A DNP colocou o ChatGPT Enterprise à disposição de dez departamentos e tratou a janela de chat como a interface

A janela de chat como a única interface que os funcionários precisaram aprender

Fundada em 1876 e com mais de 37.000 funcionários, a Dai Nippon Printing decidiu adotar IA em toda a organização em abril de 2023, construiu um ambiente seguro até maio e lançou o ChatGPT Enterprise em dez departamentos centrais em fevereiro de 2025. O que chama atenção nos resultados divulgados é o quanto do trabalho passou a entrar por uma única superfície conversacional, em vez de por aplicações feitas sob medida.

A empresa estabeleceu metas de comportamento bem concretas: cada funcionário deveria usar o ChatGPT pelo menos 100 vezes por semana, e as equipes deveriam automatizar mais de 50% do tempo dedicado às tarefas. Em três meses, a DNP registrou uma taxa de uso ativo semanal de 100% e relatou que 90% dos casos de uso apresentaram resultados mensuráveis. Fosse qual fosse a tarefa por trás, o frontend com o qual as pessoas interagiam era sempre a mesma caixa de texto.

Quando a interface é conversacional, quem não programa também entrega código

O exemplo mais claro está na divisão de pesquisa de tecnologia de produção da DNP, onde funcionários sem experiência prévia em Python geraram e executaram código através do ChatGPT Enterprise para operar equipamentos experimentais, fazer medições e analisar dados de avaliação de materiais. A DNP afirma que trabalhos que tradicionalmente levavam mais de um ano foram concluídos em poucos dias, e que a estruturação de informações a partir de patentes em inglês e princípios de equipamentos caiu de vários meses para três dias.

Esse é o significado prático de um frontend conversacional: a interface absorve a lacuna de habilidade. Em vez de entregar uma ferramenta de análise de dados com interface própria, a DNP deixou que os pesquisadores descrevessem suas intenções em linguagem natural e recebessem código executável em troca. A barreira que normalmente separa conhecimento de domínio e software — saber programar — passou a existir dentro da própria conversa.

GPTs personalizados como um frontend compartilhado para o conhecimento institucional

A DNP relata uma taxa de reaproveitamento de conhecimento de 70% através de GPTs personalizados, além de uma iniciativa de preservação de conhecimento liderada por Isaku Osawa, que digitaliza manuais em papel e registros históricos de qualidade em uma base de conhecimento interna acessível por esses GPTs personalizados. O tempo para definir a arquitetura de dados caiu 90%, e a equipe dobrou o número de artigos técnicos que conseguia revisar.

Nosso objetivo é transformar o conhecimento de gerações em trabalho digital.Montana Labs

A decisão de design aqui é que o frontend de busca e o frontend de chat de uso geral são o mesmo produto. O conhecimento institucional não ganha um portal próprio; ele se torna apenas mais um GPT ao lado dos que os funcionários já usam todos os dias. Essa taxa de reaproveitamento sugere que é a superfície compartilhada, e não o prompt individual, onde o valor se acumula.

O trabalho de propriedade intelectual e conformidade mostra que a interface ainda termina em uma pessoa

Na divisão de P&D de TIC, a equipe de Yohei Ishida automatizou a busca, resumo e classificação de patentes, reduzindo o tempo de pesquisa em 95% e ampliando a cobertura em dez vezes, enquanto os primeiros rascunhos de análise competitiva tiveram o tempo de preparação reduzido em 80%. Ishida observa que os registros antes dependiam do julgamento individual, com padrões variando de pessoa para pessoa; a interface compartilhada tornou as decisões mais objetivas.

Do lado da governança de TI, a equipe de Masahiro Kobayashi reduziu a comparação de auditorias de 30 minutos para 5, a seleção de conjuntos criptográficos de 3 horas para 1, e uma verificação inicial de cerca de 100 itens do CIS Benchmark de dois dias-pessoa para 10 minutos. Ele deixa claro que o frontend entrega rascunhos, não decisões.

A verificação e as checagens finais continuam sendo responsabilidade das pessoas.Montana Labs

A lição específica: padronize a superfície, não o fluxo de trabalho

A adoção da DNP chama atenção porque a empresa não construiu dez ferramentas específicas para cada departamento. Ela deu a dez departamentos um único frontend conversacional e deixou que cada equipe construísse GPTs personalizados e casos de uso compartilhados em cima dele. Hiroyuki Otake descreve o mecanismo de forma direta — o uso foi tornado visível, as equipes experimentaram, compartilharam aprendizados e iteraram — e foi assim que uma única interface gerou fluxos de trabalho de patentes, análise em Python e digitalização de conhecimento a partir do mesmo ponto de partida.

Para equipes que estão avaliando como implantar IA generativa internamente, a lição da DNP é concreta: o ganho de escala veio de padronizar o ponto de entrada e deixar os fluxos de trabalho se formarem em cima dele, em vez de encomendar frontends sob medida para cada caso de uso. A superfície de chat era uniforme; o valor estava no que os funcionários, incluindo quem não programava, construíram através dela.