Ex-CTDO da Kenvue: Seus FDEs Devem Nos Ensinar a Pescar e Depois Ir Embora

Gravado em inglês, com versão dublada em português no YouTube (⚙️ › Faixa de áudio). Estas notas são uma tradução.

Hoje entrevistei Bernardo Tavares, chief technology and data officer fundador da Kenvue, a empresa por trás do Tylenol e do Listerine. Ele liderou a separação da Johnson & Johnson: 3.200 sistemas, 700 contratos, 230 unidades e 800 pessoas contratadas, em um negócio que ele chama de startup de US$ 15 bilhões.

Ele cresceu em Belo Horizonte, o caçula de cinco irmãos, e construiu a carreira entre o Brasil, os Estados Unidos e o Reino Unido. A virada para os fundadores é o que ele quer como comprador. Os agentes precisam substituir software, não só pessoas. Um forward-deployed engineer deve ensinar a empresa a pescar e depois ir embora. Um piloto que funcionou não é uma compra até que alguém consiga nomear o workflow que desapareceu.

Estrutura e Principais Destaques

Um Ano em Twin Falls, Depois Asas

• Caçula de cinco. O pai, engenheiro químico, queria que cada filho passasse pelo menos um ano do ensino médio fora do país
• Não havia redes sociais, e as ligações eram caras. Um irmão voltou com um idioma novo, um disco do Pink Floyd e uma calculadora Texas Instruments
• O ano dele foi em Twin Falls, Idaho. Fez estágio em circuitos para os primeiros telefones de carro e viu o primeiro Mac numa loja. Ele chama isso de seu momento 1984
• De volta ao Brasil: a Universidade de São Paulo, depois o grupo de desenvolvimento de produto da IBM
• As mudanças tiveram um custo compartilhado. Os filhos nasceram nômades. Heloisa, sua esposa, tinha um pequeno negócio e precisou pará-lo a cada vez, e mesmo assim era a primeira a dizer vamos
• Eles votaram por asas em vez de raízes. Fica mais difícil com a idade, não mais fácil

A América Latina Foi o Treinamento

• Ludmila tinha dito a Enzo que ele se vê como um cidadão global: Brasil, EUA e Reino Unido, em cargos regionais e globais
• A América Latina, diz ele, não é para iniciantes. Hiperinflação, regras que mudam, escassez. Essa capacidade de se virar foi o treinamento
• Os EUA tinham recursos e mais acomodação do que ele esperava. Ele supunha que os EUA e a Europa tinham a resposta moderna
• Seja um pouco menos humilde e descubra junto. De um país, o centro parece todo-poderoso. De uma cadeira global, o organograma não é como o poder funciona
• A pergunta que ele aprendeu: como você pode me ajudar a te ajudar. Ter seguidores vale mais que autoridade no papel. Continue sendo você mesmo em vez de imitar um estilo corporativo

Cinco Fases em Um Slide

• Maker: escola de engenharia e seis anos na IBM no Brasil. Dispositivos médicos, software de ressonância magnética, wireless dos primeiros tempos, um switch de fibra óptica. Às vezes você só tinha o livro vermelho. Às vezes você o escrevia
• Unilever, 16 anos, de chips a detergentes e xampus. Um pêndulo entre negócios descentralizados e sistemas regionais ou globais. Mais inteligente, não automaticamente central. Ele liderou equipes dos dois lados disso
• Johnson & Johnson: escala e saúde. O consumidor e o paciente são a mesma pessoa, entre dispositivos, farmacêuticos e consumer health. O trabalho com dados, antes da IA, foi o que o preparou. Isso o levou a um cargo de CIO de divisão
• A Kenvue é a fase que ele chama de divertida. A quinta é um ponto de interrogação feliz: IA no centro, confiança no centro, aconselhar startups e conselhos

