Diretoria · Conselho · 2025Eficiência Operacional
Plano de Reequilíbrio
Diagnóstico, tese e pedido executivo para levar a Teddy do −R$ 4,5 MM ao break-even em até 12 meses — combinando crescimento moderado, eficiência e retenção de spread.
Capa & Pedido Executivo· Criado em 14 de maio de 2026Diretoria · Conselho · 2025Eficiência Operacional
Plano de Reequilíbrio
Diagnóstico, tese e pedido executivo para levar a Teddy do −R$ 4,5 MM ao break-even em até 12 meses — combinando crescimento moderado, eficiência e retenção de spread.
01 · Snapshot ExecutivoModelo provado, margem ainda sob compressão
A operação está a ~R$ 375 mil/mês do break-even. Pequenos ganhos já reposicionam a companhia em geração de caixa.
02 · Diagnóstico EstratégicoForças validadas vs. lacunas de eficiência
O modelo está provado. O gap está na conversão de escala em margem.
| Frente | Força validada | Evidência | Lacuna atual |
|---|---|---|---|
| Originação | Capacidade comercial em escala | ~R$ 1,48 bi acumulado | Custo de aquisição não decresce com volume |
| Modelo | Recorrência operacional | Produção estável e previsível | Margem não acompanha o crescimento |
| Consig | Vertical-âncora consolidada | ~70% prod · ~77% LB | Concentração de risco |
| Verticais nicho | Spread saudável | Conkey · Veículos | Sub-escala — falta capital de atenção |
| Estrutura comercial | Distribuição já escalada | Canais e parceiros ativos | Headcount cresce sem ganho de produtividade |
03 · Pontos de atritoQuatro frentes onde a estrutura cresceu mais rápido que a eficiência
| Frente | Sintoma | Impacto estimado | Owner |
|---|---|---|---|
| Estrutura inchada | Retrabalho · baixa automação · controles paralelos | R$ 120–200k/mês | COO |
| Margem comprimida | Comissão banker + indiretas absorvem o spread | ~1,45% margem bruta | CFO |
| Dependência Consig | Concentração operacional, regulatória e bancária | Risco de −20% volume | CCO |
| Crescimento sem produtividade | Headcount sobe, produção/cabeça não | R$ 80–150k/mês | CCO + COO |
Atrito é corrigível — não é problema de mercado, receita ou produto.
04 · TeseTrês alavancas, um único objetivo: caixa operacional
O gap até o break-even é pequeno e endereçável simultaneamente por crescimento moderado, eficiência e retenção de spread.
Crescimento moderado nas verticais com tração — sem reabertura de novas frentes.
Reestruturação operacional, fornecedores e processos sem afetar capacidade comercial.
Retenção de spread via renegociação de comissão banker e parceiros.
05 · Projeto 1 · CrescimentoBreak-even via crescimento
Produção adicional de ~R$ 310 MM levaria a operação ao zero a zero mantendo a estrutura atual.
| Vertical | Produção Atual | Break-Even | Δ Necessário |
|---|---|---|---|
| Consig | R$ 1,037 bi | R$ 1,254 bi | +R$ 217 MM |
| The House | R$ 325 MM | R$ 393 MM | +R$ 68 MM |
| Conkey | R$ 87 MM | R$ 105 MM | +R$ 18 MM |
| Veículos | R$ 13 MM | R$ 16 MM | +R$ 3 MM |
| PJ | R$ 15 MM | R$ 18 MM | +R$ 3 MM |
5.1 · Matriz consolidada de verticaisPlano por vertical — alavanca, owner e prazo
| Vertical | Atual | Break-even | Δ | Margem | Alavanca-chave | Owner | Prazo |
|---|---|---|---|---|---|---|---|
| Consig | R$ 1,037 bi | R$ 1,254 bi | +R$ 217 MM | Alta | Produtividade por banker + parceiros | CCO | 6m |
| The House | R$ 325 MM | R$ 393 MM | +R$ 68 MM | Média | Ticket + conversão | Head House | 6m |
| Conkey | R$ 87 MM | R$ 105 MM | +R$ 18 MM | Alta | Expansão comercial | Head Conkey | 9m |
| Veículos | R$ 13 MM | R$ 16 MM | +R$ 3 MM | Alta | Canais B2B + integrações | Head Veículos | 9m |
| PJ | R$ 15 MM | R$ 18 MM | +R$ 3 MM | Baixa | Revisão de modelo — go/no-go | CCO | 3m |
Consig responde por ~70% da meta incremental. PJ entra em revisão estratégica com decisão go/no-go em 90 dias.
