Uma fábrica têxtil em Famalicão com 120 colaboradores gasta 14 horas por semana em processos que um algoritmo poderia executar em 14 minutos. Ninguém o sabe porque ninguém mediu. A IA não vai custar menos; vai custar diferente.

Há cinco anos, quando o tema era "IA na indústria", a conversa girava em torno de robôs e visão computacional — o futuro distante e muito caro. Hoje, a realidade é mais modesta e, portanto, mais perigosa para quem adia: a automação inteligente já paga em tarefas administrativas, planeamento de produção e gestão de exceções. Não é glamorosa. Não aparece em slides de conferências. Mas paga.

O que mudou não foi a tecnologia. Foi o acesso. Um modelo de linguagem treinado deixou de ser propriedade de laboratórios de IA e passou para APIs acessíveis. Um webhook que liga o ERP a um agente de decisão automática agora custa em centenas, não em dezenas de milhares. E, o mais importante: a curva de aprendizagem achatou. Um IT diretor que conhece o seu ERP consegue instruir um agente a fazer o que a equipa de contabilidade faz manualmente.

O que deixou de funcionar: o argumento "amanhã"

Durante anos, a conversa sobre IA em PME industrial era adiada com o argumento de que "ainda não era o momento". A tecnologia era cara, imatura, e exigia especialistas raros. Esse argumento desapareceu — não porque a tecnologia ficou perfeita, mas porque ficou boa o suficiente. Bom o suficiente significa: mais fiável que um processo manual sujeito a erro humano, menos caro que manter uma pessoa a fazer a mesma coisa oito horas por dia, e implementável em semanas, não em anos.

A verdade incómoda é que a maioria das empresas portuguesas que "ainda não implementou IA" não está à espera de melhor tecnologia. Está à espera de autorização interna para mudar de mentalidade. Um CEO que vê o chão-de-fábrica como um lugar onde pessoas fazem coisas tem dificuldade em conceber que uma máquina decide se uma encomenda é prioritária ou se uma folha de horas tem uma irregularidade. Essa resistência é legítima — mas tem um custo invisível.

Os números revelam a realidade: segundo o INE em 2025, apenas 18,2% das empresas médias (50-249 colaboradores) em Portugal usam tecnologias de inteligência artificial, enquanto nas pequenas empresas (10-49) a percentagem cai para 9,4%. A Eurostat documenta que o principal obstáculo à adoção não é o custo da tecnologia — é a falta de competências internas (70,9% das empresas da UE citam este fator) e a incerteza jurídica (52,5%). Ambas são problemas que se resolvem. O problema real é psicológico: o medo de não saber o que se está a fazer.

A IA não vai custar menos. Vai custar diferente — em máquinas, não em pessoas. O incómodo é que é mais fácil despedir uma máquina que uma pessoa.

Onde a IA já paga: o planeamento de produção que não avisa

Pegue numa fábrica de confecção. Tem 15 encomendas em curso, cada uma com 3-5 variantes (tamanho, cor, ajuste). O planeador — muitas vezes uma pessoa com 20 anos de experiência e nenhuma formação formal — olha para o backlog, considera o estado de cada máquina, e decide a sequência. Se uma máquina cai, ele replaneija à mão. Se surge uma encomenda urgente de um cliente grande, ele interrompe e resequencia.

Um algoritmo treinado com 18 meses de histórico dessa fábrica faz o mesmo. Mas faz sem fadiga, sem favoritismo, sem esquecer nenhuma restrição. E, o mais importante: faz em 90 segundos, não em 40 minutos. Isso não significa que o planeador sai. Significa que ele deixa de passar 3 horas por dia em planeamento manual e passa a gastar 30 minutos em validação e exceções. O que faz com as outras 2,5 horas? Essa é uma pergunta que a maioria dos CEOs não quer fazer. Porque a resposta é: "Não sei". E isso assusta.

Mas há empresas que já fizeram a pergunta. Uma distribuição de material de construção no Porto, com 45 colaboradores, implementou um agente de reordenamento automático de stock em 8 semanas. A máquina monitora consumo, lead times de fornecedores, e dispara encomendas quando o ponto de reordenamento é atingido. Antes, um colaborador fazia isso manualmente, com erros de 12-15% (stock-outs ou sobre-stock). Agora, a taxa de erro desceu para 2%. O tempo que o colaborador ganhava? Passou a fazer roteiros de entrega mais eficientes. O custo? Cerca de €8 mil em desenvolvimento e API. O ROI? Recuperado em 4 meses.

