A indústria transformadora consiste em trabalho que dificilmente se deixa resumir num único tipo de tarefa. Há trabalho de planeamento: programar encomendas, coordenar fluxos de materiais, distribuir capacidade por máquinas e turnos. Há trabalho de qualidade: inspecionar, medir, avaliar desvios e documentar. Há trabalho de manutenção: diagnosticar avarias, encomendar peças, planear trabalho preventivo. E há trabalho administrativo em torno de tudo isto: certificados, apuramento de custos, relatórios para clientes e entidades reguladoras.
Estes tipos de trabalho diferem muito na sua previsibilidade. Uma tarefa de planeamento com regras fixas e dados históricos presta-se de forma diferente à automatização do que a avaliação de um cordão de soldadura que fica mesmo fora da norma mas provavelmente está bem. Essa última avaliação depende da experiência, de contexto que não consta de nenhum sistema, e de responsabilidade que alguém tem de conseguir assumir. Essa diferença determina em grande medida que ambição é realista para que parte do trabalho.
Em toda a indústria transformadora, a mesma divisão tripartida percorre o trabalho. Uma parte pode ser assumida pela IA: controlos repetitivos com base em dados de sensores, a elaboração de relatórios padrão, o reconhecimento de padrões de avaria conhecidos. Uma parte é feita parcialmente, com uma pessoa a aprovar ou rejeitar: avaliações de qualidade em que um algoritmo faz uma proposta e um operador ou colaborador da qualidade confirma ou corrige a decisão, com justificação. E uma parte continua a ser trabalho humano: resolver uma avaria que ninguém viu antes desta forma, negociar com um fornecedor uma entrega não conforme, assumir responsabilidade num incidente de segurança.
O que hoje numa fábrica já se enquadra na primeira categoria, noutra fábrica ainda está totalmente na terceira. Essa diferença raramente se deve à tecnologia em si. Deve-se a saber se os dados existem, se os sensores medem as coisas certas, se os colaboradores confiam suficientemente no sistema para lhe deixar algo a cargo, e se há alguém que pode aprovar o resultado sem que o processo pare à espera de uma assinatura.
Uma direção que afirma "queremos controlo de qualidade guiado por IA" está também a dizer algo sobre a organização que tem de conseguir sustentar isso. Tem de existir alguém que avalie os alertas de erro do sistema, não apenas em teoria mas no turno diário. Tem de haver clareza sobre quem pode anular uma rejeição do sistema e com que fundamento. E tem de haver capacidade disponível para configurar e manter o sistema, capacidade que muitas vezes já está totalmente alocada ao trabalho corrente.
É aqui que muitas ambições na indústria transformadora encalham: não na questão de saber se a tecnologia consegue, mas na questão de saber se a organização já preencheu o papel em torno dela. Quem decide quando o sistema tem dúvidas? Quem é responsável quando um cliente reclama de um produto que passou por uma inspeção guiada por IA? Estas questões tocam em responsabilidades dentro do quadro de pessoal, e para as decisões daí resultantes aplicam-se requisitos legais próprios; essa avaliação não é feita aqui.
Duas fábricas com máquinas comparáveis e produtos comparáveis podem divergir muito no que a IA de facto assume do seu trabalho. Uma recolheu e estruturou dados de sensores durante anos, a outra tem os mesmos sensores mas os dados desaparecem em registos que nunca ninguém depurou. Uma tem uma equipa de qualidade que tem tempo semanalmente para avaliar desvios e ajustar o sistema, a outra tem essa equipa totalmente ocupada com a produção corrente. Nenhuma das duas está errada, mas isso determina quanto da ambição é viável este ano e quanto o será no próximo.
Estas diferenças não são exclusivas da indústria transformadora. A mesma tensão entre ambição e prontidão manifesta-se no setor dos transportes, onde o planeamento e a escolha de rotas suscitam questões semelhantes, e nos serviços profissionais, onde a supervisão dos resultados de aconselhamento desempenha um papel semelhante ao controlo de qualidade no chão de fábrica. Também a questão de como dividir uma ambição em partes que uma organização consegue efetivamente gerir num ano volta a surgir em todos os setores, e é tratada separadamente numa explicação sobre o faseamento de uma ambição demasiado grande para um ano.
A questão subjacente a todos estes exemplos não é se a IA consegue, em geral, assumir este tipo de trabalho. É que parte específica do trabalho, nesta empresa específica, pode de facto ser assumida, dados os dados, os sistemas e as pessoas que existem atualmente. Essa questão é respondida tarefa a tarefa através do diagnóstico de trabalho da FTE TO AI, independentemente da ideia que a própria direção tenha sobre o assunto.
Uma ambição só se torna utilizável quando é decomposta naquilo que a organização deve conseguir fazer, e confrontada com aquilo que já consegue. A velocidade real com que uma organização consegue mudar nesses aspetos é uma questão independente da própria ambição, desenvolvida separadamente numa reflexão sobre o ritmo real de mudança das organizações.
Como primeiro passo, existe uma verificação de prontidão gratuita: oito perguntas curtas, uma por dimensão, que dão uma ideia de onde a sua organização está mais avançada e onde ainda está menos. O teste de ambição completo, com as quatro camadas, da visão ao estado-alvo, e a tradução para papéis e direitos de decisão, está em construção.
Vertel wat u wilt bereiken, dan kijken we samen wat daarvoor moet staan.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.