O que é, na prática, IA na indústria
Numa PME industrial, usar inteligência artificial é pôr programas a ler, resumir, classificar ou prever a partir dos dados da fábrica, para poupar tempo às pessoas ou apanhar problemas mais cedo. Não é robôs humanoides nem fábricas sem pessoas. É, na maior parte dos casos, software que trata informação que hoje é tratada à mão, ou que nem chega a ser tratada.
Convém separar duas coisas que muitas vezes se misturam. Há a IA que analisa dados da produção (padrões, desvios, previsões) e há a IA generativa, a dos assistentes de texto, que escreve, resume e ajuda a programar. As duas são úteis numa fábrica, mas resolvem problemas diferentes e exigem coisas diferentes.
Uso IA quando acelera o trabalho, nunca como objetivo. A pergunta certa não é “onde podemos usar IA?”, mas “que tarefa nos custa tempo ou dinheiro, e pode ser feita melhor com ajuda?”.
Aplicações práticas numa PME industrial
As aplicações que dão retorno numa PME são, quase sempre, pequenas e ligadas a tarefas que já existem. Estas são as que vejo fazerem mais sentido:
Análise de perdas
Cruzar registos de produção, paragens e sucata para chegar ao Pareto das perdas sem passar semanas em folhas de cálculo. A IA ajuda a construir mais depressa a ferramenta que junta e trata os dados; a análise das causas continua a ser feita com a equipa, no terreno.
Relatórios que se fazem sozinhos
O relatório semanal de produção que alguém monta à mão pode sair automaticamente, a partir dos dados que já existem. A IA ajuda a escrever e testar o código da automação e, quando é útil, a redigir um resumo em texto. Ver automação de relatórios.
Qualidade com alertas
Ler os relatórios de qualidade à medida que chegam, calcular indicadores de capacidade como o Cp e o Cpk e avisar quando uma variável sai dos limites. Numa fábrica de cabos onde fui responsável de Melhoria Contínua, desenvolvi com apoio de IA uma ferramenta deste tipo para as linhas de extrusão: deteta o relatório novo numa pasta partilhada, normaliza os dados, calcula médias móveis, desvio padrão e Cp/Cpk, compara com os limites de cada variável e classifica a produção como conforme, em alerta ou não conforme.
Instruções de trabalho e formação
Assistentes de texto ajudam a escrever e a atualizar instruções de trabalho, checklists e materiais de formação a partir do que a equipa já sabe. O conhecimento continua a vir de quem faz o trabalho; a IA poupa o tempo de o passar a escrito.
Ferramentas feitas à medida do processo, mais depressa
Talvez a aplicação mais subestimada: com apoio de IA, uma pessoa que conhece o processo consegue construir pequenas ferramentas (uma aplicação de registo, um painel, um cálculo) em muito menos tempo do que antes. A IA escreve o código; o processo define as regras.
O que é preciso ter antes de começar: dados
Antes de qualquer IA, é preciso ter dados registados, ligados entre si e com qualidade suficiente para se confiar neles. É o passo que mais vezes se salta e o que mais vezes faz falhar um projeto de IA.
Na ferramenta de qualidade que descrevi acima, o passo zero não teve IA nenhuma: foi normalizar os relatórios para que cada um ficasse ligado à sua ordem de fabrico. Os dados existiam. Faltava lê-los, e para os ler foi preciso arrumá-los primeiro.
Antes de avançar, vale a pena responder a quatro perguntas:
- O dado existe? Está a ser registado, mesmo que em papel ou em Excel?
- Está ligado ao que interessa? Consegue-se saber a que máquina, produto, ordem de fabrico e turno corresponde?
- É fiável? Quem regista, quando, e com que cuidado? Há registos em falta ou inventados para fechar o turno?
- Chega a tempo? Está disponível quando a decisão é tomada, ou só no fim do mês?
Se alguma resposta for “não”, o primeiro projeto não é de IA: é de registo e de dados. Um Diagnóstico Express inclui precisamente a avaliação do estado dos dados, e muitas vezes o primeiro passo certo são os dashboards e KPIs de produção.
Como começar pequeno
Comece por uma tarefa concreta, que custe tempo ou dinheiro hoje, com dados que já existem e um resultado fácil de medir. Um bom primeiro caso de uso cabe numa frase: “o relatório X demora Y horas por semana e passa a sair sozinho” ou “os desvios da variável Z passam a ser assinalados no próprio turno”.
Os passos que recomendo:
- Escolher a tarefa. Repetitiva, com regras claras, e que alguém faz hoje à mão.
- Confirmar os dados. Usar as quatro perguntas acima. Se faltar alguma coisa, resolver isso primeiro.
- Definir as regras com quem conhece o processo. Que limites, que exceções, o que fazer quando um dado falta.
