Ep. 218 - Resultados Reais: A IA Generativa cumpre o que promete?
Resumo rápido
Fernando, líder de local commerce no iFood, mostra que a IA generativa cumpre o que promete quando é aplicada a problemas reais e não como buzzword. Com 100 milhões de pedidos mensais, a empresa economiza 10 milhões de reais por mês em automação de atendimento sem perder satisfação — o CESAT automatizado supera o humano. A chave é micro iteração constante, priorizar a experiência do cliente e usar a IA nos bastidores, não como chatbot frontal.
Capítulos
- 01:12Contexto: a jornada do pós-pedido no iFood
- 06:48O que é IA generativa e o que realmente mudou
- 10:01Metodologia de testes: do sandbox à produção
- 14:03Resultados reais: automação e satisfação do cliente
- 20:54Economia de 10 milhões por mês sem perder qualidade
- 26:44Liderança em escala: construir junto e iterar
- 32:24Gestão de stakeholders e influência em área cross
Frases do episódio
“A gente teve um mês com 100 milhões de pedidos, então foi a primeira vez na história do iFood que a gente teve 100 milhões de pedidos em um único mês.”
04:22
“Alguns atendimentos são 100 automatizados aqui no iFood. Pro cliente, não tem diferença. Ele não vai sentir diferença.”
15:22
“Hoje, CFC, a gente, eu consigo dizer pra você que a gente tem uma economia de cerca de 10 milhões por mês que a gente conseguiu com esse tipo de automação.”
20:08
O que você vai ouvir neste episódio
- Fernando Cruz detalha como o iFood integra a inteligência artificial generativa em seus processos de negócios cotidianos.
- O episódio traz uma análise crítica sobre se a inteligência artificial está cumprindo os resultados prometidos pelas empresas.
- CFC e Fernando discutem aplicações práticas da tecnologia voltadas para a evolução contínua da experiência do usuário.
- Os convidados abordam as principais estratégias para superar desafios de adoção de IA no contexto corporativo atual.
- A conversa destaca os aprendizados valiosos acumulados pela equipe do iFood durante o desenvolvimento de soluções com IA.
Temas discutidos
O episódio conecta a aplicação da inteligência artificial generativa à gestão estratégica de produtos e ao desenvolvimento de lideranças adaptativas. A integração dessas tecnologias nos processos organizacionais exige revisar fluxos de trabalho, capacitar pessoas e priorizar soluções focadas em problemas reais dos clientes. Ao analisar os impactos tangíveis e os desafios práticos vivenciados pelo iFood, a discussão evidencia a importância da cultura de experimentação, do aprendizado contínuo e da mensuração rigorosa de resultados no contexto moderno da agilidade.
Para quem é este episódio
Este conteúdo é recomendado para gestores de produto, lideranças de tecnologia e profissionais de transformação digital. Esses perfis encontrarão insights valiosos sobre a implementação prática e viável da inteligência artificial generativa, otimizando processos internos e gerando valor real para a experiência dos usuários finais.
Perguntas que este episódio ajuda a responder
Como a inteligência artificial generativa pode ser aplicada para melhorar a experiência do usuário?
A inteligência artificial generativa melhora a experiência do usuário ao otimizar o atendimento, automatizar resoluções de problemas recorrentes e personalizar interações. No iFood, o uso estratégico da tecnologia busca tornar as jornadas mais eficientes, reduzindo atritos e entregando soluções rápidas para as necessidades dos clientes nos canais digitais da empresa.
Quais são os principais desafios ao integrar IA nos processos de negócios das empresas?
Os principais desafios incluem alinhar a tecnologia aos objetivos estratégicos da organização, preparar as equipes para novas ferramentas e garantir que os resultados sejam tangíveis. A integração exige avaliar criticamente as promessas do mercado, ajustando os processos internos para que a inteligência artificial resolva problemas reais sem criar complexidades desnecessárias na operação.
A inteligência artificial generativa realmente cumpre os resultados prometidos no contexto corporativo?
A tecnologia entrega resultados reais quando implementada com foco claro e alinhada às métricas de negócios. O episódio mostra que, no iFood, os ganhos tangíveis surgem ao combinar experimentação prática, aprendizado contínuo e acompanhamento constante dos impactos na experiência do usuário e na eficiência dos processos organizacionais internos.
