A indústria está entrando em uma nova corrida por produtividade. Inteligência artificial, sensores, análise de dados, automação, sistemas integrados e equipamentos capazes de tomar decisões em tempo real deixaram de ocupar apenas apresentações sobre o futuro e começaram a disputar espaço concreto nos orçamentos das fábricas.

Nos Estados Unidos, esse movimento ganhou força em um momento particularmente desafiador. Fabricantes convivem com custos maiores, incertezas comerciais, dificuldade para encontrar trabalhadores qualificados e necessidade permanente de aumentar produtividade. Nesse ambiente, investir em tecnologia parece uma resposta bastante lógica.

Os números mostram a dimensão dessa transformação. Uma pesquisa da Deloitte com 600 executivos da indústria apontou que 80% pretendiam direcionar pelo menos 20% de seus orçamentos de melhoria para iniciativas de manufatura inteligente. Outro levantamento, divulgado pela PwC em 2026, projeta que a proporção de fabricantes industriais com processos altamente automatizados pode passar de 18% para 50% até 2030.

Estamos, portanto, diante de uma mudança real.

Mas existe uma pergunta que considero tão importante quanto saber qual tecnologia uma fábrica pretende comprar: o processo que receberá essa tecnologia funciona bem hoje?

Depois de anos trabalhando com gestão industrial, aprendi que automatizar uma operação desorganizada não necessariamente elimina sua ineficiência. Em determinadas situações, apenas permite que ela aconteça mais rapidamente.

Tecnologia não deveria ser o ponto de partida

Existe algo sedutor em uma solução tecnológica. Ela é visível, mensurável e geralmente chega acompanhada de uma promessa clara de ganho de produtividade.

Melhorar um processo existente costuma ser menos atraente. É necessário observar a operação, medir tempos, entender gargalos, conversar com quem executa o trabalho e questionar práticas que muitas vezes são repetidas há anos simplesmente porque “sempre foi assim”.

Não existe necessariamente um novo equipamento para apresentar ao final. Muitas vezes, a mudança acontece na sequência de produção, na organização dos materiais ou na maneira como as ordens percorrem a fábrica.

Foi justamente esse tipo de raciocínio que encontrei no Sistema Toyota de Produção ainda durante minha formação em Administração e que depois passei a adaptar às operações industriais em que trabalhei.

O princípio continua atual mesmo diante de inteligência artificial e automação avançada: antes de adicionar complexidade a uma operação, precisamos compreender o fluxo.

Se uma fábrica não sabe onde perde tempo, material ou capacidade, terá dificuldade até para decidir qual tecnologia realmente precisa comprar.

Digitalizar desperdício continua sendo desperdício

Imagine uma operação na qual as ordens de produção chegam em uma sequência inadequada. Materiais precisam ser movimentados várias vezes, determinadas equipes ficam esperando outras etapas e produtos permanecem parados entre processos.

Agora coloque um sistema sofisticado sobre essa estrutura.

Talvez seja possível enxergar o problema em um dashboard muito mais bonito. Isso não significa que ele desapareceu.

Esse é um dos riscos da transformação digital quando ela começa pela ferramenta e não pela operação.

Dados possuem enorme valor, mas precisam gerar decisões. Sensores conseguem mostrar tempos e variações, porém alguém precisa interpretar por que aquilo está acontecendo e o que deve ser modificado.

Na prática industrial, desperdício assume diversas formas. Material perdido é uma delas, mas existe também tempo de espera, movimentação desnecessária, retrabalho, estoque mal dimensionado e capacidade produtiva que não está sendo utilizada adequadamente.

Tecnologia pode ajudar a identificar e reduzir tudo isso. O problema aparece quando esperamos que ela substitua a disciplina de analisar o processo.

O dado mais importante pode estar no chão de fábrica

A indústria inteligente colocou dados no centro das decisões, e considero esse avanço extremamente positivo.

Durante muito tempo, muitas decisões industriais foram tomadas com base em percepção, experiência individual ou informações incompletas. Hoje temos condições de acompanhar uma operação com um nível de detalhe muito maior.

Mas existe uma diferença entre possuir dados e compreender a fábrica.

