Há cinco anos dizíamos que a IA chegaria "em breve" às fábricas portuguesas. Estávamos errados — não porque a IA não chegou, mas porque a velocidade foi menor e o impacto mais circunscrito do que prevíamos. Hoje, em 2025, apenas 11,5% das empresas em Portugal (10+ trabalhadores) usam IA, e entre as pequenas empresas esse número cai para 9,4%. Fonte: INE, 2025. O gap entre a conversa em conferências e a realidade do chão-de-fábrica continua enorme. Mas isso não é uma razão para adiar a decisão — é, pelo contrário, uma razão para a tomar agora, quando ainda há tempo para aprender sem pressa. A diferença entre você e os 11,5% que já avançaram não é a tecnologia: é a coragem de começar com um problema real, não com um orçamento de inovação.

O que mudou desde 2020 não é a tecnologia. É o custo de inação. A NIS2 obriga a auditoria de fornecedores de TI. O AI Act europeu classifica os seus processos em categorias de risco. Os seus concorrentes — mesmo os pequenos — começam a usar IA para prever procura, otimizar stocks, e medir OEE em tempo real. Se você espera por um padrão de "melhor prática" antes de agir, vai descobrir que o padrão se forma sem você. Portanto, a pergunta não é "quando devo investir em IA". É: "que decisões preciso tomar até ao final de 2025 para que em 2027 a minha estratégia de IA não seja um atraso que compensar".

IA é uma decisão de arquitetura, não de software

Muitas empresas industriais veem IA como um módulo que se compra e instala, como um chatbot ou um dashboard. Essa visão custa caro mais tarde. A IA que importa — a que muda operações — vive nos dados que você recolhe todos os dias. Se os seus dados estão dispersos (ERP aqui, MES ali, folhas de cálculo noutro lado, histórico em papel), nenhum modelo de IA vai funcionar. Ponto final.

O que você precisa decidir agora é: qual é a sua arquitetura de dados? Tem um ETL que centraliza dados de produção? Tem um API strategy que permite aos sistemas falar entre si? Tem um data lake ou, pelo menos, um repositório único de verdade? Se respondeu "não" a duas destas perguntas, a IA é prematura. O que não é prematura é desenhar esse alicerce agora, enquanto os custos de migração são ainda controláveis.

Vemos isto repetidamente em implementações: uma fábrica têxtil do Vale do Ave com 80 colaboradores compra um modelo de previsão de procura porque "IA é o futuro". Três meses depois, descobre que os dados de encomendas históricas estão em três sistemas diferentes e ninguém sabe qual é o correto. O modelo falha. A IA fica com culpa. A culpa era da arquitetura. O investimento em software foi perdido. O tempo da equipa, gasto. A confiança interna em IA, abalada por cinco anos.

Não há IA sem dados integrados. Não há dados integrados sem decisão de arquitetura. Essa decisão tem de ser tomada em 2025 para que em 2027 a IA funcione.

Antes de contactar um fornecedor de IA, faça três perguntas ao seu CTO ou IT Diretor: (1) Temos um repositório único de dados de operações? (2) Os nossos sistemas principais (ERP, MES, mobilidade) conseguem partilhar dados via API ou ETL? (3) Quem é responsável pela qualidade desses dados? Se as respostas forem vagas, esse é o projecto de 2025 — não a IA em si, mas a fundação que a sustenta.

IA generativa é um atalho que custa mais do que economiza

Há um fascínio legítimo por chatbots corporativos e assistentes baseados em IA generativa. Um diretor de produção sonha com um sistema que lê procedimentos, regulamentos e históricos de falhas, e sugere ações corretivas. É apelativo. Funciona em demos. Depois, na realidade, um chatbot corporativo resolve bem 60-70% das perguntas rotineiras. Para o resto, ou erra com confiança (alucinação — o modelo inventa uma resposta plausível), ou pede confirmação humana (e então o tempo economizado evapora). Se o seu sistema de gestão documental é caótico (ficheiros soltos, nomes incoerentes, versões antigas em circulação), o chatbot herda esse caos e o amplifica.

Uma confecção em Famalicão implementou um chatbot para responder a dúvidas de operários sobre procedimentos de qualidade. Seis meses depois, descobriu que o sistema tinha "corrigido" automaticamente referências a normas ISO — porque o modelo pensava que eram erros de digitação. O resultado foi conformidade comprometida. O chatbot foi desligado. Ninguém quis usar IA novamente durante dois anos.

