Sucesso da IA na indústria depende da união entre tecnologia e chão de fábrica, diz cientista do MIT

Elton Alisson | Pesquisa para Inovação – O sucesso das indústrias na era da inteligência artificial não resultará da tentativa de substituir o trabalho humano, mas do seu redesenho inteligente, unindo a tecnologia de ponta ao conhecimento prático acumulado por seus trabalhadores no chão de fábrica. A conclusão é de de estudos conduzidos por pesquisadores do MIT Industrial Performance Center – centro de pesquisa interdisciplinar do Instituto de Tecnologia de Massachusetts (EUA) dedicado à investigação acadêmica e aplicada sobre produtividade industrial, inovação, competitividade e evolução do trabalho.

Alguns dos resultados das pesquisas foram apresentados por Ben Armstrong, diretor-executivo e pesquisador do centro, durante palestra no evento MIT-Anpei Brazil Summit 2026, realizado na última quinta-feira (08/10), em São Paulo. Organizado pela Associação Nacional de Pesquisa e Desenvolvimento das Empresas Inovadoras (Anpei) em parceria com o MIT Industrial Liaison Program (ILP) – programa de conexão entre a universidade norte-americana e a indústria –, o encontro reuniu mais de mil líderes em pesquisa, desenvolvimento e inovação (PD&I), além de pesquisadores, investidores, representantes do poder público e startups de base tecnológica, com o objetivo de discutir as prioridades tecnológicas globais e as decisões de investimento do setor privado em inovação.

“Qualquer tentativa atual das empresas de automatizar processos excluindo o saber prático acumulado pelas equipes operacionais está fadada ao fracasso”, afirmou Armstrong, que atuou no Google e vem se dedicando, nos últimos anos, a investigar como trabalhadores, empresas e regiões se adaptam às transformações tecnológicas e ao impacto da IA generativa no emprego.

Para ilustrar os riscos do entusiasmo tecnológico desmedido com a eliminação de postos de trabalho, Armstrong apontou testes e experiências de automação conduzidos na indústria automobilística – setor pioneiro na adoção de novas tecnologias e que concentra cerca de 50% dos robôs industriais nos Estados Unidos. Segundo o especialista, o primeiro grande aprendizado recente do setor veio com a chamada "fábrica de luzes apagadas" (lights-out factory), conceito no qual se tentou eliminar 100% da presença humana para reduzir a dependência dos trabalhadores. O caso mais emblemático ocorreu na linha de produção do Model 3, da Tesla, que buscou a automação total e acabou colapsando diante da extrema complexidade dos processos, forçando a empresa a improvisar a montagem manual de veículos em tendas do lado de fora da linha de produção.

"Automatizar tudo e cortar humanos simplesmente para se tornar menos dependente deles é uma péssima ideia", reforçou Armstrong. Para exemplificar o ponto, ele citou a declaração de um executivo da indústria automobilística alemã: "Por que eu iria querer uma fábrica de luzes apagadas? Uma fábrica sem pessoas não inova. As pessoas são a verdadeira fonte de criatividade e melhoria contínua na minha fábrica".

O valor da presença humana atenta também foi demonstrado em estudos sobre centros de operação remota na mineração, realizados por Isabel de Luis, graduanda do MIT e colaboradora de Armstrong. A pesquisa comprovou que o desempenho do operador depende da manutenção de sua "consciência situacional", avaliada pelo teste Sagat (sigla em inglês para Teste de Avaliação Global da Consciência Situacional), que mede se o profissional consegue descrever a situação dos equipamentos caso as telas sejam subitamente desligadas. “Se o sistema automatiza em excesso e torna o operador passivo, a capacidade de reação a falhas críticas desmorona”, advertiu Armstrong.

Falsa ameaça aos empregos

Ao reexaminar o histórico das revoluções industriais, Armstrong recordou que o pavor atual com a ameaça de substituição em massa de postos de trabalho pela IA – sobretudo nas tarefas operacionais – assemelha-se ao cenário de 2013, quando relatórios e artigos previam a eliminação de até 50% dos empregos por robôs. Contudo, investigações do MIT conduzidas diretamente em campo, com base na filosofia Gemba (termo japonês que significa "o lugar real" ou "onde as coisas acontecem", conceito central do lean manufacturing e do Sistema Toyota de Produção), revelaram uma realidade bastante distinta. "Quando as empresas, especialmente as industriais, adotaram robôs, elas não demitiram trabalhadores. A adoção de robôs ocorreu, normalmente, como parte de uma expansão da força de trabalho e da produtividade", declarou.

