de adoção. Uhm, sabe, tem sido muito influente em nosso roteiro. Os produtos que nós, de certa forma, priorizamos para nós, nossa API pronta para LLM, que é os dados por trás do que fizemos com o MCP, temos visto uma enorme tração com isso. Uhm, nossos clientes querem ter certeza de que, ao interagir com essa tecnologia, podem confiar em dados confiáveis e dados em fluxos de trabalho que já existem, que eles podem então automatizar e otimizar com modelos de linguagem grandes. E então, isso realmente tem sido uma grande surpresa. É entrar nessas conversas com clientes e não dizer: "Ok, mas aqui está o que a IA pode fazer aqui. Aqui está o tipo de magia que você pode desbloquear." Eles já sabem essa parte. Uhm, agora é como podemos realmente tornar nossa empresa ou instituição ou grupo um grupo voltado para a IA e também garantir que podemos confiar nos resultados, e para isso você precisa de dados confiáveis. Então, isso tem sido a grande coisa que notamos.
E Vic, e você? Ao pensar em trazer essa tecnologia, quais são aqueles momentos 'aha' que fazem as pessoas realmente adotá-la? Nós realmente temos uma estratégia de 'IA em primeiro lugar' em tudo o que fazemos. Parte disso é interna em cada serviço que temos. Estamos começando a incorporar a IA, sabe, de ponta a ponta. Do lado do cliente, o que estamos vendo é que havia um foco inicial na produtividade como um tema chave de valor através da IA. Mas o que realmente está acontecendo é que isso está se expandindo para: podemos desenvolver novos produtos baseados em IA? Podemos reimaginar a distribuição? Podemos reimaginar os processos de ponta a ponta? Está realmente mudando a conversa de uma pura produtividade como um impulsionador de valor para a geração de receita. Podemos ter melhor risco e controle? Podemos impulsionar mais experiências de funcionários e clientes? Então, à medida que o apetite e a abertura de valor realmente se expandiram, isso realmente trouxe a IA para tudo o que faz e para cada parte da organização do cliente.
Adoro isso. E começaremos com você desta vez, mas o que você acha que precisa fazer de diferente como organização para garantir que está realmente capturando todo esse valor, não apenas adotando a tecnologia?
Sim. Então, provavelmente vou dar uma resposta incorreta e não política. Nos serviços financeiros, somos uma indústria altamente regulamentada. Todo mundo sabe disso. Então, o verdadeiro desafio está nesta batalha, eu diria, entre inovação e gestão de riscos. Como coexistir de uma forma que não haja 20 verificadores para um único executor e a equação seja realmente invertida, de modo que você tenha mais pessoas impulsionando a inovação em sua organização e trabalhe em coexistência com suas equipes de auditoria, com suas equipes de risco de modelo, sabe, todos os outros atores que são necessários para que a adoção seja bem-sucedida. O outro exemplo é aquela estratégia de 'IA em primeiro lugar' que mencionei. Acho que cada vez mais clientes estão realmente dizendo que a IA não se trata apenas de impulsionar 30 a 50% de produtividade na organização do CIO ou em qualquer outro lugar. É realmente sobre mudar a forma como fazemos negócios e, para fazer isso, eles estão... como você realmente traz os humanos... temos essa filosofia de humanos e máquinas coexistindo na era da IA, e como você impulsiona a mudança humana em velocidade e escala junto com o ritmo de mudança que está vindo através da IA? Como você acha que faz isso? Como você os faz coexistir e adotar ao mesmo tempo?
Eu, eu, eu acho que não é uma única resposta. Há uma série de diferentes alavancas que se pode puxar para impulsionar isso. Uhm, por exemplo, algumas organizações fizeram academias executivas onde os 300 principais executivos realmente impulsionam o treinamento. Alguns estão fazendo hackathons para realmente pensar em certos processos ou fluxos de valor que podem ser completamente reimaginados. Uhm, há, sabe, academias e treinamentos completos de IA que estão sendo impulsionados, sabe, para desenvolvedores, mas também para usuários em geral. Então, não é uma única alavanca, eu acho, no final, que vai impulsionar a velocidade da adoção humana da IA. É uma série de coisas que precisam ser feitas juntas.
Adoro isso. Peter, e você? O que você acha que as pessoas precisam fazer de diferente e as instituições precisam fazer de diferente?
Bem, eu acho, quero dizer, acho que honestamente se resume a, e acho que Vikram tocou nisso. É meio que uma questão de cultura e acho que muito dessa cultura tem que ser de cima para baixo, certo? Vocês têm que ter suas equipes de liderança realmente engajadas com este conceito de 'IA em primeiro lugar'. Eu concordo totalmente com isso. Acho que, uhm, mas parte desse 'de cima para baixo' é também abraçar o fato de que em muitas dessas organizações a inovação vem de baixo para cima, certo? Pessoas que estão nas trincheiras fazendo o trabalho do dia a dia estão trazendo à tona ideias incríveis, não apenas para produtividade, que eu acho que é frequentemente o foco, mas para grandes expansões de oportunidades de receita. Acho, acho, acho que isso está absolutamente correto, uhm, sabe, acho que é uma espécie de mudança de mentalidade em torno da inovação e acho que uma grande parte disso é entender que, especialmente em nosso espaço, haverá fluxos de trabalho onde ser talvez um pouco menos avesso ao risco é realmente importante e ser capaz de criar esse espaço para experimentação será realmente importante. Quero dizer, certamente para nós na Kensho, uhm, certo, conseguimos ter esse espaço e a forma como funciona para nós é que operamos de forma um tanto independente e, como resultado, temos um pouco mais de espaço para experimentar, mas então, crucialmente, é também entender onde estão esses limites e onde esse risco é inaceitável, e é aí que, para nós, também vimos um benefício enorme em ter os dados confiáveis da S&P como nossa competência central fundamental. Sabe, nós temos estado nesta jornada, uhm, criando este agente de fundamentação, uhm, onde para nós é garantir que, quando um modelo de linguagem grande está interagindo com nossos dados, estamos assumindo a responsabilidade de automatizar onde, sabe, em todo o nosso universo de dados vamos puxar e consultar esses conjuntos de dados e então apresentar esses dados com citações. E então, é tanto, certo, permitir a experimentação, mas também garantir que sua resposta e qualquer que seja a saída estejam verdadeiramente fundamentadas em fatos verificáveis. Então, acho que há um equilíbrio aí e criar essa confiança é algo que é realmente importante para nós.
Adoro esse impulso para inovar, esse desejo de realmente aproveitar toda a energia que vocês têm de sua organização, mas de fazê-lo de forma responsável. Isso está realmente no cerne de muito do que fazemos. Muito obrigado a ambos por virem e obrigado pela parceria. Absolutamente um prazer. Obrigado.
