Existe uma versão da IA que vive nos artigos de opinião: onisciente, revolucionária, ou perigosa, dependendo do dia e do autor. E existe a IA que eu encontro no trabalho: útil em contextos específicos, decepcionante em outros, e constantemente mal utilizada por quem espera que ela resolva problemas que ela não foi feita para resolver.
Trabalho em engenharia industrial há mais de oito anos. Nos últimos dois, assisti de perto à adoção — tentativa e às vezes errática — de ferramentas de IA generativa em processos industriais. Quero contar o que vi.
O que a maioria das empresas industriais está fazendo errado
A primeira onda de adoção de IA generativa em ambientes industriais seguiu um padrão previsível: a liderança ficou entusiasmada com demonstrações impressionantes, comprou licenças corporativas de ferramentas genéricas, e distribuiu para as equipes com a mensagem vaga de "usem isso para ser mais produtivos".
O resultado? Frustração generalizada. Pessoas usando ChatGPT para escrever e-mails um pouco mais formais, ou para gerar rascunhos de documentos que precisavam ser completamente reescritos. A ferramenta parecia brinquedo caro.
O problema não era a IA. Era a falta de clareza sobre qual problema específico ela deveria resolver.
Onde a IA generativa está criando valor real na indústria
Depois de dois anos observando, os casos de uso que consistentemente geram valor real são muito mais específicos do que o discurso de "transformação digital" sugere:
1. Análise e síntese de documentação técnica
Especificações de produto, normas técnicas, relatórios de teste, fichas de segurança — a indústria produz e consome volumes absurdos de documentação técnica densa. IA generativa bem contextualizada consegue extrair informações relevantes de centenas de páginas em segundos, identificar conflitos entre especificações, e responder perguntas específicas com base em documentos técnicos.
Para quem trabalha com desenvolvimento de produto, isso é transformador. Uma consulta que levaria um dia de leitura agora leva minutos.
2. Geração de código para automação
Engenheiros que não são programadores profissionais agora conseguem criar scripts de automação, manipular dados, gerar visualizações — com a IA como parceiro de código. O nível de barreira para a automação de tarefas rotineiras caiu drasticamente.
Pessoalmente, uso isso para análise de dados de testes: descrevo o que quero analisar em linguagem natural, itero com o modelo, e chego a um script funcional em fração do tempo que levaria para escrever do zero.
3. Primeiras versões de documentos técnicos
Relatórios de projeto, análises de falha, especificações de produto — a IA não substitui o engenheiro, mas elimina a angústia da "página em branco". Um primeiro rascunho razoável é gerado em minutos; o especialista refina, corrige e adiciona o julgamento técnico que a IA não tem.
4. Análise de falhas e manutenção preditiva
Quando integrada com dados de sensores e histórico de falhas, IA generativa consegue identificar padrões que passariam despercebidos na análise humana convencional. Não é magia — é estatística avançada com interface amigável.
O que a IA não faz (e não vai fazer tão cedo)
Preciso ser direto sobre isso, porque o excesso de promessas cria expectativas erradas:
IA não tem julgamento de contexto industrial. Ela não sabe que aquela especificação de teste foi desenvolvida para um cliente específico com requisitos únicos. Não sabe que aquela norma foi atualizada há três meses. Não sabe que aquele fornecedor tem histórico de entregar fora de especificação. Esse conhecimento tácito, acumulado em anos de trabalho, ainda é irreplaçável.
IA não substitui o conhecimento de processo. A IA pode analisar dados de temperatura de um forno industrial. Mas ela não sabe que aquele forno específico tem um sensor descalibrado, que a calibração foi feita há 18 meses, e que a equipe de manutenção costuma compensar isso empiricamente. Esse contexto existe na cabeça de pessoas.
IA comete erros com confiança. Isso é perigoso em contextos industriais. Uma alucinação numa análise de segurança de produto pode ter consequências sérias. O engenheiro nunca pode desligar o senso crítico.
A questão que importa
No fundo, a discussão sobre IA na indústria não é tecnológica. É sobre como as organizações respondem a uma pergunta: quais tarefas estamos realizando hoje que poderiam ser feitas mais rápido ou melhor por uma ferramenta, liberando tempo humano para o que efetivamente requer julgamento humano?
Empresas que estão ganhando com IA generativa não são necessariamente as que têm as melhores ferramentas. São as que têm clareza sobre seus processos, saber onde está o valor do trabalho humano, e disposição para redesenhar fluxos em torno das capacidades das ferramentas.
As que estão perdendo são as que compraram a ferramenta e esperaram que ela redesenhasse os processos sozinha.
O que eu mudei no meu trabalho
Para ser concreto: nos últimos dois anos, IA generativa mudou alguns aspectos do meu trabalho de P&D.
Documentação técnica que levava metade do dia agora leva uma hora — não porque a IA escreve por mim, mas porque ela gera uma estrutura funcional que eu refino com o conhecimento específico do projeto.
Análise de dados de teste que envolvia manipulação manual de grandes conjuntos de dados agora é parcialmente automatizada. Ainda reviso tudo, mas o trabalho mecânico diminuiu.
Consultas a normas técnicas ficaram muito mais rápidas. Em vez de navegar manualmente por centenas de páginas, faço perguntas específicas.
O que não mudou: o julgamento sobre o que testar, o que priorizar, como interpretar resultados ambíguos, como negociar especificações com clientes. Isso continua sendo trabalho humano.
A IA não vai substituir os bons engenheiros. Vai tornar os bons engenheiros mais produtivos, e vai expor os que eram pagos principalmente por realizarem tarefas mecânicas.
Essa é a transformação real — menos dramática do que os artigos de opinião sugerem, mas mais profunda do que as demonstrações de produto mostram.
Diego Badelli é Engenheiro de P&D na Furukawa Electric LatAm, especializado em desenvolvimento de soluções ópticas para mercados globais. Escreve sobre tecnologia industrial, inovação e o futuro do trabalho em engenharia.