Ele reforçou que os dados colhidos na Europa e nos Estados Unidos confirmam essa dinâmica. "Essa é a primeira surpresa. Não se trata de um ciclo apocalíptico no qual se adota tecnologia e se expulsam as pessoas. Vemos que, quando empresas industriais incorporam novas tecnologias — mesmo de automação —, elas se tornam mais produtivas, mais lucrativas e contratam mais trabalhadores."

Apesar desses benefícios, a taxa de adoção de robôs permaneceu surpreendentemente baixa, atingindo apenas cerca de 12% das fábricas norte-americanas e um índice ainda menor no Brasil. "Esse era o verdadeiro quebra-cabeça: se essa ferramenta é útil, por que foi tão difícil integrá-la?". Armstrong explicou que o principal obstáculo nunca foi a substituição de pessoal, mas sim a complexidade da integração, uma vez que a engenharia necessária para ajustar a tecnologia a um processo produtivo específico chegava a custar até cinco vezes o valor do próprio robô.

Para explicar como superar esse entrave de integração, o pesquisador resgatou o conceito de human-in-the-loop (participação humana no processo), concebido nos anos 1960 por Charles Stark Draper (1901-1987) no MIT para a navegação espacial e o voo autônomo. "Desde a década de 1960, o papel da automação tem sido expandir as capacidades humanas para nos tornar mais inovadores e mais capacitados", frisou Armstrong. Ele alertou, porém, que muitas corporações vêm se desviando desse propósito original: "Perdemos a essência quando focamos apenas no que essa tecnologia pode fazer, em vez de refletir sobre o porquê de estarmos utilizando-a".

O especialista também alertou contra o erro comum das empresas de iniciar a transformação pela ferramenta, e não pela “dor” (o problema real a ser solucionado) do negócio. "Se a transformação começar pela tecnologia, o conjunto de soluções será sempre limitado e o valor potencial da ferramenta será direcionado de uma forma que pode não ser a mais produtiva para a organização", advertiu. Para evitar esse equívoco, Armstrong recomenda a abordagem orientada a problemas (problem-first), fundamentada no modelo de interação humano-automação desenvolvido pelo professor Tom Sheridan no MIT há 25 anos, que organiza o sistema em torno das tarefas que representam gargalos reais e define com clareza o papel do trabalhador.

Usos da IA em empresas nos EUA

Em parceria com Julie Shah, professora do MIT, o pesquisador conduziu, nos últimos três anos, uma série de pesquisas de campo, entrevistas e workshops com mais de 50 empresas líderes nos setores de saúde, seguros, finanças, varejo e manufatura nos Estados Unidos. O estudo mapeou as principais finalidades do uso da IA generativa no ambiente corporativo norte-americano, indicando que as prioridades concentram-se na eliminação de gargalos operacionais, na centralização do conhecimento especializado e no encurtamento das curvas de aprendizagem.

No primeiro uso mapeado – a eliminação de gargalos operacionais –, destaca-se o apoio de assistentes virtuais na transcrição de consultas médicas. Os pesquisadores constataram que, embora a ferramenta permita aos médicos dar mais atenção ao paciente durante o atendimento, o fardo administrativo ao fim do dia permaneceu inalterado e os resumos automáticos geraram, em média, três erros médicos relevantes por nota, exigindo revisão rigorosa.

No segundo uso – a reunião de conhecimento especializado – , a utilização de algoritmos para prever opiniões de diferentes setores busca resolver o chamado "problema da cafeteria", espaço em que os especialistas costumavam se reunir informalmente para alinhar novos projetos. Armstrong alertou que substituir reuniões presenciais por estimativas baseadas em dados passados reduz o trabalho colaborativo, enfraquece a mentoria e aprisiona a empresa ao histórico dos dados de treinamento, inibindo a inovação fora do padrão.