E agora estou emocionada em receber no palco meu colega Nick Lynn, que lidera nosso produto Claude para Serviços Financeiros. Obrigado a todos. [Música]
Certo. Obrigado, Kate. Meu nome é Nick Linton e eu lidero o produto Claude para serviços financeiros. Também sou um ex-banqueiro de investimentos e investidor de private equity em recuperação. Então, eu era o analista que Kate mencionou, tentando freneticamente depurar o modelo às 3:00 da manhã enquanto construía o pitch deck sem dormir. É por isso que estou especialmente animado para compartilhar o que temos trabalhado.
Como Kate mencionou, estamos anunciando a solução de análise financeira Claude. A primeira oferta da Anthropic construída especificamente para finanças. Nossa solução é construída sobre três pilares principais do que compõe um agente. Primeiro, os modelos. Agora, algo em que sempre penso é que os modelos com os quais interagimos hoje são os piores que já serão. Mesmo assim, Claude hoje não é apenas de última geração para código. Claude foi especificamente treinado para conhecimento do domínio financeiro e se destaca em tarefas como análise de dados em escala, raciocínio financeiro e até manipulação de Excel.
Agora, o ciclo de pesquisa e produto é uma parte crítica da estratégia da Anthropic. Acreditamos firmemente em trabalhar com clientes como vocês para realmente entender onde os modelos estão funcionando, onde estão as lacunas e, para usar um termo que usamos internamente, 'escalar a colina' para melhorar a próxima geração de nossas capacidades de modelo. O benchmark de agente financeiro publicado por nossos amigos da vows.ai ganhou muita tração na indústria e é bem representativo de muitas tarefas de raciocínio financeiro. Vocês podem ver Claude Opus e Sonnet superarem em muito os concorrentes. Da mesma forma, Claude também é muito capaz de realmente fazer o trabalho. Um de nossos parceiros, Fundamental Labs, construiu um agente de Excel chamado Shortcut no Opus. Este agente conseguiu passar em cinco dos sete níveis da competição da Copa do Mundo de Modelagem Financeira e obteve mais de 83% de precisão em tarefas complexas de Excel e raciocínio financeiro. Novamente, superando em muito os concorrentes.
O próximo pilar da nossa solução são as capacidades de agente construídas sobre esses modelos. Agora, a inteligência do modelo precisa ser traduzida em algo que seja realmente útil para os humanos. As capacidades de agente de Claude são flexíveis e composíveis e realmente visam resolver os problemas centrais em que todos vocês trabalham todos os dias, incluindo a construção de relatórios multimodais como pitch decks, memorandos de investimento, análise e visualização de dados como análises de benchmark ou gráficos de preço e volume de ações, e leitura e escrita nativa de documentos Excel e PowerPoint.
Estou animado em anunciar que, pela primeira vez, essas capacidades de saída expandidas estão agora em prévia de pesquisa exclusivamente para clientes selecionados de nossa solução de análise financeira. Também expandimos os limites de uso para realmente apoiar o trabalho profundo que os analistas realizam todos os dias. E integramos o código Claude para suportar casos de uso como análise de conjuntos de dados muito maiores, simulações de Monte Carlo e análises de risco.
Finalmente, a inteligência do modelo e as funcionalidades do agente são entregues através de nossa plataforma muito flexível. Nossa solução é o primeiro agente com inteligência unificada em todas as principais fontes de dados financeiros em que todos vocês trabalham. Como Kate e Peter compartilharam, estamos animados em fazer parceria com líderes da indústria como vocês para construir essas integrações críticas nos agentes, com muitas mais por vir no futuro. Importante, estamos entregando implementação e integração específicas para finanças com 'luva branca' para realmente auxiliar todos vocês com implantação, educação e gestão de mudanças.
Agora, isso é claro, é construído com segurança e confiança de nível empresarial. Somos certificados SOC 2 Tipo 2 e, por padrão, não treinamos nenhum de nossos modelos com seus dados.
Agora, nossa solução é realmente direcionada para resolver os problemas que todos vocês conhecem bem. No investimento, insights são alfa. A capacidade de filtrar o ruído, construir uma tese, chegar a uma decisão de investimento rapidamente é primordial. Como ouvimos de muitos de nossos clientes, isso é claro, é verdade para o lado da venda e para o lado da compra. Para resumir a dor, os analistas trabalham em um dilúvio de documentos todos os dias e passam horas pesquisando em fontes de dados difíceis de verificar. Eles preparam análises dolorosamente e revisam modelos célula por célula, e preparam manualmente memorandos de investimento e pitch decks, muitas vezes virando noites em um cronograma de negócio apertado. Com Claude, podemos começar a abordar todos esses pontos problemáticos.
Agora, vamos mostrar como isso funciona na prática. Conheçam Sarah, uma analista de fundo de hedge na Acme Capital. São 14h. Seu gerente de portfólio entrou em seu escritório com uma pergunta urgente, que acho que muitos de vocês conhecem bem. Nossa empresa-alvo, Velocity Athletic, reportou lucros terríveis ontem. A receita caiu 12%. Mas de alguma forma o preço da ação subiu 17%. Negociando a US$ 71 por ação. Nosso PM precisa saber se essa alta é justificada pela nova estratégia deles ou se devem vender na alta? E ele precisa de uma resposta antes do fechamento do mercado.
Agora, deixe-me mostrar como Claude transforma essa corrida típica de quatro a cinco horas em análise em menos de 30 minutos.
Primeiro, Sarah conecta suas ferramentas. Vejam o que está disponível em um único espaço de trabalho. Todas as ferramentas em que ela trabalha: S&P Global, Morningstar, Factset, Daloopa, e até mesmo os documentos internos da Box de sua empresa. Chega de malabarismos com 14 abas diferentes do navegador. Tudo o que ela precisa está bem aqui com acesso unificado.
Sarah inicia uma consulta abrangente pedindo a Claude para extrair dados de múltiplas fontes simultaneamente. Observem o que acontece. Claude orquestra entre plataformas. S&P Global para transcrições, Morningstar para relatórios, Box para análises internas, Daloopa puxando oito trimestres de dados financeiros. E aqui está a chave. Sarah obtém inteligência sintetizada, não apenas despejos de dados brutos. Saída de análise completa da transcrição de lucros com bandeiras vermelhas do Q&A. O CFO revelando um impacto de 400 pontos-base na margem devido às tarifas. Os concorrentes parecem estar se saindo melhor. A Pace Running está no Vietnã desde 2019. E o mais importante, vocês podem ver os dados financeiros completos vinculados à fonte de dados original, como estamos vendo aqui com a Daloopa. Assim, Sarah pode verificar os resultados instantaneamente.
