Produtização da inteligência artificial

Revista Inovação, Projetos e Tecnologias - IPTEC e-ISSN: 2318-9851 https://doi.org/10.5585/iptec.v11i2.25530 Recebido: 13 nov. 2023 – Aprovado: 21 nov. 2023 Editora Chefe: Profa. Dra. Cristina Dai Prá Martens Editora Científica: Profa. Dra. Cristiane Drebes Pedron PRODUTIZAÇÃO DA INTELIGÊNCIA ARTIFICIAL: ANÁLISE DE CENÁRIOS EM STARTUP DE CONSTRUÇÃO CIVIL ARTIFICIAL INTELLIGENCE PRODUCTIZATION: SCENARIO ANALYSIS IN A BUILDING INDUSTRY STARTUP Fabio Wilson Barreto de Queiroz Mestre em Engenharia de Produção Universidade do Vale do Rio dos Sinos – UNISINOS. Porto Alegre, RS – Brasil. [email protected] Marco Túlio Werneck Martins Mestre em Engenharia de Produção Universidade do Vale do Rio dos Sinos – UNISINOS. Porto Alegre, RS – Brasil. [email protected] Gabriel Sperandio Milan Doutor em Engenharia de Produção Universidade do Vale do Rio dos Sinos – UNISINOS. Porto Alegre, RS – Brasil. [email protected] Luís Felipe Maldaner Doutor em Estudos Latino Americanos Universidade do Vale do Rio dos Sinos – UNISINOS. Porto Alegre, RS – Brasil. ORCID: https://orcid.org/0000-0001-8462-1928. [email protected] Resumo: As startups com base tecnológica nascem com o desafio de aumentar rapidamente a sua receita para se manterem sustentáveis em termos econômico-financeiros. Este contexto cria desafios para a tomada de decisão quanto às melhores oportunidades no desenvolvimento de novas funcionalidades. Se a startup evoluiu no desenvolvimento de funcionalidades, mas não estruturou uma estratégia de produtos competitiva, especificamente em relação a preço e à distribuição, o lançamento pode impactar negativamente inclusive as versões prévias do produto. Este estudo, portanto, tratou da análise de cenários de comercialização e precificação para uma funcionalidade de inteligência artificial desenvolvida por uma startup que atua na construção civil, mas que ainda não tinha uma proposta de mercado formal. A análise demonstrou que o principal atributo seria a geração de valores para os seus clientes em termos de eficiência. Para tanto, foram criados cenários, desde a disponibilização de versão com aplicações mais abrangentes em fase de testes para todos os clientes, ou até mesmo a criação de um novo produto complementar à plataforma principal da startup. Palavras-chave: Inteligência artificial. Estratégia. Produtização. Startup. Construção civil. Abstract: Technology-based startups are born with the challenge of quickly increasing their revenue to remain sustainable in economic and financial terms. This context creates challenges for decision-making regarding the best opportunities in the development of new functionalities. If the startup has progressed in the development of features, but has not structured a competitive product strategy, specifically in relations to price and distribution, the launch may negatively impact even previous versions of the product. This study, therefore, dealt with the analysis of commercialization and pricing scenarios for an artificial intelligence functionality developed by a startup that operates in the construction industry, but which did not yet have a formal market proposal. The analysis demonstrated that the main attribute would be the generation of value for its customers in terms of efficiency. Then, scenarios were then created, from making a version available with more comprehensive applications in the testing phase for all customers, or even creating a new complementary product to the startup’s main platform. Keywords: Artificial intelligence. Strategy. Productization. Startup. Building. Cite como American Psychological Association (APA) Queiroz, F. W. B., Martins, M. T. W., Milan, G. S., & Maldaner, L. F. (2023, jul./dez.). Produtização da inteligência artificial: análise de cenários em startup de construção civil. Revista Inovação, Projetos e Tecnologias - IPTEC, São Paulo, 11(2), 1-17, e25530. https://doi.org/10.5585/iptec.v11i2.25530 Revista Inovação, Projetos e Tecnologias - IPTEC, São Paulo, 11(2) | p. 1-17 | e25530 | jul./dez. 2023 1 de 17 Queiroz, F. W. B., Martins, M. T. W., Milan, G. S., & Maldaner, L. F. (2023, jul./dez.). Produtização da inteligência artificial: análise de cenários em startup de construção civil 1 Introdução O desenvolvimento de novas funcionalidades para um produto é uma decisão importante em uma startup. Pois, além do consumo de recursos uma decisão inadequada quanto ao roadmap do produto e/ou do serviço pode impactar o time-to-market e, consequentemente, a geração de valor. Além disso, é importante ressaltar que a essa nova funcionalidade pode impulsionar o modelo de negócio da startup, pois o modelo de negócio geralmente explica como um ator está posicionado dentro de uma rede de valor e/ou no mercado (Köche et al., 2023). Uma das fontes de informação mais relevantes para nortear a decisão de um novo produto ou funcionalidade é o feedback dos clientes. “Outro bom indicador inicial é a satisfação e o engajamento do cliente” (Ries, 2019, p. 163). No entanto, é importante ressaltar que as dificuldades enfrentados pelas startups para conseguir levar seu produto ao mercado podem afetar o resultado. Dificuldades estas que podem estar relacionadas à equipe de trabalho, às parcerias com stakeholders (Soetanto & Geenhuizem, 2005; Chesbrough, 2007). O desafio de conhecer efetivamente as expectativas e as demandas dos clientes potenciais se torna maior em startups, seja pelo foco no crescimento exponencial ou por fatores tais como a falta de estrutura ou de processos adequados. Adicionalmente pode-se destacar como desafios para os empreendedores poderem “escalar prematuramente o processo de validação da ideia e o timimg de implementação” (Goecking et al., 2020, p. 14). Este estudo, portanto, tratou da análise de cenários de comercialização e precificação para uma funcionalidade de inteligência artificial desenvolvido por uma startup que atua na construção civil, mas que ainda não tinha uma proposta de mercado formal. Adicionalmente, é importante destacar que este trabalho procurou