06 · Projeto 2 · EficiênciaBreak-even via eficiência
Reduzir ~R$ 375k/mês sem comprometer capacidade comercial — ROI < 6 meses em todas as frentes.
| Frente | Redução mensal | Investimento | Payback | Owner |
|---|---|---|---|---|
| Estrutura administrativa | R$ 80–120k | R$ 150k | 2 meses | COO |
| Retrabalho operacional | R$ 50–80k | R$ 200k | 4 meses | COO |
| Fornecedores redundantes | R$ 40–70k | — | Imediato | CFO |
| Ferramentas / licenças | R$ 25–45k | — | Imediato | CFO |
| Processos manuais | R$ 50–90k | R$ 250k | 5 meses | COO |
| Custos pulverizados | R$ 40–60k | — | Imediato | CFO |
| Ineficiência de gestão | R$ 50–80k | R$ 100k | 2 meses | CEO |
07 · Cenário recomendadoCenário 3 — combinação calibrada das três alavancas
Não é só crescer, nem só cortar. É a composição que sai do zero a zero e gera caixa relevante.
08 · Governança por KPIMetas e KPIs de execução
Cada frente medida mensalmente. Sem KPI, não há mandato.
| KPI | Baseline | Meta 12m | Frequência | Owner |
|---|---|---|---|---|
| Produção mensal | R$ 123 MM | R$ 135 MM | Mensal | CCO |
| Produtividade / banker | Indexado 100 | Indexado 115 | Mensal | CCO |
| Custo / operação | Indexado 100 | Indexado 88 | Mensal | COO |
| SLA operacional | — | ≥ 95% | Semanal | COO |
| Retrabalho (%) | — | ≤ 3% | Mensal | COO |
| Margem bruta | 1,45% | 1,65% | Mensal | CFO |
| Resultado operacional | −R$ 375k/mês | ≥ R$ 0 | Mensal | CFO |
09 · Riscos e mitigaçõesMapa de riscos com stress test Consig
| Risco | Probabilidade | Impacto | Mitigação | Owner |
|---|---|---|---|---|
| Consig −20% volume (regulatório/bancário) | Média | −R$ 9 MM receita | Acelerar Conkey + Veículos · diversificação bancária | CEO + CCO |
| Atraso em eficiência (>6m) | Média | Mantém −R$ 4,5 MM | Comitê quinzenal · gates trimestrais | COO |
| Saída de bankers-chave | Baixa-Média | −R$ 50–100 MM produção | Plano de retenção + carteira reserva | CCO |
| Compressão adicional de spread | Baixa | −0,15 p.p. margem | Renegociação banker + mix de produto | CFO |
| Não captação do capital de giro | Baixa | Restringe execução | Linha pré-aprovada com parceiro | CFO |
10 · Roadmap de execuçãoExecução em três janelas
Cada janela com entregáveis, owner e gate de decisão.
- • Corte de fornecedores e licenças redundantes
- • Renegociação banker (piloto)
- • Comitê semanal de execução
- • Go/no-go vertical PJ
- • Painel de KPIs operacionais
- • Automação de processos manuais
- • Reestruturação administrativa
- • Renegociação banker (rollout)
- • Aceleração comercial Consig
- • Diversificação bancária
- • Produção R$ 1,62 bi
- • Margem 1,65%
- • EBITDA positivo recorrente
- • Conkey + Veículos em escala
- • Capacidade de reinvestimento
11 · Missão 10-10-30 · IACrescer com eficiência, margem e escalabilidade
IA como motor de eficiência: três pilares que tiram a operação do break-even e geram caixa recorrente.
Escala, conversão e produtividade comercial.
Automação, eficiência operacional e redução de desperdícios.
Mix, inteligência comercial e retenção de margem → EBITDA.