Para ir mais fundo, Sarah pediu a Claude para criar visualizações e análises específicas, como um gráfico de preço de ações anotado, análises de comparações e benchmarking, e até mesmo um modelo de fluxo de caixa descontado. Como vocês podem ver, Claude está agora puxando eventos corporativos chave do SEC Edgar e os dados de preço da web da S&P Global, dados financeiros históricos da Daloopa, estimativas de consenso da Factset e cria vários artefatos visuais. Primeiro, um gráfico de preço de ações anotado por evento mostrando o pico de 17% com todos os eventos chave marcados. Reunião de emergência do conselho, venda de ações pelo CFO, surpresa nos lucros. Em seguida, uma tabela de comparações abrangente. A Velocity está negociando a 21 vezes o EBITDA contra seus pares a 16 vezes, apesar de ter fundamentos piores. E é aqui que se torna poderoso. Claude construiu um modelo de fluxo de caixa descontado totalmente auditável com um seletor de casos funcional, projeções vinculadas a suposições e até mesmo um cálculo de WACC perfeito sem precisar ser solicitado. Agora, este modelo de FCD projeta um preço base de US$ 54, sugerindo que talvez US$ 71 seja excessivamente otimista. Finalmente, Sarah realmente precisa preparar um entregável para seu PM. Ela pede a Claude para criar um memorando de investimento usando os modelos de sua empresa do Box. Claude pesquisa no Box por qualquer informação interna relevante, incluindo um modelo de memorando e quaisquer negociações passadas impulsionadas por eventos como referência. Em segundos, ela tem um memorando profissional com uma recomendação exata para 'desvanecer' a alta, justificativa clara com dados de suporte do desempenho do mercado e comparações, e itens de ação específicos e análises de risco, tudo devidamente citado. A conclusão: o mercado está supervalorizando um desafio operacional complexo. Então, realizem lucros agora, comprem de volta mais tarde, mais barato.
Agora, vamos recapitular o que acabou de acontecer aqui. Sarah entregou análises de qualidade institucional em menos de 30 minutos, um processo típico que leva de 3 a 5 horas em múltiplas plataformas. Então, ela não apenas economizou tempo, mas descobriu insights que poderia ter perdido, como a venda do CFO ou as vantagens existentes do concorrente.
Agora acreditamos que este é o futuro da análise financeira, onde a IA aumenta totalmente as capacidades de um analista, onde os melhores insights de todas as plataformas se unem em um único espaço de trabalho inteligente.
Agora, um exemplo dessas capacidades ganhando vida vem do Fundo Soberano da Noruega, também conhecido como NBIM, o maior fundo soberano do mundo. Para compartilhar uma citação de seu CEO, Nikolai, "Claude transformou fundamentalmente a maneira como trabalhamos na NBIM". Eles alcançaram ganhos de produtividade de 20%. Isso significa 213.000 horas de volta por ano para focar no que realmente importa. Ou seja, melhores decisões e retornos para o povo norueguês. Como Nikolai disse, "Claude se tornou indispensável".
Construir essas soluções requer uma profunda parceria com todos vocês. Todos os presentes hoje receberão um mês de teste gratuito da solução. Estou pessoalmente muito animado para passar muito mais tempo com todos vocês para aprofundar os problemas que podemos resolver juntos e moldar o futuro dos serviços financeiros com nossos produtos e capacidades de modelo. E com isso, passarei a palavra ao meu colega, Jonathan Pelosi, nosso chefe de serviços financeiros, e ao nosso distinto painel de líderes da indústria para compartilhar suas próprias jornadas com Claude. [Aplausos] [Música]
Obrigado, Nick, e ao DJ. Bem, eu não escolhi essa música. Adoro. Deixe-me colocar isso aqui. E obrigado a todos por se juntarem a nós. Espero que vocês tenham uma ideia do porquê estamos tão otimistas em poder apoiar cada um de vocês e cada um de vocês conectados em todas as suas tarefas relacionadas à análise financeira. Mas não acreditem apenas na minha palavra. Tenho um painel muito mais impressionante que pode falar sobre o que estão fazendo com esse tipo de tecnologia e como estão fazendo. E como Nick aludiu, em meu papel de supervisionar todos os serviços financeiros para a Anthropic, isso significa efetivamente que apoiamos os maiores bancos e seguradoras, fundos de hedge e gestores de ativos a pegar essa tecnologia e aplicá-la praticamente em sua empresa de uma forma que vocês possam usá-la para gerar valor real e transformação real. E digo praticamente porque muitas vezes lemos sobre as manchetes teóricas do que isso pode fazer e vocês pensam: "Ah, vai transformar a forma como trabalhamos e vai melhorar a produtividade em 50%." Mas quando minha equipe e eu nos sentamos com vocês, muitas vezes desvendamos as camadas e dizemos: "Bem, como vocês realmente fazem isso acontecer? Como vocês realmente adaptam isso à sua organização? Como vocês realmente trabalham na gestão de mudanças?" deixando esses indivíduos confortáveis com o uso dessa tecnologia. Esses são os tipos de coisas pelas quais somos obcecados e os tipos de coisas sobre as quais estamos animados para conversar mais. Então, dito isso, vou chamar meu estimado painel. Se puderem vir e dar a eles a chance de se apresentarem, subam, pessoal, e eu estarei aqui. [Música]
Obrigado, equipe. Faremos apresentações rápidas, uhm, porque não acho que os títulos necessariamente façam justiça a todo o trabalho de IA que eles fazem. E vamos começar com meu bom amigo Michael aqui. Pode começar. Obrigado, JP. Uhm, meu nome é Michael. Eu co-lidero o grupo COO na DE Shaw. Isso significa que minha equipe e eu, uhm, trabalhamos em grandes iniciativas de transformação em toda a empresa e não há desafio e oportunidade maiores em toda a empresa em que estamos dedicando tempo, uhm, agora do que a IA.
Obrigado, Michael Lloyd. Obrigado, JP. Lloyd Hilton. Sou um líder de IA na HG Capital. Então, para aqueles que não nos conhecem, somos uma grande empresa de PE, uma das 10 maiores globalmente e somos especialistas em setores. Então, temos cerca de 50 empresas de portfólio no espaço de SaaS e serviços B2B. Uhm, e temos impulsionado um grande esforço de transformação com essas empresas de portfólio nos últimos dois anos e meio, agora em parceria com a equipe da Anthropic.
Don, bom dia a todos, obrigado por nos receber, JP. Meu nome é Don Vu. Sou o diretor de dados e análises da New York Life. Para aqueles que não estão familiarizados com a New York Life, somos a Fortune 69, com mais de um trilhão de dólares em seguros em vigor. Uhm, e somos uma das maiores seguradoras do mundo. Sou responsável por nossa estratégia abrangente de IA e dados e sua execução.
