Pesquisa da OCDE com empresas brasileiras explica por que a indústria trava na hora de adotar IA

A OCDE ouviu 840 empresas do G7 e 167 brasileiras e encontrou os mesmos três freios em quase todas: falta de gente que saiba aplicar IA no chão de fábrica, dado bagunçado e dúvida sobre se o investimento volta.

A OCDE ouviu 840 empresas do G7 e 167 brasileiras e encontrou os mesmos três freios em quase todas: falta de gente que saiba aplicar IA no chão de fábrica, dado bagunçado e dúvida sobre se o investimento volta.

A Organização para a Cooperação e Desenvolvimento Econômico (OCDE) publicou em maio de 2025 um relatório chamado The Adoption of Artificial Intelligence in Firms, com dados de uma pesquisa de campo feita em 2022 e 2023 junto a 840 empresas dos países do G7 e mais 167 empresas brasileiras. Não é uma enquete de opinião: é um levantamento estruturado, feito com o Boston Consulting Group e o INSEAD, para entender onde a inteligência artificial realmente entra na operação e onde ela empaca.

O relatório não fala de robô bonito em vídeo de feira. Fala de gestor de planta que não sabe se vale contratar um cientista de dados, de analista de qualidade que não confia no dado que alimenta o sistema, e de diretor que não sabe calcular se a conta fecha. Esses três pontos aparecem repetidos nas entrevistas que a OCDE fez com representantes de empresas, e no estudo que o relatório traz sobre instituições públicas de apoio à tecnologia.

Falta gente que saiba aplicar IA, não só gente com diploma

A pesquisa confirma algo que gerente de fábrica já sente na pele: falta talento especializado em IA, e isso trava até empresa grande. Mas o achado mais útil não é esse. É que diploma e certificação acadêmica não bastam para o empregador saber se a pessoa resolve o problema dele.

O relatório recomenda treinamento feito sobre projeto real, usando os dados e os sistemas que a própria área usa no dia a dia, como otimização de cadeia de suprimentos. Para a indústria, isso significa uma coisa prática: antes de contratar um especialista de fora, vale treinar quem já conhece a linha (o encarregado de manutenção, o analista de qualidade) no uso de uma ferramenta de IA aplicada ao problema dele, com dado da própria fábrica.

Dado bagunçado trava mais do que falta de dinheiro

Segundo as instituições públicas ouvidas pela OCDE, "a falta de maturidade de dados é uma barreira fundamental para implementar IA". Isso quer dizer planilha que não bate com o sistema de chão de fábrica (o MES, sigla para sistema de execução de manufatura), sensor que registra errado, histórico de manutenção incompleto.

Nenhuma inteligência artificial de inspeção de qualidade ou de manutenção preditiva funciona bem em cima de dado sujo. Antes de comprar licença de sistema, o passo mais barato é auditar o que a fábrica já registra: produção, parada de máquina, refugo, consumo de insumo. Se esses números não batem entre o papel e a planilha, o projeto de IA vai nascer torto, não importa o quanto custou.

Ninguém sabe se o investimento volta, e isso paralisa a decisão

A incerteza sobre o retorno do investimento aparece no relatório como um obstáculo citado com frequência pelas instituições que ajudam empresas a adotar tecnologia. É o medo de gastar em sensor, câmera de visão computacional (o sistema que enxerga peça com defeito numa esteira) e integração com o sistema existente, sem saber quanto tempo leva para o gasto se pagar.

O caminho que a OCDE sugere não é gastar mais, é medir melhor antes de gastar. Definir, antes do projeto começar, qual número vai mudar: taxa de refugo, hora de máquina parada, tempo de inspeção manual. Sem essa linha de base, não dá para saber se o piloto deu certo, só para achar que deu.

Gestor subestima o quanto a IA muda a rotina da fábrica

Um ponto que passa batido na maioria das discussões sobre IA na indústria: o relatório diz que gestores "muitas vezes têm dificuldade para entender como a IA pode resolver problemas reais do trabalho" e ao mesmo tempo subestimam o quanto a mudança mexe na cultura da empresa inteira.

Na prática, isso aparece assim: a diretoria compra um sistema de manutenção preditiva, mas ninguém treinou o supervisor de turno para confiar no alerta do sistema em vez do feeling de vinte anos de experiência. O sistema fica subutilizado, e vira estatística de projeto de IA que não emplacou, mesmo com a tecnologia funcionando tecnicamente.

O ganho que a pesquisa aponta: menos peça rejeitada, menos insumo gasto

A OCDE lista como resultado possível da adoção de IA um aumento de produtividade e "taxas mais baixas de defeito na produção, reduzindo a necessidade de insumos de material". O relatório não traz, nesse resumo, um caso de fábrica específico com setor, porte e número de antes e depois: é um achado agregado da pesquisa, não um estudo de caso nomeado, e vale tratar como tal.

Ainda assim, o ângulo é concreto para quem decide piloto: o indicador mais fácil de testar primeiro numa linha de produção com IA de visão computacional é taxa de refugo, porque ela já é medida hoje na maioria das plantas e não depende de sistema novo para ser acompanhada.

Quatro passos para testar isso numa linha só

O relatório recomenda que o poder público ofereça diretrizes para ajudar pequenas e médias empresas a escolher fornecedor de IA, indicando considerações importantes na hora de escolher um fornecedor. Enquanto essas diretrizes não chegam em formato pronto, a fábrica média pode montar o próprio roteiro de decisão.

1. Escolha uma linha, não a planta inteira, e um problema que já tem número hoje (refugo, parada não planejada, tempo de inspeção).
2. Audite trinta dias de dado dessa linha antes de comprar qualquer sistema, para saber se o registro é confiável.
3. Treine quem opera a linha junto com quem instala o sistema, não depois.
4. Fixe um prazo curto (60 a 90 dias) para comparar o número do antes com o número do depois, e decida expandir só se a diferença aparecer na planilha, não na impressão de quem viu a demonstração do fornecedor.

O relatório completo da OCDE está disponível para quem quer ver a metodologia da pesquisa e os dados por país, incluindo a comparação entre o Brasil e os países do G7.

Fonte 1: OCDE: The Adoption of Artificial Intelligence in Firms (2025) (https://www.oecd.org/en/publications/the-adoption-of-artificial-intelligence-in-firms_f9ef33c3-en.html)

Nota da redação: a listagem de fontes deste artigo foi encerrada antes de trazer o texto completo da referência bibliográfica. O link para o relatório da OCDE está correto e acessível, mas a descrição detalhada da fonte não pôde ser finalizada nesta edição. Isso não afeta as afirmações e dados citados ao longo do texto, que foram verificados a partir do relatório original.

Fonte: OCDE: The Adoption of Artificial Intelligence in Firms (2025)