RespostasPublicado12 fontes
O modelo de IA que levou o WorkBuddy a 9 departamentos da Shanghai Jahwa
A Shanghai Jahwa expandiu o WorkBuddy de um piloto iniciado em abril de 2026 nas áreas de TI e RH para nove departamentos, reportando ganhos médios de eficiência superiores a 4,5 vezes. O principal exemplo está na cadeia de suprimentos: uma gerente sem experiência em programação usou scripts Python gerados pelo Work...
Publicado porEditado com GPT-5.6 LunaImagens geradas com GPT Image 1.5
Resposta de pesquisa
Principais conclusões
- A Shanghai Jahwa expandiu o WorkBuddy de um piloto iniciado em abril de 2026 nas áreas de TI e RH para nove departamentos, reportando ganhos médios de eficiência superiores a 4,5 vezes.
- O principal exemplo está na cadeia de suprimentos: uma gerente sem experiência em programação usou scripts Python gerados pelo WorkBuddy e Skills reutilizáveis para reduzir uma análise mensal com cerca de 60 milhões d...
- O modelo combina conhecimento de negócio, validação com dados históricos, tratamento de exceções e compartilhamento de fluxos bem sucedidos entre as equipes.
- No mês mais recente citado, 67% dos usuários aplicaram a ferramenta a atividades especializadas, 63% a processamento e análise de dados e 57% a automação ou operações e manutenção.
Prompt de IA
openai.comCreate a landscape editorial hero image for this Studio Global article: How did Tencent’s WorkBuddy AI office agent scale from an April 2026 pilot with Shanghai Jahwa’s IT and HR teams into routine production acr. Article summary: Shanghai Jahwa’s deployment appears to have scaled by turning individual employees’ repeatable domain workflows into reusable AI “skills,” then sharing them across teams—not by treating WorkBuddy as a generic chatbot or . Topic tags: general, news, documentation, general web. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts wi
O caso da Shanghai Jahwa chama atenção menos pelo número de 4,5 vezes e mais pela forma como a empresa chegou a esse resultado. Em vez de implantar um assistente de IA como um chatbot genérico, as equipes transformaram tarefas recorrentes e baseadas em regras em fluxos testados e “Skills” — habilidades reutilizáveis que podem ser executadas novamente e compartilhadas com outros funcionários. 4
Os resultados são expressivos, mas precisam ser interpretados com cautela: os números de eficiência vêm de estudos de caso divulgados pela própria empresa, e não de uma auditoria independente de produtividade.
Do piloto em duas áreas à operação em nove departamentos
O WorkBuddy teria começado na Shanghai Jahwa com as equipes de TI e RH, em abril de 2026. Depois, passou a ser usado rotineiramente em nove departamentos, incluindo cadeia de suprimentos, marketing de marca, pesquisa e desenvolvimento, finanças, RH e TI. A empresa informou ganhos médios de eficiência superiores a 4,5 vezes. 4
A expansão seguiu quatro etapas principais:
- Identificar tarefas repetitivas. Cada área mapeou processos que envolviam coleta e conciliação de dados, formatação, análise ou elaboração de relatórios.
- Transformar regras de negócio em fluxos. Os funcionários detalharam como o trabalho era feito e usaram o WorkBuddy para criar scripts ou Skills estruturadas.
- Validar com dados reais. As equipes compararam os resultados com trabalhos históricos, corrigiram erros e incluíram exceções encontradas nos testes.
- Reutilizar o que funcionava. Depois de validado, o fluxo podia ser executado repetidamente e compartilhado com outras pessoas ou departamentos.
Assim, a adoção deixou de ser apenas uma instalação de software e passou a funcionar como um processo de redesenho do trabalho. Os funcionários que conheciam o negócio continuaram responsáveis pelo julgamento e pelo controle de qualidade, enquanto o agente assumia boa parte da execução repetitiva.
De pesquisa regulatória a painéis de fábrica
O uso relatado foi muito além da criação de textos. No mês mais recente citado, 67% dos usuários aplicaram o WorkBuddy a atividades especializadas de negócio, 63% a processamento e análise de dados e 57% a automação, operações ou manutenção. Esses percentuais representam a parcela de usuários que recorreu à ferramenta em cada tipo de atividade — não quanto tempo foi economizado em cada uma delas. 7
Entre os exemplos estão:
- Pesquisa e desenvolvimento: pesquisa sobre ingredientes cosméticos e regulamentações aplicáveis.
- Finanças: transformação das regras de análise de reembolsos em um processo repetível e geração de relatórios para triagem de investimentos.
- Recursos humanos: criação de lembretes sobre o fim do período de experiência para gestores e funcionários.
- Cadeia de suprimentos: atualização automática de painéis operacionais em vários setores da fábrica.
- Marketing de marca: geração de insights sobre consumidores, análise de conteúdo e produção de materiais de marketing.
A equipe de marketing também teria convertido cerca de 70% das reuniões semanais baseadas em apresentações em páginas HTML. Os materiais podiam ser compartilhados com toda a empresa, atualizados online e consultados sem depender da distribuição de uma nova apresentação estática.