Obrigado, Don. E Frod, por último, mas não menos importante. Sim. Então, meu nome é Frod. Uhm, eu sou, faço parte do fundo soberano da Noruega. Somos um fundo soberano de 2 trilhões de dólares, uhm, e, uhm, 70% em ações, 30% em renda fixa e títulos. E somos apenas 700 funcionários em todo o mundo. Então, temos, uhm, um único proprietário, o Ministro das Finanças, que representa o povo norueguês. Faço parte da equipe aqui na América do Norte que gerencia a maior parte dos ativos de ações.
Obrigado, Frod, e eu estávamos conversando antes e acho que a estatística, acho que deve ser verdadeira, de que por funcionário nenhuma organização gerencia mais dinheiro na Terra do que a NBIM. Então, é uma estatística impressionante, de fato. E para aqueles na plateia, teremos a chance de vocês fazerem perguntas também depois que eu fizer algumas aos painelistas. Então, tenham isso em mente. Uhm, estamos realmente ansiosos para ouvir de vocês também. Mas vamos começar a tese de investimento em IA. Naturalmente, suas grandes organizações, empresas complicadas. Em que ponto essa decisão de ir com tudo e fazer isso em nível de empresa ocorreu e quem a impulsionou? E para isso, vamos começar com Frod. Estou curioso para ouvir de você.
Sim, claro. Então, quero dizer, nossa estratégia de IA é realmente ser um usuário líder de IA na gestão de investimentos. Uhm, e isso significa apenas incorporar a IA em tudo o que faço, eu acho, de uma forma responsável. Uhm, então isso significa, uhm, criar ganhos de eficiência, reduzir custos, uhm, aumentar retornos e realmente melhorar a gestão de riscos. Então, acho que o que mudou é que temos uma estratégia coordenada com suporte organizacional realmente dedicado, uhm, e uma equipe de IA dedicada que, uhm, ajuda na organização e isso é realmente impulsionado de cima para baixo. Então, é, uhm, temos esse 'maníaco por IA' no topo do fundo, uhm, Nikolai Tangen, e, uhm, ele está totalmente engajado na mudança que vemos na sociedade, certo? Então, sua liderança, seu entusiasmo pela IA está realmente, realmente definindo o cenário internamente no fundo e impulsionando a adaptação cultural que vemos. Então, acho que isso é absolutamente crucial.
Obrigado, Frod. E, sem surpresa, esse tipo de adesão de cima para baixo é crítico se você está tentando impulsionar a adoção e uma mudança realmente significativa em toda a... acho que o Nikolai de Frod fez um trabalho incrível nisso. Lloyd, e você, no que diz respeito à sua empresa, tanto internamente quanto com suas empresas de portfólio?
Sim. Sim, com certeza. Então, quero dizer, acho que muito do que você disse ressoa, Don. Então, temos 50 empresas, cerca de 120.000 FTEs (equivalentes a tempo integral) em todas essas empresas. Todas as nossas empresas são um pouco semelhantes e, na maioria, sabe, plataformas de software verticalizadas. Uhm, então o que isso nos permitiu fazer é realmente, de certa forma, trazer transformação em escala para esse grupo. Então, isso começa com um esforço central da HG. Temos 20 especialistas em IA internamente, apoiados por cerca de 150 ou mais contratados e parceiros próximos. Uhm, e temos realmente impulsionado essa mudança central, uhm, em todo o portfólio. Uhm, também nos permitiu experimentar muitas ferramentas diferentes, muitas iniciativas diferentes e realmente ver o que funciona rapidamente nesse tipo de laboratório e, sabe, entender quais são os melhores processos. Uhm, mas acho que, sim, o ponto de cima para baixo tem sido absolutamente crítico. Então, temos, de certa forma, sistematicamente, uhm, trabalhado com cada um dos líderes de nosso portfólio, engajando-os, fazendo-os colocar a mão na massa. E então há também, uhm, o ponto que eu acrescentaria é que estamos realmente tentando ser disruptivos na forma como pensamos sobre isso. Então, sabe, em vez de adaptar processos existentes e adicionar alguma IA, nós reengenhariaamos muitas de nossas funções. Então, se eu pegar a engenharia de software, por exemplo, uhm, em média em todo o portfólio, estamos agora medindo cerca de 30% de ganhos de produtividade em engenharia de software. Temos algumas empresas que reduziram suas equipes de desenvolvimento de nove pessoas para duas pessoas. Uhm, então, obtendo uma alavancagem realmente material. Temos uma empresa que implantou mil instâncias de um engenheiro de software agentivo. Então, eles meio que adicionaram 50% de capacidade produtiva à sua equipe de engenharia. Uhm, e esse é o tipo de reinvenção que estamos agora, de certa forma, impulsionando em todo o portfólio. Uhm, devo dizer que o que não estamos fazendo é, sabe, cortar custos. O que estamos fazendo é então re-investir em produtividade. Uhm, basicamente, eliminando a dívida técnica e também construindo produtos de IA, e esse é o outro foco principal para nós, onde estamos vendo, sabe, uma enorme quantidade de valor transformacional através da incorporação, uhm, da API da Anthropic, mas também de outras soluções em nossas soluções de software centrais, e isso está adicionando crescimento material a alguns de nossos negócios já. Fantástico.
Obrigado, Lloyd. E para as pessoas na plateia, posso imaginar que isso é algo em suas mentes. E para aqueles que estão conectados, muitas vezes ouvimos, sabe, devo construir isso internamente ou devo comprar algo pronto? Com as APIs agora, está cada vez mais fácil construir soluções realmente personalizadas impulsionadas por IA. E ao mesmo tempo, há muitas ótimas soluções prontas para uso. Nicklin acabou de apresentar uma para vocês hoje. Então, dito isso, vamos começar com você, Don. Como você pensa sobre essa noção de construir versus comprar e basicamente decidir qual caminho seguir? Vocês seguem ambos? Explique-nos esse processo de pensamento.
Sim. Não, acho que é uma ótima pergunta. Acho que quando começamos esta onda de IA generativa, muitas organizações, especialmente empresas de serviços financeiros, uhm, passaram por uma decisão como: devemos alavancar APIs e construir nossos próprios 'wrappers' personalizados ou devemos fazer parceria com uma empresa como a Anthropic e alavancar essas soluções empresariais? Há obviamente compensações com isso. Acho que, uhm, para nós, fomos realmente muito intencionais de que, sabe, continuar a inovar na camada de UI e em todas essas diferentes capacidades, como canvas, uhm, e coisas dessa natureza, conectores, etc., etc., seria realmente desafiador, certo? Acho que, uhm, empresas como a Anthropic estão se movendo com uma velocidade tão incrível em relação à inovação, uhm, queríamos garantir que nossos desenvolvedores e engenheiros internos estivessem focados em nossas soluções organizacionais mais, sabe, proprietárias e específicas. Então, para nós, fazia muito sentido mais fazer parceria do que tentar construir as nossas próprias personalizadas. E vamos deixar as integrações e soluções personalizadas para aquelas coisas que são realmente importantes para nós competitivamente.