Quem trabalha diretamente na produção frequentemente percebe problemas antes que eles apareçam em um relatório gerencial.

Um operador sabe que determinada etapa está acumulando serviço. Uma equipe percebe que a sequência das ordens está provocando espera. Quem movimenta material identifica trajetos que poderiam ser eliminados.

Essas informações precisam chegar à gestão.

Uma fábrica realmente inteligente não deveria ser aquela em que somente as máquinas produzem dados. Deveria ser aquela capaz de combinar aquilo que os sistemas mostram com aquilo que as pessoas conhecem sobre a operação.

Esse ponto ganha ainda mais importância porque a indústria americana enfrenta dificuldade para atrair e reter profissionais qualificados. Em um ambiente de mão de obra limitada, desperdiçar conhecimento de quem já está dentro da empresa é uma contradição.

Produtividade não é fazer as pessoas correrem mais

Existe uma interpretação de produtividade que considero particularmente perigosa: imaginar que produzir mais significa exigir que cada funcionário execute sua tarefa em maior velocidade.

Isso possui limite.

O ganho sustentável normalmente aparece quando melhoramos o sistema no qual a pessoa trabalha.

Se um funcionário precisa caminhar várias vezes para buscar material, o problema talvez não seja sua velocidade.

Se uma equipe fica parada aguardando uma etapa anterior, cobrar maior produtividade dela dificilmente resolverá o gargalo.

Quando conseguimos retirar desperdícios do processo, a capacidade aumenta sem necessariamente aumentar o esforço na mesma proporção.

Foi algo que pude comprovar na prática.

Em uma das operações industriais que gerenciei, a produção de vidro temperado passou de aproximadamente 6 mil para mais de 20 mil metros quadrados mensais depois de mudanças em processos, programação e organização da produção.

Em outro momento da carreira, ao assumir uma fábrica de esquadrias que vinha de faturamento mensal próximo de R$ 200 mil, conseguimos chegar à faixa de R$ 1 milhão mensal no intervalo de aproximadamente um ano.

Esses resultados não vieram de uma única máquina ou de uma tecnologia milagrosa.

Foram consequência de várias mudanças trabalhando juntas: sequenciamento, controle de ordens, melhor aproveitamento dos materiais, gestão dos tempos e participação das equipes.

É por isso que, quando vejo a atual corrida pela automação, acredito que a pergunta deveria ser menos “o que podemos automatizar?” e mais “qual problema queremos resolver?”.

Inteligência artificial aumenta a importância de processos bem definidos

A chegada da IA à manufatura torna essa discussão ainda mais relevante.

Sistemas capazes de analisar grandes volumes de informação podem ajudar a prever manutenção, identificar padrões, apoiar planejamento e melhorar decisões sobre produção e cadeia de suprimentos.

O potencial é enorme.

Mas inteligência artificial depende da qualidade daquilo que recebe.

Se os dados não representam corretamente a operação, se cada setor registra informações de maneira diferente ou se o processo muda constantemente sem qualquer controle, a tecnologia começa sua análise sobre uma base frágil.

Por isso, considero curioso quando transformação digital e melhoria contínua são tratadas como se pertencessem a gerações industriais diferentes.

Na realidade, uma precisa da outra.

Os princípios do Kaizen e do Sistema Toyota foram desenvolvidos muito antes das ferramentas digitais atuais, mas várias perguntas continuam extremamente modernas: onde está o desperdício? O que impede o fluxo? Por que esse problema aconteceu? Como podemos evitar que ele se repita?

A diferença é que hoje possuímos ferramentas muito mais poderosas para responder a essas perguntas.

Automação deveria liberar capacidade, não esconder problemas

Existe outra razão para organizar o processo antes de automatizá-lo: investimentos industriais precisam produzir retorno.

Em 2026, fabricantes americanos continuam enfrentando pressão de custos. Pesquisa do Federal Reserve da Filadélfia mostrou empresas esperando novas altas em salários, benefícios, energia e matérias-primas ao longo do ano.