cobrir uma lacuna em trabalhos acadêmicoempíricos no sentido de conectar o curso de Doutorado Profissional da Universidade com startups incubadas em seu Parque Tecnológico. Esta atividade de pesquisa proporcionou aos doutorandos um entendimento da realidade das empresas nascentes incubadas em um Parque Tecnológico. Por outro lado, contribuiu para que os empreendedores da startup estudada pudessem ter a oportunidade de receber insights e sugestões de melhoria na sua atuação no mercado, com impactos significativos no redirecionamento da fase go-to-market da empresa. Revista Inovação, Projetos e Tecnologias - IPTEC, São Paulo, 11(2) | p. 1-17 | e25530 | jul./dez. 2023 2 de 17 Queiroz, F. W. B., Martins, M. T. W., Milan, G. S., & Maldaner, L. F. (2023, jul./dez.). Produtização da inteligência artificial: análise de cenários em startup de construção civil 2 Revisão de literatura De acordo com Ries (2012), uma startup de base tecnológica se propõe a solucionar problemas do mundo real, num modelo de negócio escalável num ambiente de extrema incerteza. O ambiente de incerteza é uma variável que se torna um desafio aos empreendedores. Neste sentido, a pesquisa de Goecking et al. (2020), que realizaram uma análise dos artigos publicados em periódicos científicos sobre as dificuldades e desafios das startups, classificou a dificuldade dos empreendedores de lidar com as incertezas como um dos fatores críticos de sucesso. O DNP – Desenvolvimento de Novos Produtos em startups não necessariamente segue o roteiro das empresas tradicionais, como descrito na pesquisa de Barczak e Kahn (2012), em que são evidenciadas que as práticas de DNP são delineadas em sete dimensões de gerenciamento. Estas práticas incluem cultura e clima organizacional, estratégia, formas de comercialização, métricas de desempenho, pesquisa de mercado e processo. Nas startups esse processo é mais simplificado porque está diretamente relacionado ao problema a ser resolvido com a utilização da metodologia do design thinking, e a equipe pode estar resumida aos desenvolvedores que, ao mesmo tempo, são os sócios da empresa (Luchs et al., 2015). Depois de finalizada a etapa do desenvolvimento do MVP – Mínimo Produto Viável, ou de ampliar a funcionalidade de um produto já desenvolvimento na startup, inicia-se o processo de ir ao mercado (go-to-martket). O MVP é o protótipo do produto que exigiu pouco investimento para sua produção e pode ser testado no mercado (Ries, 2012; Khana et al., 2018). Este protótipo também serve para fazer o teste de mercado antes de finalizar o produto, porque uma vez finalizado e não obtém o volume de vendas esperado, o equívoco reside em não se utilizar do MVP (Ries, 2012; Moock, 2012; Khana et al., 2018). Ressalta-se que adicionar uma funcionalidade a um produto já desenvolvido pela startup é uma ação que pode ser equiparada a uma inovação incremental. Segundo Schumpeter (1984), as pequenas modificações de melhoria ou ampliação de aplicações aos produtos, processos ou organização da empresa podem ser assim consideradas. Dessa forma, a nova funcionalidade que a startup estudada está colocando no mercado pode ser classificada como uma inovação incremental. Em relação à construção civil no Brasil, pode-se dizer que o processo de implantação de inovações tecnológicas na gestão operacional das obras civis não tem avançado, como, inclusive, no desenvolvimento de novos materiais. Mas merece destaque a utilização do software BIM – Building Information Modelling (Meirelles et al. 2023): Inclusive, Meirelles et Revista Inovação, Projetos e Tecnologias - IPTEC, São Paulo, 11(2) | p. 1-17 | e25530 | jul./dez. 2023 3 de 17 Queiroz, F. W. B., Martins, M. T. W., Milan, G. S., & Maldaner, L. F. (2023, jul./dez.). Produtização da inteligência artificial: análise de cenários em startup de construção civil al. (2023, p. 2) comentam que: Nas últimas décadas ocorreu uma evolução nos sistemas de comunicação em rede, bem como nos softwares aplicáveis ao projeto. Neste sentido, o sistema de comunicação por satélite GPS (Global Positioning System) permite o georreferenciamento da obra. A outra ponta é a rede de internet Wi-Fi que permite a comunicação e gestão da obra em diferentes locais do mundo e a realização dos diferentes projetos a partir de um único modelo paramétrico com o BIM (Building Information Modelling). Este permite coordenar os diferentes projetos executivos da obra, e os dados podem ser atualizados em tempo real pelos projetistas, portanto permite integrar, os custos e os orçamentos, o planejamento das etapas da obra, até o acompanhamento do ciclo de vida do edifício com a gestão de manutenção. Outros avanços que têm sido apresentados na construção civil se referem à sustentabilidade na utilização de materiais, bem como em questões relacionadas ao reaproveitamento de recursos hídricos, além de materiais de resistência térmica e acústica. Neste horizonte, Campos et al. (2023) salientam que a introdução do tijolo ecológico na construção civil é usada quando se pretende ter uma edificação de baixo custo. Por outro lado, a utilização de novas tecnologias como a impressora 3D na construção civil é um avanço importante, segundo ressaltam Lima et al. (2023). Para os autores, este método conseguiu simplificar o processo de construção civil, tornando a obra mais limpa e com menos desperdício, além de encurtar o tempo dispendido na construção. Da mesma forma que Meirelles et al. (2023), Silva e Silva (2023) mencionam que o acompanhamento da obra é de extrema importância para evitar perdas e retrabalho. Para eles o advento do sistema em 3D permite um acompanhamento da obra em tempo real e à distância no decorrer do ciclo de construção da edificação. Segundo os autores, tal sistema fornece uma ferramenta que pode auxiliar na tomada de decisão dos administradores da obra. Assim sendo, a utilização da IA – Inteligência Artificial para realizar este acompanhamento à distância, com redução de custos e de tempo dos engenheiros tende a ser uma solução adequada. É de se ressaltar que o tema da IA tem se tornado