12 · Execução por Business UnitIA distribuída por unidade — uma alavanca por BU
Cada BU recebe uma iniciativa estratégica com impacto direto em custo, conversão ou spread.
| BU | Iniciativa estratégica | Impacto esperado | Owner |
|---|---|---|---|
| Consig360 | Automação operacional + análise inteligente | ↓ Custo · ↑ Velocidade | COO |
| The House | IA de qualificação imobiliária | ↑ Conversão · ↑ Produtividade | Head House |
| Teddy 360 | IA comercial + CRM inteligente | ↑ Performance dos bankers | CCO |
| ConKey | IA educacional + automação de treinamento | ↑ Escalabilidade operacional | Head Conkey |
| Na Hora Crédito | IA de pré-análise + crédito inteligente | ↑ Spread · ↑ Eficiência | CFO |
13 · Decisão do ConselhoO que pedimos para executar
Autorização para execução integrada
- • CEO patrocina · CFO controla · COO executa eficiência · CCO executa crescimento
- • Comitê de execução mensal com diretoria
- • Gate trimestral com Conselho
R$ 6–8 MM de capital de giro
- • Cobre 12 meses de caminho até o break-even
- • Financia investimentos de eficiência (~R$ 700k, payback < 6m)
- • Retorna em geração de caixa a partir do mês 7
14 · AI Productivity · AberturaDa Escala Humana para a Escala Inteligente
Construímos plataforma, ecossistema e operação investindo em pessoas e tecnologia. Agora crescemos através de IA, automação e ganho contínuo de produtividade — sem ampliar headcount na mesma proporção da receita.
Não é redução de quadro. É multiplicação de valor gerado por colaborador — cada pessoa apoiada por IA passa a produzir muitas vezes mais do que antes.
15 · AI Productivity · RacionalPor que estamos fazendo essa transformação
Sete objetivos operacionais claros — todos convergem para escalar receita sem escalar custo proporcionalmente.
- Aumentar produtividade por colaborador
- Eliminar tarefas repetitivas e manuais
- Reduzir retrabalho e erros operacionais
- Melhorar qualidade das entregas
- Aumentar velocidade de execução (SLA)
- Liberar pessoas para atividades estratégicas
- Crescer sem aumentar headcount proporcionalmente
Nosso objetivo não é trabalhar com menos pessoas. É fazer com que cada colaborador gere muito mais valor para a empresa.
16 · AI Productivity · Matriz por áreaOnde a IA já opera hoje na Teddy — 12 frentes
Ganhos calibrados por benchmarks públicos de mercado (2023–2025). A calibrar com telemetria interna no comitê mensal de IA.
| Área | Ferramenta / abordagem | Exemplo de uso | Ganho de referência | Fonte |
|---|---|---|---|---|
| Engenharia | GitHub Copilot + Cursor | Autocomplete, refactor, code review | +26% PRs · −55% tempo de tarefa | GitHub Research 2022/2024 |
| Produto | ChatGPT Enterprise + Notion AI | Síntese de entrevistas, redação de PRDs | +10–15% produtividade em dev de produto | McKinsey State of AI 2024 |
| QA | TestGen-LLM (Meta) · Diffblue | Geração automática de testes unitários | −30% esforço · +75% cobertura assistida | Meta Research 2024 · Gartner |
| Marketing | ChatGPT + Midjourney + Jasper | Campanhas, copy, criativos, landing pages | +30% output · 5–15% do gasto de mkt liberado | McKinsey Gen-AI Economic Potential (2023) |
| Comercial | Salesforce Einstein · Apollo AI | Prospecção, scoring, next-best-action | +3–5 p.p. em ROI de vendas · +10–15% conversão | Salesforce State of Sales 2024 |
| Financeiro | SAM OCR + Ramp/UiPath | Conciliação, entrada de notas, fechamento | −60 a −80% em tempo de conciliação | Deloitte Finance in a Digital World 2024 |
| Jurídico | Harvey · Luminance | Revisão de contratos e due diligence | −80% tempo de review contratual | Allen & Overy / Harvey case (2023) |
| Compliance | ComplyAdvantage · Feedzai | Triagem de alertas AML e PLD | −20 a −30% em falsos positivos | McKinsey Global Banking Review 2023 |
| Atendimento | Zendesk AI · Intercom Fin | Copiloto de agente + deflection automatizado | 2/3 dos chats resolvidos por IA (~700 FTE) | Klarna AI Report 2024 |
| Customer Success | Gainsight AI · Catalyst | Health score preditivo e alerta de churn | −5 a −10% de churn em contas monitoradas | Gainsight Pulse Report 2024 |
| RH | LinkedIn Recruiter AI · Eightfold | Triagem e ranking de candidatos | −47% tempo de sourcing | LinkedIn Future of Recruiting 2024 |
| Analytics | ThoughtSpot Sage · Tableau Pulse | Self-service em linguagem natural | 5× mais rápido para responder pergunta de negócio | ThoughtSpot / Tableau (2024) |
Ganhos = referência de mercado, não meta contratual. Cada frente terá metas próprias definidas no roadmap interno de IA da Teddy.