O que a IA não faz: não substitui decisão, amplifica-a

Há um erro muito comum na conversa sobre automação: pensar que a IA tira decisões. Não tira. Tira o trabalho repetitivo que precedia a decisão. Tome a aprovação de horas extra numa fábrica com 180 colaboradores. O responsável de RH recebe 40-60 registos de horas extra por semana. Cada um requer validação: esta pessoa trabalhou mesmo essas horas? É autorizado esse nível de extra? Há algo anormal? Se 90% dos casos são rotina (sim, sim, não), um agente de IA pode aprovar esses 90% automaticamente e deixar os 10% excecionais para decisão humana. Resultado: o que era 3 horas de trabalho manual passa a ser 15 minutos de revisão de exceções.

Mas — e isto é crítico — o agente precisa de regras. Quem escreve as regras? Quem define o que é "anormal"? Quem tem autoridade para aprovar? Essas perguntas obrigam a empresa a documentar o que até agora era tácito. Muitas vezes, quando chegamos aqui, descobrimos que o processo era mais caótico do que se pensava. Isso é incómodo. Mas é também o ponto de partida para melhorar.

Há cinco anos, dizíamos que a IA ia "resolver tudo". Estávamos errados. A IA resolve o que já está bem documentado e o que é repetitivo. Se o vosso processo de aprovação de horas é uma caixa-preta onde "o chefe sabe quando aprova", a IA não ajuda. Se o vosso planeamento de produção é baseado em "o que o planeador acha", a IA não ajuda. A IA só funciona quando há dados e regras. Daí que a verdadeira automação inteligente começa sempre com uma auditoria ao processo — e essa auditoria é onde 60% das empresas falha.

O custo real: não é a tecnologia, é o tempo de aprendizagem

Uma empresa decide automatizar o ciclo de aprovação de notas de crédito. São 200 documentos por mês, cada um a passar por 3 validações (contabilidade, vendas, direção). Hoje, leva 8 dias de média. Com um agente de IA que conhece as regras de negócio, podem ser 2 dias. Quanto custa? A tecnologia, talvez €3 mil. O tempo de um IT diretor ou consultor a documentar as regras, treinar o agente e validar os resultados? Talvez 120 horas. Se a taxa horária é €80, são €9,6 mil. O custo real não é a máquina. É o trabalho que precede a máquina.

Aqui está o ponto que ninguém diz: a maioria das empresas médias portuguesas não tem problema em gastar €3 mil. Tem problema em disponibilizar 120 horas de um IT diretor que já está a 110% com manutenção e suporte. Esse é o verdadeiro gargalo. Não é tecnológico. É organizacional. Por isso a automação inteligente só paga quando há alguém que a governa. Não um diretor de IA (ainda é cedo para isso em PME). Mas alguém que, toda a semana, olha para o agente, vê se está a funcionar como esperado, e calibra as regras. Se esse alguém não existe, a IA fica numa pasta, e a empresa volta a fazer tudo manualmente porque "não funcionou".

A IA não falha porque é fraca. Falha porque ninguém a governa depois de ligada.

Quando começa a pagar: o cálculo que falta fazer

Pergunte ao vosso CFO: quanto custa, em horas-pessoa, o vosso processo de aprovação de despesas? Quanto custa o planeamento manual de produção? Quanto custa a gestão de exceções de encomendas que chegam atrasadas? A maioria dos CFOs não sabe o número. Sabem o custo de folha de pessoal, mas não sabem quanto desse custo é trabalho que uma máquina poderia fazer. Quando finalmente calculam, a resposta choca. Uma fábrica com 100 colaboradores pode estar a gastar €180 mil por ano em trabalho administrativo que é 80% repetitivo. Se a IA conseguir eliminar 60% desse trabalho, são €108 mil. O investimento em automação inteligente, bem feito, custa €25-40 mil. Paga em 3-4 meses.

Mas — e aqui está a cilada — esses €108 mil não são "economias". São horas que a pessoa ganha para fazer outra coisa. Se a empresa não tem outra coisa para aquela pessoa fazer, então fica com um problema: ou reduz cabeças (o que tem custo político e social), ou redeploy (o que tem custo de formação). Ambas as opções são desconfortáveis. Por isso muitas empresas preferem manter o status quo: "A IA não paga porque não temos onde pôr as pessoas". Essa é uma decisão legítima. Mas é uma decisão que tem de ser consciente e documentada. Porque, se não a fazem, um concorrente que a fizer vai ter 15% de eficiência operacional a mais. E isso, em margem, é significativo.

O que mudou em 2025: governança deixou de ser opcional

Até 2024, implementar IA em PME era quase um hobby — "vamos tentar, vemos se funciona". Hoje, com o ERP MULTI e plataformas de integração como a Multi Connect, a automação inteligente tornou-se um investimento que requer governança formal. O Regulamento da IA da UE (AI Act, Regulamento (UE) 2024/1689) está em vigor desde agosto de 2024; as proibições aplicam-se desde fevereiro de 2025 e as regras de modelos de uso geral desde agosto de 2025.