objeto de interesse empresarial, especialmente no que se refere às novas possibilidades que a sua utilização oportuniza. Nesta direção, Biondi e Cerne (2023, p. 2) publicaram um estudo de caso envolvendo uma startup que desenvolveu uma solução “para captura de imagens e posterior processamento e análise dos dados e integração com os sistemas dos seus clientes”. O objetivo da empresa era o de conquistar clientes de diversos setores, como, por exemplo, os setores financeiro, varejista e de energia. Revista Inovação, Projetos e Tecnologias - IPTEC, São Paulo, 11(2) | p. 1-17 | e25530 | jul./dez. 2023 4 de 17 Queiroz, F. W. B., Martins, M. T. W., Milan, G. S., & Maldaner, L. F. (2023, jul./dez.). Produtização da inteligência artificial: análise de cenários em startup de construção civil 3 Método Este estudo foi desenvolvido em uma startup com sede no Rio Grande do Sul (RS), fundada em 2019, e com clientes em diferentes estados brasileiros. A startup atua no desenvolvimento de tecnologias para gestão no segmento da construção civil. Este artigo tecnológico é resultado de um trabalho realizado num projeto de pesquisa sobre a atuação dessa startup na fase de go-to-market. O objetivo do estudo, portanto, foi o de construir opções de posicionamento de mercado para funcionalidades de inteligência artificial, a partir de diagnóstico da situação atual e de modelos de referência de mercado. Sendo assim, a abordagem desta pesquisa pode ser classificada como qualitativa, de caráter exploratório e descritivo (Malhotra, Nunan, & Birks, 2017), tendo por finalidade explicar a relação da startup pesquisada com o mercado em que atua. Para Remler e Van Ryzin (2015), este tipo de pesquisa tem como objetivo a exploração de informações e a descrição das características de determinado fenômeno ou contexto investigado, estabelecendo relações entre os temas em análise. A coleta de dados, por sua vez, além da observação direta (Remler & Van Ryzin, 2015), foi baseada em uma série entrevistas com os empreendedores da startup estudada, bem como com três de seus clientes. Foram realizadas seis entrevistas individuais em profundidade (Brinkmann & Kvale, 2018) no período de agosto a novembro de 2022, via a plataforma digital Microsoft Teams, e cada um destes encontros teve uma duração média em torno de uma hora. As entrevistas foram gravadas e transcritas, utilizando-se o recurso que o próprio software Microsoft Teams oferece. Importante salientar que a análise das entrevistas se deu em encontros mensais durante o período de quatro meses, como atividade prática, com a participação de todos os pesquisadores e gestores da empresa. Vale ressaltar que, de acordo com Prodanov e Freitas (2013, p. 51), as entrevistas “têm como finalidade proporcionar mais informações sobre o assunto que será estudado”. Dessa forma, nesta pesquisa, foi utilizada uma abordagem semiestruturada, conduzindo-se as entrevistas por meio de um roteiro básico de questões (Brinkmann & Kvale, 2018; King, Horrocks, & Brooks, 2019), no sentido de compreender o contexto da startup e de sua atividade de busca pelo mercado. 3.1 Contexto e realidade investigada A empresa desenvolveu uma plataforma que permite a gestão remota de obras. O negócio se baseia no princípio de captura de imagens por um usuário que esteja presente na Revista Inovação, Projetos e Tecnologias - IPTEC, São Paulo, 11(2) | p. 1-17 | e25530 | jul./dez. 2023 5 de 17 Queiroz, F. W. B., Martins, M. T. W., Milan, G. S., & Maldaner, L. F. (2023, jul./dez.). Produtização da inteligência artificial: análise de cenários em startup de construção civil obra, e que ficarão armazenadas e disponíveis para outros usuários que estejam remotos. Esta captura pode ser realizada por diferentes tecnologias, mas a startup optou pelo uso de câmeras omnidirecionais (360 graus), devido à qualidade e eficiência que gera ao longo do processo. Além das imagens, os usuários da plataforma podem interagir por meio de anotações nas próprias imagens analisadas. A empresa optou por um modelo de SaaS – Software as a Service, por meio do qual os clientes não precisam de infraestrutura própria, pois a plataforma fica hospedada na nuvem. O modelo de precificação da empresa não fica disponível em seu site. De acordo com Saltan (2021), as definições a seguir detalham como o SaaS é concebido e utilizado, atualmente, com os processos únicos e inovações por trás deste modelo. Tal autor menciona que, em geral, o modelo SaaS tem os seguintes cinco aspectos: a) Aprovisionamento do serviço automaticamente, sob demanda: as soluções SaaS são alocadas automaticamente conforme demandado pelos clientes sem qualquer interação humana. Recursos necessários e os serviços são monitorados, controlados e otimizados pelos provedores; b) Acesso amplo pela rede: os clientes podem acessar os recursos dos provedores de SaaS através do Internet a qualquer hora e em qualquer lugar a partir de diferentes tipos de dispositivos. Os clientes podem satisfazer todas as suas necessidades ou demandas através de um serviço de rede usando um laptop ou um telefone celular; c) Elasticidade e escalabilidade: os recursos de computação podem ser rápidos e elásticos provisionados e liberados com base na demanda do cliente. Provedores de SaaS podem adicionar novos servidores com pequenas modificações na infraestrutura e no software; d) Multi-host: um provedor de SaaS fornece serviços a vários clientes ao mesmo tempo. Estes clientes são executados na mesma instância de um software e compartilhar recursos em nível da rede, do host e do aplicativo sem influenciar uns aos outros ou tendo acesso aos dados entre si; e) Preços baseados em assinatura: os clientes devem pagar um preço recorrente a intervalos regulares para acessar a solução SaaS. O preço é definido pelo uso e métricas baseadas no usuário. Além do acesso à solução SaaS, os pagamentos cobrem todos os serviços associados como armazenamento de dados, mão-deobra para manutenção. Apesar dos muitos desafios enfrentados pela adoção do modelo (Asatiani, 2015), o SaaS se tornou parte integrante