17 · AI Productivity · Antes × DepoisA mesma operação, com capacidade multiplicada
Faixas de impacto observadas em programas de IA corporativa comparáveis (Fortune 500 · fintechs · bancos digitais).
| Indicador operacional | Antes (índice) | Depois (faixa) | Δ | Referência |
|---|---|---|---|---|
| Tempo médio das atividades-alvo | 100 | 40–55 | −45 a −60% | McKinsey Gen-AI 2023 |
| Volume produzido (mesma equipe) | 100 | 180–220 | +80 a +120% | Klarna 2024 · GitHub 2024 |
| SLA médio de entrega | 100 | 45–65 | −35 a −55% | Zendesk CX Trends 2024 |
| Retrabalho | 100 | 35–55 | −45 a −65% | Deloitte Finance 2024 |
| Erros operacionais | 100 | 25–45 | −55 a −75% | UiPath Automation Benchmark 2024 |
| Custo operacional por unidade produzida | 100 | 55–70 | −30 a −45% | BCG AI at Scale 2024 |
Faixas de referência de mercado — Teddy publicará valores medidos por área a cada fechamento trimestral, seguindo a metodologia do capítulo 22.
18 · AI Productivity · ProjetosProjetos de IA já em produção
Dois exemplos concretos ilustram o padrão que se repete nas demais frentes.
- • Maior capacidade operacional com o mesmo time
- • Menor SLA percebido pelo cliente final
- • Redução de retrabalho e erros de digitação
- • ~3× o volume de campanhas por mês (faixa McKinsey Gen-AI Mkt 2024: 2-4×)
- • Ciclo de produção reduzido de dias para horas (HubSpot AI Trends 2024)
- • Padronização de tom e qualidade
SAM OCR = medição interna. Marketing generativo = faixa calibrada por benchmarks McKinsey e HubSpot 2024.
19 · AI Productivity · EficiênciaIndicadores por colaborador — trajetória calibrada por benchmark
Índice base 100 = pré-IA. Projeção 12m usa faixa média observada em programas de IA de fintechs / bancos digitais comparáveis.
| Indicador (por colaborador) | Pré-IA | Meta 12m (benchmark) | Referência |
|---|---|---|---|
| Receita | 100 | 135–145 | McKinsey Gen-AI in Banking 2024 |
| Lucro | 100 | 150–165 | BCG AI at Scale 2024 |
| Originação | 100 | 130–140 | Salesforce State of Sales 2024 |
| EBITDA | 100 | 145–160 | McKinsey Global Banking 2024 |
| Receita por desenvolvedor | 100 | 155–175 | GitHub Copilot Research 2024 |
| Produção por analista de crédito | 100 | 170–190 | Deloitte Finance 2024 |
| Atendimentos por agente | 100 | 165–180 | Klarna AI Report 2024 |
| Propostas processadas / mês | 100 | 185–210 | UiPath Automation Benchmark 2024 |
Faixas de mercado usadas como meta indicativa. Comitê mensal de IA reporta o valor medido vs a faixa de benchmark.