Obrigado, Don. Michael, como vocês pensam sobre isso? Don, então, para aqueles na indústria de fundos de hedge, pelo menos, acho que somos bastante conhecidos por ter um grande foco em construir coisas. Uhm, contratamos tecnólogos incríveis e lhes damos a oportunidade de construir grandes coisas. E então o instinto quando algo surge para nós é construir a melhor versão disso nós mesmos. Mas os recursos não são infinitos e com grandes pessoas vem um grande custo de oportunidade. E então sempre pensamos muito sobre construir versus comprar. O que eu acho que é diferente desta vez, e acho que Don aludiu a isso, é a velocidade com que a tecnologia está mudando e com essa velocidade vem um equilíbrio diferente entre, uhm, construir e comprar. Uhm, ser capaz de construir e implantar nessa velocidade e escala que parte do que está sendo oferecido no mercado comercial pode fornecer, uhm, é muitas vezes algo entre difícil e impossível internamente. Então isso muda nosso cálculo. Uhm, ainda estamos fazendo ambos e estamos sendo extraordinariamente deliberados em onde escolhemos construir e onde escolhemos comprar. Fantástico.
Fantástico. E sim, ouvimos isso com tanta frequência também, quando eles desenvolvem um parceiro, desenvolvem um chat de IA interno e compartilham um recurso do qual estão particularmente orgulhosos, e quando nos encontramos com eles, você quase, sabe, tem medo de deixá-los saber que isso já é coisa do passado e olhe para isso, isso e isso que já foi desenvolvido. Então, eu não poderia concordar mais.
Reconhecendo que todos vocês são grandes empresas e líderes em seus respectivos espaços. Outro grande desafio que ouvimos é a gestão de mudanças e o impulsionamento desse tipo de transformação em escala. É uma coisa que essa tecnologia pode fazer coisas legais. Como vocês realmente fazem as pessoas usarem isso? Então, quando você pensa em transformação do tamanho em que estão operando, Don, vou começar com você. Obviamente, vocês têm muitos funcionários. Como vocês pensam em impulsionar praticamente a adoção com uma tecnologia como esta quando vocês têm tantos departamentos e funcionários diferentes para considerar?
Sim. Não, para nós, nossa estratégia de IA tem sido bastante 'tudo em todo lugar ao mesmo tempo'. Então, na verdade, uhm, tratamos nossa estratégia de IA como um portfólio de iniciativas. Então, acho que começamos com muitas pessoas em casos de uso direcionados, específicos para fluxos de trabalho ou certos domínios de negócios. Tivemos valor mensurável em produção e isso foi ótimo. Certamente percebemos que, uhm, queríamos elevar o piso e o teto de nossas aspirações, realmente democratizando e capacitando todos os nossos funcionários com ferramentas de IA. E então há múltiplas ferramentas que estamos realmente, uhm, alavancando para fazer isso. E então, na verdade, também estamos focando na reinvenção. Então, líderes de negócios no topo estão realmente olhando para cada um de seus respectivos domínios para entender como a IA, a IA agentica e esses novos paradigmas podem realmente nos ajudar a re-ancorar nossas aspirações de como podemos transformar e a velocidade para fazê-lo. E então, para nós fazermos isso, quero dizer, novamente, muito, muito abrangente, toneladas de treinamento prático, uhm, e hackathons, todas essas coisas diferentes que você realmente tem que fazer, como 'entrar nas trincheiras' para realmente ajudar as pessoas a entenderem quais são essas possibilidades. Há mudanças de mentalidade relacionadas a isso que acho que talvez abordaremos mais tarde na discussão, mas realmente tem sido uma espécie de 'pressão total' que é complementada tanto por um compromisso de cima para baixo de nosso CEO e seus líderes executivos, mas novamente esse tipo de empoderamento de baixo para cima que, uhm, acompanha isso.
Obrigado, Don. E Lloyd, você tem um desafio um pouco diferente e está trabalhando com os funcionários internamente, mas também, é claro, com os portfólios que você apoia. Então, como vocês pensam em escalar isso e impulsionar essa transformação no nível do portfólio, percebendo que são muitas empresas diferentes que vocês precisam ajudar a treinar e educar?
Sim. Sim, com certeza. Então, quero dizer, acho que muito do que você disse ressoa, Don. Então, temos 50 empresas, cerca de 120.000 FTEs (equivalentes a tempo integral) em todas essas empresas. Todas as nossas empresas são um pouco semelhantes e, na maioria, sabe, plataformas de software verticalizadas. Uhm, então o que isso nos permitiu fazer é realmente, de certa forma, trazer transformação em escala para esse grupo. Então, isso começa com um esforço central da HG. Temos 20 especialistas em IA internamente, apoiados por cerca de 150 ou mais contratados e parceiros próximos. Uhm, e temos realmente impulsionado essa mudança central, uhm, em todo o portfólio. Uhm, também nos permitiu experimentar muitas ferramentas diferentes, muitas iniciativas diferentes e realmente ver o que funciona rapidamente nesse tipo de laboratório e, sabe, entender quais são os melhores processos. Uhm, mas acho que, sim, o ponto de cima para baixo tem sido absolutamente crítico. Então, temos, de certa forma, sistematicamente, uhm, trabalhado com cada um dos líderes de nosso portfólio, engajando-os, fazendo-os colocar a mão na massa. E então há também, uhm, o ponto que eu acrescentaria é que estamos realmente tentando ser disruptivos na forma como pensamos sobre isso. Então, sabe, em vez de adaptar processos existentes e adicionar alguma IA, nós reengenhariaamos muitas de nossas funções. Então, se eu pegar a engenharia de software, por exemplo, uhm, em média em todo o portfólio, estamos agora medindo cerca de 30% de ganhos de produtividade em engenharia de software. Temos algumas empresas que reduziram suas equipes de desenvolvimento de nove pessoas para duas pessoas. Uhm, então, obtendo uma alavancagem realmente material. Temos uma empresa que implantou mil instâncias de um engenheiro de software agentivo. Então, eles meio que adicionaram 50% de capacidade produtiva à sua equipe de engenharia. Uhm, e esse é o tipo de reinvenção que estamos agora, de certa forma, impulsionando em todo o portfólio. Uhm, devo dizer que o que não estamos fazendo é, sabe, cortar custos. O que estamos fazendo é então re-investir em produtividade. Uhm, basicamente, eliminando a dívida técnica e também construindo produtos de IA, e esse é o outro foco principal para nós, onde estamos vendo, sabe, uma enorme quantidade de valor transformacional através da incorporação, uhm, da API da Anthropic, mas também de outras soluções em nossas soluções de software centrais, e isso está adicionando crescimento material a alguns de nossos negócios já. Obrigado, Lloyd.
