Pesquisa com 150 executivos mostra que a IA rende mais no cálculo de custo e viabilidade do que na linha de produção

O que a pesquisa da Xometry mediu

A Xometry, plataforma americana que conecta fabricantes a compradores de peças sob encomenda, publicou em outubro de 2026 um levantamento com 150 executivos de manufatura sobre onde a inteligência artificial está rendendo de verdade. A pesquisa foi noticiada pelo site Manufacturing Dive em 7 de outubro de 2026. O recorte interessa a quem assina o cheque: a pergunta central não foi "vocês usam IA", e sim "onde ela está dando retorno mensurável".

A resposta surpreende quem imagina IA só como robô ou câmera na linha. Pouco mais da metade dos executivos disse esperar o maior impacto da IA em 2027 nas atividades que a indústria chama de "upstream": manufaturabilidade (a análise de se um projeto pode ser fabricado como desenhado, e a que custo) e custeio (o cálculo de preço e prazo antes de fechar o pedido).

Manufaturabilidade e custeio lideram, não o chão de fábrica

O controle de qualidade e a inspeção vêm em seguida, citados por 47% dos executivos como área de maior impacto esperado. A execução da produção no chão de fábrica, que é onde a maioria dos gestores brasileiros ainda concentra o orçamento de automação, aparece em terceiro lugar, com 32%. A seleção e qualificação de fornecedores fecha a lista, com 25%.

A ordem importa para quem decide onde entra o próximo real de investimento:

• Manufaturabilidade e custeio: mais de 50% apontam maior impacto em 2027
• Controle de qualidade e inspeção: 47%
• Execução de produção no chão de fábrica: 32%
• Seleção e qualificação de fornecedores: 25%

O CEO da Xometry, Sanjeev Singh Sahni, resumiu o deslocamento:

A IA está avançando para etapas mais iniciais do processo de fabricação, e as competências que a indústria precisa estão migrando junto.

AI is moving earlier into the manufacturing process, and the skills our industry needs are moving with it.Sanjeev Singh Sahni, CEO da Xometry

Na prática, isso significa que o engenheiro que analisa um desenho antes de cotar a peça, e o analista que calcula preço e prazo, hoje têm mais ferramenta de IA madura à disposição do que o operador que acompanha a máquina rodando. Para o gestor que está fechando orçamento de 2027, é um sinal de que vale olhar primeiro para engenharia e precificação, não só para robótica de chão de fábrica.

O aviso que a própria Xometry faz sobre o retorno reportado

57% dos manufatureiros entrevistados relataram retorno significativo de investimentos em IA, contra 44% um ano antes. Quase três quartos já aplicam IA em funções específicas ou já integraram a tecnologia às operações centrais. Os números parecem bons, mas a própria Xometry faz uma ressalva que muda o peso do dado.

Segundo a empresa, boa parte do retorno reportado "vem de ferramentas de IA de propósito geral, sem embasamento em dados reais de preço, capacidade ou produção". Em outras palavras: o executivo está usando um assistente de IA genérico (o tipo de chat que qualquer empresa assina) para tarefas de cotação e planejamento, sem ele estar conectado ao ERP, ao histórico de custo real da fábrica ou à capacidade disponível de máquina. O retorno existe, mas é raso, porque a ferramenta não enxerga o chão de fábrica de verdade.

O CTO da Xometry, Vaidy Raghaven, colocou o ponto de forma direta:

Quando se trata de manufatura, a adoção de IA se tornou o ponto de partida, não a meta. A pergunta real é o que se constrói em cima dela.

When it comes to manufacturing, AI adoption has become the baseline, not the milestone. The real question is what gets built on top of it.Vaidy Raghaven, CTO da Xometry

Para quem governa o orçamento, é um critério de compra: antes de contratar mais uma licença de IA genérica, vale perguntar ao fornecedor se a ferramenta usa dados reais da sua planta (custo de insumo, capacidade de máquina, histórico de produção) ou se é um modelo de propósito geral vestido de solução industrial.

Aeroespacial e robótica apostam pesado em 2027

O setor aeroespacial e de defesa lidera o apetite de investimento: 82% das empresas desse ramo planejam investir mais de 500 mil dólares em IA em 2027 (cerca de R$ 2,6 milhões na cotação aproximada do período, convertendo apenas como referência). O setor de robótica e automação vem em segundo, com 62% na mesma faixa de investimento.