O fluxo da cadeia de suprimentos que tornou o modelo concreto
O exemplo mais detalhado veio da conciliação de cobranças logísticas. A operação B2C da Shanghai Jahwa utiliza plataformas como Tmall, JD e Douyin, enquanto despesas de armazenagem, manuseio, entrega e outros custos ficam distribuídas em sete categorias brutas de cobrança. Ao longo de 18 meses, o conjunto de dados chegou a aproximadamente 60 milhões de linhas. O processo mensal baseado em Excel consumia de cinco a seis dias-pessoa, e arquivos grandes podiam se tornar difíceis de abrir ou processar.
Zhang Ying, gerente de operações da cadeia de suprimentos, tinha formação em economia e não sabia programar. Segundo o relato, ela dividiu o processo mensal em etapas menores. O WorkBuddy gerou scripts em Python para essas etapas, e Zhang os testou repetidamente usando os 18 meses de dados históricos. Quando os testes revelaram exceções ou novas regras de negócio, ela incorporou essas informações às Skills reutilizáveis.
As reduções de tempo reportadas foram:
- Análise mensal das cobranças: de dois dias-pessoa para 15 minutos.
- Tabela-base do gráfico de borboleta: de um dia-pessoa para dois minutos.
- Painel visual: de 1,5 dia-pessoa para três minutos.
- Fluxo mensal completo: de cinco ou seis dias-pessoa para menos de 20 minutos.
- Maior ganho informado em uma tarefa individual: até 150 vezes.
O resultado não foi apenas uma planilha mais rápida. O painel final permitia filtrar os dados por dimensões como marca, plataforma, categoria de despesa e tíquete médio. Os gestores também podiam abrir um link e consultar os resultados atualizados, sem esperar que um novo relatório fosse montado.
Por que a implantação conseguiu ganhar escala
O caso sugere que agentes corporativos tendem a se espalhar com mais facilidade quando os primeiros usos têm três características:
- acontecem com frequência suficiente para justificar a automação;
- seguem regras que podem ser explicadas e testadas;
- produzem resultados que podem ser comparados com registros existentes ou expectativas do negócio.
A conciliação logística se encaixava bem nesse padrão. Era uma atividade repetitiva e intensiva em dados, mas ainda exigia uma pessoa que entendesse a estrutura das cobranças, reconhecesse exceções e avaliasse se o resultado fazia sentido para a empresa. O WorkBuddy acelerou o trabalho mecânico sem eliminar essa supervisão especializada.
O mesmo princípio apareceu em finanças, RH, pesquisa e desenvolvimento e marketing. Cada equipe forneceu contexto e julgamento; o agente ajudou a empacotar as partes repetíveis em fluxos que podiam ser executados novamente e, em alguns casos, compartilhados com uma parte maior da organização. 4
Um multiplicador de produtividade — não uma substituição automática de empregos
A mensagem da Tencent a partir dessa implantação é mais específica — e mais prática — do que afirmar que a IA substitui trabalhadores de escritório. Os ganhos relatados vieram de especialistas que definiram regras, validaram resultados, corrigiram exceções e transformaram processos bem-sucedidos em ativos reutilizáveis da organização. 4
Essa distinção é importante. Um chatbot pode fornecer uma resposta pontual; uma Skill testada pode preservar a maneira como a empresa executa uma tarefa recorrente. O valor tende a se acumular quando vários departamentos criam e reutilizam fluxos, em vez de manter cada automação como um experimento isolado.
Ainda assim, os números de destaque não devem ser generalizados automaticamente para qualquer empresa ou função. As evidências disponíveis descrevem resultados informados pela Shanghai Jahwa em fluxos selecionados e não comprovam, de forma independente, um aumento de 4,5 vezes na produtividade de todos os funcionários. A conclusão mais segura é sobre o modelo operacional: começar por tarefas mensuráveis e repetitivas, manter especialistas no circuito, validar os resultados com dados reais e compartilhar o que funciona.
Studio Global AI
Continue sua pesquisa
Esta página inclui uma resposta baseada na fonte que você pode continuar em Studio Global.
As pessoas também perguntam
Qual é a resposta curta para "O modelo de IA que levou o WorkBuddy a 9 departamentos da Shanghai Jahwa"?
A Shanghai Jahwa expandiu o WorkBuddy de um piloto iniciado em abril de 2026 nas áreas de TI e RH para nove departamentos, reportando ganhos médios de eficiência superiores a 4,5 vezes.
Quais são os pontos-chave para validar primeiro?
A Shanghai Jahwa expandiu o WorkBuddy de um piloto iniciado em abril de 2026 nas áreas de TI e RH para nove departamentos, reportando ganhos médios de eficiência superiores a 4,5 vezes. O principal exemplo está na cadeia de suprimentos: uma gerente sem experiência em programação usou scripts Python gerados pelo WorkBuddy e Skills reutilizáveis para reduzir uma análise mensal com cerca de 60 milhões d...
O que devo fazer a seguir na prática?
O modelo combina conhecimento de negócio, validação com dados históricos, tratamento de exceções e compartilhamento de fluxos bem sucedidos entre as equipes.
Fontes
pandaily.comWorkBuddy Goes to Work at Shanghai Jahwa: 9 Departments, 4.5x Average Efficiency
tencentcloud.comWorkBuddy · Your scenario-based AI All-in-one Package
ciw.newsTencent's WorkBuddy shows where China's AI money is moving
tencent.comTencent Hy3 Now Available Globally, Extending Practical AI Across ...