E sobre o tópico de gestão de mudanças, isso também surge muito com nossos parceiros. Como vocês pensam sobre, ei, essa tecnologia, há muito nela que me assusta e meus funcionários podem interpretar isso como algo que poderia fazer o trabalho deles, e como vocês mantêm o equilíbrio em capacitá-los a usá-la enquanto também reconhecem que há algum medo de que isso vá, de certa forma, fazer o meu trabalho por mim. Então, nós, nós, nós pensamos nas implicações culturais na empresa e como vocês tornam isso parte da cultura? E então, Frod, esta é para você porque acho que a NBIM fez um trabalho magistral navegando nisso. Como você, e acho que começando por Nikolai, mas como você, como gerente sênior de portfólio e suas equipes, como você vê isso se encaixando na cultura da empresa e se tornando apenas uma parte central de como vocês operam?
Sim, quero dizer, começar com uma perspectiva de cima para baixo é obviamente muito importante, certo? Quero dizer, isso, uhm, realmente impulsionou e acho que tivemos, uhm, foco em tecnologia por muito tempo. Somos uma organização muito impulsionada pela tecnologia agora. Nós, nós, nós fizemos uma jornada de mover, uhm, nossa infraestrutura para a nuvem, uhm, tendo, uhm, dados no Snowflake, uhm, integrando Claude para empresas e sendo capazes de realmente conversar com nossos dados, e isso se encaixa muito bem com nossa natureza quantitativa e nossa inclinação para usar dados, certo? Então, acho que do ponto de vista cultural é um ajuste muito bom e, uhm, eu diria que na minha equipe, por exemplo, uhm, muitos de nós somos realmente introvertidos, certo? E, uhm, gostamos de sentar e, uhm, e codificar e fazer coisas, e, uhm, acho que apenas ter Claude e ter os projetos que agora podemos construir assistência e apenas compartilhar e colaborar nisso está realmente, uhm, acelerando a mudança cultural que vemos nas organizações. Acho isso super fascinante. E também acrescentaria que sendo um fundo soberano com um único proprietário. É que ter a IA na organização é um facilitador tão massivo para nós, certo? Porque podemos fazer muitas coisas com essa tecnologia que outros simplesmente não podem, certo? Porque não somos impedidos por, uhm, sabe, uhm, dinâmicas de clientes e consumidores. Então, podemos, temos uma organização realmente aberta e enxuta com uma cultura colaborativa e, uhm, somos apenas 700. Então, isso é simplesmente fascinante.
Fantástico. Obrigado por, eu realmente, realmente aprecio isso. Essa ideia de, tipo, desmistificar o que essa tecnologia representa no nível do funcionário individual é tão crítica porque muito rapidamente você pode abordar essas preocupações ou medos em, sabe, um nível cultural, porque muito rapidamente eles veem, 'ah, isso é apenas um ótimo assistente, se quiserem, é um ótimo parceiro quando acordo e começo meu papel em me ajudar a fazer meu trabalho de forma mais eficaz'. Então, é maravilhoso ouvir esse exemplo.
Sim, acho que, JP, acho que é um ótimo ponto. Acho que fomos realmente muito intencionais. Acho que muito cedo nesta jornada, as pessoas falavam, sabe, 'a IA não vai tirar seu emprego, mas alguém usando IA vai'. E então, queríamos realmente, sabe, abordar isso de frente e garantir que o maior número possível de funcionários. E fomos intencionais em fazer com que cada funcionário tivesse múltiplas soluções de IA e, além disso, obtivesse o treinamento envolvido para ajudá-los a se sentir ainda mais capacitados. Uhm, achei que isso era realmente crítico para o seu ponto, para, tipo, superar um pouco do que chamamos de FUD (medo, incerteza e dúvida) que poderia ser um pequeno obstáculo. Incrível.
Obrigado, Don. E muitas vezes eu, eu rio porque mesmo quando os parceiros perguntam, tipo, sabe, 'como eu treino? Como eu construo esses currículos para impulsionar a adoção?' Eu paro e digo, 'pergunte a Claude'. E brincadeiras à parte, seja Claude ou outra ferramenta que vocês estejam usando, essas ferramentas são muito boas para esse tipo de tarefa em que vocês dizem: "Aqui está minha empresa." E para aqueles que estão conectados, o mesmo se aplica. Aqui está o meu tamanho. Aqui está o que fazemos. Quero construir um programa de treinamento simples para meus funcionários. Talvez eles tenham três horas para gastar nas próximas duas semanas. Como você o dividiria? Como seria esse treinamento? Estou dizendo, se vocês fizerem esse exercício quando forem para casa, será um resultado lindo, lindo.
Posso reforçar isso? Sim. Uhm, se sua equipe disser: "Não sei o que fazer. Não sei por onde começar." Diga a eles para descreverem brevemente seu trabalho. E perguntem à IA: 'como devo começar a trabalhar com isso? O que posso tentar?' Isso, uhm, realmente faz maravilhas.
Quero dizer, eu, eu adoro esse exemplo porque eu até vou tão longe a ponto de dizer que tenho dois filhos pequenos, por exemplo, um de quatro e um de dois anos. E se estou procurando uma atividade para fazer no fim de semana, não sou muito bom em inventar essas coisas. Mas eu pergunto a Claude, mas farei algo melhor. Eu digo: "Claude, quero que você otimize o seguinte prompt." E eu digo: "Preciso inventar atividades para meus filhos." E então Claude o reescreve. Eu copio e colo. E então eu obtenho as melhores listas de tarefas do mundo. Uhm, então, esse é outro bom truque. Peçam a Claude para escrever seus prompts para vocês.
Mas decidir por onde começar é outra coisa que ouvimos muito, certo? Então, para as pessoas na plateia, algumas de vocês são empresas menores, muitas de vocês são empresas enormes, mas ok, há muito. Vocês ouviram muito deste grupo. Transformação em toda a organização ou liderança de cima para baixo. Vou começar com Michael novamente aqui. Onde vocês, para as pessoas na plateia, se tivermos que começar em algum lugar, qual é o caso de uso? Qual é o primeiro lugar por onde eles começam se estão começando do zero? O que vocês sugeririam?