- Construir em pequeno e validar lado a lado. A ferramenta nova corre em paralelo com o processo antigo até os resultados baterem certo.
- Medir o ganho. Horas poupadas, desvios apanhados mais cedo, erros evitados. Se não houver ganho, abandona-se sem drama.
Um caso pequeno que resulta convence mais do que um grande projeto de “transformação digital”, e ensina o que é preciso para o seguinte.
Riscos e confidencialidade
O maior risco da IA numa PME é usar dados da empresa em ferramentas externas sem regras, seguido de confiar no que a IA produz sem verificar. Os dois evitam-se com regras simples, escritas e conhecidas por todos.
- Que dados podem sair da empresa. Desenhos, receitas, preços e dados de clientes não devem ser colocados em ferramentas externas sem uma decisão explícita. Muitas automações podem correr inteiramente nos computadores da empresa.
- Verificar sempre. Os assistentes de texto escrevem com confiança, mesmo quando estão errados. Uma instrução de trabalho ou um cálculo produzido com IA tem de ser revisto por quem conhece o processo.
- Não depender de uma caixa negra. Uma ferramenta que ninguém na empresa percebe torna-se um risco quando falha. Documentação simples e formação fazem parte de qualquer projeto.
- Começar pelas tarefas de baixo risco. Resumir um relatório interno é diferente de decidir parar uma linha. As decisões importantes continuam com as pessoas.
A formação in-company para chefias inclui estas regras, para que a IA seja usada no dia a dia sem pôr em causa os dados da empresa.
Quando a IA não é a resposta
A IA não é a resposta quando o processo não está estável, quando os dados não existem ou quando uma folha de cálculo bem feita resolve o problema. Saber quando não usar IA poupa dinheiro e frustração.
- Processo instável. Se cada turno faz o setup à sua maneira, nenhuma IA prevê o tempo de mudança. Primeiro padroniza-se, com Lean.
- Sem dados. Sem registo, não há nada para analisar. Primeiro cria-se o registo.
- O problema é de organização. Se as ações não avançam porque ninguém é responsável, a solução é uma rotina de gestão, não um algoritmo.
- Uma solução simples chega. Muitas vezes, uma tabela dinâmica bem feita ou uma consulta em Power Query resolve o que parecia pedir IA.
Melhoria + IA. A ordem não é por acaso: primeiro o processo, depois a ferramenta. O guia o que é Melhoria Contínua explica a parte do processo.
Indústria 4.0 numa PME: uma visão realista
Para uma PME, Indústria 4.0 não é comprar uma fábrica nova: é ligar os dados que já existem e pô-los a trabalhar nas decisões do dia a dia. Sensores, ligação de máquinas e sistemas de execução fazem sentido em muitos casos, mas não são o ponto de partida.
O ponto de partida é mais modesto e mais útil: registar bem o que acontece, juntar esses registos num sítio, ter indicadores que se atualizam sozinhos e automatizar o trabalho repetitivo com os dados. A partir daí, cada investimento em sensores ou em sistemas tem uma pergunta clara a que responder, e um retorno que se pode medir. Feito por esta ordem, cada passo paga o seguinte.
Perguntas frequentes sobre IA numa PME
Preciso de contratar alguém de dados para usar IA?
Para começar, não. Os primeiros casos de uso numa PME (automatizar um relatório, ler relatórios de qualidade, apoiar a escrita de instruções) fazem-se com as ferramentas que já existem e com alguém que conheça o processo. Contratar uma pessoa dedicada faz sentido quando houver vários casos de uso a correr e a precisar de manutenção.
Quanto tempo demora um primeiro caso de uso?
Depende da tarefa e do estado dos dados, por isso a resposta honesta é: o tempo de pôr os dados em ordem, mais o tempo de construir e validar. Uma automação de relatório com dados já registados é um projeto de uma a duas semanas. Se os dados não existirem ou estiverem desligados, o primeiro trabalho é esse, e é ele que define o prazo.
A IA vai substituir pessoas na fábrica?
Numa PME, o que a IA substitui são tarefas, não pessoas. Tira horas de trabalho repetitivo (copiar dados, montar relatórios, procurar desvios em tabelas) e devolve esse tempo a quem o pode usar a resolver problemas. As decisões sobre o processo, as prioridades e as pessoas continuam a ser tomadas por quem conhece a fábrica.
Por onde começa a Melhor.ia?
Pelo processo e pelos dados, antes da IA. Num Diagnóstico Express vejo onde estão as maiores perdas e em que estado estão os dados. Se houver um caso de uso pequeno com retorno claro, proponho-o. Se não houver, digo-o: muitas vezes, o primeiro passo certo é um registo melhor ou um indicador que se atualiza sozinho.