Indústria News
Indústria 4.0

GreyDay 2026: 8 aprendizados sobre inovação e gestão industrial

Fonte: Tissue Online

Uma fábrica pode contar com equipamentos modernos, sistemas de automação e uma grande quantidade de dados disponíveis. Ainda assim, encontrar maneiras de melhorar os processos, reduzir desperdícios e aproveitar novas tecnologias continua sendo um desafio. Afinal, por onde começar a inovar? Como identificar quais soluções realmente fazem sentido para uma operação? E o que é necessário para transformar uma boa ideia em resultado? Essas questões estiveram entre os assuntos discutidos no GreyDay 2026, evento promovido pela GreyLogix, que reuniu mais de 100 participantes no dia 8 de outubro, em Curitiba (PR). Com apresentações de executivos e especialistas da GreyLogix, Siemens Brasil, SENAI e FranklinCovey Brasil, o encontro trouxe diferentes perspectivas sobre tecnologia, estratégia e pessoas. A partir dessas discussões, reunimos oito aprendizados que podem ajudar empresas a repensar a maneira como conduzem seus projetos de inovação. 1. GRANDES INOVAÇÕES PODEM COMEÇAR COM PEQUENOS EXPERIMENTOS Quando uma empresa identifica uma oportunidade de inovação, é comum pensar no investimento necessário para colocar a ideia em prática. Mas existe uma etapa anterior que pode fazer toda a diferença: testar. Renato Leal, CEO da GreyLogix, abordou esse assunto a partir do conceito de criatividade empírica, apresentado por Jim Collins e Morten Hansen no livro Great by Choice . A proposta, conhecida pela expressão “primeiro balas, depois canhões”, consiste em realizar pequenos experimentos, com custos e riscos controlados, antes de investir em uma solução de maior porte. Imagine uma indústria interessada em utilizar inteligência artificial para melhorar determinado processo. Em vez de implementar a tecnologia em toda a planta, a empresa pode começar por uma aplicação específica, avaliar os resultados e identificar quais ajustes são necessários. Foi seguindo uma lógica de experimentação que a GreyLogix desenvolveu diferentes iniciativas, entre elas a GreyBeer, sua cervejaria própria, localizada em Rio Negro (PR). Antes de a fábrica entrar em operação, o projeto passou por pesquisas, parcerias com universidades e instituições de tecnologia e pelo desenvolvimento de um gêmeo digital da planta. A experiência ajuda a mostrar que inovar também envolve saber testar, reconhecer o que funciona e decidir quando vale a pena ampliar uma ideia. 2. TER DADOS NÃO SIGNIFICA SABER O QUE FAZER COM ELES Sensores, equipamentos, sistemas de controle e plataformas de gestão produzem informações continuamente. O problema é que esses dados nem sempre estão disponíveis de maneira integrada. Uma equipe pode acompanhar indicadores de produção, enquanto outra utiliza informações de manutenção e uma terceira trabalha com dados de gestão. Quando esses sistemas não se comunicam, fica mais difícil enxergar o que está acontecendo na operação como um todo. Esse foi um dos assuntos abordados por Pablo Fava, CEO da Siemens Brasil, ao discutir a convergência entre Tecnologia da Informação (IT) e Tecnologia Operacional (OT). A integração entre essas duas áreas permite conectar os dados do chão de fábrica aos sistemas corporativos, criando novas possibilidades de análise e acompanhamento dos processos. Na prática, uma indústria pode relacionar informações sobre o desempenho de um equipamento com indicadores de produção e manutenção, identificando situações que seriam mais difíceis de perceber com os dados separados. Antes de investir em novas ferramentas, vale fazer uma pergunta: a empresa está aproveitando as informações que já possui? 