20 · AI Productivity · Score proprietárioAI Productivity Score — indicador proprietário Teddy
Índice único (0-100) baseado nos oito pilares medidos pelo MIT CISR AI Maturity Index e pela McKinsey QuantumBlack AI Maturity Model.
| Componente | Peso | Score | Referência do peso |
|---|---|---|---|
| Processos automatizados | 20% | 58 | MIT CISR |
| Horas economizadas / mês | 15% | 65 | McKinsey QB |
| Áreas cobertas por IA | 15% | 70 | MIT CISR |
| Ganho operacional agregado | 15% | 60 | BCG AI at Scale |
| Redução de SLA | 10% | 68 | Zendesk CX |
| Redução de erros | 10% | 72 | UiPath Benchmark |
| Receita por colaborador | 10% | 55 | McKinsey Gen-AI |
| Lucro por colaborador | 5% | 50 | BCG AI at Scale |
Score baseline calculado a partir de projetos em produção + inventário de IA · re-medição trimestral.
21 · AI Productivity · Impacto financeiroComo a IA se traduz em caixa
Meta 12m calibrada pelo intervalo médio observado no McKinsey Gen-AI Economic Potential (2023): +9 a +15% de EBIT em serviços financeiros.
Faixas apresentadas em vez de valor único para explicitar intervalo de confiança. Fechamento trimestral publica o realizado dentro (ou fora) da faixa.
22 · AI Productivity · MetodologiaComo os números foram calculados
Base de sustentação dos ganhos apresentados nos capítulos 16–21. Toda métrica tem fonte, fórmula e responsável.
| Métrica | Como é medida | Fonte primária | Fórmula | Responsável |
|---|---|---|---|---|
| Antes × Depois | Amostragem cronometrada da mesma atividade em ≥3 colaboradores, pré e pós-IA | Registros de tempo por processo (SAM, tickets, pipelines CI, jobs) | Média(tempo pré) vs Média(tempo pós) · redução % | Líder da BU + PMO de IA |
| Horas economizadas | Diferença de tempo por transação × volume mensal da atividade | Logs de sistema + volume operacional por área | (tempo_antes − tempo_depois) × volume_mês | PMO de IA |
| Ganho de produtividade | Volume produzido pela mesma equipe antes e depois da IA | Sistemas transacionais de cada área | (volume_depois / volume_antes) − 1 | Líder da BU |
| SLA | Tempo entre entrada da demanda e entrega concluída | Ticketing, workflow interno, esteira de crédito | p50 e p90 do lead-time, mês a mês | Operações + Líder da BU |
| Erros / retrabalho | Ocorrências que exigem correção ou reprocessamento | Bug tracker, devoluções, apontamentos de auditoria | erros / total_processado (taxa %) | Qualidade + Auditoria |
| Economia (R$) | Horas economizadas × custo hora carregado da função | RH (custo hora por função) + volume operacional | horas_economizadas × custo_hora_médio | Controladoria + RH |
| ROI dos projetos | Benefício anualizado sobre investimento total do projeto | Controladoria + backlog de projetos de IA | (economia_ano − custo_projeto) / custo_projeto | Controladoria + PMO de IA |
22.1 · AI Productivity · Playbook para BUsComo cada BU deve olhar, medir e reportar sua área
Guia obrigatório para líderes de BU consolidarem os números que vão para o material de investidores. Mesma régua, mesma linguagem, mesma cadência.
A redução de headcount observada em 2025–2026 não é layoff. Reflete reorganização por produtividade: desligamentos por performance, reestruturação de squads e não-reposição de posições cujo trabalho passou a ser feito com apoio de IA. Toda comunicação (investidores, imprensa, colaboradores) deve seguir esta narrativa — ampliamos capacidade por pessoa, não cortamos por custo.
- • Mapear 3 a 5 processos-chave com volume mensal e SLA.
- • Medir Antes × Depois em amostra de ≥3 pessoas por processo.
- • Registrar ferramenta de IA, data de go-live e responsável.
- • Calcular horas, SLA e erros pelas fórmulas do cap. 22.
- • Traduzir horas em R$ pelo custo-hora carregado do RH.
- • Reportar ao Comitê de IA mensalmente (dia 5).
- • Usar a palavra "layoff" em qualquer comunicação.
- • Reportar ganho sem baseline Antes × Depois.
- • Extrapolar economia anual a partir de 1 semana de medição.
- • Contar a mesma economia em duas áreas (dupla contagem).