IA generativa é poderosa para documentação bem estruturada e processos maduros. Se você ainda está a lutar com ficheiros desorganizados e procedimentos que ninguém segue, comece por organizar. Use um sistema de Gestão Documental com captura cognitiva e workflow, não um chatbot. Depois, quando a base for sólida, a IA generativa multiplica o valor. A sequência importa mais do que a tecnologia.

A métrica que importa é o que você não mede

Empresas industriais em Portugal medem com rigor: produção por turno, rejeitados, tempos de ciclo. Mas há uma métrica que raramente aparece nos dashboards — o tempo que as pessoas passam em tarefas que uma máquina deveria fazer. Um chefe de armazém passa duas horas por dia a conferir picking e a resolver discrepâncias. Um planeador passa três horas a ajustar ordens porque a previsão falhou. Um controlista passa quatro horas a reconciliar dados entre o ERP e folhas de cálculo. Nenhuma dessas horas está registada como "ineficiência". Aparecem como "operação normal".

Esse tempo invisível é onde a IA industrial (não generativa — IA de dados) cria valor real. Um modelo que prevê procura com 15% de erro a menos reduz os ajustes manuais de planeamento. Um sistema de otimização de rotas reduz o tempo de picking. Um ETL automático elimina a reconciliação manual. A economia não é em software — é em horas-pessoa libertadas para trabalho que realmente cria diferença.

Calcule quanto custa essa ineficiência invisível. Comece por uma semana: peça ao seu chefe de armazém, ao seu planeador, ao seu controlista que registem quanto tempo passam em tarefas repetitivas ou de validação manual. Multiplique por 52. Depois multiplique pelo custo médio da hora (salário + encargos). Compare com o investimento em IA. Se o payback é inferior a 18 meses, é uma decisão. Se for superior, talvez a IA não seja ainda a prioridade — talvez seja otimizar o processo manual antes, ou redesenhar o workflow para eliminar a necessidade.

Isto é incómodo porque força a admitir que a operação atual é ineficiente. Mas é honesto. Vemos muitas empresas que compram IA para "ser modernas" sem medir o que mudam. Depois ficam desiludidas. Mude porque tem um problema mensurável, não porque tem um orçamento.

Regulação e risco: a decisão que você não pode adiar

O Regulamento da IA europeu (AI Act, Regulamento (UE) 2024/1689) entrou em vigor em agosto de 2024. As proibições aplicam-se desde fevereiro de 2025 e as regras de modelos de uso geral desde agosto de 2025. Isto não é uma recomendação — é lei. Se você usa ou planeia usar IA para tomar decisões sobre pessoas (recrutamento, avaliação de desempenho, gestão de rotas de vendas), está sujeito a obrigações de transparência, documentação e auditoria. Fonte: Comissão Europeia.

Ao mesmo tempo, a NIS2 (Diretiva (UE) 2022/2555, transposta em Portugal via Decreto-Lei 65/2025) obriga a auditar fornecedores de TI que tenham acesso a sistemas críticos. Se o seu fornecedor de IA não conseguir demonstrar conformidade com NIS2, o risco fica com você. Não é um detalhe contratual — é uma responsabilidade do seu conselho de administração. Uma auditoria externa que encontre um sistema de IA não documentado pode resultar em coimas significativas.

Mapeie onde usa ou planeia usar IA na sua operação. Classifique cada caso conforme o AI Act — proibido, alto risco, risco limitado. Exija aos fornecedores documentação de conformidade NIS2 e AI Act. Designe um responsável interno pela governança de IA (pode ser o seu IT Diretor ou um membro do conselho, mas tem de haver alguém). Isto parece burocracia. É. Mas é burocracia que a lei impõe. Ignorá-la é uma exposição de risco que nenhum seguro cobre.

Competências: o recurso que ninguém tem

Em Portugal faltam especialistas de IA industrial. Não faltam data scientists — faltam pessoas que entendam tanto de IA como de produção têxtil, ou de distribuição alimentar, ou de injeção plástica. Essa pessoa é rara. E cara. Segundo o Eurostat, 70,9% das empresas da UE identificam a falta de competências como o principal obstáculo à adoção de IA. Fonte: Eurostat, 2025. Em Portugal, esse número é provavelmente mais alto — porque o mercado de talento é menor e a concorrência de centros tecnológicos maiores é intensa.

A solução não é contratar um PhD em machine learning e esperar que ele aprenda a sua indústria em três meses. É treinar alguém da sua equipa atual — alguém que já conhece os processos, as restrições operacionais, os clientes — em IA aplicada. Ou é trazer um parceiro externo (consultoria, fornecedor de software) que já trabalhou em contextos similares. Uma fábrica de calçado em Felgueiras que treinou o seu engenheiro de planeamento em modelos de previsão de procura conseguiu, em 18 meses, reduzir o erro de previsão de 22% para 11%. O engenheiro não era um especialista de IA — era alguém que entendia a sazonalidade do calçado feminino e tinha curiosidade técnica.