3. A INTELIGÊNCIA ARTIFICIAL INDUSTRIAL PRECISA CONHECER O AMBIENTE EM QUE SERÁ UTILIZADA Uma ferramenta de inteligência artificial pode responder perguntas, organizar documentos e analisar informações em poucos segundos. Mas o que acontece quando ela precisa interpretar um diagrama elétrico, compreender um processo produtivo ou auxiliar no desenvolvimento de um projeto de engenharia? Nesse cenário, o conhecimento sobre a operação faz diferença. Durante sua apresentação, Pablo Fava abordou o desenvolvimento de modelos de inteligência artificial voltados especificamente ao ambiente industrial, capazes de trabalhar com dados e informações de engenharia, manufatura e operação. Entre os exemplos apresentados estavam aplicações para digitalização de documentos técnicos, interpretação de diagramas, apoio ao desenvolvimento de projetos e simulações. Também foram discutidas possibilidades de utilização de gêmeos digitais, que permitem representar virtualmente equipamentos e processos para realizar análises e acompanhar seu comportamento. Essas tecnologias podem reduzir o tempo gasto em determinadas atividades e facilitar o acesso a informações técnicas. Mas, para isso, precisam trabalhar com dados confiáveis e considerar as particularidades de cada aplicação. Uma ferramenta que funciona bem para organizar textos, por exemplo, não está automaticamente preparada para interpretar as condições de operação de uma planta industrial. 4. UMA RESPOSTA CONVINCENTE DA INTELIGÊNCIA ARTIFICIAL TAMBÉM PODE ESTAR ERRADA Quem já utilizou ferramentas de inteligência artificial generativa provavelmente percebeu como elas conseguem produzir respostas rápidas e bem estruturadas. O problema é que nem sempre essas respostas estão corretas. Ricardo Sá, Head de TICs da GreyLogix, abordou essa questão ao explicar o funcionamento e as limitações dos modelos de linguagem. Essas ferramentas são capazes de gerar conteúdos a partir de padrões identificados durante seu treinamento e das informações disponíveis no momento da interação. Isso não significa, porém, que consigam verificar automaticamente a veracidade de tudo o que produzem. Em determinadas situações, a inteligência artificial pode apresentar informações incorretas com a mesma segurança de uma resposta verdadeira. Dentro de uma indústria, esse comportamento exige atenção. Uma informação utilizada para apoiar uma análise técnica, interpretar um documento ou orientar uma decisão precisa passar por critérios adequados de validação. A IA pode ajudar a localizar informações e acelerar atividades, mas a responsabilidade pela análise dos resultados continua sendo essencial, especialmente quando há riscos para equipamentos, processos ou pessoas. 5. QUANTO MAIS CONECTADA A INDÚSTRIA, MAIOR A ATENÇÃO À CIBERSEGURANÇA A integração entre sistemas industriais e corporativos abre espaço para novas aplicações. Equipamentos podem compartilhar informações com plataformas de análise, equipes conseguem acompanhar processos à distância e dados passam a circular entre diferentes ambientes. Essa conectividade também traz riscos que precisam ser considerados desde o início dos projetos. A cibersegurança esteve presente nas discussões sobre convergência IT/OT e inteligência artificial, especialmente pela necessidade de proteger informações, sistemas de controle e a continuidade das operações. Diferentemente de outros ambientes, uma falha de segurança em sistemas industriais pode afetar diretamente a produção, provocar indisponibilidade de equipamentos e comprometer processos críticos. Por isso, decisões sobre integração de sistemas, acessos, comunicação entre redes e utilização de novas ferramentas precisam considerar os requisitos de segurança da operação. Não faz sentido ampliar a conectividade de uma planta sem avaliar como os novos pontos de comunicação serão protegidos. 6. ANTES DE ESCOLHER UMA TECNOLOGIA, É PRECISO SABER QUAL PROBLEMA RESOLVER Inteligência artificial, IIoT, gêmeos digitais e sistemas avançados de automação oferecem diferentes possibilidades para a indústria. Mas a escolha de uma dessas tecnologias não deveria ser o primeiro passo de um projeto. Uma dificuldade recorrente na manutenção, a falta de visibilidade sobre determinado processo ou o tempo gasto em uma atividade de engenharia podem ser pontos de partida mais úteis. Na apresentação de Renato Leal, a experimentação foi associada a perguntas práticas: o que precisa melhorar, qual hipótese será testada, como avaliar o resultado e o que fazer depois do experimento. Esse raciocínio ajuda a direcionar os investimentos para necessidades concretas. Uma indústria que enfrenta paradas frequentes em determinado equipamento, por exemplo, pode começar investigando quais informações estão disponíveis e se elas permitem identificar padrões de falha. A partir daí, fica mais fácil avaliar se uma solução de monitoramento ou análise preditiva realmente faz sentido. O mesmo vale para outras aplicações. A tecnologia escolhida precisa responder a uma necessidade identificada, com critérios que permitam avaliar se houve melhoria. 