Indústria de ingredientes (alimentos, farmacêutico, cosméticos) · França / Global · 2023–2024
Chatbot corporativo de IA generativa libera de 2 a 4 horas semanais por colaborador
A Roquette criou seu próprio assistente conversacional baseado em IA generativa, com confidencialidade reforçada, e estendeu o uso para mais de mil colaboradores no mundo.
Contexto
A Roquette é uma indústria familiar global com cerca de 10 mil colaboradores, fornecedora de ingredientes para os setores farmacêutico, alimentício, nutricional e cosmético.
O problema prioritário
Em poucos meses, centenas de colaboradores começaram a usar versões públicas de chatbots de IA generativa por iniciativa própria. Isso trazia ganho de produtividade, mas criava um risco real de exposição de informações confidenciais da empresa.
Objetivo do projeto
Oferecer aos colaboradores um chatbot interno com a mesma utilidade dos públicos, mas com confidencialidade reforçada, governança e integração à infraestrutura corporativa.
Passo a passo da jornada
- Reconhecer o uso espontâneo — A liderança observou que centenas de colaboradores já usavam ferramentas públicas — o caminho não era proibir, mas oferecer alternativa segura.
- Aproveitar a infraestrutura existente — Como o ambiente de TI da Roquette já era baseado em nuvem Microsoft, o uso do Azure OpenAI Service era a opção natural.
- Subir uma primeira versão em horas — O acesso ao serviço foi obtido em poucas horas; em seguida foi montada uma plataforma interna para padronizar o uso.
- Testar com grupo controlado — Um piloto com cerca de 300 colaboradores precedeu a abertura para o grupo todo.
- Investir em capacitação — Seminários, workshops e tutoriais ensinaram boas práticas de segurança e construção de instruções (prompts).
- Estender para áreas-chave — Áreas como RH e Auditoria Interna passaram a usar a ferramenta em redação de documentos, atas e preparação de auditorias.
Dados necessários
- Documentos internos administrativos
- Conteúdos de RH (descrições de cargos, comunicados, atas)
- Materiais usados em preparação de auditorias
Ferramentas e arquitetura
Barreiras enfrentadas
- Risco de vazamento de informação confidencial em ferramentas públicas
- Necessidade de garantir que os dados não fossem usados para treinar modelos externos
- Adoção desigual entre áreas e perfis de colaboradores
Aprendizados-chave
- Quando colaboradores já estão usando IA generativa por conta própria, oferecer uma alternativa interna é mais eficaz do que proibir.
- Usar a inferência de modelos prontos (sem treiná-los) é uma forma viável de equilibrar inovação, custo e governança.
- Capacitação contínua é o que separa uma ferramenta instalada de uma ferramenta efetivamente usada.