Implantação em escala de agentes de IA industrial enfrenta desafios de maturidade de dados

De acordo com pt.wedoany.com-Em 2026, os agentes de IA se tornam a próxima direção evolutiva das aplicações empresariais de inteligência artificial, sendo o setor industrial apontado como uma das áreas prioritárias de desenvolvimento. A International Data Corporation prevê que, até 2030, quase metade das empresas implantará agentes de IA em escala. No entanto, uma pesquisa da McKinsey mostra que apenas 10% das empresas conseguem efetivamente concretizar a implementação em larga escala de agentes em uma única função de negócio, e o progresso da implantação dos agentes de IA industrial segue esta mesma tendência.

A origem desta lacuna está nas condições básicas dos dados industriais. Nas empresas de manufatura, os dados dos sistemas de tecnologia operacional (OT) e de tecnologia da informação (IT) estão isolados entre si, as convenções de nomenclatura e as arquiteturas de dados não são unificadas, faltam dados nos cenários de negócio e há uma forte dependência de conhecimento oral empírico sem registro documental. Os agentes de IA industrial não são meras ferramentas de análise de dados, mas aplicações autônomas ou semiautônomas direcionadas a tarefas específicas, que precisam invocar dados entre sistemas e agir com base neles. Quando a qualidade dos dados é insuficiente para suportar isso, um agente de manutenção de equipamentos pode acessar dados incorretos, e um agente de inspeção de qualidade pode interpretar erroneamente os sinais dos sensores por falta de contexto, causando paradas na linha de produção ou o envio de produtos defeituosos.

Os dados essenciais fornecidos aos agentes devem satisfazer dois critérios: disponibilidade e confiabilidade, e serem otimizados para tarefas de casos de uso específicos, não para relatórios genéricos. Os possíveis caminhos de melhoria incluem a adoção de protocolos abertos, como o Model Context Protocol, a montagem de pipelines de dados padronizados e o estabelecimento de um sistema unificado de governança de dados que abranja tanto a tecnologia operacional quanto a tecnologia da informação. A forma de atualização não precisa derrubar os sistemas existentes, mas sim realizar iterações graduais e delimitar as fronteiras de atuação dos agentes, preservando a infraestrutura atual.

As empresas de manufatura que concluírem antecipadamente o planejamento da maturidade dos dados estabelecerão a base para a operação estável e de longo prazo dos agentes de IA industrial. O grau de maturidade da infraestrutura de dados está se tornando o fator-chave que determina se os agentes de IA industrial conseguem passar da fase piloto para a implementação em escala.