7. UMA BOA ESTRATÉGIA PODE FRACASSAR NA HORA DE EXECUTAR Definir objetivos, elaborar planos e anunciar novos projetos são etapas importantes. O desafio costuma aparecer quando essas decisões precisam fazer parte da rotina das equipes. Bill Moraes, CEO da FranklinCovey Brasil, abordou essa distância entre planejamento e resultado durante sua palestra sobre execução estratégica. Um dos pontos discutidos foi a inconsistência na execução. Mesmo quando uma organização sabe onde deseja chegar, a falta de continuidade e de foco pode comprometer os resultados. Na indústria, isso pode acontecer com projetos de digitalização, programas de melhoria contínua e iniciativas que dependem do envolvimento de diferentes áreas. Uma empresa pode investir em um novo sistema de gestão, por exemplo, mas não alcançar os benefícios esperados se as equipes não incorporarem a ferramenta aos processos ou se as prioridades mudarem constantemente durante a implementação. A execução exige clareza sobre o que precisa ser feito, acompanhamento das ações e envolvimento das pessoas responsáveis por colocar os projetos em prática. Sem essa continuidade, até iniciativas com grande potencial podem acabar perdendo força. 8. INOVAR TAMBÉM EXIGE DISPOSIÇÃO PARA MUDAR OS PLANOS Nem todo projeto acontece exatamente como foi planejado. Testes podem apresentar resultados diferentes dos esperados, novas dificuldades surgem durante a implementação e algumas decisões precisam ser revistas ao longo do caminho. Essa capacidade de adaptação também apareceu no GreyDay, embora sob uma perspectiva diferente. Na palestra “Everest: a Escalada da Superação”, Fábio Karnopp, gerente de Operações do SENAI, compartilhou sua trajetória pessoal e as experiências que o levaram a retomar o sonho de chegar ao Everest. Ao falar sobre os desafios enfrentados, Fábio organizou sua reflexão em quatro etapas: sonhar, decidir, planejar e superar. A história trouxe uma discussão que também faz sentido no ambiente profissional. Ter um objetivo claro é importante, mas isso não elimina as dificuldades que podem surgir até alcançá-lo. Projetos industriais envolvem equipes, investimentos, prazos e condições que nem sempre podem ser previstas. Em alguns momentos, insistir no plano original pode não ser a melhor alternativa. Saber reconhecer quando é necessário ajustar a estratégia, aprender com os resultados e encontrar outros caminhos faz parte do processo de inovação. O QUE FICA DESSAS DISCUSSÕES? Os oito aprendizados surgiram a partir das palestras do GreyDay 2026, realizado pela GreyLogix no Hotel QOYA, em Curitiba (PR). Além das apresentações, o evento contou com seis ilhas de tecnologia, nas quais os participantes puderam conhecer aplicações de engenharia integrada, automação, operações conectadas, cibersegurança, Internet das Coisas Industrial e inteligência artificial. As discussões trouxeram perspectivas diferentes sobre um desafio comum às empresas: como aproveitar os avanços tecnológicos para melhorar suas operações sem perder de vista os riscos, os investimentos e as pessoas envolvidas. Não existe uma única resposta para essa questão. Em algumas situações, o caminho pode começar com a integração de dados que já estão disponíveis. Em outras, com um pequeno experimento, a revisão de um processo ou uma mudança na forma de conduzir um projeto. O ponto em comum é a necessidade de compreender o problema antes de buscar a solução e acompanhar os resultados para decidir os próximos passos.