do mercado software e do atual cenário de TI – Tecnologia da Revista Inovação, Projetos e Tecnologias - IPTEC, São Paulo, 11(2) | p. 1-17 | e25530 | jul./dez. 2023 6 de 17 Queiroz, F. W. B., Martins, M. T. W., Milan, G. S., & Maldaner, L. F. (2023, jul./dez.). Produtização da inteligência artificial: análise de cenários em startup de construção civil Informação. O mercado de SaaS é composto por dois tipos de empresas: novas, estabelecidas desde o início como empresas de prestação de serviço; e empresas que entraram neste mercado a partir do mercado tradicional de produtos de software com serviços de software desenvolvidos com base no software de produtos existente (Labes, Hanner, & Zarkenov, 2017). As empresas do primeiro tipo seguiram a abordagem do desenvolvimento a partir do zero para SaaS, considerando os recursos e capacidades do modelo desde o início. Em contraste, o segundo tipo foi a reengenharia para SaaS, sendo planejado complementarmente o software licenciado já existente como o SaaS específico ou para implementar a transformação completa dentro de algum período de tempo (Baliyan & Kumar, 2014). No seu primeiro ano, a empresa já contava com mais de 30 clientes de médio e grande portes e de diferentes segmentos de atuação, e com mais de 90 mil imagens cadastradas na plataforma. Os clientes identificaram o potencial de eficiência que a plataforma de gestão desenvolvida pela startup gerava para a gestão remota de obras. Após três anos de sua fundação a startup já havia desenvolvido uma base de clientes, e ao ouvir as necessidades dos clientes, iniciou o desenvolvimento de uma solução de inteligência artificial sem uma validação do potencial de mercado. 4 Diagnóstico da situação problema e oportunidades identificadas A startup enxergou uma oportunidade na união de sua capacidade de análise de dados ao banco de dados de fotos de seus clientes. Para isso, a empresa desenvolveu uma solução que permitiria identificar objetos nas fotos utilizando IA – Inteligência Artificial. A solução foi desenvolvida inicialmente para um dos principais clientes da empresa, utilizando as fotos e os elementos que seriam necessários para o acompanhamento pela empresa. Na visão dos gestores da startup, a funcionalidade poderia ser utilizada principalmente para o acompanhamento de marcos determinados de um projeto, como por exemplo, o término da instalação de um equipamento ou do forro de drywall. Esta funcionalidade economizaria o tempo dos engenheiros que estariam remotos na análise da evolução da obra. No entanto, a empresa cliente não demonstrou que estaria disposta a pagar pela funcionalidade. Como ainda não havia um contrato estabelecido os clientes, a empresa precisaria obter receitas a partir dessa funcionalidade. O processo de implementação ocorreu por meio de quatro etapas: Etapa 1: Apresentação da Solução para Clientes; Etapa 2: Consolidação dos Feedbacks; Etapa 3: Posicionamento da Estratégia de Preços; e Etapa 4: Posicionamento Comercial. Revista Inovação, Projetos e Tecnologias - IPTEC, São Paulo, 11(2) | p. 1-17 | e25530 | jul./dez. 2023 7 de 17 Queiroz, F. W. B., Martins, M. T. W., Milan, G. S., & Maldaner, L. F. (2023, jul./dez.). Produtização da inteligência artificial: análise de cenários em startup de construção civil 4.1 Rodada de feedback com clientes A apresentação da solução aos clientes permitiu entender que a funcionalidade de IA teria diferentes usos ou aplicações pelos clientes. Desta forma, ao estabelecer um único caso de uso, a startup pode limitar as aplicações. Uma alternativa poderia estar na disponibilização da solução para clientes beta para permitir a produtização da solução comercializada. 4.1.1 Cliente A O cliente relatou que sente falta de um comparativo entre o cronograma projetado da empresa e o realizado. A solução de IA não eliminaria o trabalho de verificação porque ainda precisam verificar a qualidade, por exemplo, na atividade de pintura. Demonstraram interesse por especificidades da empresa, tais como área externa, mobiliário, e comunicação visual. O cliente não conhecia aparentemente IA e precisaram investir um tempo para explicar o conceito. A apresentação trouxe muitos aspectos técnicos, mas poderia ajustar ter um speech com o impacto financeiro. Vale avaliar se o perfil de obras com muitas especificidades são interessantes ou são um desafio. Por exemplo, poderia comparar o resultado da leitura da imagem com a avaliação de qualidade para medir a qualidade do fornecedor, mas são tantos detalhes com tão poucos clientes que o esforço não compensaria. Os participantes tinham o perfil de usuários mais próximos da operação. Usam soluções mais “simples” para acompanhamento. Os critérios de sucesso da PoC – Prova de Conceito foram verbalizados, mas é importante formalizá-los. Aproveitar o teste que fariam com um projeto (Londrina 4 ou Parati) para estimar o custo de onboarding. Os possíveis caminhos para o cliente A seriam: (i) cobrança de onboarding aos clientes; (ii) escalar o uso da IA criando produto “freemium” (premium e gratuito) para entender a sua aderência; (iii) solução de gestão: Disponibilizar APIs – Application Programming Interface, com informações para consumo em outra plataforma de gestão; e (iv) avaliar a funcionalidade de classificação de qualidade, para criação de um indicador de medição de qualidade versus o avanço físico da obra. 4.1.2 Cliente B O cliente B aparentou ver mais valor na solução de IA, e talvez seria mais simples de implementar por ter menos itens a serem acompanhados, algo entre dois a três itens. O cliente solicitou uma solução de integração dos dados gerados com algum produto de gestão. Demonstrou interesse em converter em percentual de avanço. O cliente comentou que tem Revista Inovação, Projetos e Tecnologias - IPTEC, São Paulo, 11(2) | p. 1-17 | e25530 | jul./dez. 2023 8 de 17 Queiroz, F. W. B., Martins, M. T. W., Milan, G. S., & Maldaner, L. F. (2023, jul./dez.). Produtização da inteligência artificial: análise de cenários em startup de construção civil menor complexidade porque algumas