O que isto significa na prática? Se a vossa IA toma decisões sobre pessoas (aprovação de horas, seleção de candidatos, avaliação de desempenho), ou se processa dados pessoais, a empresa tem obrigações de transparência, auditoria e documentação. Não é burocracia desnecessária — é proteção. Proteção contra decisões enviesadas, contra discriminação, contra erros que ninguém consegue explicar.

Uma empresa que implementa um agente de IA sem documentar as regras, sem testar o enviesamento, sem manter um registo de decisões, está a correr risco regulatório. Se uma pessoa disser "fui discriminado pela máquina", a empresa tem de conseguir explicar porquê. Se não conseguir, o custo não é a multa da CNPD — é a confiança perdida.

Por isso, em 2025, a conversa sobre IA em PME não pode ser "será que paga?" mas "como implementamos isto de forma segura e auditável?". Essa mudança de mentalidade é o verdadeiro ponto de viragem. Porque quando a empresa começa a pensar em segurança e conformidade, começa também a pensar em processos. E quando pensa em processos, descobre onde é que a IA realmente paga.

O passo seguinte: começar pequeno, medir tudo

Não comece com "vamos automatizar o planeamento de produção". Comece com algo menor, medível, e sem risco regulatório alto. Um agente que valida faturas duplicadas. Um agente que classifica emails de reclamações por prioridade. Um agente que dispara alertas quando o stock de um material crítico fica abaixo do limite. Algo que, se falhar, causa incómodo mas não catástrofe.

Implemente. Deixe funcionar durante 4-6 semanas. Meça: quantas horas poupou? Quantos erros cometeu? Quanto custou manter? Depois, e só depois, escale para processos mais complexos. Essa disciplina — de começar pequeno, medir, e escalar — é o que separa as implementações que funcionam das que viram uma pasta esquecida.

E, acima de tudo, nomeie alguém responsável. Não precisa de ser um especialista em IA. Precisa de ser alguém que conhece o negócio, que está disposto a aprender, e que tem autoridade para dizer "isto não está bem, vamos corrigir". Porque a IA não é um projeto que termina quando está "ligada". É um processo contínuo de calibração, ajuste, e melhoria. Quem não estiver disposto a investir nesse processo contínuo não deveria investir em IA.

Perguntas frequentes

Quanto tempo leva a implementar automação com IA numa PME industrial?

Segundo o artigo, a implementação é possível em semanas, não em anos. O exemplo citado de uma distribuição de material de construção no Porto implementou um agente de reordenamento automático em 8 semanas. A tecnologia tornou-se boa o suficiente para ser implementável rapidamente, contrariamente ao que acontecia há cinco anos.

Qual é o custo típico de implementar um agente de IA para automação?

O artigo refere que um webhook ligando o ERP a um agente de decisão automática custa em centenas de euros, não em dezenas de milhares. No caso específico da distribuição portuense, o desenvolvimento e API custaram cerca de €8 mil, com retorno do investimento em 4 meses.

A IA vai eliminar postos de trabalho nas fábricas?

O artigo não defende eliminação, mas redistribuição de tarefas. Um planeador que gasta 3 horas em planeamento manual passa a gastar 30 minutos em validação, libertando 2,5 horas para outras funções. A questão é o que fazer com esse tempo ganho, não a perda de emprego.

Qual é o principal obstáculo à adoção de IA nas empresas portuguesas?

Segundo o artigo, o obstáculo principal não é o custo da tecnologia, mas sim a falta de competências internas e a incerteza jurídica. Porém, o verdadeiro problema é psicológico: o medo de não saber o que se está a fazer e a resistência interna em mudar de mentalidade.

A IA consegue tomar decisões de forma autónoma?

Não. O artigo clarifica que a IA não tira decisões; tira o trabalho repetitivo que precedia a decisão. Num exemplo de aprovação de horas extra, a IA aprova 90% dos casos rotineiros e deixa os 10% excecionais para decisão humana.

O que é necessário para que a IA funcione numa empresa?

A IA só funciona quando há dados e regras bem documentadas. Se o processo é uma "caixa-preta" baseada em intuição, a IA não ajuda. O artigo refere que 60% das empresas falha na auditoria inicial ao processo, que é o verdadeiro ponto de partida.

Qual é a diferença entre o custo da IA há cinco anos e agora?

Há cinco anos, modelos de linguagem eram propriedade de laboratórios de IA. Hoje, são acessíveis via APIs. A curva de aprendizagem achatou, permitindo que um IT diretor que conhece o ERP instrua um agente sem necessidade de especialistas raros.