Então, é incrivelmente tentador procurar um primeiro lugar para começar e meu conselho seria resistir a essa tentação. Uhm, seus colegas, não sei se eles sabem, uhm, mais sobre como usar melhor as ferramentas. Eles certamente não sabem antes de você lhes dar as ferramentas, mas uma vez que você lhes dá as ferramentas, eles descobrirão, uhm, coisas para fazer com elas que você nunca imaginou. Então, somos um lugar bastante descentralizado. Somos um lugar que quer tornar cada um de nossos colegas melhor usando IA. Então, nosso foco principal de imediato e o que eu recomendaria a outros é disponibilizar ferramentas realmente fáceis de usar. Deixem as pessoas descobrirem o que estão fazendo e então prestem atenção. Ajude a acelerar a disseminação. Em alguns casos, centralizado à medida que você aprende, uhm, mas não como, uhm, não como seu primeiro passo. Vou dar um, uhm, conselho concreto sobre isso. Acho que algumas pessoas farão isso. Elas tentarão algo, não funcionará como gostariam, e elas o abandonarão. O que achamos valioso é encorajar as pessoas a voltarem, digamos, a cada 6 meses. Uhm, a velocidade com que a tecnologia e os produtos estão mudando é simplesmente estranha para a maioria de seus colegas e o grau em que eles podem melhorar para um caso de uso particular em 3 meses, 6 meses, 9 meses, uhm, às vezes pode chocá-los e, portanto, incentivá-los a revisitar é uma jogada. Não costumamos ser muito insistentes, mas esse é um lugar onde acho que a insistência pode valer a pena.
Então, adoro isso porque, acho que, no ponto de Michael, quero ouvir do resto do painel. A noção de começar com um caso de uso específico, muitas vezes pode ser como, 'ah, vou construir um analista sob medida ou um agente de mitigação de risco'. Sempre aconselharemos, semelhante ao que Michael disse, em primeiro lugar, coloquem essa tecnologia nas mãos de seus funcionários de forma segura e responsável. Obviamente, vocês viram que temos uma solução. Há muitas soluções por aí. E isso quase sempre deve ser o passo um, porque muitas vezes, e imagino que isso seja verdade para todos na sala. É só quando você começa a usar essas coisas e, honestamente, isso é verdade em sua vida pessoal, é verdade...
no trabalho é que você realmente começa a ver do que é capaz. Estou passando por um processo hoje. Acabei de comprar uma casa nova. Estou contratando seguro residencial. Não sei quando foi a última vez que você leu uma apólice de seguro residencial. Elas são brutais e têm umas 400 páginas. E eu recebo essas três apólices e fico tipo, mesmo destilando a diferença entre cobertura e guarda-chuvas e tudo mais, e eu trabalho com muitas seguradoras, então eu deveria saber de tudo isso. Acabei de fazer o upload para o Claude e diria, me dê um resumo do que estou vendo aqui, e estou compartilhando isso como exemplo porque esses mesmos momentos de "aha" – e ele me deu uma resposta maravilhosa – a maneira mais rápida de criá-los é dar aos seus funcionários acesso a uma ferramenta como o Claude, e novamente, existem outras ferramentas por aí, mas apenas tê-la em suas mãos de forma segura e responsável é, é, é enorme.
Dito isso, uh, quero passar para o Lloyd, enquanto você pensa em aconselhar este grupo sobre como eles têm recursos limitados, pessoas limitadas. Por onde eles começam? Você tem mais alguma ideia sobre por onde eles deveriam começar? E vamos assumir, para o propósito disso, que eles já habilitaram um Claude ou uma ferramenta de IA no nível do funcionário. O que vem a seguir?
Sim. Uh, então eu ia apenas adicionar ao ponto do Michael. Eu concordo plenamente com, você sabe, revisitar a tecnologia a cada 3 a 6 meses. O outro ponto que eu adicionaria é realmente investir em sua engenharia de prompt ou engenharia de contexto. Eu acho que há uma diferença enorme entre um tipo de usuário médio que coloca um tipo de prompt preguiçoso no Claude versus alguém que realmente pensa sobre esse contexto. Então, eu acho que encontrar aquelas pessoas que se tornam usuários avançados em sua organização e que têm uma espécie de intuição natural para isso pode realmente ajudar a acelerar se você, você sabe, colocar essas pessoas como campeões de IA que podem realmente impulsionar muita mudança. Uh, eu acho que em outros casos de uso, uma vez que você tenha feito uma ampla habilitação, uh, quero dizer, a maneira como pensamos sobre isso é olhando para, você sabe, aqueles tipos de tarefas de alta fricção onde as pessoas, uh, fazem muito processamento mecânico que são bastante repetíveis e que usam dados estruturados. Esses são frequentemente tipos de candidatos perfeitos em suas organizações, uh, para algo como o Claude. Então, para nós, uh, você sabe, para as decisões realmente críticas onde requer muito tipo de pensamento cuidadoso e pensamento tipo sistema dois, uh, nós talvez usemos o Claude mais como um conselheiro, mas para muitas dessas tarefas mecânicas, uh, que acontecem em todas as nossas organizações, é meio que usar o Claude mais outras ferramentas de automação para realmente impulsionar, uh, sim, a transformação desses processos é como pensamos sobre isso. Excelente. Obrigado, Lloyd.
Uma das minhas perguntas favoritas de fazer, então obviamente vou fazê-la aqui. Uh, para o propósito da audiência, todos vocês têm muita experiência. Vocês meio que passaram por isso. Vocês aplicaram isso em sua organização. Vocês viram muito do que funciona e muito do que não funciona. Vou começar com o Frod. Uh, sabendo o que você sabe agora, se você pudesse fazer tudo de novo, o que você faria de diferente? Eu não sei o que eu faria de diferente, realmente. Eu acho que na MBM nós realmente acertamos em termos de, uh, conseguir isso. Eu acho que é apenas, uh, talvez apenas começar ainda, uh, ainda antes, certo, e, uh, começar certo, quero dizer, uh, é o que eu diria, você sabe, isso é algo que você apenas tem que se inclinar e, e, e assumir, então eu acho que, uh, mover-se rápido e cometer erros, aprender com eles e seguir em frente é realmente o principal aprendizado, e eu acho que se há algo é apenas, uh, velocidade ali. Obrigado, Frod. Don, e você? Sim, sim, eu vou me inclinar para a parte de fazer mais rápido, mas, uh, eu acho que uma coisa que não abordamos, que eu acho que focamos, mas olhando para trás, talvez pudéssemos ter focado antes, foi essa noção de que é uma verdadeira mudança de mentalidade e cultura. Uh, falamos muito sobre democratização e como um lançamento de ferramenta, mas certamente isso é mais do que apenas lançar ferramentas e dar acesso às pessoas. É como dar uma esteira a todos na América e esperar que a doença cardíaca seja curada. Uh, o que fomos muito intencionais foi em entender que isso é, na verdade, uma mudança de mentalidade também. Então, eu acho que muitas pessoas olham para um Claude ou um ChatGPT, elas veem uma caixa de texto e pensam, oh, isso é como o Google, eu deveria apenas colocar uma pergunta. Eu vou receber uma resposta e então estou meio que pronto. Eu acho que a realidade é que essa tecnologia é realmente projetada para ser mais como um humano. Isso é verdadeiramente um companheiro e um copiloto, como você quiser descrever. E então, ter um pouco de mudança de mentalidade e realmente ajudar as pessoas a entender isso, eu acho que é realmente crítico. Temos sido muito intencionais em fazer parceria com, uh, pessoas de fora para ajudar nossos executivos, especialmente nessa jornada. Uh, uma analogia que usamos é, você sabe, se você vai para a Costa Rica com sua família, você poderia ir ao Google e pedir algumas recomendações ou você poderia apenas dar um prompt ao Claude ou ao Chat PT e dizer: "Ei, você é o principal, uh, você sabe, chefe de turismo da Costa Rica. Estou indo para a Costa Rica com minha família de quatro pessoas. Meus filhos têm 10 e 12 anos. Um gosta de surfar, o outro gosta de, você sabe, vida selvagem. Você pode criar um itinerário personalizado?" E então, isso é, isso é um tipo de paradigma muito diferente entre essas duas ferramentas. E, francamente, para a maioria das pessoas que, você sabe, começam a interagir, é meio que por onde elas começam. Mas achamos que é realmente importante ajudar as pessoas em sua jornada. E se eu pudesse, se pudéssemos voltar, talvez tivéssemos começado isso ainda mais cedo. Então, obrigado, Don.