- • Prometer ganho sem responsável nomeado e go-live.
- • Publicar número sem selo do Comitê de IA.
| Campo obrigatório por BU | Exemplo (Financeiro · SAM OCR) | Fonte / Responsável |
|---|---|---|
| Processo | Conciliação de comprovantes | Líder da BU |
| Volume mensal | 3.200 documentos | Sistema transacional |
| Tempo antes × depois | 20 min → 2 min | Cronometragem ≥3 pessoas |
| Ferramenta de IA + go-live | SAM OCR · abr/2025 | Produto / IA |
| Headcount antes × depois | 6 → 4 (2 realocados) | RH — sem termo layoff |
| Economia R$/mês | 1.800 h × R$ 55 = R$ 99 k | Controladoria |
| Status do dado | Medido em produção | Comitê de IA valida |
Playbook obrigatório para toda BU que contribui ao deck de investidores. Dados sem os 7 campos são devolvidos pelo Comitê de IA e não entram no material oficial.
23 · AI Productivity · Exemplos de cálculoComo cada métrica é calculada — com exemplo real
Cada linha aplica a fórmula do capítulo 22 a um caso concreto de uma área da Teddy.
| Métrica | Fórmula | Exemplo (dados de entrada) | Cálculo | Resultado |
|---|---|---|---|---|
| Horas economizadas / mês | (t_antes − t_depois) × volume_mês / 60 | Financeiro · conciliação · t_antes=20 min · t_depois=2 min · 6.000 lançamentos/mês | (20 − 2) × 6.000 / 60 | 1.800 h / mês |
| Ganho de produtividade (%) | (volume_depois / volume_antes) − 1 | Marketing · 40 campanhas/mês antes → 120 depois (mesma equipe) | (120 / 40) − 1 | +200% (3×) |
| SLA (redução %) | 1 − (SLA_depois / SLA_antes) | Atendimento · SLA médio 48 h → 22 h | 1 − (22 / 48) | −54% |
| Taxa de erros | erros / total_processado | QA · 12 defeitos em 4.000 execuções (depois) vs 60 em 4.000 (antes) | 60/4.000 vs 12/4.000 | 1,5% → 0,3% (−80%) |
| Economia (R$/mês) | horas_economizadas × custo_hora_carregado | Financeiro · 1.800 h × R$ 55/h (custo hora carregado do analista) | 1.800 × 55 | R$ 99.000 / mês |
| Economia anual | economia_mês × 12 | R$ 99.000 × 12 | = 12 × 99.000 | R$ 1,19 MM / ano |
| ROI do projeto | (benefício_ano − custo_projeto) / custo_projeto | SAM OCR · benefício R$ 1,19 MM / custo total R$ 260 k (licença + integração 12m) | (1.190.000 − 260.000) / 260.000 | 3,6× (360% ROI) |
| Payback (meses) | custo_projeto / economia_mês | R$ 260.000 / R$ 99.000 | = 260 / 99 | 2,6 meses |
Exemplo do Financeiro usa SAM OCR (medido em produção). Marketing, Atendimento e QA usam volumes representativos da operação atual — a serem confirmados no comitê de IA.
24 · AI Productivity · Consolidado por BUComparativo automático: variação Antes × Depois e impacto financeiro
Consolida em uma única visão os ganhos por BU (SLA, erros e horas) e converte em economia estimada no período selecionado.
