IA Industrial · 7 min de leitura
A indústria decidiu que vai adotar IA, e rápido. O que a maioria das plantas ainda não decidiu é sobre qual rede essa IA vai rodar. Os casos que deram certo contam uma parte da história que costuma ficar fora da apresentação: por baixo do modelo, houve anos de trabalho em rede, tags e telemetria.
A corrida para a IA e o resultado que não aparece
O Deloitte 2026 Manufacturing Outlook mostra a dimensão da corrida: 65% das indústrias planejam adotar IA até o fim de 2026, e 32% já implementaram. Não é mais uma discussão sobre se a IA vai entrar na planta. É uma discussão sobre quando e como.
O outro lado da conta aparece em uma frase que Ian McCulloh, da Johns Hopkins, repete com frequência: mais de 80% das empresas investem em IA, e menos de 20% relatam impacto financeiro material. É uma média de quatro anos, construída a partir de fontes diferentes. A distância entre os dois números é grande demais para ser explicada por escolha errada de algoritmo.
Quando o investimento é generalizado e o resultado é raro, a causa costuma estar em algo que todos os projetos compartilham. Na indústria, uma dessas coisas é a rede que leva o dado do chão de fábrica até o modelo.
O que a Rockwell mediu em 1.500 fabricantes
O Rockwell State of Smart Manufacturing 2026 ouviu 1.500 fabricantes em 17 países. Três números resumem o momento. Para 90%, a transformação digital é essencial. E 34% das operações já são AI-augmented. Por fim, 46% sofreram um incidente cyber no último ano.
Lidos juntos, os três números contam uma história coerente. A transformação é consenso, a IA já está em um terço das operações, e quase metade das empresas foi atingida por um incidente de segurança no mesmo período. A mesma infraestrutura que carrega o dado para a IA é a que precisa ser defendida, e em muitas plantas ela não está mapeada o suficiente para nenhuma das duas coisas.
Há uma consequência prática nessa sobreposição. Quem não sabe o que está conectado à rede não consegue segmentá-la direito, e quem não consegue segmentar não consegue garantir que o dado que chega ao modelo é o dado que saiu do instrumento. Segurança e qualidade de dado começam no mesmo inventário.
O gêmeo digital que funcionou tinha rede por baixo
Um dos casos mais citados do ano é o da PepsiCo, apresentado com Siemens e NVIDIA no CES 2026. A empresa diz ter identificado 90% dos problemas de layout, fluxo e cadência no gêmeo digital, antes de mexer na planta física. É um resultado que qualquer gerente de engenharia gostaria de replicar.
O detalhe que costuma ficar fora do slide está por baixo do gêmeo: de 24 a 36 meses padronizando redes, tags e telemetria em cada planta piloto. O modelo só conseguiu representar a planta com fidelidade porque o dado que chegava a ele era consistente, nomeado da mesma forma e transportado por uma rede conhecida.
Quem olha apenas o resultado conclui que precisa de um gêmeo digital. Quem olha o cronograma conclui que precisa, antes, de dois a três anos de trabalho de fundação. As duas conclusões levam a orçamentos muito diferentes.
O que a IA precisa e a maioria das plantas não tem
IA industrial roda sobre dado limpo, estruturado e conectado. Na rede, isso se traduz em itens concretos, e é aqui que as auditorias mostram a distância entre o plano e a planta.
Sem inventário, o modelo pode estar lendo um dispositivo que ninguém sabe que existe. Sem histórico de sinal, não há como separar uma mudança no processo de uma degradação no enlace. Sem baseline, qualquer alerta é comparado a um normal genérico, e não ao normal daquela planta. A maioria das plantas não tem:
- Inventário confiável da rede: o que está conectado, onde, com qual firmware
- Histórico de qualidade de sinal em PROFINET e EtherNet/IP, e não apenas status de porta
- Baseline por segmento, medido em produção, que diga o que é normal naquele trecho
- Topologia mapeada como ela existe, e não como estava no diagrama do projeto
O laboratório da matriz não conserta camada física
Muitos programas de IA industrial nascem em um centro de excelência corporativo. O time é competente, o modelo é bem feito e a prova de conceito funciona com dado histórico. O problema aparece na hora de levar o modelo para a unidade, onde o dado chega por uma rede que ninguém do projeto conhece.
O laboratório de IA da matriz não conserta camada física em Sertãozinho. Ele não vai refazer uma emenda de fibra acima do budget, corrigir uma prioridade de RSTP em default ou separar um cabo de sinal da bandeja de potência. Esse trabalho é de campo, com instrumento, e precisa estar no cronograma do programa, não na lista de pendências da unidade.
Quando esse trabalho não é feito, o modelo recebe dado com lacunas, atrasos e valores congelados. O resultado é o que o mercado já conhece: piloto promissor, escala decepcionante e uma discussão longa sobre o algoritmo, quando o problema estava no cabo.
Uma fundação, três iniciativas
Segurança OT, IA e gêmeo digital costumam ter orçamentos, patrocinadores e fornecedores diferentes. Mas as três dependem da mesma fundação, e ela não é software. É segmentação real, topologia mapeada, baseline de sinal e documentação viva.
Para a gestão, isso muda a ordem dos investimentos. Auditar e documentar a rede não é uma etapa paralela à estratégia de IA; é a primeira etapa das três iniciativas ao mesmo tempo. O mesmo inventário que permite segmentar para segurança é o que permite nomear tags para o gêmeo e confiar no dado que alimenta o modelo.
Artigo desenvolvido a partir das publicações de Darwin Anastacio Junior no LinkedIn.