A incorporação de inteligência artificial na manufatura exige revisar processos, alinhar os líderes e preparar a organização para adotar novas formas de trabalho. A Olivia alerta que medir licenças, usuários ou processos automatizados não permite determinar, por si só, se a tecnologia gera valor operacional.
A corrida para incorporar inteligência artificial (IA) e automação às operações industriais pode levar as empresas a investir em tecnologia antes de responder a uma pergunta básica: se o processo que querem acelerar ainda faz sentido para o negócio.
Em entrevista à Mexico Industry, Yoel Kluk, sócio da Olivia México, comentou que um dos principais riscos consiste em digitalizar processos que foram desenhados para condições diferentes ou que, com o tempo, foram modificados informalmente pela maneira como as pessoas trabalham, colaboram e tomam decisões.
Na sua avaliação, antes de determinar que parte de uma operação pode ser automatizada, as empresas deveriam analisar que decisão e que resultado cada processo produz e até se perguntar se ele continua sendo necessário.
O problema se torna mais complexo quando a operação documentada não coincide com o que acontece no chão de fábrica. Um procedimento pode estabelecer determinadas autorizações, responsáveis e rotas de decisão, mas os trabalhadores desenvolvem alternativas para resolver obstáculos cotidianos. Depois de repeti-las durante meses ou anos, essas práticas acabam se tornando o processo real.
Kluk explicou que outro sinal de vulnerabilidade aparece quando o funcionamento de uma operação depende excessivamente de determinadas pessoas. "Se você tirar três pessoas e o processo deixar de funcionar, provavelmente você não tem um processo tão robusto; o que você tem é muito conhecimento sustentado por um processo que o respalda".
Implementar tecnologia não significa adotar inteligência artificial
Irene Marqués, sócia da Olivia México, identificou outra lacuna: a velocidade com que as organizações incorporam ferramentas digitais pode superar sua capacidade de assimilá-las.
A especialista explicou que uma planta pode contar com infraestrutura, software, sistemas de informação e novas aplicações de IA e, ainda assim, obter um aproveitamento limitado se os trabalhadores não compreenderem o que muda em sua atividade, por que muda e que decisões terão de tomar de maneira diferente.
"Nós, pessoas, podemos não ser capazes de absorver o ritmo de digitalização e de tecnologia que estão nos dando. Nos oferecem muitíssimas soluções, mas, nas organizações, as pessoas realmente não estão preparadas para absorvê-las".
Uma empresa pode concluir tecnicamente um projeto, ativar o sistema na data prevista e treinar inicialmente os usuários, mas isso não garante que, meses depois, a ferramenta faça parte efetiva da operação.
Marqués observou que a Olivia encontrou projetos em que, seis meses após uma implementação, os trabalhadores desenvolveram rotas alternativas para continuar realizando suas atividades. Isso pode fazer com que os dados percam consistência e que o investimento tecnológico deixe de entregar os resultados planejados originalmente.
O desafio também está nos níveis diretivos
Para Kluk, atribuir a resistência tecnológica principalmente aos trabalhadores de chão de fábrica pode levar a um diagnóstico equivocado. As gerações mais jovens que ingressam nas operações industriais têm uma relação cotidiana com ferramentas digitais e, em muitos casos, estão familiarizadas com a IA.
A pergunta, sustentou, deveria ser deslocada para a estrutura da organização e para quem toma as decisões. "Eu mudaria a pergunta para se o sistema organizacional está preparado para a IA".
Nessa perspectiva, ensinar os colaboradores apenas a usar ferramentas ou a redigir instruções para sistemas de IA pode ser insuficiente. A discussão deveria se concentrar em como a tecnologia melhora decisões, libera tempo para atividades de maior valor e modifica a forma como a organização funciona.
Isso também exige coordenação entre os níveis diretivos. Marqués observou que, dentro de uma mesma empresa, podem coexistir interpretações diferentes sobre o que é a inteligência artificial, para que deve ser usada e quais são as prioridades de investimento.
Para ordenar esse processo, a Olivia trabalha com um esquema baseado em três componentes: mindset, skillset e toolset. O primeiro busca alinhar os líderes em torno dos problemas que precisam ser resolvidos e das áreas em que a transformação pode gerar impacto; o segundo identifica as capacidades de que as pessoas precisam; e o terceiro incorpora as ferramentas tecnológicas.