Sobre este episódio
No episódio 218 do Love the Problem, Fernando, líder da área de local commerce no iFood, traz uma visão grounded sobre o uso de IA generativa em produtos de grande escala. A conversa parte do contexto operacional do iFood — 100 milhões de pedidos mensais, jornada de pós-pedido, resolução de problemas entre cliente, restaurante e entregador — para discutir como a IA generativa se encaixa de fato nesse ecossistema. A tese central é que a IA generativa cumpre o que promete quando é aplicada a problemas bem definidos, com micro iterações constantes e métricas claras, e não como feature decorativa. O iFood economiza 10 milhões de reais por mês com automação de atendimento, mantendo o CESAT igual ou superior ao do atendimento humano. A metodologia de teste é progressiva e conservadora: sandbox, 1% da base, liberação interna, escalonamento. A liderança é construída em coletivo, com check-ins iterados e transparência radical. O episódio é um contraponto direto à pressão de mercado que exige IA em todo produto sem match com problema real, e um manual prático para quem lidera times de produto em escala.
Transcrição completa
O episódio discute, a partir da experiência do iFood, se a IA generativa cumpre o que promete no mundo de produtos. Fernando, que lidera a área de local commerce no iFood, explica que a empresa opera como um e-commerce hiperlocal, entregando comida, mercado e farmácia em raios muito pequenos, e que sua atuação concentra-se na jornada do pós-pedido: a experiência do cliente após fechar o pedido, incluindo acompanhamento, resolução de problemas, atendimento e comunicação com o restaurante. Com 100 milhões de pedidos em um único mês — primeira vez na história do iFood —, mesmo um contact rate de 1% a 2% representa um volume enorme de problemas a resolver. A responsabilidade é garantir que, quando algo dá errado, a experiência seja rápida e satisfatória o suficiente para o cliente voltar a comprar.
Sobre IA generativa, Fernando contextualiza que a tecnologia vem dos LLMs, os modelos de linguagem de aprendizado de máquina, e que o grande salto foi a facilidade de treinar esses modelos com linguagem natural, popularizada pelo ChatGPT. No iFood, já existiam modelos próprios de machine learning há muito tempo, incluindo modelos de fraude e chatbots de atendimento. A empresa foi early adopter, com acesso às APIs da OpenAI, Gemini e outros desde o início. O ponto central, porém, não é ter o modelo, mas entender qual problema se quer resolver. A primeira pergunta é: faz sentido usar IA generativa para essa dor específica?
A metodologia de testes segue uma progressão: primeiro em ambientes de sandbox, depois em produção para 1% da base, com liberação inicial para os próprios funcionários (food lovers) para coleta de feedback, e escalonamento gradual conforme os números justificam. Fernando critica a pressão de mercado que exige feature com IA apenas por ser 'sexy', sem match com um problema real. No iFood, a abordagem foi diferente: em vez de um chatbot que pergunta 'oi, qual é o seu problema? digite 1, digite 2', a equipe construiu uma camada de automação que resolve o problema do cliente de fato, com a IA generativa operando nos bastidores — classificando o tipo de erro, analisando imagens enviadas pelo cliente, identificando itens faltantes — e não como interlocutora direta.
Os resultados são concretos: alguns atendimentos são 100% automatizados, e o CESAT (pesquisa de satisfação) do atendimento automatizado é, em alguns casos, superior ao do atendimento humano, porque os casos que sobram para humanos são os mais complexos. A economia gerada pela automação é de cerca de 10 milhões de reais por mês, alcançada não de uma vez, mas por micro iterações constantes em cada passo da jornada: texto, tom de voz, linguagem, experiência no canal. A prioridade sempre foi a experiência do cliente; se um teste AB mostrava queda no CESAT, o rollout era pausado até a métrica melhorar. Não há trade-off entre custo e qualidade: a meta é reduzir custo sem degradar a experiência.
Sobre liderança, Fernando enfatiza que o trabalho é coletivo: produto, engenharia, design e data science constroem juntos. Ele valoriza sessões de lousa branca, discussões abertas e a prática de check-ins periódicos inspirados em OKR, que foram iterados ao longo do tempo com feedback do time — de reuniões com dois produtos por vez até uma por produto, e depois ajustes conforme a estratégia muda. Para gestão de stakeholders em uma área cross como a do pós-pedido, que interage com build banking, build entrega e order, a prática é ouvir de verdade, alinhar com os objetivos estratégicos da empresa e blindar a distração. Quando surgem encrencas inesperadas, a abordagem é transparência total com o time: reconhecer o problema, afirmar que são as melhores pessoas para resolvê-lo e construir o plano juntos.
Fernando também reflete sobre a evolução de produto para plataforma: as melhores plataformas surgem depois de produtos muito bons, citando a Amazon como exemplo — primeiro um ótimo produto, depois a decisão de escalar. No iFood, o próximo passo é pensar em como dar às BUs a capacidade de operar seus próprios fluxos de automação, transformando o que já se provou em produto escalável.