dimensões são padronizadas. Um dos possíveis direcionadores de custo pode ser a quantidade de elementos encontrados nas imagens. Outro aspecto levantado seria a possibilidade da solução enviar para o cliente o início e/ou o término de uma fase da obra. 4.1.3 Cliente C O cliente C realizou um teste com um produto cerca de um ano antes da apresentação, e atua fundamentalmente como cliente não regular. A funcionalidade de IA atuou para demonstrar que o produto da empresa evoluiu no período. O cliente demonstrou necessidades que poderiam ser atendidas pelas funcionalidades mais simples da plataforma, tais como a organização das imagens (fotos) e possível validação dos locais relativos às imagens. O cliente também visualizou outras possíveis aplicações para a funcionalidade de IA envolvendo a identificação de diferentes pavimentos, possíveis riscos e níveis de estoque. O que demonstra que a funcionalidade de IA pode ter diferentes aplicações, e o conhecimento prévio poderia ter ampliado o valor da funcionalidade. 4.2 Posicionamento de estratégia de preços Segundo Özer et al. (2012), o preço pode ser definido como o processo de tomada de decisão na determinação da compensação monetária e condições relacionadas dos bens e serviços oferecidos ao cliente. De acordo com Saltan (2021), o preço é um elemento essencial do modelo de negócios e da estratégia do produto, fazendo a ponte entre diferentes funções e unidades de negócios. A tomada de decisão em precificação é baseada em uma análise integrada de diferentes perspectivas e fluxos de informação. Existem muitas abordagens sobre como projetar e sistematizar preços. No entanto, um dos primeiros aspectos fundamentais da precificação é a escolha de uma abordagem ou estratégia de preços. Atualmente, é comum distinguir entre preços baseados em valor, preços baseados nos concorrentes e preços baseados em custos (Wu, Buyya, & Ramamohanarao, 2020): a) Preços Baseados em Valor: baseiam-se no valor percebido pelo cliente em comparação com o que é entregue. A necessidade de avaliar esse valor e os desafios associados tornam essa estratégia muito mais subjetiva em comparação com outras estratégias de precificação. A principal vantagem da precificação baseada em valor é sua justiça subjetiva para os consumidores, que podem comparar suas despesas Revista Inovação, Projetos e Tecnologias - IPTEC, São Paulo, 11(2) | p. 1-17 | e25530 | jul./dez. 2023 9 de 17 Queiroz, F. W. B., Martins, M. T. W., Milan, G. S., & Maldaner, L. F. (2023, jul./dez.). Produtização da inteligência artificial: análise de cenários em startup de construção civil com os benefícios obtidos. No entanto, é um desafio construir porque o valor percebido é medido principalmente pela satisfação do cliente individual, ou seja, pode haver uma forte heterogeneidade entre os clientes, o que pode exigir segmentação adicional; b) Preços Baseados nos Concorrentes: esta abordagem se baseia na análise do equilíbrio de mercado da procura e da oferta e da concorrência no mercado. A precificação baseada no mercado leva em consideração dois tipos de impactos na precificação: sensibilidade ao preço e competitividade do mercado para serviços similares. Alguns pesquisadores e profissionais sugerem a distinção entre preços baseados em concorrentes e preços premium como abordagens separadas dos preços baseados no mercado; c) Preços Baseados em Custos: esta estratégia de preços é fundamentada na análise da estrutura de custos de um fornecedor. Uma das principais razões para adotar essa estratégia é que ela é concreta e tangível. Também pode ser considerado como um preço baseado em fatos. A precificação baseada em custos pode articular um custo unitário e fornecer uma medida para comparação de benchmarking. É uma das ferramentas gerenciais para muitos tomadores de decisão para impulsionar o desempenho dos negócios. Neste contexto, Wu, Buyya e Ramamohanarao (2020) mencionam que nem todas as abordagens de preços discutidas são mutuamente exclusivas, e muitas empresas usam abordagens híbridas que combinam recursos de diferentes modelos. Embora todas as três estratégias de preços existam na prática, sua frequência de uso é difícil de estimar, pois depende muito do contexto. Para produtos de software, muitos especialistas em preços enfatizam as vantagens da precificação baseada em valor, tais como, possibilidade de maior agregação de valor na solução a ser entregue aos clientes, além de potencial de maiores taxas de lucro e de rentabilidade. Os baixos custos variáveis para produtos de software fazem com que os preços baseados em custos não sejam diretamente aplicáveis aos produtos de software. No entanto, muitas empresas da indústria de software ainda dependem convencionalmente de preços baseados em custos e baseados no mercado. Se houver falta de foco na precificação nos níveis estratégico, tático ou operacional, o produto e a empresa provavelmente falharão. Embora o preço seja uma das fontes de sucesso mais potentes para geração de vantagem competitiva na comercialização de soluções SaaS, em muitos casos, é a função de negócios menos explorada por empresas que oferecem este serviço. A transição para o SaaS criou e Revista Inovação, Projetos e Tecnologias - IPTEC, São Paulo, 11(2) | p. 1-17 | e25530 | jul./dez. 2023 10 de 17 Queiroz, F. W. B., Martins, M. T. W., Milan, G. S., & Maldaner, L. F. (2023, jul./dez.). Produtização da inteligência artificial: análise de cenários em startup de construção civil ampliou o número de mecanismos de concepção, experimentação e controle de preços disponíveis. Exemplos de tais mecanismos incluem, mas não estão limitados a taxas de assinatura recorrentes, novos métodos para garantir a discriminação eficiente de preços e o rastreamento de uso em tempo real (Dutt, Jain, & Kumar, 2018). No entanto, essas novas oportunidades também podem representar obstáculos para empresas no processo de compreensão de como os novos processos e práticas de precificação devam ser realizados (Ojala, 2016). Todavia, preços eficientes exigem uma tomada de decisão sofisticada e análise, bem como coordenação e encontrar compromissos entre as muitas funções de negócios envolvidas. A transição para o modelo de negócios SaaS permitiu novas oportunidades para empresas de software em desenvolvimento, entrega e operação de software. O preço vai além da taxa de licença para soluções SaaS e incorpora taxas recorrentes de serviço e manutenção (Cusumano, 2008). Como resultado, o papel do marketing de relacionamento com o cliente aumentou substancialmente e, juntamente com os preços, tornou-se um instrumento essencial na aquisição, na retenção e na monetização de clientes. 