Fabricantes alcançam ROI de IA – agora é hora de escalar para obter maior impacto

A IA está proporcionando ROI na fabricação, mas escalá-la continua sendo um desafio. Sem dados e bases de rede mais fortes, o progresso estagna.

Por Nic Leszczynski, engenheiro principal de soluções, UKI, da Riverbed Technology

Do chão de fábrica à cadeia de fornecimento, a inteligência artificial (IA) já está proporcionando retornos mensuráveis em toda a produção. Basta perguntar aos 87% dos líderes do setor que disseram à Pesquisa Global da Riverbed de 2025 que o ROI da Inteligência Artificial para Operações de TI (AIOps) atendeu ou superou suas expectativas.

O desafio, no entanto, é ampliar esses ganhos em toda a empresa. Atualmente, apenas 12% das iniciativas de IA estão totalmente implementadas na produção e apenas 37% das organizações do setor se sentem totalmente preparadas para operacionalizar a IA em escala. Esta divisão estrutural pinta a IA como um trabalho em curso:parcialmente realizado, mas incapaz de avançar até à conclusão.

Com a Indústria 4.0 bem encaminhada, não é necessário provar que a IA compensa – os dados já mostram que sim. Mas embora seja comprovadamente eficaz em testes controlados, a maioria dos fabricantes está lutando para dimensionar esses benefícios em seus ambientes complexos do mundo real. É provável que isto continue a acontecer até que as bases digitais corretas estejam implementadas.

Por que a otimização da IA está sendo obstruída na produção

De acordo com a Deloitte, a “fabricação inteligente” – que aproveita a IA para impulsionar coisas como manutenção preditiva, garantia de qualidade, otimização da cadeia de abastecimento e monitorização da eficiência energética – já está a permitir uma melhoria de 10% a 20% na produção e de 10% a 15% na capacidade desbloqueada. O potencial líquido é, portanto, enorme, mas a amplitude do seu possível impacto torna complicado o dimensionamento da IA.

Isso ocorre porque os ambientes de produção inteligentes dependem de um fluxo de dados confiável e seguro entre todos os dispositivos, máquinas, instalações e redes logísticas. Os modelos de IA devem absorver, interpretar e agir neste emaranhado de telemetria em tempo real – muitas vezes através de sistemas legados, dispositivos de ponta e plataformas de nuvem. Os decisores também precisam de ser capazes de ver e analisar esta informação.

Pipelines de dados complicados ou com gargalos criam tensão operacional, enquanto a visibilidade limitada do comportamento do sistema torna a otimização e o dimensionamento significativamente mais difíceis. A pressão está a aumentar para resolver estas questões a nível infra-estrutural.

Uma lacuna emergente na preparação de dados

As vantagens de desempenho da IA são inegáveis. Mas, graças a um conjunto de questões estruturais, a escalabilidade destes benefícios é ilusória. Antes que a tecnologia possa ser adotada em toda a empresa, os fabricantes devem estabelecer o rigor infraestrutural necessário para apoiá-la. Novas descobertas de pesquisas pintam essa busca pela prontidão para IA com mais detalhes:

– 91% dos fabricantes afirmam que a movimentação de dados de IA é fundamental para sua estratégia.

– 96% citam o desempenho e a confiabilidade da rede como principais considerações.

– Quase metade (47% ) não confiam na exatidão e na integralidade dos seus dados.

Tomados em conjunto, estes números provam que ainda há muito progresso a ser feito. Se mais de nove décimos dos líderes consideram a movimentação de dados e o desempenho da rede críticos, então a integração da IA ​​depende de uma infraestrutura construída para mover dados de forma rápida e confiável. No entanto, ao mesmo tempo, quase uma em cada duas organizações não confia totalmente nos dados que são transferidos. Ambas as componentes devem ser abordadas para evitar investimentos contraproducentes.

Embora os fabricantes entendam claramente o que a IA precisa para prosperar, muitos ainda operam em bases digitais que ainda não são robustas e flexíveis o suficiente para acomodá-la em escala. Acrescente a isso a fragmentação causada por múltiplas ferramentas de observabilidade e fica evidente por que os sistemas que apoiam as operações de produção são incapazes de superar as iniciativas de prova de conceito.

Construindo as bases para operacionalizar a IA

A nível organizacional, o sucesso da IA será moldado pela qualidade dos dados, pela velocidade com que se movem e pela transparência que as equipas têm nos sistemas que os transportam. Portanto, antes de investir na implantação em grande escala, é imperativo que os fabricantes:

– Trate o desempenho da rede e o fluxo de dados como prioridades estratégicas
Os sistemas de IA de manufatura precisam operar em ambientes de produção distribuídos e cadeias de suprimentos interconectadas, todos impulsionados por dados em tempo real e de alto volume. Como resultado, o desempenho da rede não pode mais ser tratado como uma preocupação secundária de TI.

Uma vez que esta mudança do modelo piloto para o modelo operacional requer liderança e coordenação deliberadas, as organizações precisam de consistência na forma como os seus dados são capturados e movidos. Estruturas como OpenTelemetry ajudam a alcançar o alinhamento estratégico ao padronizar a telemetria em redes complexas – criando a espinha dorsal de dados estável e de alto funcionamento que a IA precisa para integrar toda a empresa.

– Fortalecer a qualidade e a confiança dos dados
Os modelos de IA são tão eficazes quanto os dados que consomem. E na produção, onde os dados são gerados e canalizados através de uma variedade de fontes ativas, inconsistências ou imprecisões introduzem riscos e comprometem a integridade.

– Reduza a dispersão de ferramentas e os pontos cegos para que os líderes possam ver as lacunas de desempenho
Com as organizações normalmente executando 13 ferramentas de observabilidade de nove fornecedores, a fragmentação persiste como uma grande barreira para o dimensionamento da IA. Embora cada uma destas ferramentas possa resolver um desafio específico, a sua sobreposição coletiva cria duplicação e limita a visibilidade – tornando difícil compreender como os sistemas interagem sob cargas de trabalho orientadas por IA.

Essa tensão arquitetônica é a razão pela qual 95% dos fabricantes estão passando por um processo de consolidação de ferramentas. Neste contexto, a integração da sua pilha de tecnologia numa plataforma unificada de observabilidade deu a uma organização de produção global acesso a insights acionáveis ​​e orientados por dados para melhorar a produtividade e o desempenho. Esse tipo de clareza forense é o que capacita as organizações a dimensionar a IA com confiança e sem atritos.

Tornar o potencial da IA uma realidade operacional

Ambiciosamente, 85% dos fabricantes esperam estar prontos para a IA até 2028. Mas se apenas 37% se sentirem totalmente preparados hoje, a viabilidade desse cronograma será determinada pela rapidez com que as organizações conseguirem colmatar a lacuna de preparação.

Ao longo dos próximos anos, a IA ficará ainda mais profundamente enraizada do que está agora – com a influência que tem nas linhas de produção, cadeias de abastecimento e processos de tomada de decisão apenas acrescentando pressão extra sobre a eficácia da telemetria e da observabilidade.

Nunca foi tão evidente que os fabricantes que investem agora em dados de fidelidade total e visibilidade de toda a pilha – ao mesmo tempo que adaptam os seus princípios estratégicos para antecipar as novas exigências da Indústria 4.0 – estarão melhor posicionados para transformar os seus pilotos de IA bem-sucedidos em vantagens operacionais e comerciais sustentadas.

Nic Leszczynski é engenheiro de soluções principal, UKI, na Riverbed Technology.