| BU · Processo | Volume | Horas/mês | SLA (h) antes → depois | Erros (%) antes → depois | Economia / anual |
|---|---|---|---|---|---|
Financeiro Conciliação bancária e fechamento | 6.000 lançamentos/mês | 1.800 | 47→8(−83%) | 1.9→0.2(−88%) | R$ 1.188.000 |
Atendimento Triagem, resposta e escalonamento | 12.000 tickets/mês | 1.200 | 38→15(−61%) | 4.6→1.1(−76%) | R$ 792.000 |
Engenharia Desenvolvimento e revisão de código | 420 PRs/mês | 640 | 53→23(−56%) | 3.2→1.4(−55%) | R$ 422.400 |
Marketing Conteúdo e campanhas | 40 → 120 campanhas/mês | 520 | 96→18(−81%) | 2.0→0.6(−71%) | R$ 343.200 |
QA Testes e garantia de qualidade | 4.000 execuções/mês | 480 | 32→7(−78%) | 1.6→0.3(−79%) | R$ 316.800 |
Jurídico Revisão contratual | 220 contratos/mês | 380 | 82→16(−81%) | 2.5→0.7(−72%) | R$ 250.800 |
Customer Success Retenção e expansão | 180 contas ativas | 260 | 76→16(−79%) | 3.0→0.9(−71%) | R$ 171.600 |
RH Recrutamento e onboarding | 900 aplicações/mês | 210 | 47→8(−83%) | 4.3→1.1(−75%) | R$ 138.600 |
| Total consolidado | 8 BUs | 5.490 | −75% | −75% | R$ 3.623.400 |
25 · AI Productivity · InterativoAntes × Depois — horas, SLA e erros por time
Selecione um time e um período para ver o impacto consolidado da IA no dia a dia da operação.
Dados representativos calibrados com benchmarks de mercado (McKinsey, GitHub, Deloitte, Klarna) e casos internos como o SAM OCR. Valores em produção serão validados pelo comitê de IA.
26 · AI Productivity · FontesFontes e referências dos benchmarks
Todos os ganhos apresentados nos capítulos 16–21 têm ancoragem pública verificável.
| Referência | Uso na apresentação |
|---|---|
| McKinsey · The Economic Potential of Generative AI (2023) | Impacto financeiro, marketing, produção |
| McKinsey · Global Banking Annual Review (2023–2024) | Compliance, banking productivity |
| McKinsey State of AI (2024) | Produto, adoção corporativa |
| BCG · AI at Scale (2024) | ROI, custo por unidade, lucro por FTE |
| Deloitte · Finance in a Digital World (2024) | Financeiro, conciliação, margem |
| GitHub Research · Copilot Impact (2022 / 2024) | Engenharia, PRs, tempo de tarefa |
| Referência | Uso na apresentação |
|---|---|
| Klarna · AI Assistant Report (2024) | Atendimento (2/3 dos chats por IA · 700 FTE) |
| Zendesk · CX Trends Report (2024) | SLA, deflection, satisfação |
| Salesforce · State of Sales (2024) | Comercial, conversão, ROI |
| Gainsight · Pulse Report (2024) | Customer Success, redução de churn |
| LinkedIn · Future of Recruiting (2024) | RH, sourcing |
| Allen & Overy / Harvey Case Study (2023) | Jurídico, revisão contratual |
| Meta Research · TestGen-LLM (2024) · Gartner | QA, geração de testes |
| UiPath Automation Benchmark (2024) | Erros operacionais, RPA + IA |
| ThoughtSpot / Tableau (2024) | Analytics self-service |
| MIT CISR · AI Maturity Index | Pesos do AI Productivity Score |
Benchmarks públicos usados como referência de faixa esperada. Resultado realizado da Teddy é medido internamente e reportado trimestralmente ao Conselho.
27 · AI Productivity · Mensagem executivaA Teddy entra em uma nova fase — InfraTech AI-First
A Teddy concluiu a primeira fase de construção do seu ecossistema. A partir deste momento, a estratégia deixa de ser ampliar equipes proporcionalmente ao crescimento da receita e passa a ser ampliar produtividade através de Inteligência Artificial. A empresa automatizou processos críticos, aumentou significativamente sua capacidade operacional, reduziu atividades repetitivas e elevou a eficiência de todas as áreas estratégicas. Essa transformação aumenta a escalabilidade, fortalece a geração de caixa e amplia a capacidade de expansão das margens.
"Nosso objetivo não é operar com menos pessoas. Nosso objetivo é construir uma organização onde cada colaborador, apoiado por IA, gere múltiplas vezes mais valor do que gerava anteriormente. Essa é a base da próxima fase de crescimento da Teddy." — CEO
Conclusão ExecutivaO desafio é transformar escala em eficiência operacional — e o caminho é executável em 12 meses.
Com mandato, capital de giro e disciplina de KPIs, a Teddy sai do −R$ 4,5 MM e passa a gerar R$ 3–4 MM/ano de caixa operacional.