4.3 Modelo de comercialização De acordo com Vo (2019), existem três modelos de comercialização de SaaS que possuem variáveis baseadas em duas componentes, preço e a complexidade do produto. O preço está relacionado com a oferta e demanda, influenciado por indicadores como agregação de valor para o cliente. Ao mesmo tempo, pode-se dizer que o preço poderá limitar as ações de venda que podem ser utilizadas pelo provedor de SaaS. Preços baixos necessitam de grandes volumes de venda, além de rapidez na efetivação da venda. Um preço médio poderá diminuir o tamanho do mercado e, consequentemente, redução na demanda. Vender softwares é uma tarefa de alta complexidade e exige esforço e interação da equipe de vendas com seus clientes. Os três modelos de comercialização que se originam da composição de matizes de complexidade e preço, de acordo com Vo (2019, p. 10-11), são os seguintes: Empresarial: os representantes de vendas alcançam as pessoas certas dentro da empresa e passam regularmente meses trabalhando com clientes em potencial. Existem alguns desafios dos recursos SaaS que os fornecedores de TI precisam superar para fechar negócios: SaaS como modelo de auto inscrição, produto pronto e na nuvem (...) Os requisitos são altos, assim como as expectativas. A equipe de vendas deve considerar o compromisso sobre o valor que as soluções realmente trarão para a empresa, e que é necessário tempo para estudar o pedido de proposta e garantir que o produto seja adotado. Revista Inovação, Projetos e Tecnologias - IPTEC, São Paulo, 11(2) | p. 1-17 | e25530 | jul./dez. 2023 11 de 17 Queiroz, F. W. B., Martins, M. T. W., Milan, G. S., & Maldaner, L. F. (2023, jul./dez.). Produtização da inteligência artificial: análise de cenários em startup de construção civil Transacional: a venda transacional é a mais comum e mais escalonável entre os três modelos. Pequenas e médias empresas normalmente recebem assinaturas de receitas recorrentes caracterizadas por telefonemas ou pessoalmente. À medida que os preços aumentam, os clientes exigem um serviço mais personalizado para pagar. O preço transacional estimula as startups a se tornarem sofisticadas com poucas mudanças em seus produto e modelo de negócios. Modelo de vendas de autoatendimento do cliente: a modelo de vendas SaaS de autoatendimento ao cliente normalmente abre um atalho para o acesso do cliente às funcionalidades e é capaz de escalar até milhares de clientes e gerar receitas significativas. Os fornecedores precisam oferecer, no início, um portal de base de conhecimento de autoatendimento e produtos no aplicativo, além de automação e ferramentas para fácil integração que permitam aos clientes resolver quaisquer problemas que eles encontram. De acordo com Kumar (2014), o modelo de comercialização freemium – uma combinação de “grátis” e “premium” – tornou-se o modelo de negócios dominante entre as empresas iniciantes da Internet e os desenvolvedores de aplicativos para smartphones. A lógica por trás deste modelo se baseia na oferta aos usuários de recursos básicos de um SaaS sem nenhum custo e, agindo como estímulo para que acessem funcionalidades mais avançadas por uma taxa de assinatura. Como os recursos gratuitos são uma poderosa ferramenta de marketing, o modelo permite que um novo empreendimento cresça e atraia uma base de usuários sem gastar recursos em campanhas publicitárias caras ou em uma força de vendas tradicional. Ainda segundo Kumar (2014), as taxas de assinatura mensal, normalmente cobradas, estão provando ser uma fonte de receita mais sustentável do que o modelo de publicidade predominante entre as empresas online no início dos anos 2000. Outra alternativa seria utilizar o freemium condicionado a divulgação via redes sociais. Assim, muitos serviços oferecem incentivos para indicar amigos (o que é mais atraente quando o produto é gratuito). Em acréscimo, Kumar (2014) salienta que o modelo freemium é mais bem-sucedido do que os testes gratuitos de trinta dias ou outras ofertas de prazo limitado, porque os clientes ficaram cautelosos com os processos de cancelamento complicados e acham o acesso gratuito por tempo indeterminado mais atraente. Dois exemplos típicos para comercialização via o modelo freemium são as seguintes: (i) oferecer ao cliente uma versão inicial básica e gratuita, como experimentação (por exemplo, utilizando recursos tais como Dropbox e Hubspot CRM); e (ii) oferecer ao cliente a possibilidade de utilizar a versão completa do software, também como experimentação, mas por um período definido, findo o qual, o cliente deverá efetuar a aquisição definitiva ou interromper a sua utilização (Ex: Netflix, Amazon Video e ActiveCampagn). A escala atingida pelas empresas citadas mostra que essa alternativa tem sido efetiva na busca por novos clientes. Revista Inovação, Projetos e Tecnologias - IPTEC, São Paulo, 11(2) | p. 1-17 | e25530 | jul./dez. 2023 12 de 17 Queiroz, F. W. B., Martins, M. T. W., Milan, G. S., & Maldaner, L. F. (2023, jul./dez.). Produtização da inteligência artificial: análise de cenários em startup de construção civil 4.4 Análise da situação problema e recomendações A indústria de software tem características de receita, preços e gestão de custos únicos. Primeiro, o gerenciamento de receita na indústria de software é principalmente sobre definir o preço certo e os clientes certos. Em segundo lugar, a maioria das empresas de software tem uma disparidade considerável entre os custos fixos e custos variáveis, que