Competências em IA industrial não se compram prontas. Constroem-se ao longo de 18-24 meses com parceiros que já fizeram o caminho.

A decisão que precisa tomar agora é: quem vai gerir a IA internamente? Se não tem essa pessoa, comece a procurar (ou a treinar) agora. Porque em 2027, quando a IA for crítica, não quer estar dependente de um consultor externo que só trabalha 3 dias por mês.

Comece pequeno. Mas comece agora.

A armadilha é pensar que a estratégia de IA tem de ser ambiciosa desde o início. Não tem. Comece com um caso de uso bem delimitado: otimizar a previsão de procura para uma família de produtos. Ou reduzir o tempo de picking num armazém específico. Ou automatizar a reconciliação de dados entre dois sistemas. Um projecto com escopo claro, com métrica de sucesso definida à partida, com prazo de 3-6 meses. Se funcionar, amplie. Se falhar, aprenda e ajuste. Essa é a única forma de construir confiança interna em IA sem queimar orçamento.

Não comece com um "programa de transformação digital via IA" de 18 meses e 500 mil euros. Comece com "vamos reduzir o erro de previsão de procura em 20% nos próximos 6 meses" — algo que o seu planeador entende, algo que o seu CFO consegue medir, algo que a sua equipa consegue suportar sem ser desviada do trabalho crítico.

2025 é o ano em que essa decisão se torna urgente. Não porque a IA seja mágica — não é. Mas porque a regulação está aqui, os concorrentes estão a mover-se, e o custo de ficar para trás começa a ser visível. O que você precisa fazer até ao final de 2025 é simples: escolha um problema real, defina a métrica, identifique o parceiro, e comece. O resto constrói-se a partir daí.

Perguntas frequentes

Porque é que apenas 11,5% das empresas em Portugal usam IA se a tecnologia já existe há anos?

O artigo explica que a velocidade de adoção foi menor do que o previsto e o impacto mais circunscrito. O gap entre a conversa em conferências e a realidade do chão-de-fábrica continua enorme. Contudo, isso não justifica adiar a decisão — pelo contrário, é o momento ideal para começar com um problema real, quando ainda há tempo para aprender sem pressa.

O que mudou desde 2020 que torna urgente uma decisão sobre IA agora?

Mudou o custo de inação. A NIS2 obriga a auditoria de fornecedores de TI, o AI Act europeu classifica processos em categorias de risco, e os concorrentes começam a usar IA para prever procura, otimizar stocks e medir OEE em tempo real. Se esperar por uma "melhor prática", o padrão forma-se sem você.

Posso comprar um software de IA e instalar como um módulo qualquer?

Não. O artigo alerta que essa visão custa caro mais tarde. A IA que muda operações vive nos dados recolhidos diariamente. Se os dados estão dispersos (ERP, MES, folhas de cálculo, papel), nenhum modelo de IA funciona. A IA é uma decisão de arquitetura de dados, não apenas de software.

Qual é o primeiro passo que devo dar antes de contactar um fornecedor de IA?

Faça três perguntas ao seu CTO ou IT Diretor: tem um repositório único de dados de operações? Os sistemas principais conseguem partilhar dados via API ou ETL? Quem é responsável pela qualidade desses dados? Se as respostas forem vagas, o projecto de 2025 é construir essa fundação, não implementar IA.

IA generativa (chatbots) é uma boa solução para as nossas operações?

IA generativa é um atalho que custa mais do que economiza. Um chatbot corporativo resolve bem 60-70% das perguntas rotineiras, mas erra com confiança no resto (alucinação). Se o seu sistema documental é caótico, o chatbot herda e amplifica esse caos. Use-a apenas quando a documentação está bem estruturada e processos são maduros.

Como devo medir o valor real que a IA pode trazer à minha fábrica?

Meça o tempo invisível que as pessoas passam em tarefas repetitivas: conferências, ajustes manuais, reconciliações. Esse tempo não aparece como ineficiência, mas como "operação normal". A IA industrial cria valor libertando essas horas-pessoa. Comece registando uma semana de tarefas repetitivas e multiplique o custo anual.

Se não tenho dados integrados, devo esperar antes de investir em IA?

Não deve esperar por IA, mas deve agir já na integração de dados. Se respondeu "não" a duas das três perguntas sobre arquitetura de dados, a IA é prematura. Contudo, desenhar esse alicerce agora, enquanto os custos de migração são controláveis, é a decisão certa para 2025.