Quatro pesquisas de 2026 fizeram substancialmente a mesma pergunta a fabricantes, "a IA já está nos seus processos core?", e as respostas variam em 90 pontos percentuais.
- Fictiv, IA embarcada nos fluxos core97%
- RSM US, integração plena nas operações core32%
- Deloitte, IA/ML em nível de planta ou rede29%
- HiveMQ, IA na maioria dos processos core7%
A diferença está na definição de cada uma, e entender qual delas cada número usa é o que impede um diretor industrial de levar o benchmark errado para o conselho.
A escada de cinco degraus
"Usamos IA" e "a IA opera nosso processo" são coisas diferentes, e entre as duas existem degraus com critérios testáveis:
| Degrau | O que significa | Teste de verificação |
|---|---|---|
| 1. Uso individual | pessoas usam ferramentas de IA no trabalho | existe alguém usando; não há sistema envolvido |
| 2. Análise offline | modelo roda sobre dado histórico e gera relatório | o resultado chega por apresentação ou painel |
| 3. Em produção, consultivo | modelo roda continuamente e recomenda | há um endpoint, um SLA e alguém responsável quando cai |
| 4. No sistema de execução | a recomendação entra no MES ou no HMI | o operador vê a recomendação sem abrir outra tela |
| 5. Fecha a malha | a decisão é executada sem intervenção | existe critério de reversão e limite validado pela engenharia |
Os 97% da Fictiv medem algo próximo do degrau 1 ou 2. Os 7% da HiveMQ medem o degrau 4 ou 5. Os dois números podem estar certos ao mesmo tempo, o que torna enganoso citar qualquer um deles sem a definição.
Como auditar a sua própria resposta
Antes de comparar com o setor, vale saber em que degrau a sua operação está. Quatro perguntas resolvem, e elas são verificáveis, não opinativas:
Existe um endpoint com dono e SLA? Se o modelo roda num notebook que alguém executa quando lembra, o degrau é 2, independentemente de quão bom ele seja.
A recomendação aparece numa tela que o operador já usa? Se ele precisa abrir outra coisa, o degrau é 3, e a taxa de uso vai refletir isso.
O que acontece quando o modelo cai? Se ninguém percebe, ele não está no processo core. Se a linha para ou alguém liga, está.
Existe linha de base anterior? Sem ela, dá para afirmar que o degrau 4 existe, e não que ele melhorou algo.
Como uma demo vira "degrau 4" sem ninguém mentir
O mecanismo não depende de má-fé, e conhecê-lo muda a condução de uma prova de conceito.
A demo roda sobre dado histórico selecionado. O fornecedor recebe um extrato do historian, escolhe um período estável e mostra o modelo acertando. Tudo verdadeiro, e nada disso responde como o modelo se comporta com o dado chegando em tempo real, com falha de sensor e troca de produto no meio.
A integração mostrada é de tela, não de sistema. Uma tela pode exibir a recomendação sem que exista qualquer escrita no MES. Visualmente é idêntico ao degrau 4; operacionalmente é o degrau 2.
O piloto roda na melhor linha. A linha escolhida tem instrumentação recente, operador engajado e o técnico do fornecedor por perto. É a versão do problema com os outros fatores maximizados.
A medição é do modelo, não do processo. Reporta-se acurácia. O indicador do processo (refugo, OEE, atraso) frequentemente não é medido antes, o que torna impossível afirmar que mudou.
Nenhuma dessas etapas é desonesta. Todas produzem um resultado que não se reproduz quando o caso de uso encontra a operação inteira.
O que pedir numa proposta
Quatro exigências que custam nada e mudam o que se está comprando:
- A demo roda com dado chegando ao vivo, não com extrato. Mesmo que seja só uma linha.
- A recomendação aterrissa no sistema que o operador já usa, e a proposta diz qual é e como.
- A linha de base é medida antes, no mesmo recorte de turno e mix que vai ser comparado depois.
- Existe um plano para a falha do dado: o que o modelo faz quando um sensor cai ou o produto muda.
O número que resume 2026
Uma medida atravessa as definições. A parcela de organizações que atribui algum impacto de IA no EBIT ficou em 37%, a mesma de 2025, enquanto a parcela que diz ter IA escalando subiu de 38% para 44%. Apenas 6% reportam impacto de 5% ou mais, número igualmente travado (McKinsey, 1.719 respondentes em 97 países, 2026).
Entrou mais gente na escala e ninguém a mais ganhou dinheiro.
O padrão se repete no orçamento: 37% das empresas miravam cortar de 11% a 20% dos custos com IA; quase 40% das que mediram cortaram menos de 10%, e 90% delas aumentaram o orçamento de novo (Bain & Company, 951 empresas, junho de 2026).
Aumentar orçamento depois de não atingir a meta anterior não é irracional se algo mudou no desenho. É irracional quando a única coisa que muda é o valor.
Onde a indústria realmente está
68% da indústria segue em piloto ou antes dele: 32% ainda pesquisando sem planos concretos e 36% em pilotos e provas de conceito (HiveMQ, 2026). E a ordem de prioridade declarada para 2026 está invertida em relação ao diagnóstico que o próprio setor faz:
- 67% elegem IA agêntica e operações autônomas como prioridade;
- 36% priorizam governança e contextualização de dados;
- 34% têm sistemas de produção com streaming em tempo real;
- 70% citam a incapacidade de confiar e governar agentes como obstáculo ao escalar.
O último número é consequência direta do segundo. Agente autônomo operando sobre dado não governado, sem tempo real e sem linhagem, toma decisões erradas mais rápido, e a própria pesquisa já captura o efeito.
O recorte brasileiro
Na indústria de transformação brasileira, 14% das empresas com 10 ou mais ocupados usaram IA em 2025, o segundo menor índice setorial, contra 17% no total das empresas e 50% entre as com 250 ou mais (Cetic.br/NIC.br, TIC Empresas 2025, 4.174 entrevistas).
A velocidade do afastamento muda o cálculo de urgência: o abismo por porte passou de 28 para 35 pontos percentuais em um único ano. Num parque em que 94,2% das empresas industriais são pequenas, isso é a previsão de quem vai competir na próxima década.
Por que a discrepância é boa notícia
A leitura útil desses 90 pontos é contraintuitiva e favorável a quem está começando.
A barra real é muito mais baixa do que o discurso sugere. Se a realidade operacional do setor está entre 7% e 32%, então sair do piloto e colocar um caso de uso operando dentro do sistema de execução já coloca a operação num percentil alto.
Basta fazer um caso de uso atravessar até o degrau 4 e sustentá-lo, sem transformar a fábrica.
O diagnóstico do Fórum Econômico Mundial, a partir de 238 sites da Global Lighthouse Network, diz a mesma coisa por outro ângulo: "os verdadeiros vencedores não são os que pilotam mais tecnologias, mas os que escalam com sucesso suas inovações de maior valor."
O que fazer com o benchmark do conselho
Peça a definição junto com o número. Quando alguém citar um percentual de adoção, a pergunta é: em que degrau isso foi medido? Sem isso, a comparação não existe.
Meça o seu degrau, não a sua intenção. Quatro perguntas verificáveis resolvem, e elas não dependem de fornecedor.
Escolha um caso de uso para levar ao degrau 4. Um, inteiro, com linha de base anterior. Vale mais que cinco provas de conceito rodando ao lado da operação.
Cobre impacto no resultado, não adoção de ferramenta. Porque é exatamente aí que os 37% estão travados há dois anos.