Kenvue, uma Startup de US$ 15 Bilhões

• Desembaraçar-se da Johnson & Johnson, tocar o sino em Wall Street, depois 3.200 sistemas, 700 contratos, 230 unidades e 800 contratações
• Separar e otimizar, não copiar. Um M&A grande demais para falhar, levado até o fim no final do ano passado
• Nasceu na janela do ChatGPT em 2023. A IA comprimiu o tempo. Expôs quanto conhecimento de processo tinha sido entregue à terceirização
• As pessoas tinham virado gestoras de contratos. Apagar incêndio departamento por departamento funcionou até que a oportunidade passou a ser de ponta a ponta, e alguém precisava ser dono da decisão do modelo
• A solução foi trazer a engenharia de volta ao centro, um domínio real de ERP, RH e CRM, e uma dupla two-in-a-box com o dono do negócio. A IA é a resposta. Qual é a pergunta?

Eles Projetaram para Humanos

• Migrar ou clonar 3.200 aplicações e 700 fornecedores, e depois perguntar se os agentes tornam metade disso desnecessária
• Em 2023 eles projetaram para humanos e planejaram adicionar agentes depois. Isso deixa um processo ruim mais rápido
• Onde eram donos da decisão, deram um salto: rede, nuvem, cyber, FinOps, o pipeline de desenvolvimento. Os dados precisavam de um lakehouse. Não estavam prontos para IA
• As aplicações de negócio estavam fragmentadas, e startups demais diziam ter a resposta, então eles foram seletivos durante a separação
• Hoje ele pressionaria mais em planejamento e forecasting pesados. Revenue growth management (promoções comerciais, sortimento, mix) pode ser mais leve e construído internamente. Era cedo. Ele não tem certeza de que os produtos estavam prontos

A Herança Fica, a Bagagem Vai

• A herança você leva. A bagagem você larga. Nem sempre sabiam qual era qual. Uma camada nova significa que outra coisa sai
• O que fica é a verdade: livros contábeis, ERPs, sistemas regulatórios. Depois de 30 anos fazendo de tudo, talvez precisem de um programa de condicionamento físico
• Decision intelligence mais agentes significa menos BI clássico. Essa troca é como você se autofinancia, e como a IA melhorou os contratos com fornecedores

Construa o Fosso, Compre a Commodity

• O spinoff foi o momento de contratar engenheiros fortes em cada domínio, então construir era uma opção real. Ele não construiria um ERP. Ele quer a capacidade de mudar o núcleo, para que um parceiro saiba que você não está preso
• A infraestrutura virou software. Os dados viraram software. Compre a commodity. Construa o molho secreto
• Disponibilidade na gôndola é o que eles construíram: cerca de US$ 100 milhões por ano ajudando varejistas a prever prateleiras vazias. Havia um modelo genérico à venda. Eles ficaram com a propriedade intelectual
• Abra mão dessa ambição e o CIO volta a ser back office. Shadow AI é bem-vinda. Código morto e a superfície de ataque são o custo. Entre cedo e você pode dizer sim. Entre tarde e você só diz não

Agentes Substituem Software, ou Vocês São os Vilões

• Cortar headcount para financiar agentes queima a licença social para ser AI-first. É uma história de medo
• Planejadores que rodaram IBP a vida inteira vão desconfiar de um algoritmo apresentado como seu substituto, e depois mexer nele e piorá-lo
• Cerca de 80% do desafio são pessoas. O modelo é 10 a 20%. Financie o trabalho eliminando o middleware humano, a pessoa que redigita uma tela em outro sistema
• Diga ao conselho para demitir 100 pessoas, depois mais 100, e a tecnologia vira a vilã. Os agentes precisam substituir software, não só pessoas
• O julgamento fica escasso se você para de contratar pessoas que aprendem por que uma decisão costumava ser tomada. Confiar no agente por padrão não é um plano

