Ex-Kenvue CTDO: Your FDEs Should Teach Us to Fish, Then Leave

El audio y el vídeo están en inglés. Estas notas son una traducción.

Hoy entrevisté a Bernardo Tavares, chief technology and data officer fundador de Kenvue, la empresa detrás de Tylenol y Listerine. Lideró la separación de Johnson & Johnson: 3,200 sistemas, 700 contratos, 230 sitios y 800 personas contratadas, en un negocio que él llama una startup de $15 mil millones.

Creció en Belo Horizonte, el menor de cinco, y armó la carrera entre Brasil, Estados Unidos y el Reino Unido. El giro para los founders es lo que pide como comprador. Los agentes tienen que reemplazar software, no solo personas. Un ingeniero forward-deployed debe enseñarle a la empresa a pescar y después irse. Un piloto que funcionó no es una compra hasta que alguien pueda nombrar el flujo que desapareció.

Estructura y Highlights Clave

Un Año en Twin Falls, y Después Alas

• El menor de cinco. Su padre, ingeniero químico, quería que cada hijo viviera afuera al menos un año de la secundaria
• No había redes sociales, y las llamadas salían caras. Un hermano volvía con un idioma nuevo, un disco de Pink Floyd y una calculadora Texas Instruments
• Su año fue en Twin Falls, Idaho. Hizo una pasantía en circuitos para los primeros teléfonos de auto, y vio la primera Mac en una tienda. Lo llama su momento de 1984
• De vuelta en Brasil: la Universidad de São Paulo, y después el grupo de desarrollo de producto de IBM
• Las mudanzas fueron un costo compartido. Los hijos nacieron nómadas. Heloisa, su mujer, tenía un negocio chico y tenía que pararlo cada vez, y aun así era la primera en decir vámonos
• Votaron por las alas, no por las raíces. Se pone más difícil con la edad, no más fácil

Latinoamérica Fue el Entrenamiento

• Ludmila le había contado a Enzo que se considera un ciudadano global: Brasil, Estados Unidos y el Reino Unido, en roles regionales y globales
• Latinoamérica, dice, no es para principiantes. Hiperinflación, reglas que cambiaban, escasez. Esa capacidad de arreglárselas fue el entrenamiento
• Estados Unidos tenía recursos y más complacencia de la que esperaba. Había supuesto que Estados Unidos y Europa tenían la respuesta moderna
• Ser un poco menos humilde, y resolverlo juntos. Desde un país, el centro parece todopoderoso. Desde un asiento global, el organigrama no es como funciona el poder
• La pregunta que aprendió: cómo puedes ayudarme a ayudarte. El seguimiento pesa más que la autoridad en un papel. Seguir siendo uno mismo, en vez de copiar un estilo corporativo

Cinco Fases en una Sola Lámina

• Hacedor: la facultad de ingeniería y seis años en IBM en Brasil. Dispositivos médicos, software de resonancia magnética, wireless temprano, un switch de fibra óptica. A veces solo tenías el red book. A veces lo escribías tú
• Unilever, 16 años, de chips a detergentes y shampoos. Un péndulo entre negocios descentralizados y sistemas regionales o globales. Más inteligente, no automáticamente central. Lideró equipos de los dos lados
• Johnson & Johnson: escala y healthcare. El consumidor y el paciente son la misma persona, entre dispositivos, farmacéutica y consumer health. El trabajo de datos, antes de la IA, es lo que lo preparó. Lo llevó a un rol de CIO divisional
• Kenvue es la fase que llama divertida. La quinta es un signo de pregunta feliz: IA en el centro, confianza en el centro, asesorar startups y sentarse en boards

Kenvue, una Startup de $15 Mil Millones

• Desenredarse de Johnson & Johnson, tocar la campana en Wall Street, y después 3,200 sistemas, 700 contratos, 230 sitios y 800 contrataciones
• Separar y optimizar, no copiar. Un M&A demasiado grande para fallar, llevado a tierra hasta finales del año pasado
• Nació en la ventana de ChatGPT de 2023. La IA comprimió el tiempo. Dejó a la vista cuánto conocimiento de proceso se había entregado al outsourcing
• La gente se había vuelto administradora de contratos. Apagar incendios departamento por departamento alcanzaba hasta que la oportunidad fue de punta a punta, y alguien tenía que ser dueño de la decisión del modelo
• El arreglo fue devolver la ingeniería al centro, entender de verdad ERP, HR y CRM, y un par two-in-a-box con el dueño del negocio. La IA es la respuesta. ¿Cuál es la pregunta?