O erro, explicou Marqués, aparece quando as empresas percorrem esse caminho no sentido contrário: primeiro compram uma ferramenta, depois capacitam o pessoal e só então tentam determinar como integrá-la à estratégia e à operação.
Transformar também modifica estruturas de poder
A adoção tecnológica também não é exclusivamente um desafio técnico. Kluk sustentou que qualquer transformação modifica responsabilidades, processos, conhecimentos e espaços de decisão dentro de uma organização. "A transformação, no fim das contas, é um processo político. Alguém perde e alguém ganha, algo muda, algo deixa de existir para ser substituído por outra coisa".
Essa dinâmica pode gerar resistência entre aqueles que desenharam processos, acumularam conhecimento ao longo de anos ou construíram determinadas formas de trabalho. Por isso, considerou que os componentes humanos devem ser incorporados desde o desenho do projeto e não apenas depois de instalar a tecnologia.
Um dos temores mais frequentes é a possível substituição de postos de trabalho. Para Kluk, reduzir essa reação a uma resistência natural à mudança impede de entender as motivações dos colaboradores.
O especialista observou que as empresas precisam explicar quais atividades serão automatizadas, como as responsabilidades vão mudar e que novas funções as pessoas poderão desempenhar. O objetivo, disse, deveria ser deslocar tempo de atividades repetitivas para tarefas capazes de gerar maior valor.
Os dados não pertencem apenas à área de dados
A qualidade e a governança da informação constituem outro componente da adoção de IA na manufatura. As plantas geram grandes volumes de dados em diferentes níveis da operação, mas dispor deles não significa que estejam coordenados ou preparados para alimentar sistemas inteligentes.
Por isso, antes de concentrar esforços apenas em padronizar bases de informação, a organização precisa definir que problema pretende resolver e conseguir que as áreas envolvidas compreendam o propósito de modificar a maneira como capturam, utilizam e compartilham esses dados.
O desafio também aparece em operações onde persistem registros manuais, formulários impressos, autorizações físicas ou processos diferentes entre turnos. A existência de tecnologia capaz de substituí-los não significa que a mudança possa ser feita de maneira imediata.
Marqués explicou que os responsáveis operacionais enfrentam simultaneamente pressões de produtividade e continuidade. Para eles, substituir um método que funciona, ainda que manual, implica decidir quando fazer a transição sem comprometer produção, estoques, qualidade ou conformidade.
Como medir se a IA gera valor na manufatura
A medição é outro ponto crítico. O número de licenças adquiridas, usuários conectados, tokens consumidos ou processos automatizados pode descrever o uso de uma ferramenta, mas não necessariamente sua contribuição para o negócio.
"Se começamos a conversar sobre quantas pessoas usam a IA, quantos tokens estão sendo consumidos, quantos processos automatizamos, estamos fazendo com que o indicador deixe de funcionar", sustentou Kluk.
Para o especialista, os indicadores deveriam estar vinculados a resultados: crescimento, capacidade de expansão, melhorias no trabalho dos colaboradores, novas capacidades operacionais ou melhores decisões.
Marqués concordou que as métricas devem ser definidas antes de iniciar a implementação. Uma empresa deveria estabelecer desde o começo como comprovará, seis meses depois, que a automação resolveu o problema identificado e não simplesmente permitiu executar mais rapidamente uma atividade deficiente.
Isso obriga cada projeto a ter indicadores associados diretamente ao problema que justificou o investimento, em vez de usar métricas gerais de adoção tecnológica.
De comprar IA a redesenhar a operação
Para ambos os especialistas, o ponto de partida de uma estratégia industrial de IA não deveria ser a escolha de uma plataforma. As empresas precisam determinar primeiro que problema querem resolver, validar o diagnóstico com dados, revisar se o processo continua sendo necessário, estabelecer que resultado esperam e analisar a capacidade da organização para absorver a mudança.
Depois, devem identificar as habilidades necessárias, preparar os trabalhadores e selecionar a tecnologia adequada.
Marqués destacou ainda a necessidade de manter o acompanhamento depois da entrada em operação. O go-live de uma ferramenta pode marcar o encerramento técnico de um projeto, mas a adoção requer acompanhamento para comprovar que os novos processos se mantêm e que os colaboradores não voltam gradualmente aos métodos anteriores.
Para Kluk, o critério final não deveria ser que a implementação foi concluída dentro do cronograma previsto, e sim determinar se produziu uma melhoria concreta para as pessoas e para o desempenho da organização.
Por Yoel Kluk e Irene Marqués, sócios da Olivia México.