Dezoito Workflows, Depois Um

• A rotulagem passa por médico, jurídico, regulatório, marketing e marca. Um suplemento ou um produto de beleza pode virar medicamento se as palavras estiverem erradas. O ciclo levava meses e freava o market share
• IA em cima de 18 workflows e centenas de handoffs não fez nada
• Processo primeiro, de 18 para um. Depois a fábrica de automação na Índia. Depois o modelo de rotulagem, porque finalmente havia algo onde conectá-lo
• Um agente é uma fatia de pessoas, sistema, dados e risco. A responsabilidade não vai junto

Mostre o Workflow que Você Eliminou

• Um piloto que “funcionou” muitas vezes é um álibi: impulso, nenhum resultado, nenhum movimento no P&L
• A régua que ele quer é o workflow que você eliminou. Cem pessoas economizando 20 minutos deixam o tempo morto entre handoffs. O processo ainda pode levar dois meses
• O segundo ano, manter os modelos atualizados, é um bom problema. O trabalho da startup é ajudar a desenhar a arquitetura-alvo, que para ele significa opcionalidade

Seus Trilhos, Depois uma App Store de Agentes

• Prefira Kafka open source e suas próprias APIs a um middleware do qual você não consegue sair. Seja dono dos microsserviços e você pode fazer plug and play
• Dê aos parceiros de IA uma forma comum de expor dados e ser orquestrados, e a camada começa a parecer uma app store sobre o sistema operacional do negócio
• Ele quer a observabilidade. Também quer o SaaS reprecificado. Pay-as-you-go mais tokens não fecha a conta para uma empresa que não é de tecnologia
• O fundador que ele financia é o que vai se sentar nessa arquitetura e recolocar as outras camadas no lugar. Isso libera orçamento sem um layoff

Conselhos, OKRs e um P&L que Não Se Mexe

• A compra de IA parece horizontal de um jeito novo. Ele diz que empresas maduras de bens de consumo (CPG) já tinham conselhos de investimento e financiavam estratégias, não pilhas de projetos
• O exemplo dele: revenue growth management recebe 8% do dinheiro e organiza seu próprio backlog, com arquitetura, privacidade e segurança no circuito
• O modo de falha é a adhocracia, quem grita mais alto. Uma alocação de verdade significa que uma startup encontra menos burocracia central
• Não reorganize primeiro. Uma reorganização é quem e como. Comece pelo impacto (crescimento, margem, market share), depois um resultado como order to cash 90% touchless. Esse número é um exemplo dele, não um resultado que ele reivindica
• Dados não são o novo petróleo. São o produto de um workflow do qual você é dono. Coloque o OKR no value stream, porque o ciclo de vida do produto atravessa qualidade, P&D e vendas
• Perca essa cadeia e a pesquisa diz 40% mais produtivo enquanto o P&L não se mexe

Não Saia em Debandada para os Tokens

• O amigo de Enzo em ML na Meta estava em cerca de 20.000 tokens por mês. Bernardo não vai extrapolar isso para uma empresa de CPG. Ele não sabe o número
• Ele teme uma debandada liderada pelas empresas que vendem tokens. Incentivos funcionam. Diga às pessoas para queimar tokens e elas vão queimar
• Resista do jeito que ele resistiu ao SaaS: tenha o próprio hardware, ajuste modelos, consiga um preço que faça sentido. Senão você herda código morto, portas abertas e uma equipe que não consegue absorver o resultado
• Um modelo do zero é pedir muito. Fine-tuning é o caminho quando o modelo está perto do núcleo
• Na Kenvue eles ajustaram uma voz por marca, Neutrogena e Zyrtec entre elas: diretrizes, mensagem, público. Não foi incrivelmente caro, e vale proteger porque a propriedade intelectual era deles
• Uma seguradora talvez construa um modelo de risco. Uma empresa de CPG não deveria supor que tem o mesmo problema

