MIT Technology Review: 90% das empresas de engenharia vão ampliar investimentos em IA, mas sem corrida

A IA influencia cada vez mais não só o software, mas também coisas que funcionam no mundo físico: automóveis, eletrodomésticos e dispositivos médicos. Um estudo da MIT Technology Review Insights e da L&T Technology Services mostra que os engenheiros estão dispostos a ampliar o uso de IA, mas seguem a lógica do risco, da verificação e do resultado mensurável, não a do hype.

Por que o custo do erro é alto

Na engenharia de produto, o erro de um modelo custa diferente do que em um serviço digital. Uma resposta ruim de chatbot pode ser corrigida com uma atualização, mas um defeito em um projeto, em um sistema embarcado ou em uma decisão de produção pode levar ao recall de um lote, a um acidente ou a problemas com o regulador.

Por isso, as equipes que levam IA ao projeto e à produção de bens físicos não estão dispostas a confiar em modelos generalistas como eles são. Elas montam processos com diferentes níveis de confiança, verificação obrigatória e responsabilidade humana clara.

Os autores do estudo destacam que o que importa aqui não é a mágica de demonstração, mas o first-time-right: a capacidade de obter o resultado correto na primeira tentativa, ou o mais próximo disso. Para empresas que fabricam carros, eletrônicos ou equipamentos médicos, essa métrica pesa mais do que declarações bombásticas sobre transformação.

Por isso a adoção de IA avança em camadas: primeiro em áreas onde o efeito pode ser verificado e, depois, mais fundo no ciclo de vida do produto. É assim que as empresas reduzem o risco de erros caros e acumulam confiança nas novas ferramentas.

"Onde o resultado da IA afeta um sistema físico e não pode ser

revertido, a prioridade é a confiabilidade e a mensurabilidade".

Para onde vão os orçamentos

A pesquisa ouviu 300 líderes de engenharia de produto, desenvolvimento e tecnologia dos EUA. Todos representam empresas com receita acima de US$ 500 milhões em 16 setores, e as entrevistas foram complementadas com a opinião de altos executivos e especialistas do setor.

Nove em cada dez entrevistados pretendem aumentar o investimento em IA nos próximos um a dois anos, mas não planejam um salto brusco. Para 45%, os gastos devem crescer em até 25%, para cerca de um terço, entre 26% e 50%, e só 15% estão dispostos a elevar o orçamento de uma vez em 51% a 100%.

As prioridades também são pragmáticas: lideram não os assistentes inteligentes por si só, mas as ferramentas mais fáceis de verificar, defender perante o regulador e vincular ao ROI. Em primeiro plano estão análise, simulações e validação, áreas em que os engenheiros têm feedback claro e dados históricos. Essas tarefas são mais fáceis de auditar, alinhar e defender perante o negócio.

O estudo destaca algumas frentes em torno das quais se concentra hoje a maior parte da demanda:

• análise preditiva para encontrar cedo defeitos e pontos fracos
• simulações e validação com IA antes do início da produção
• verificação em vários níveis de modelos e resultados
• ferramentas especializadas e auditáveis em vez de sistemas generalistas

O que muda nas equipes

Uma conclusão à parte diz respeito às pessoas. 73% dos líderes esperam que a IA assuma o trabalho rotineiro de engenharia. Isso não significa que os especialistas se tornem menos importantes; o que muda é o centro de gravidade. Dentro das empresas, o valor passa da execução manual de operações repetíveis para decisões de arquitetura, pensamento sistêmico e avaliação estratégica de trade-offs. Quanto mais trabalho operacional vai para as ferramentas, mais importantes são as pessoas que entendem os limites do modelo e respondem pela escolha final.

Ao mesmo tempo, cresce o papel de parceiros externos e fornecedores especializados. Se parte da execução vai para ecossistemas de terceiros, a posse da lógica central, dos dados e das regras de decisão passa a ser uma questão de controle.

Os autores notam outra mudança: as empresas não medem o sucesso apenas pela velocidade de chegada ao mercado. Qualidade do produto e sustentabilidade aparecem mais acima entre os objetivos, indicadores que clientes, investidores e reguladores enxergam. Já a redução de custos e a satisfação da equipe caem nas prioridades.

O que isso significa

Para o mercado, é um sinal: a IA entra na engenharia do mundo físico não por demos chamativas, mas por cenários restritos e verificáveis, com ROI claro. Vencerão não os que prometem a revolução mais alto, mas os que integrarem mais rápido a IA a simulações, controle de qualidade e decisões de engenharia sem perder confiança, segurança e responsabilidade.

Esse modelo cauteloso, ao que tudo indica, será o principal modelo de adoção nos próximos anos.