IA na indústria já cobre 34% das operações: o que o CEO decide

Quando li o relatório da Rockwell Automation com os números de 1.500 fabricantes em 17 países, o dado que mais chamou atenção não foi o percentual de adoção. Foi o fato de que 34% das operações voltadas a qualidade, segurança e eficiência já rodam com IA em produção. Não é mais experimento. É operação.

Na UNODATA vemos isso chegar por dois caminhos. Primeiro pelas empresas industriais que pedem integração entre sistemas legados de automação e plataformas analíticas. Depois pelos clientes de TI que precisam decidir se vão oferecer esse tipo de serviço ou vão perder espaço para quem já faz.

Minha aposta é que o próximo ciclo de contratos de TI industrial vai ser decidido em reuniões de diretoria, não em proof of concept. Quem não tiver clareza sobre dados, ownership e SLA de inferência vai ficar de fora.

O que o levantamento realmente revela

O relatório não fala de fábricas inteiras autônomas. Fala de pontos específicos onde a IA já entrega resultado mensurável. Qualidade de produto, detecção de anomalia em segurança e otimização de eficiência energética são os três casos que mais aparecem. Em todos eles o dado vem de sensores e controladores que já existiam, só que agora alimentam modelos em vez de apenas dashboards.

Isso muda o escopo de projeto. Antes o fornecedor de TI recebia um pedido de relatório. Agora recebe pedido de inferência com latência definida e responsabilidade sobre o modelo. A diferença é grande.

A IA industrial não substitui o sistema de controle. Ela consome o dado que o sistema já gera e devolve decisão.

Três decisões que o CEO precisa tomar em 90 dias

Toda vez que esse tema aparece em reunião, três pontos voltam à mesa. Eles não são técnicos no sentido de código. São de governança.

1. Quem é o dono do modelo quando ele afeta qualidade ou segurança.
2. Como garantir que o dado de OT chegue limpo e com latência aceitável ao ambiente analítico.
3. Qual o SLA real de inferência quando o modelo roda em nuvem ou em edge.

Essas três perguntas definem se o projeto vira contrato ou vira mais uma apresentação.

Riscos que o relatório não menciona

O levantamento foca em ganhos. Não fala do que acontece quando o modelo erra. Um falso positivo em detecção de anomalia pode parar linha. Um falso negativo pode deixar um problema de segurança passar. O CEO de TI que assina o contrato precisa ter claro quem paga a conta quando isso acontece.

Além disso, o dado industrial costuma ficar fora do escopo de LGPD por estar em ambiente de OT. Quando começa a subir para nuvem para treinar modelo, essa fronteira some. A empresa que não mapear isso antes do primeiro deploy vai descobrir a exposição depois do incidente.

Como separar piloto de operação

A maioria dos projetos ainda começa como piloto isolado. O que separa os que viram operação dos que morrem é a existência de três artefatos antes do primeiro modelo em produção.

• Contrato de dados entre área de automação e área de TI com responsabilidades explícitas.
• Processo de revisão de modelo com frequência definida e critério de rollback.
• Métrica de negócio atrelada ao modelo, não só métrica técnica de acurácia.

Sem esses três itens, o projeto continua sendo experimento mesmo depois de meses rodando.

Perguntas frequentes

Qual a diferença entre IA em operação industrial e IA em sistemas corporativos?

A principal diferença está na latência e na consequência do erro. Em operação industrial o modelo precisa entregar inferência em milissegundos e o erro pode parar produção ou gerar risco físico. Em sistemas corporativos o impacto costuma ser financeiro ou de processo.

O que o CEO de TI deve revisar primeiro ao receber demanda de IA industrial?

Deve revisar primeiro o contrato de dados entre OT e TI. Sem definição clara de ownership, qualidade e latência do dado que sai do chão de fábrica, qualquer modelo vai operar com base frágil.

Como medir se a IA já saiu do piloto na indústria?

A medição mais simples é existência de SLA de inferência com penalidade e processo documentado de rollback. Quando esses dois itens existem, o uso deixou de ser experimental.

Qual o maior risco de não decidir agora sobre IA industrial?

O maior risco é perder o próximo ciclo de renovação de contratos de TI para fornecedores que já entregam inferência em produção. O mercado industrial está consolidando preferência por quem assume responsabilidade pelo resultado, não só pela infraestrutura.