E você, Lloyd? Sim, quero dizer, eu acho que eu ecoaria o Frodo. Estamos correndo muito rápido com isso na HD, e gosto de pensar que estamos, estamos meio que à frente da curva. Estávamos construindo nossos primeiros produtos de IA em 2023, mas se eu pudesse dizer uma coisa, seria correr ainda mais rápido em direção a isso. Uh, apenas a, você sabe, a taxa exponencial de melhoria dos modelos e o ecossistema que está se desenvolvendo em torno disso é, uh, francamente sem precedentes, então sim, eu teria dito, uh, você sabe, corra ainda mais forte, ainda mais rápido. Michael, então somos bastante implacavelmente orientados a dados e uma coisa que fazemos é olhar para a, uh, intensidade de uso em toda a empresa e o que você vê é uma curva log-normal, algo assim, e a base teórica disso é que descreve processos que são, aproximadamente, quanto mais você usa, mais você usa. Então, eles são multiplicativos. E se você combinar isso com essa visão de baixo para cima, o que você quer fazer é apenas encorajar as pessoas a darem mais mordidas na maçã. Então, aqui estão duas coisas que eu faço para ajudar a que isso aconteça. Uh, primeiro, uh, em muitas das minhas reuniões de equipe, eu apenas faço as pessoas fazerem uma rodada relâmpago de alguma coisa estranha de IA que você tentou na semana passada. Funcionou, não funcionou, mas, você sabe, 30 segundos cada um para compartilhar com a equipe. Uh, e segundo, e isso se baseia em algo que você disse, o caminho para o conforto e para aprender a usar isso no trabalho não precisa passar apenas pelo trabalho. E muitas vezes as pessoas se sentem mais confortáveis em assumir riscos em sua vida pessoal. Uh, não é tão potencialmente embaraçoso, pelo menos em suas mentes. E então, encorajar as pessoas a experimentar lá, eu acho que pode valer a pena, uh, tanto ou mais do que encorajá-las a dar esses primeiros saltos no local de trabalho. Sim. Não, eu, eu não poderia concordar mais e isso é um enorme, enorme, eu acho, benefício para impulsionar a adoção para todos aqui hoje e conectados.
Se eu tivesse que recapitular o que falamos hoje é habilitar. Então, dê aos seus funcionários acesso a uma dessas ferramentas. Treinar. Você não precisa ser um mestre treinador ou, você sabe, comprar um programa de treinamento de um milhão de dólares. Você pode trabalhar com alguns ótimos parceiros que mencionamos alguns deles hoje e pode usar um Claude para ajudá-lo a construir um programa de treinamento para dar a eles um treinamento básico. Não estou falando de 100 horas aqui. Básico: como dar um prompt, como interagir com essas ferramentas, medir. Há, no ponto do Michael, agora eu acho que ele está fazendo isso de uma forma realmente ótima e natural. Vamos fazer uma rodada rápida na Anthropic. Você pode imaginar que é como se estivéssemos monitorando de alguma forma se você está usando essas ferramentas para fazer um trabalho melhor e como você está realmente rastreando isso, porque, quer você as use ou não, é garantir que você responsabilize seus funcionários por construir esse músculo e se acostumar a usá-lo. Vou compartilhar uma anedota pessoal para finalizar e Michael tocou nisso. Às vezes, as pessoas se sentem mais confortáveis usando essa tecnologia em suas vidas pessoais para ver do que são capazes no trabalho. Tenho um filho de 2 anos que tem muitas preocupações médicas e, ao aprender a navegar pelos seus desafios e o que poderíamos fazer por ele, o hospital enviou mais de mil páginas de notas da UTI neonatal de nossos neurologistas e é muito difícil entender tudo isso. Então, mesmo quando você fala com médicos diferentes, todos eles dão respostas diferentes. E eu peguei tudo isso e fiz o upload para o Claude. Eu disse: "Ajude-me a entender o que está acontecendo aqui." E eu peguei aquela linha do tempo – e não estou sugerindo que o Claude seja um médico de forma alguma. Uh, eu apenas peguei aquela linha do tempo, 1100 páginas, a propósito, PDFs, e levei de volta ao nosso médico. Eu disse: "Isso parece certo? Ajude-me a entender o que aconteceu aqui e o que posso fazer a respeito." E literalmente o queixo do médico caiu. Ele disse: "Como você conseguiu isso?" E não estou compartilhando essa história porque veja como o Claude é ótimo. Estou compartilhando essa história porque em momentos como esse, quando tem um impacto tão significativo em sua vida pessoal, você pode ver minha inclinação, independentemente de trabalhar em uma empresa como a Anthropic, para tentar usar essa tecnologia no trabalho aumenta dramaticamente. Então, como um aprendizado, se você não tem um desses aplicativos, esses aplicativos de IA em seu telefone hoje, eu vou dizer passo um: use-o. Defina uma meta para si mesmo. Use-o. Não me importa se você está tirando uma foto de uma árvore ou analisando extratos ou apólices de seguro de vida. Use-o algumas vezes ao dia. Construa o músculo e, por sua vez, você estará mais bem equipado para fazer isso com seus próprios funcionários. Então, quero agradecer muito ao nosso painel. Eu realmente, realmente aprecio. Obrigado a todos que se conectaram e se juntaram a nós hoje. E para aqueles sentados, fiquem onde estão porque teremos uma chance para perguntas. Mas uma grande salva de palmas.