criam economias de escala do lado da oferta (Kittlaus & Clough, 2009). Por fim, a indústria de software é frequentemente caracterizada por efeitos de rede que condicionam o valor percebido e a disposição a pagar ao número real de clientes (Buxmann, Hess, & Lehmann, 2008). Estas três características do software e da sua indústria confirmam o papel da precificação como chave impulsionador do sucesso do mercado e do crescimento da receita. Embora o sucesso comercial das empresas de software dependa de preços adequados, as decisões sobre a concepção e implementação de preços sempre foram desafiadoras (Bontis & Chung, 2000). Como resultado, muitas vezes, as empresas tomam todas as decisões em relação aos preços como parte dos últimos ciclos de desenvolvimento e lançam software sem ativar totalmente seu potencial de preços. Alcançar o preço certo em empresas de software requer um alinhamento mais estreito entre o gerenciamento de preços e os processos de desenvolvimento do que em qualquer outro setor. Por isso, a precificação é considerada parte integrante do gerenciamento de produtos de software, com as responsabilidades correspondentes recaindo sobre a responsabilidade dos gestores de produto (Kittlaus & Fricker, 2017). Inclusive, Cusumano (2008) menciona que uma empresa que possui seu modelo de negócios como o SaaS, utiliza-se do recurso de cobrança de uma taxa mensal ou anual pela utilização do software. Além disso, há empresas que oferecem treinamento ou outro input como parte opcional do pacote de serviços. 5 Conclusões e contribuições tecnológicas Lançar e desenvolver uma empresa de software como serviço (SaaS) e ter sucesso nesta empreitada não é tarefa fácil. Uma empresa de SaaS B2B, durante seu processo de escalar seu negócio e crescer sua base de clientes, enfrenta vários obstáculos como geração de novos produtos ou novas funcionalidades, altos custos de aquisição de clientes, preocupação com churn (deserção ou perda de clientes) e retenção de clientes, e ciclo de vida do cliente muitas vezes incertos etc. Com a startup analisada, este processo não foi diferente. É oportuno destacar que a startup em estudo não possuía uma estratégia de crescimento clara, que é fundamental para alavancar novos negócios e traduzir um conjunto de táticas e Revista Inovação, Projetos e Tecnologias - IPTEC, São Paulo, 11(2) | p. 1-17 | e25530 | jul./dez. 2023 13 de 17 Queiroz, F. W. B., Martins, M. T. W., Milan, G. S., & Maldaner, L. F. (2023, jul./dez.). Produtização da inteligência artificial: análise de cenários em startup de construção civil iniciativas (ações) de negócio usadas para impulsionar a aquisição de clientes, desenvolvimento do portfólio e expandir o alcance de seus produto SaaS. A análise realizada abordou, entre outros pontos, o processo de gestão do desenvolvimento de produtos e a estratégia de go-to-market da funcionalidade de inteligência artificial. Havia dúvida de como este recurso poderia ser posicionado, um novo produto ou funcionalidade de produto existente. Questões de precificação e posicionamento tornaram o processo complicado. Para tornar a situação mais desafiadora, a empresa “se apaixonou” pela solução, o que dificulta mapear os caminhos para desatar o nó presente na estratégia de negócios e crescimento para esta funcionalidade/produto. Potencialmente, a estratégia de preços desempenhará um papel crucial no processo crescimento da empresa. Dentre diversas possibilidades analisadas, entendeu-se que se deva ir por partes. Entende-se que os clientes contatados para avaliar o produto ainda não tangibilizaram o valor monetário da solução. Diversos autores mencionam a estratégia de degustação como lucrativa na indústria de SaaS, seja através do produto completo grátis por tempo limitado visando uma avaliação gratuita antes de uma assinatura paga. Também é mencionado por autores um upsell de clientes para recursos premium pagos a partir do modelo freemium de recursos básicos. Separar o novo recurso do produto atual como um novo produto ou adicionar o recurso ao produto já utilizado pelos clientes era o outro desafio abordado. A indústria de SaaS está em constante evolução e mudança, e melhorar e inovar seu produto é fundamental. Com a facilidade de deixar de ser cliente, quem não evolui ficará para trás. Os clientes da startup em estudo seguramente têm altas expectativas e estão sempre procurando soluções que ofereçam mais valor. A recomendação realizada é adaptar a solução SaaS já existente para incorporar este novo recurso, modificando-a e enriquecendo-a com o modelo freemium. Além de potencialmente melhor atender às necessidades dos clientes em seus mercados ou regiões geográficas recém-segmentadas pode-se trabalhar com os clientes para capturar feedbacks de uso e realizar ajustes ao longo do uso. Via métodos ágeis e DevOps – Desenvolvimento e Operações, que compreendem uma metodologia para desenvolvimento de sistemas. Por fim, ressalta-se que, atualmente, o negócio não parece ser escalável o suficiente para uma situação clássica de uma startup. A empresa tem agilidade e desejo em prosperar no mercado, mas o produto e a estratégia de go-to-market, de uma pequena empresa, devem ser mais bem equalizados. Garantir uma identidade clara (posicionamento de mercado) é função também da estratégia de crescimento da empresa, que ainda parece estar difusa. Revista Inovação, Projetos e Tecnologias - IPTEC, São Paulo, 11(2) | p. 1-17 | e25530 | jul./dez. 2023 14 de 17 Queiroz, F. W. B., Martins, M. T. W., Milan, G. S., & Maldaner, L. F. (2023, jul./dez.). Produtização da inteligência artificial: análise de cenários em startup de construção civil Referências Asatiani, A., (2015). Why cloud? A review of cloud adoption determinants in organizations. ECIS 2015 Completed Research Papers. Paper 13. Balivan, N. & Kumar, S. (2014). Software process and quality evaluation for semantic. Web Applications, IETE Technical Review, 31(6), 452-462. Barczak, G. & Kahn, K. B. (2012). Identifying new product development best practice. Business Horizons, 55: 293-305. Biondi, G. M. C. B. & Cernev, A. K. (2023). Nuveo: ética digital e inteligência artificial para desafios do mundo real. Revista de Administração Contemporânea, 27(3), e220063, 2023. doi.org/10.1590/1982-7849rac2023220063 Bontis, N. & Chung, H. (2000). The evolution of software pricing: from box licenses to application service provider models. Electronic Networking Applications and Policy, 10(3), 246-255. doi.org/10.1108/10662240010331993. Brinkmann, S. & Kvale, S. (2018). Doing interviews. 