Diseñaron para Humanos

• Migrar o clonar 3,200 aplicaciones y 700 proveedores, y después preguntar si los agentes vuelven innecesaria la mitad
• En 2023 diseñaron para humanos y pensaban sumar agentes después. Eso hace más rápido un mal proceso
• Donde eran dueños de la decisión, saltaron: red, cloud, cyber, FinOps, el pipeline de desarrollo. Los datos necesitaban un lakehouse. No estaban listos para IA
• Las aplicaciones de negocio estaban fragmentadas, y demasiadas startups decían tener la respuesta, así que fueron selectivos durante la separación
• Hoy empujaría más fuerte los sistemas pesados de planeación y forecasting. Revenue growth management (promociones comerciales, surtido, mix) puede ser más liviano y construido. Era temprano. No está seguro de que los productos estuvieran listos

El Patrimonio se Queda, el Lastre se Va

• El patrimonio se trae. El lastre se suelta. No siempre sabían cuál era cuál. Una capa nueva significa que otra cosa se cae
• Lo que se queda es la verdad: libros contables, ERPs, sistemas regulatorios. Después de 30 años de hacer de todo, pueden necesitar un programa de fitness
• Decision intelligence más agentes significa menos BI clásico. Ese intercambio es cómo te autofinancias, y cómo la IA mejoró los acuerdos con vendors

Construye el Foso, Compra el Commodity

• El spinoff fue el momento de contratar ingenieros fuertes en cada dominio, para que construir fuera una opción real. No construiría un ERP. Quiere la habilidad de cambiar el core, para que un partner sepa que no estás cautivo
• La infraestructura se volvió software. Los datos se volvieron software. Compra el commodity. Construye la salsa secreta
• On-shelf availability es el que construyeron: unos $100 millones al año ayudando a retailers a predecir góndolas vacías. Un modelo vanilla estaba a la venta. Se quedaron con la IP
• Si sueltas esa ambición, el CIO vuelve a back office. La shadow AI es bienvenida. El código muerto y la superficie de ataque son el costo. Entras temprano y puedes decir que sí. Entras tarde y solo dices que no

Los Agentes Reemplazan Software, o Eres el Malo

• Recortar headcount para financiar agentes quema la licencia social de ser AI-first. Es un relato de miedo
• Los planners que llevaron el IBP toda la vida van a desconfiar de un algoritmo que llega como su reemplazo, después lo tocan y lo empeoran
• Cerca del 80% del desafío sigue siendo gente. El modelo es el 10 al 20%. Financia el trabajo sacando el human middleware, la persona que reescribe una pantalla en otro sistema
• Dile al board que despida a 100 personas, y después a 100 más, y tecnología es el villano. Los agentes tienen que reemplazar software, no solo personas
• El juicio escasea si dejas de contratar gente que aprende por qué antes se tomaba una decisión. Confiar en el agente por defecto no es un plan

Dieciocho Flujos, y Después Uno

• El etiquetado pasa por medical, legal, regulatorio, marketing y marca. Un suplemento o un producto de belleza puede volverse un medicamento si las palabras están mal. El ciclo tomaba meses y frenaba la participación de mercado
• Poner IA encima de 18 flujos y cientos de handoffs no hizo nada
• Primero el proceso, de 18 a uno. Después la fábrica de automatización en India. Después el modelo de etiquetado, porque por fin había algo donde enchufarlo
• Un agente es una tajada de personas, sistema, datos y riesgo. La accountability no se va con él

Muéstrame el Flujo que Eliminaste

• Un piloto que “funcionó” suele ser una coartada: momentum, sin outcome, sin movimiento en el P&L
• La vara que quiere es el flujo que eliminaste. Cien personas que ahorran 20 minutos dejan el tiempo muerto entre handoffs. El proceso puede seguir tardando dos meses
• El año dos, mantener los modelos al día, es un buen problema. El trabajo de la startup es ayudar a dibujar la arquitectura objetivo, que para él significa opcionalidad

Tus Rieles, y Después una App Store de Agentes

• Prefiere Kafka open source y tus propias APIs antes que un middleware del que no puedes irte. Si eres dueño de los microservicios, puedes hacer plug and play
• Dale a los partners de IA una forma común de exponer datos y de ser orquestados, y la capa empieza a parecer una app store sobre el sistema operativo del negocio
• Quiere la observabilidad. También quiere repreciar el SaaS. Pay-as-you-go más tokens no cierra la cuenta de una empresa que no es de tecnología
• El founder al que le pone plata es el que se sienta en esa arquitectura y devuelve las otras capas a su lugar. Eso libera presupuesto sin un layoff