Episódios relacionados
- Ep. 277 - O futuro da Educação Corporativa em um mundo de IA e carreiras não lineares
Aprender deixou de ser evento. Virou estratégia. Neste episódio do Love The Problem, Rafaela Fonseca recebe Paulo Guidugli (Sócio na Gupy) e Iohanna Roader (Especialista em Produtos Educacionais na Nower) para uma conversa provocadora sobre o futuro da educação corporativa em um mundo de IA, mudanças aceleradas e carreiras não lineares. Eles abordam: • O que é Educação Corporativa de verdade ou só distribuição de conteúdo?• Tendências para o futuro da educação além da hype• Como a IA já está transformando empregos e habilidades?• Que mentalidade líderes e RHs precisam desenvolver agora? Uma troca sobre aprendizagem contínua, transformação de carreira e o papel estratégico do RH na geração de resultados. Dê o play e provoque o futuro com a gente. 🎧
- Ep. 276 - Gestão de Produtos em Organizações que Aprendem
Aprender não é sobre coletar e acumular informação — é sobre transformar descoberta em ação. Neste episódio do Love the Problem, damos continuidade à conversa sobre Organizações que Aprendem, agora olhando para um tema central: a gestão de produtos como motor de aprendizado contínuo. Rafaela Fonseca conversa com Paulo Cassin e Camila Boni, da Nower, sobre como organizações aprendem melhor quando conectam discovery, cliente e resultado de negócio. A discussão passa por erros comuns na gestão de produtos, cultura de experimentação, uso inteligente de métricas, rituais de aprendizado e o papel da liderança na criação de ambientes seguros para errar, aprender e evoluir. O episódio também explora como inteligência artificial pode acelerar aprendizados, reduzir custos de experimentação e apoiar decisões — sem substituir a escuta real do cliente. Tudo isso reforçando uma ideia-chave: aprendizado só faz sentido quando é acionável. Esse episódio é para você que é líder, PM ou faz parte de uma equipe que quer construir produtos (e organizações) que evoluem junto com seus clientes e aprendem continuamente. Aperte o play e vem com a gente! Episódios citados durante essa gravação: Ep. 269 - Organizações que Aprendem Ep. 255 - Gestão de produtos em estruturas complexas: Da estratégia à priorização do portfólio
- Ep. 263 - O Mindset de Aprendizado e as habilidade mais críticas para se manter relevante nos próximos anos
Neste episódio, Flor e Andressa Chiara (Chu), CEO da Humaitá Digital (empresa de educação), falam sobre as transformações no mundo do trabalho e a relevância profissional nos próximos 5 a 10 anos. Chu define o mindset de aprendizado como o fator mais crítico, diferenciando o profissional limitado ao escopo do "Player de Impacto" (que se posiciona para resolver problemas e sabe a hora de liderar e de ser liderado). A convidada enfatiza que a Inteligência Artificial (IA) é o novo computador, e não saber usá-la será um impeditivo para a empregabilidade; contudo, seu uso deve ser estratégico, com treinamento da ferramenta (usando diretivas base) para potencializar a inteligência humana e evitar a "preguiça de pensar". A competência crucial para interagir com modelos de linguagem (LLMs) é o conhecimento de linguística/comunicação, uma habilidade de humanas. Complementarmente, 80% do sucesso profissional reside na capacidade de lidar com pessoas e negociar com stakeholders, além da necessidade de focar no entendimento do resultado e do impacto, fugindo do modelo educacional forjado para seguir ordens. A IA também é vista como a "última pá de cal" na carreira linear, obrigando profissionais com trajetórias em rede a saber explicar o valor e o impacto que entregaram em cada etapa de sua vida profissional. O conselho final de Chu é que as pessoas internalizem que a zona de conforto morreu e busquem o "conforto no desconforto" para se manterem adaptáveis. Link para Humaitá Talks aqui (https://www.youtube.com/@HumaitaDigital/streams)
- Ep. 250 - Design Organizacional: Foco na estrutura ou foco em resultado?
Neste episódio Flor, Lucas, Raphael e Carlos (CFC) discutem a falha de transformar empresas pelo organograma sem resolver dores reais do cliente. Frequentemente, buscam um "desenho perfeito" sem clareza do problema. Apresentam-se quatro orientações organizacionais: especialização, produto/serviço, jornada do cliente e propósito. Sinais de mudanças equivocadas incluem pressão externa, resistência em repensar papéis, ou paixão por soluções (IA) sem estrutura adequada.... Design organizacional vai além de mover pessoas, abrangendo cultura, governança e estratégia. Transformações bem-sucedidas exigem liderança engajada e resultados claros. Se interessou? Solta o Play!