MIT Technology Review: 90% das empresas de engenharia vão aumentar os investimentos em AI, mas sem pressa

A IA está impactando cada vez mais não apenas software, mas coisas que funcionam no mundo físico: automóveis, eletrodomésticos e dispositivos médicos. Uma pesquisa do MIT Technology Review Insights e da L&T Technology Services mostra que engenheiros estão prontos para expandir aplicações de IA, mas não por lógica de hype, e sim por lógica de risco, verificação e resultados mensuráveis.

Por Que o Custo do Erro É Alto

Em engenharia de produtos, um erro de modelo custa diferente que em um serviço digital. Se uma resposta errada de um chatbot pode ser corrigida com uma atualização, um defeito em design, sistema embarcado ou solução de produção pode levar a recalls, acidentes ou problemas regulatórios. Por isso, equipes que implementam IA no projeto e fabricação de produtos físicos não estão prontas para confiar em modelos genéricos do jeito que são.

Elas constroem processos com diferentes níveis de confiança, verificação obrigatória e clara responsabilidade humana. Os autores da pesquisa enfatizam: aqui o que importa não é mágica de demonstração, mas first-time-right — a capacidade de obter um resultado correto na primeira tentativa ou o mais próximo possível. Para empresas que produzem máquinas, eletrônicos ou dispositivos médicos, essa métrica é mais importante que promessas altisonantes de transformação.

Por isso a implementação de IA ocorre em camadas: primeiro em áreas onde o efeito pode ser verificado, depois — mais profundamente no ciclo de vida do produto. É exatamente assim que empresas reduzem o risco de erros caros e acumulam confiança em novas ferramentas.

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

revertido, confiabilidade e mensurabilidade têm prioridade."

Para Onde Vão Os Orçamentos

A pesquisa abrangeu 300 executivos de engenharia de produtos, desenvolvimento e tecnologia dos EUA. Todos representam empresas com receita a partir de $500 milhões em 16 setores, e entrevistas complementaram as opiniões de executivos sênior e especialistas da indústria. Nove em cada dez respondentes planejam aumentar investimentos em IA nos próximos um a dois anos, mas não planejam um grande salto. 45% esperam crescimento de gastos máximo de 25%, cerca de um terço — de 26–50%, e apenas 15% estão prontos para aumentar o orçamento imediatamente em 51–100%.

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

A pesquisa destaca várias direções em torno das quais a demanda atual está sendo construída:

• Análise preditiva para detecção precoce de defeitos e pontos fracos
• Simulações e validação com IA antes do lançamento em produção
• Verificação multi-nível de modelos e resultados
• Ferramentas especializadas e auditáveis em vez de sistemas genéricos

O Que Está Mudando Nas Equipes

Uma conclusão separada diz respeito às pessoas. 73% dos executivos esperam que a IA assuma o trabalho rotineiro de engenharia. Isto não significa que especialistas se tornem menos importantes; o próprio centro de gravidade muda. Dentro das empresas, o valor se desloca da execução manual de operações repetitivas para decisões arquiteturais, pensamento sistêmico e avaliação estratégica de trade-offs. Quanto mais trabalho operacional vai para ferramentas, mais importantes se tornam as pessoas que entendem os limites do modelo e são responsáveis pela escolha final. Paralelamente, cresce o papel de parceiros externos e fornecedores especializados. Se parte da execução vai para ecossistemas de terceiros, então a propriedade da lógica-chave, dados e regras de tomada de decisão se torna questão de controle.

Os autores notam outro deslocamento: empresas medem sucesso não apenas pela velocidade de lançamento de um produto no mercado. Mais alto na lista de objetivos estão qualidade do produto e resiliência — métricas que clientes, investidores e reguladores veem. Enquanto redução de custos e satisfação da equipe caem para baixo nas prioridades.

O Que Isso Significa

Para o mercado, este é um sinal: IA na engenharia do mundo físico entra não através de demos espetaculares, mas através de cenários estreitos e verificáveis com ROI claro. Vencerão não aqueles que prometem revolução mais alto, mas aqueles que mais rapidamente integrarem IA em simulações, controle de qualidade e tomada de decisão de engenharia sem perder confiança, segurança e responsabilidade. Este modelo cauteloso parece se tornar o principal template de implementação nos próximos anos.