Inteligência Artificial pode aumentar produtividade e rentabilidade de indústrias de aço

A pesquisa Strengthening the Steel Industry with AI, do Boston Consulting Group (BCG), revelou que a indústria de aço está perdendo uma grande oportunidade ao não usar a Inteligência Artificial (IA) adequadamente. Segundo a análise, ao melhorar o trabalho com dados e gerar insights a partir da tecnologia, as empresas do setor podem otimizar processos e alcançar grandes resultados.

Possíveis benefícios seriam a redução dos custos com matéria-prima em mais de 5%, melhorar a produtividade nos gargalos da fábrica em mais de 6% e aumentar a rentabilidade dos produtos, de ponta a ponta, em ao menos 15%.

O estudo argumenta que, para alcançar esse nível de maturidade e resultados, as companhias devem implementar a IA de forma gradual, com as capacitações sendo construídas aos poucos, em vez de criar uma solução extremamente inovadora do zero. Essa abordagem deve ser adotada para superar desafios em duas frentes principais:

Cultura organizacional: o setor de aço é repleto de empresas tradicionais. A cultura e os processos são muito bem definidos, hierarquizados e por vezes “engessados”.

Dados: os equipamentos antigos usados na indústria não capturam os dados necessários para gerar bons insights de negócios. Já as máquinas novas muitas vezes capturam dados de forma imprecisa ou menos relevante para a geração de retorno. Os investimentos da indústria também não são orientados a dados e a maioria das plantas (mesmo as mais novas) não são projetadas para capturá-los de forma estratégica.

Para contornar essas adversidades, a pesquisa recomenda três etapas:

Conduzir projetos-piloto supervisionados por IA. É nessa etapa que a empresa desenvolverá suas capacitações com a IA e entender as reais necessidades que podem ser atendidas com a tecnologia. Uma boa prática nesse estágio é focar em um produto ou categoria específica que conte com dados e amostras suficientes, do início ao fim dos processos, para entender como os dados estão sendo capturados e os insights que estão gerando.

“Nesta primeira etapa, vemos três problemas comuns: incapacidade de rastrear peças no processo produtivo, falha em coletar ou armazenar dados de variáveis que são críticas para o negócio e a resistência cultural em adotar a tecnologia“, diz Henrique Sinatura, diretor-executivo e sócio do BCG, líder da unidade GAMMA, voltada a serviços de consultoria em ciência de dados e IA.

Depois, é necessário iniciar um “efeito bola de neve“ para aumentar a taxa de retorno de investimento (ROI) e financiar outros projetos no futuro. Depois de ganhar alguma maturidade com a IA e aprender os desafios que quer contornar, a empresa parte para esta etapa, na qual criará novos modelos com a tecnologia e, ao mesmo tempo, investirá mais para diminuir os gargalos com dados.

Por outro lado, é importante entender os limites da IA: alguns processos não terão dados suficientes para permitir uma tomada de decisão precisa. Por isso, é importante continuar a executar a IA, com o software fazendo recomendações e as equipes decidindo sobre suas respectivas implementações.

Finalmente, a terceira etapa é alcançar um patamar de IA totalmente integrada para apoiar a tomada de decisão. A indústria que alcança esse nível consegue otimizar e refinar constantemente seus processos de ponta a ponta, melhorando eficiência, produtividade e reduzindo custos. As tarefas de rotina passam a ser executadas de forma autônoma com a IA, que passa a sugerir ajustes operacionais e os parâmetros corretos para a execução do trabalho.