A fonte não detalha os demais setores, mas o padrão sugere que indústrias com margem alta e tolerância baixa a erro (aviação, defesa, automação de precisão) estão dispostas a pagar mais caro por IA que entrega precisão em manufaturabilidade e custeio. Para o gestor de um setor diferente, o número serve de referência de ordem de grandeza, não de meta a copiar.

O gargalo não é tecnologia, é gente para operar

O lado difícil da pesquisa aparece na contratação. 34% dos executivos disseram que operadores de IA e automação são hoje os cargos mais difíceis de preencher, à frente de engenheiros de qualidade (31%), técnicos de manutenção (29%), maquinistas (23%) e programadores CNC (20%, a linguagem usada para programar máquinas de comando numérico).

Aumentar salário ajuda, mas de forma desigual por porte de empresa:

• Empresas com mais de 500 funcionários: 81% relatam que aumentar salário melhorou contratação ou retenção
• Empresas com menos de 200 funcionários: o índice cai para 46%

A diferença expõe um risco de planejamento para a média e pequena indústria: a arma salarial que funciona para a grande concorrente rende bem menos para quem tem caixa menor. A saída que 91% dos entrevistados estão testando é parceria com escolas técnicas e programas de treinamento, sendo que 59% classificam essas parcerias como ativas e formais, não pontuais.

O quadro fica mais tenso quando se cruza com demanda: 77% dos manufatureiros relataram backlog de produção maior do que um ano atrás, mas só 59% planejam contratar em 2027. A conta não fecha sozinha: ou a IA assume parte do trabalho que falta gente para fazer, ou o backlog continua crescendo.

Capacidade ociosa escancara a diferença entre pequenas e grandes fábricas

A pesquisa também mediu capacidade ociosa, e o resultado reforça que o problema de escala não é só de mão de obra. 44% dos fabricantes com receita abaixo de 50 milhões de dólares disseram operar com menos de 70% da capacidade instalada, contra apenas 16% das empresas com receita acima de 100 milhões de dólares.

De quem opera abaixo de 70% de capacidade, 48% apontou encontrar trabalho suficiente, e não falta de máquina ou de gente, como o maior obstáculo para crescer. É um dado que muda a prioridade de investimento: para esse grupo, IA aplicada a vendas, cotação e manufaturabilidade (que ajuda a fechar mais pedidos mais rápido) pode valer mais do que IA aplicada à linha, que já está ociosa.

Sobre cadeia de suprimentos, quase metade dos entrevistados espera que seus clientes migrem parte do sourcing para México ou Canadá no próximo ano, e 39% esperam deslocamento para fornecedores dentro dos Estados Unidos. O COO da Xometry, Oscar Lovera, resumiu o motivo:

As equipes de compras precisam repensar como administram as cadeias de suprimentos. Cada vez mais, a solução é ter acesso a uma rede em múltiplas regiões que você pode acionar conforme a necessidade.

Procurement teams need to rethink how they manage the supply chains. Increasingly the solution is access to a network across multiple regions that you can leverage as you need and when you need it.Oscar Lovera, COO da Xometry

A pesquisa não traz dado equivalente para o Brasil, mas a lógica de diversificar fornecedor por região, em vez de depender de um único polo, vale para qualquer indústria exposta a tarifa e câmbio instável, o que inclui boa parte da manufatura brasileira que compra insumo importado.

Por onde começar um piloto que dá para medir

O levantamento não traz um caso de fábrica com antes e depois (é pesquisa de opinião com executivos, não auditoria de chão de fábrica), e é assim que o dado deve ser lido: como termômetro de mercado, não como prova de resultado. Ainda assim, dá para tirar um roteiro de teste pequeno.

Antes de comprar mais uma licença de IA genérica para a equipe de engenharia ou de compras, o gestor pode:

1. Escolher uma família de peças ou um cliente recorrente e medir quanto tempo leva hoje para cotar manufaturabilidade e preço
2. Testar uma ferramenta de IA conectada ao histórico real de custo e capacidade da própria planta, não um assistente genérico
3. Rodar o piloto por um ciclo de cotação completo (da entrada do desenho ao fechamento do pedido) e comparar tempo e acerto de preço com o período anterior
4. Só então decidir se a licença escala para o restante da engenharia

Se a execução de produção no chão de fábrica ainda é a prioridade de automação na sua planta, o dado da Xometry sugere rever a ordem: a etapa que mais executivos do setor relatam dar retorno é a que acontece antes da peça entrar na máquina.

Fonte: Manufacturing Dive