Propriedade Intelectual Real, uma Cicatriz e Afinidade de Valores

• As grandes empresas, e ele inclui a sua, são ruins com startups. Um piloto em cada porta, depois um não, e a credibilidade dele paga o preço
• Uma firma de venture no meio consertou o fluxo. Ele cita o programa Empower: empresas selecionadas, em domínios que eles escolheram, para que a equipe ouvisse mais do que o pitch
• Quatro domínios: nuvem, cyber, IA e experiências digitais, incluindo e-commerce. Com esse enquadramento, as equipes dele compraram mais
• Três testes. Propriedade intelectual real, não um slide. Operadores que sentiram a dor em CPG ou supply chain. Valores capazes de conviver com o dano que um sistema pode causar
• Agressivo ainda pode ser um não. Adorei, mas não é para mim

Ensine a Pescar, Depois Vá Embora

• O trabalho forward-deployed não é novo. Accenture, Salesforce e SAP fazem isso há décadas. Um programa de ERP levava anos e centenas de milhões. O que mudou é o tempo de ciclo: um par de dias
• Ele gosta disso com moderação, porque admite que o produto não é nada sem o contexto dele
• Treinar a startup na indústria dele é um presente que ela pode revender. Ele pergunta por que não deveria fazer o forward-deploy ele mesmo, e colocar um pod no workflow com pessoas que já o conhecem
• A receita de serviços é a armadilha. Ensine a empresa a pescar, depois vá embora. Sem data de término, você tem uma dependência que parece uma consultoria. Ele já está perguntando por quantas dessas está pagando

Você Paga Duas Vezes, por um Alpha que Não Consegue Nomear

• Posts virais, entre eles o de Satya Nadella, alertam as grandes empresas sobre entregar conhecimento aos provedores de IA. Ele concorda mais com o diagnóstico do que com o remédio
• Uma versão: você entrega seu alpha, a inteligência operacional. A versão de Satya: você paga duas vezes, em tokens e no know-how que você doa
• Os dados podem ser trancados. A inteligência vaza quando as pessoas corrigem o modelo, um milhão de vezes por dia
• A maioria das empresas não consegue nomear as duas regras que realmente as diferenciam, então não sabe o que proteger, nem como usar. A Palantir vai vender uma ontologia. Ele prefere começar pelos donos de processo
• Um dono de processo melhora o trabalho, não só o executa. Dado quebrado geralmente é um processo ruim. Classifique como habilitador, core ou suporte, e esse dono fica com os dados
• O risco é assimétrico. Uma decisão ruim pode arruinar a empresa. Um milhão de boas talvez comprem 1% de market share

Venda para o Hub, ou para um Mercado Queridinho

• Spoke ou hub, matriz ou um país. Os dois podem funcionar. A matriz ainda precisa de um país para pilotar. Um país só funciona se a empresa já se importa com ele
• Na carreira dele, esses queridinhos foram Índia, China, Brasil ou México. Agora, o exemplo dele é China para e-commerce e Índia para trade
• Use as duas portas: o diretor de vendas local e o dono corporativo, numa mesma conversa. Só o mercado, e o piloto pode não ser renovado
• Pule a empresa caótica, e confira se a pessoa que oferece orçamento realmente o tem. As consultorias leem bem essa matriz. As startups deveriam aprender o mesmo movimento, que é fazer o forward-deploy dentro da cultura

Um Quadro Branco, Não um Púlpito

• Ludmila, da equipe da Johnson & Johnson na América Latina, o chamou de CIO professor. Ele acha que a palavra soa diferente em português ou espanhol. Ele aceita, e não quer o Monte Olimpo
• Quadro branco, não palestra. Ele pega emprestado de Steve Jobs: não diga que isso está errado, faça daquele jeito. Pergunte por que eles não conseguem ver a resposta
• Contratando 800 pessoas, ele tentou conhecê-las. Ainda há espaço para amor exigente. O tipo de seguidor que ele quer tem ambição intelectual: aprender bem o suficiente para acertar de primeira dali em diante
• O cargo já mudou. Chief technology and data officer, líder de negócio em primeiro lugar. Casa em ordem, depois forward-deploy dentro do negócio. Um pouco de shadow AI, depois a conversa de cyber. Não apareça só para vigiar o orçamento ou para dizer não