2nd edition. Thousand Oaks: Sage Publications. Buxmann, P.; Hess, T., & Lehmann, S. (2008). Software as a service. Wirtschaftsinformatik. 10.1007/s11576-008-0095-0. Campos, T. V.; Santos, E. S.; Ozi, E. J., & Marques, A. (2023). Inovação tecnológica sustentável na construção civil: utilização do tijolo ecológico. Revista de Engenharia e Tecnologia, 15(1). Chesbrough, H. W. (2007). Why companies should have open business models. MIT Sloan Management Review, 48(2): 22. Cusumano, M. A., (2008). The changing software business: moving from products to services. Computer 41, 20: 27. doi.org/10.1109/MC.2008.29 Dutt, A.; Jain, H., & Kumar, S., (2018). Providing Software As A Service: a design decision(s) model. Information Systems and e-Business Management, 16(2): 327-356. Goecking, O.; Vargas, V.; Muylder, C. D., & Gonçalves, C. (2020). Fatores críticos de sucesso de uma startup: um estudo bibliométrico. In: XI EGEPE – Encontro de Estudos sobre Empreendedorismo e Gestão de Pequenas Empresas. Anais… Khanna, D.; Nguyen-Duc, A., & Wang, X. (2018). From MVPs to pivots: a hypothesis-driven journey of two software startups. In: Wnuk, K. & Brinkkemper, S. (eds.). Software business. Lecture Notes in Business Information Processing, 336. Cham: Springer: Cham, 172-186. King, N.; Horrocks, C., & Brooks, J. (2019). Interviews in qualitative research. 2nd edition. Thousand Oaks: Sage Publications. Revista Inovação, Projetos e Tecnologias - IPTEC, São Paulo, 11(2) | p. 1-17 | e25530 | jul./dez. 2023 15 de 17 Queiroz, F. W. B., Martins, M. T. W., Milan, G. S., & Maldaner, L. F. (2023, jul./dez.). Produtização da inteligência artificial: análise de cenários em startup de construção civil Kittlaus, H. & Clough, P. (2009). Software product management and pricing: key success factors for software organizations. Cham: Springer. Kittlaus, H. B. & Fricker, S. (2017). Management of software as a business. Cham: Springer. Köche, I. G.; De Marco, D.; Bobsin, D.; Barbieri, G., & Traverso, L. D. (2023). Uma abordagem das características do modelo de negócio das fintechs gaúchas. Revista de Gestão e Secretariado, 14(7), 10986-11008. Kumar, V., (2014). Making freemium work: many start-ups fail to recognize the challenges of this popular business model. Harvard Business Review, 92: 27-29. Labes, S., Hanner, N., & Zarnekov, R. (2017). Successful business model types of cloud providers. Business & Information Systems Engineering, 59(4): 223-233. 10.1007/s12599-016-0455-z. Lima, Y. A..; Araujo, D. S., & Pires, R. C. S. (2023). Automatização da construção civil através de impressoras 3D. Epitaya E-Books, 1(32): 24-32 LUCHS, M. G.; SWAN, K .S., & GRIFFIN, A. (2015). Design thinking: new product development essentials from the PDMA. Hoboken: John Wiley & Sons. Malhotra, N. K.; Nunan, D., & Birks, D. (2017). Marketing research: applied approach. 5th edition. New York: Pearson. Meirelles, C. R. M.; Sant’anna, S.; Souza, V. C.; Marcondes, F.; Fehr, L.; Oliveira Junior, J. A.; Michelin, G. A.; Bruna, G. C., & Raia, F. (2023). A gestão da construção civil por meio de inovações tecnológicas. In: Tecnologia avançadas e suas abordagens. Curitiba: Seven Editora, capítulo 24. Moogk, D. (2012), Minimum viable product and the importance of experimentation in technology startups. Technology Innovation Management Review, 2: 23-26. Ojala, A. (2016). Business models and opportunity creation: how IT entrepreneurs create and develop business models under uncertainty. Info Systems Journal, 26: 451-476. doi.org/10.1111/isj.12078 Özer, Ö. & Zheng, Y. (2012). Behavioral issues in pricing management. In: Özer, Ö. & Phillips, R. (eds.). The Oxford handbook of pricing management. Oxford: Oxford University Press. Prodanov, C. C. & Freitas, E. C. (2013). Metodologia do trabalho científico: métodos e técnicas da pesquisa e do trabalho acadêmico. Novo Hamburgo: Feevale. Remler, D. K. & Van Ryzin, G. G. (2015). Research methods in practice: strategies for description and causation. 2nd edition. Thousand Oaks: Sage Publications.RIES, E. (2012). A startup enxuta. Rio de Janeiro: Leya Editora. Ries, E. (2012). A startup enxuta. Rio de Janeiro: Leya Editora. Ries, E. (2019). O estilo startup – como as empresas modernas usam o empreendedorismo Revista Inovação, Projetos e Tecnologias - IPTEC, São Paulo, 11(2) | p. 1-17 | e25530 | jul./dez. 2023 16 de 17 Queiroz, F. W. B., Martins, M. T. W., Milan, G. S., & Maldaner, L. F. (2023, jul./dez.). Produtização da inteligência artificial: análise de cenários em startup de construção civil para transformar sua cultura e impulsionar seu crescimento. Rio de Janeiro: Sextante. Saltan, A., (2021). Revealing the state of software-as-a-service pricing. Doctoral thesis. Lappeenranta: Lappeenranta-Lahti University of Technology. Schumpeter, J. A. (1984). Capitalismo, socialismo e democracia. Rio de Janeiro: Zahar. Silva, L. L. & Silva, C. P. F. (2023). A importância do planejamento e controle no gerenciamento da construção civil no Brasil. Gestão e Gerenciamento, 20(20). Soetanto D. & Geenhuizen, M. V. (2005). Technology incubators as nodes in knowledge networks. In: 45º Congress of the European Regional Science Association. Proceedings… Free University Amsterdam. Vo, H. (2019). Researching the “black art” inside saas sales: case study of salesforce CRM. Centria University of Applied Sciences. Wu, C., Buyya, R., & Ramamohanarao, K. (2020). Cloud pricing models. ACM Computing Surveys, 52(6): 1-36. doi.org/10.1145/3342103 Revista Inovação, Projetos e Tecnologias - IPTEC, São Paulo, 11(2) | p. 1-17 | e25530 | jul./dez. 2023 17 de 17