Consejos, OKRs, y un P&L que no se Mueve

• Comprar IA parece recién horizontal. Dice que las empresas de CPG maduras ya tenían investment councils y financiaban estrategias, no pilas de proyectos
• Su ejemplo: revenue growth management se lleva el 8% del dinero y ordena su propio backlog, con arquitectura, privacidad y seguridad en el loop
• El modo de falla es la adhocracia, el que grita más fuerte. Una asignación de verdad significa que una startup encuentra menos burocracia central
• No reorganices primero. Un reorg es el quién y el cómo. Empieza por el impacto (crecimiento, margen, share) y después un outcome como order to cash al 90% touchless. Esa cifra es su ejemplo, no un resultado que diga haber logrado
• Los datos no son el nuevo petróleo. Son el output de un flujo del que eres dueño. Pon el OKR en el value stream, porque el ciclo de vida del producto corta calidad, R&D y ventas
• Si se rompe esa cadena, la encuesta dice 40% más productivos y el P&L no se mueve

No Te Lances en Estampida a los Tokens

• Un amigo de Enzo en ML en Meta andaba por unos 20,000 tokens al mes. Bernardo no va a extrapolar eso a un CPG. No sabe el número
• Teme una estampida liderada por las empresas que venden tokens. Los incentivos funcionan. Diles que quemen tokens y lo van a hacer
• Empuja para atrás como empujó el SaaS: hierro propio, modelos afinados, un precio que te sirva. Si no, heredas código muerto, puertas abiertas y un equipo que no puede absorber el output
• Un modelo desde cero es un encargo enorme. El fine-tuning es el camino cuando el modelo está cerca del core
• En Kenvue afinaron una voz por marca, Neutrogena y Zyrtec entre ellas: guías, mensaje, audiencia. No era increíblemente caro, y valía protegerlo porque la IP era de ellos
• Una aseguradora puede construir un modelo de riesgo. Un CPG no debería asumir que tiene el mismo problema

IP de Verdad, una Cicatriz, y Encaje de Valores

• Las empresas, incluye la suya, son malas eligiendo startups. Un piloto en cada puerta, después un no, y su credibilidad lo paga
• Una firma de venture en el medio arregló el flujo. Nombra el programa Empower: empresas curadas, en dominios que ellos eligieron, para que el equipo oyera más que el pitch
• Cuatro dominios: cloud, cyber, IA, y experiencias digitales, incluido e-commerce. Con ese marco, sus equipos compraron más
• Tres pruebas. IP de verdad, no una slide. Operadores que sintieron el dolor en CPG o supply chain. Valores que puedan convivir con el daño que un sistema puede hacer
• Agresivo puede seguir siendo un no. Me encanta, pero no es para mí

Enséñanos a Pescar, y Después Vete

• El trabajo forward-deployed no es nuevo. Accenture, Salesforce y SAP lo hacen desde hace décadas. Un programa de ERP eran años y cientos de millones. Lo que cambió es el ciclo: un par de días
• Le gusta con moderación, porque admite que el producto no es nada sin su contexto
• Entrenar a la startup en su industria es un regalo que ellos pueden revender. Pregunta por qué no debería hacer forward-deploy de sí mismo, y poner un pod sobre el flujo con gente que ya lo conoce
• El revenue de servicios es la trampa. Enséñale a la empresa a pescar, y vete. Sin fecha de fin, tienes una dependencia que se parece a una consultora. Ya está preguntando a cuántas de esas les está pagando

Pagas Dos Veces, por un Alpha que no Puedes Nombrar

• Posts virales, el de Satya Nadella entre ellos, les advierten a las empresas sobre entregar el conocimiento a proveedores de IA. Está más de acuerdo con el diagnóstico que con el remedio
• Una versión: regalas tu alpha, la inteligencia operativa. La versión de Satya: pagas dos veces, en tokens y en el know-how que donas
• Los datos se pueden cerrar con llave. La inteligencia se escapa cuando la gente corrige el modelo, un millón de veces al día
• La mayoría de las empresas no puede nombrar las dos reglas que de verdad las separan, así que no saben qué proteger, ni cómo usarlo. Palantir te va a vender una ontología. Él preferiría empezar por los dueños del proceso
• Un dueño de proceso mejora el trabajo, no solo lo opera. Un dato roto suele ser un mal proceso. Márcalo como habilitador, core o soporte, y ese dueño se queda con los datos
• El riesgo es asimétrico. Una mala decisión puede quebrar la empresa. Un millón de buenas podría comprar 1% de share

Vende al Hub, o a un Mercado Consentido

• Spoke o hub, casa matriz o un país. Los dos pueden funcionar. La casa matriz igual necesita un país para el piloto. Un país solo funciona si a la empresa ya le importa
• En su carrera esos consentidos fueron India, China, Brasil o México. Ahora, su ejemplo es China para e-commerce e India para trade
• Usa las dos puertas: el director comercial local y el dueño corporativo, en una sola conversación. Solo el mercado, y el piloto puede no renovarse
• Salta la empresa caótica, y chequea que quien ofrece presupuesto de verdad lo tenga. Las consultoras leen bien esa matriz. Las startups deberían aprender el mismo movimiento, que es hacer forward-deploy dentro de la cultura

