Como a IA está Transformando a Análise de Dados na Grab

A Grab, uma das principais superapps do Sudeste Asiático, está passando por uma transformação significativa em sua abordagem analítica, impulsionada pela inteligência artificial (IA). A empresa tem como objetivo democratizar o acesso à inteligência, garantindo que todos os tomadores de decisão tenham acesso imediato a respostas confiáveis.

Nos últimos dois anos, a capacidade dos modelos de IA evoluiu a um ponto em que os agentes agora conseguem realizar em minutos tarefas que antes levavam uma semana, como preparar dados, escrever consultas, realizar análises profundas e apresentar insights sobre oportunidades de negócios.

Essa mudança não apenas acelera o processo analítico, mas também redefine o papel dos analistas. Com o aumento da autonomia dos agentes de IA, o foco dos analistas se desloca da produção de artefatos para a formulação de perguntas e decisões estratégicas.

Isso permite que os analistas atuem como construtores, conselheiros e estrategistas, gerenciando o ciclo analítico em vez de apenas executá-lo. Essa nova dinâmica desbloqueia a capacidade de realizar trabalhos que antes não eram viáveis, colocando analistas ao lado de gerentes de produto e proprietários de negócios no momento da decisão.

A Grab se inspirou em modelos de codificação de IA, como o proposto por Dan Shapiro, para desenvolver uma estrutura que define o quanto do ciclo analítico um agente deve controlar e onde o julgamento humano é necessário. Essa estrutura é fundamental para garantir que, mesmo com a automação, a responsabilidade humana permaneça intacta. O julgamento humano é essencial em várias etapas, como a definição de métricas, a formulação de histórias causais e a gestão de relacionamentos com stakeholders.

Cinco capacidades principais são necessárias para elevar um fluxo de trabalho na hierarquia de autonomia da IA. Essas capacidades incluem execução, conhecimento, controle, revisão e governança, e aprendizado. A execução refere-se à capacidade de um sistema de gerenciar o ciclo analítico de forma autônoma, enquanto o conhecimento envolve a certificação de métricas e a contextualização dos dados. O controle garante que as expectativas sejam repetíveis e que a revisão humana trate de exceções que não podem ser resolvidas por regras automatizadas.

Um exemplo prático dessa transformação é o uso do Spartan, um fluxo de trabalho analítico que opera em plataformas como o Slack. Esse sistema permite que usuários não analistas façam perguntas em linguagem natural e recebam respostas rápidas e precisas. Por exemplo, um gerente comercial pode perguntar sobre a queda de receita em um segmento específico, e o sistema automaticamente direciona a consulta para a análise apropriada, utilizando conhecimento codificado sobre métricas e suas inter-relações.

Outro exemplo é o Scarlet, que permite a automação de pipelines quase autônomas. Quando um pipeline falha, um agente realiza a análise de causa raiz e pode corrigir o problema ou encaminhá-lo para a equipe responsável. Essa abordagem não apenas melhora a eficiência, mas também reduz o tempo de inatividade e aumenta a confiabilidade dos processos analíticos.

A Grab também investiu em manter a qualidade do contexto dos dados, reconhecendo que informações desatualizadas podem levar a erros significativos. Para isso, a empresa desenvolveu o ContextIQ, que trata o contexto como um ativo dinâmico, atualizando-o continuamente à medida que novas informações se tornam disponíveis. Isso garante que os agentes de IA operem com dados precisos e relevantes, minimizando o risco de erros.

Além disso, a Grab tem promovido uma cultura de automação entre seus analistas, permitindo que eles construam ferramentas personalizadas que melhoram seus fluxos de trabalho. Essa iniciativa resultou em uma redução significativa no tempo de ciclo dos projetos analíticos, com um tempo médio de ciclo caindo de três dias para dois. Essa eficiência não apenas libera os analistas para se concentrarem em tarefas de maior valor, mas também melhora a experiência dos stakeholders que dependem de insights rápidos e precisos.

A automação também se estendeu a comentários sobre métricas e OKRs, com bots que geram análises automaticamente e as enviam diretamente aos stakeholders. Isso não apenas economiza tempo, mas também garante que as informações sejam apresentadas de maneira consistente e fundamentada.

A Grab tem demonstrado um crescimento significativo na adoção de suas ferramentas analíticas, com um aumento de mais de dez vezes no uso desde setembro de 2025. Essa expansão reflete a eficácia das soluções de IA implementadas e a aceitação crescente entre os usuários não técnicos.

Essas inovações não surgiram de um planejamento estratégico formal, mas sim de analistas que identificaram oportunidades de automação e implementaram soluções práticas. Essa abordagem ágil e orientada por dados é um testemunho do potencial transformador da IA na análise de dados.

Em resumo, a transformação analítica da Grab, impulsionada por agentes de IA, não apenas melhora a eficiência operacional, mas também democratiza o acesso à inteligência dentro da organização. Essa mudança representa um avanço significativo na forma como as decisões de negócios são tomadas, permitindo que a Grab continue a liderar o mercado de superapps no Sudeste Asiático.

A capacidade de adaptar-se rapidamente e inovar continuamente será crucial para o sucesso futuro da Grab. À medida que a empresa continua a explorar novas aplicações de IA e a refinar seus processos analíticos, ela está bem posicionada para enfrentar os desafios do mercado e aproveitar novas oportunidades de crescimento.