Cruzando o Abismo: Superando o Purgatório de Pilotos para Valor Real de Negócio

Destacado em relatório McKinsey 2018, muitas empresas industriais vivem "purgatório de pilotos" — fenômeno onde, embora tenham atividade significativa, ainda não viram benefícios reais no resultado final.

Sair desse purgatório exige "cruzar o abismo", processo observado e descrito por consultor Geoffrey A. Moore nos anos 90. Resumindo: enquanto muitos projetos técnicos de TI vão bem no início, com energia considerável, frequentemente lutam para ser adotados propriamente. Moore observou diferença significativa entre inovadores e early adopters, e a próxima onda de adotantes, cuja adesão é necessária para garantir que projeto escale. Na prática, relutância e segunda opinião de resultados da liderança para prosseguir e comprometer com próximo estágio pode deixar até pilotos bem-sucedidos em paralisia.

Algo que vê frequentemente com startups. Fundadores empolgados desenvolvem tecnologia e ficam bons em explicá-la em termos técnicos. Isso angaria apoio de certas organizações — inovadores e early adopters — e há grande energia inicial. Mas começo encorajador seguido por período de silêncio. Esse é o abismo que devem cruzar.

Figura 1: Ciclo de Adoção de Tecnologia, Geoffrey A. Moore. Fonte, licenciado sob Creative Commons Attribution 3.0 Unported.

Não é só startups. Vendem podem gastar tempo em conferências falando de produtos em espaço como manutenção preditiva para audiência de inovadores e early adopters que, em geral, entendem e se empolgam. Desafio que essa audiência enfrenta: convencer tomadores de decisão finais em suas empresas — gestores de manutenção, gerentes de planta, TI, finanças — que não se importam com as mesmas coisas. Termos técnicos e checklists deixam eles desinteressados e não convencidos, lacuna de capacidade combinada com lacuna de comunicação.

Resistência interna

O abismo pode existir dentro de organizações individuais e na indústria. Desafio mais comum para quem serve necessidades futuras da empresa. Se não conseguem criar provas de conceito ligadas a casos de uso e demonstrar onde tecnologia agrega valor ao negócio, ninguém no dia a dia vai ligar que está vindo.

Empresa pode tentar nova solução de manutenção preditiva, mas não consegue persuadir equipe de manutenção a adotá-la. Não ligam para papo técnico, preocupados com motor esquentando e quando vai falhar. Prever falha do motor nada tem a ver com IA e ML para eles — querem solução funcional que dê insights acionáveis.

Muitas organizações ficam no estágio piloto lutando para escalar. Outras encontram resistência interna a adoção ampla. Para melhorar chances de cruzar abismo e escapar purgatório de pilotos, evite linguagem de inovadores/early adopters e use linguagem da early majority. Verdade: termos como IoT, IA, machine learning, proofs of concept são largamente sem sentido para muitos, deixam frios. Muito mais eficaz apresentar novo produto como solução, não tecnologia, e descrever resultados de negócio — problemas que resolve e benefícios que traz.

Novo mercado, nova mensagem

Senseye enfrenta desafio adicional. Operamos em mercado relativamente novo, e se não ensinarmos desde início como tecnologia funciona e que resultados/benefícios de negócio entrega, corremos risco de clientes ficarem cheios de mal-entendidos e expectativas irreais. De fato, em décadas de experiência em manutenção preditiva, vimos como ampla falta de entendimento — por fabricantes e vendors — resultou em enorme número de soluções falhando em cruzar abismo, destinadas a languidecer em purgatório de pilotos.

Em vez de plethora de buzzwords como IA, Machine Learning, IoT, Indústria 4.0, vendors de manutenção preditiva devem falar de resultados de negócio; o que alcançaram e o que podem fazer não só do ponto de vista técnico mas como criar impacto mensurável no negócio de clientes. Manutenção preditiva é novo paradigma e benefícios são muitos:

• Sustentabilidade:
  • Extensão de vida útil de ativos através de monitoramento cuidadoso e substituição oportuna
  • Eliminação de supermanutenção por redução e extensão de atividades de manutenção planejada
  • Redução de inspeções físicas arriscadas e disruptivas — todos dados monitorados remota e automaticamente
  • Redução de inventário e uso de peças sobressalentes — substituição planejada estendida baseada em condição real da máquina
  • Redução de riscos ambientais de vazamentos potenciais e efeitos colaterais de falha de máquina
• Efetividade Geral do Equipamento (OEE ou métricas similares):
  • Impulsionando métricas de qualidade — máquinas mais saudáveis produzem peças melhores
  • Garantindo throughput máximo ao estar ciente da operação real e permitindo manutenção antecipada
  • Reduzindo downtime não planejado (garantindo disponibilidade) realizando manutenção antes de falha funcional

Redução de risco de negócio com aumento de produtividade e sustentabilidade é algo que todos apoiam e métricas desses projetos provam — coisas que early majority pode se empolgar.

Para ler mais sobre por que implementação e deploy de manutenção preditiva são tão mal entendidos e cheios de falhas, e como nossa experiência (boa e ruim) informou nossa solução Senseye PdM, baixe white paper "Senseye in Depth – Why is Predictive Maintenance so hard?" aqui.