Una Pizarra, no un Podio

• Ludmila, del equipo LATAM de Johnson & Johnson, lo llamó un CIO profesor. Cree que la palabra cae distinto en portugués o en español. La acepta, y no quiere el Monte Olimpo
• Pizarra, no clase magistral. Toma prestado a Steve Jobs: no digas esto está mal, hazlo así. Pregunta por qué no pueden ver la respuesta
• Al contratar 800 personas, intentó conocerlas. Igual hay lugar para el tough love. El seguimiento que quiere es ambición intelectual: aprenderlo lo bastante bien como para que salga bien a la primera desde entonces
• El trabajo ya se movió. Chief technology and data officer, líder de negocio primero. La casa en orden, y después forward-deploy hacia el negocio. Algo de shadow AI, y después la conversación de cyber. No aparezcas solo para cuidar el presupuesto o para decir que no

Empieza de Nuevo

• Cuando le preguntan quién lo empujó, elige a Heloisa. Dudó en la primera mudanza. Ella cerró su negocio, empacó, y lo hizo de nuevo, sin guardar la queja para después
• Empieza de nuevo después de un exit o de un fracaso. La frase que le gusta: cae siete veces, levántate ocho
• João Pedro estudió y trabajó en el Reino Unido, y después volvió a Brasil a abrir una consultora. El hijo menor está en Nueva York y quiere quedarse. Estar cómodo no es una estrategia de carrera

Glosario Silicon Valley

Personas, Empresas y Referencias

Personas Mencionadas

• Bernardo Tavares: chief technology and data officer fundador de Kenvue, antes en Unilever y Johnson & Johnson
• Enzo Cavalie: host del podcast
• Bruno Vigo: abre el episodio con el comprador, Tylenol, Listerine y pagar dos veces
• Heloisa: su mujer, que cerró su propio negocio para que la familia pudiera mudarse
• Ludmila: ex colega del equipo LATAM de Johnson & Johnson, que lo llamó un CIO profesor
• João Pedro: su hijo, de vuelta en Brasil después del Reino Unido, armando una consultora
• Steve Jobs: la frase de ayudar a la gente a ver la respuesta en vez de dictarla
• Satya Nadella: el aviso de que pagas dos veces, tokens más la inteligencia que donas

Empresas y Organizaciones

• Kenvue: la empresa de consumer health que ayudó a separar y a parar por su cuenta
• Johnson & Johnson: escala, healthcare, y la empresa de la que salió Kenvue
• Unilever: 16 años de tecnología dentro de un negocio de consumo
• IBM: seis años en desarrollo de producto en Brasil
• Tylenol: una marca que el cold open usa para decir qué es Kenvue
• Listerine: la otra marca de ese mismo marco
• Neutrogena: una voz de marca que afinaron dentro de un modelo
• Zyrtec: la otra marca que nombra para ese cerebro
• Palantir: te vende una ontología para el alpha que se está escapando
• OpenAI: un lado de la elección entre plataforma y startup
• Anthropic: el otro lab de esa elección
• Accenture: décadas de trabajo forward-deployed, en su relato
• Salesforce: el mismo patrón
• SAP: los programas de ERP que tomaban años y cientos de millones
• Meta: donde el amigo de Enzo gastaba unos 20,000 tokens al mes
• Kafka: la conexión open source que quiere en vez de un middleware cautivo
• Empower: el programa de venture que curaba startups antes de que llegaran a cada puerta
• Wall Street: donde tocó la campana cuando Kenvue quedó sola

Datos y Referencias

• $40 mil millones: cómo el cold open dimensiona la empresa detrás de Tylenol y Listerine
• $15 mil millones: el revenue que él y Enzo usan para el negocio que armó como una startup
• 3,200 sistemas: aplicaciones a migrar o clonar en la separación
• 700 contratos: proveedores y partners en esa misma revisión
• 230 sitios: la huella de la empresa ya independiente
• 800 personas: contratadas en Kenvue
• 16 años: Unilever
• $100 millones: al año, el modelo de góndola que construyeron en vez de comprar
• 18 flujos: el etiquetado, antes de bajarlo a uno
• 80%: la parte del desafío de IA que todavía le asigna a las personas
• 90% touchless: un ejemplo de order to cash, no un resultado que reclame
• 40%: productividad que la gente dice en encuestas mientras el P&L queda plano
• 1% de share: lo que un millón de buenas decisiones podría comprar, contra una mala que puede quebrarte
• 20,000 tokens: al mes, el contraste de Meta que trae Enzo