No terceiro uso, voltado ao encurtamento das curvas de aprendizado, os pesquisadores observaram que a IA permite que novatos atinjam rapidamente o desempenho de veteranos. Contudo, essa facilidade traz sérios riscos de atalhos cognitivos. Armstrong citou o estudo "Seu cérebro no ChatGPT", realizado no MIT, cujas varreduras cerebrais revelaram que quatro em cada cinco estudantes que usaram modelos de linguagem em suas pesquisas não conseguiram se lembrar do conteúdo investigado logo após realizarem a tarefa.

Experimentos da Anthropic com programadores iniciantes indicaram um padrão semelhante: o auxílio da IA gerou um maior volume de código, porém acompanhado de mais erros e menor retenção conceitual, ilustrou Armstrong. "Exigir que as pessoas continuem resolvendo problemas complexos sem recorrer a atalhos nas novas tecnologias de automação permanece fundamental", defendeu o pesquisador, ressaltando que a sensação de superação de tarefas difíceis é indispensável para a satisfação e o aprendizado contínuo no trabalho.

Vantagens comparativas do Brasil

O Brasil e a América Latina não devem se sentir desvalorizados por estarem à margem da corrida global da IA na disputa geopolítica entre Estados Unidos e China pelo desenvolvimento dos modelos de fronteira, argumentou Armstrong. O pesquisador lembrou que muitas tecnologias desenvolvidas por determinados países ganharam real valor em outros. O motor de combustão interna, por exemplo, nasceu na Alemanha, mas foi industrializado nos Estados Unidos; as telas LCD surgiram em Ohio, mas a geração de valor migrou para o Japão e a China; e os robôs industriais criados no Ocidente têm hoje sua maior escala de aplicação no mercado chinês. "Não me parece que a questão central para a IA seja estar na vanguarda do desenvolvimento dos modelos. A verdadeira questão é como extrair o máximo valor dessa tecnologia", avaliou.

Nesse cenário, o Brasil ostenta vantagens comparativas expressivas. Armstrong elogiou diretamente os arranjos do país: "Os ecossistemas regionais de inovação no Brasil são realmente extraordinários e podem servir de modelo para muitos outros países que tentam investir em P&D de forma muito prática e de alto impacto", destacando a atuação de redes como o Senai, inspiradas no modelo Fraunhofer, da Alemanha. Além disso, o país tem a oportunidade de aplicar a IA de forma seletiva para aprofundar sua expertise em setores estruturantes nos quais já detém liderança global, como a indústria aeroespacial, a mineração e o agronegócio.

É dentro desse contexto que o Brasil encontra uma de suas maiores oportunidades ao aplicar a inteligência artificial nas chamadas "indústrias órfãs", apontou Armstrong. Enquanto a maior parte dos investimentos globais se canaliza para a infraestrutura de grandes modelos de linguagem, diversos setores essenciais da economia real sofrem com a escassez de recursos. Em vez de focar apenas em grandes modelos de linguagem (LLMs, na sigla em inglês) genéricos, o país pode capturar enorme valor ao direcionar formas mais tradicionais de inteligência artificial e automação para otimizar processos operacionais e eliminar gargalos no agronegócio, na manufatura e na mineração.

Essa estratégia permite ao Brasil atrair capital e pesquisadores que ficaram à margem da corrida pelos grandes modelos de linguagem, redirecionando esses recursos para financiar soluções práticas em setores estratégicos da economia produtiva. Ao aprofundar suas expertises e vantagens comparativas locais, o país fortalece o conhecimento prático acumulado nessas atividades, elevando sua produtividade. Ademais, ao seguir o exemplo do Japão no desenvolvimento de softwares de aplicação altamente especializados, o Brasil pode atuar como um polo de adaptação de algoritmos existentes para atender às necessidades concretas e específicas do tecido industrial nacional, avaliou Armstrong.

“Um país pode tanto ser uma fonte de aplicações especializadas como mirar o Japão, por exemplo, onde não há uma grande riqueza de inovação em software, mas há muito software de aplicação excelente que tem adaptado inovações que aconteceram principalmente nos Estados Unidos, tornando-as úteis para as indústrias locais”, afirmou.