Começar de Novo

• Perguntado sobre quem o impulsionou, ele escolhe Heloisa. Ele hesitou na primeira mudança. Ela fechou o negócio, fez as malas e fez tudo de novo, sem guardar a reclamação para depois
• Comece de novo depois de um exit ou de um fracasso. A frase de que ele gosta: caia sete vezes, levante-se oito
• João Pedro estudou e trabalhou no Reino Unido, depois voltou ao Brasil para abrir uma consultoria. O filho caçula está em Nova York e quer ficar. Conforto não é estratégia de carreira

Glossário do Vale do Silício

Pessoas, Empresas e Referências

Pessoas Mencionadas

• Bernardo Tavares: chief technology and data officer fundador da Kenvue, antes Unilever e Johnson & Johnson
• Enzo Cavalie: apresentador do podcast
• Bruno Vigo: abre o episódio falando do comprador, do Tylenol, do Listerine e de pagar duas vezes
• Heloisa: sua esposa, que fechou o próprio negócio para que a família pudesse se mudar
• Ludmila: ex-colega na equipe da Johnson & Johnson na América Latina, que o chamou de CIO professor
• João Pedro: seu filho, de volta ao Brasil depois do Reino Unido, construindo uma consultoria
• Steve Jobs: a frase sobre ajudar as pessoas a ver a resposta em vez de ditá-la
• Satya Nadella: o alerta do “você paga duas vezes”, tokens mais a inteligência que você doa

Empresas e Organizações

• Kenvue: a empresa de consumer health que ele ajudou a separar e a caminhar sozinha
• Johnson & Johnson: escala, saúde e a empresa da qual a Kenvue saiu
• Unilever: 16 anos de tecnologia dentro de um negócio de consumo
• IBM: seis anos em desenvolvimento de produto no Brasil
• Tylenol: uma marca que a abertura usa para dizer o que é a Kenvue
• Listerine: a outra marca nesse enquadramento
• Neutrogena: uma voz de marca que eles ajustaram em um modelo
• Zyrtec: a outra marca que ele cita para esse cérebro
• Palantir: vai te vender uma ontologia para o alpha que você está vazando
• OpenAI: um lado da escolha entre plataforma e startup
• Anthropic: o outro laboratório nessa escolha
• Accenture: décadas de trabalho forward-deployed, segundo ele
• Salesforce: o mesmo padrão
• SAP: os programas de ERP que levavam anos e centenas de milhões
• Meta: onde o amigo de Enzo gastava cerca de 20.000 tokens por mês
• Kafka: a conexão open source que ele quer no lugar de um middleware cativo
• Empower: o programa de venture que selecionava startups antes que chegassem a todas as portas
• Wall Street: onde ele tocou o sino quando a Kenvue passou a caminhar sozinha

Dados e Referências

• US$ 40 bilhões: como a abertura dimensiona a empresa por trás do Tylenol e do Listerine
• US$ 15 bilhões: a receita que ele e Enzo usam para o negócio que ele construiu como uma startup
• 3.200 sistemas: aplicações a migrar ou clonar na separação
• 700 contratos: fornecedores e parceiros nessa mesma revisão
• 230 unidades: a presença física independente
• 800 pessoas: contratadas na Kenvue
• 16 anos: Unilever
• US$ 100 milhões: por ano, o modelo de disponibilidade na gôndola que eles construíram em vez de comprar
• 18 workflows: rotulagem, antes de reduzirem a um
• 80%: a parcela do desafio de IA que ele ainda atribui às pessoas
• 90% touchless: um exemplo de order to cash, não um resultado que ele reivindica
• 40%: a produtividade que as pessoas declaram nas pesquisas enquanto o P&L fica parado
• 1% de market share: o que um milhão de boas decisões talvez comprem, contra uma decisão ruim que pode te arruinar
• 20.000 tokens: por mês, o contraste da Meta que Enzo traz