Já a National Association of Manufacturers apontou no segundo trimestre que 83,1% dos fabricantes pesquisados consideravam o aumento dos custos de matérias-primas um desafio para seus negócios.

Nesse cenário, capital precisa ser utilizado com critério.

Uma empresa pode descobrir que determinado equipamento é exatamente aquilo de que necessita. Em outro caso, talvez parte do ganho procurado esteja escondida em uma mudança de layout, melhor planejamento da produção ou redução de retrabalho.

Não existe uma resposta universal.

É justamente por isso que diagnóstico operacional precisa vir antes da solução.

Quando sabemos onde está a restrição, conseguimos avaliar melhor se precisamos de automação, software, treinamento, reorganização do fluxo ou uma combinação dessas alternativas.

A fábrica do futuro continuará dependendo de pessoas

Quanto mais se fala em inteligência artificial e robótica, mais aparece a expectativa de uma fábrica praticamente sem trabalhadores.

Não é isso que os movimentos atuais da indústria mostram.

A própria Deloitte identifica qualificação da força de trabalho como uma das questões centrais para a manufatura em 2026. Mais de um terço dos executivos industriais pesquisados apontou como principal preocupação preparar trabalhadores com conhecimento suficiente para aproveitar o potencial da manufatura inteligente.

A tecnologia muda as competências necessárias, mas não elimina a importância das pessoas.

Uma operação automatizada ainda precisa de profissionais capazes de interpretar dados, identificar desvios, resolver problemas e melhorar processos.

Talvez algumas tarefas repetitivas diminuam, enquanto atividades relacionadas a análise e tomada de decisão ganham espaço.

Isso também modifica o papel da liderança.

O gestor industrial não deveria competir com os sistemas por informação. Seu trabalho será cada vez mais transformar informação em decisão e criar condições para que as equipes consigam utilizar as novas ferramentas.

Kaizen talvez seja ainda mais necessário na era da IA

Existe uma tentação natural de associar métodos desenvolvidos décadas atrás a uma indústria que já não existe.

Não concordo com essa leitura.

Kaizen significa construir uma cultura de melhoria contínua. Isso não depende de a fábrica utilizar uma prancheta ou um sistema avançado de inteligência artificial.

Na verdade, quanto mais tecnologia incorporamos, maior pode ser a necessidade de melhorar continuamente a maneira como ela é utilizada.

Um software implementado hoje não deveria congelar o processo pelos próximos dez anos. Uma automação também precisa ser observada, medida e aperfeiçoada.

Novos gargalos aparecem quando antigos gargalos desaparecem.

A melhoria contínua não é uma ferramenta que se instala. É uma maneira de administrar.

Foi a partir dessa lógica que, ao longo da minha carreira industrial, desenvolvi adaptações dos princípios do Sistema Toyota às realidades específicas das operações em que trabalhei.

Em alguns ambientes, essas adaptações chegaram a ser chamadas informalmente de “Método Faria”.

Nunca considerei o nome a parte mais importante.

O que realmente importa é compreender que nenhum método deveria ser copiado de maneira cega.

Uma fábrica de automóveis japonesa, uma indústria brasileira de vidros e uma operação de esquadrias possuem realidades diferentes.

Os princípios podem servir de referência, mas precisam conversar com o problema concreto.

A melhor tecnologia é aquela que resolve um problema real

Nos próximos anos veremos fábricas muito mais conectadas.

A PwC estima que a participação de fabricantes industriais com processos altamente automatizados poderá mais do que dobrar até 2030. Ao mesmo tempo, empresas que já estão na liderança tecnológica tendem a avançar ainda mais rapidamente.

Isso cria uma pressão compreensível sobre quem ainda está começando a transformação digital.

Ninguém quer ficar para trás.

Mas existe uma diferença entre avançar e simplesmente comprar aquilo que o mercado diz ser necessário.

Antes de aprovar um investimento, eu gostaria de ver mais gestores fazendo perguntas básicas: qual problema estamos tentando resolver? Quanto esse problema custa atualmente? Como saberemos se a solução funcionou? O processo está organizado o suficiente para receber essa tecnologia? As pessoas que trabalharão com ela participaram da discussão?

Essas perguntas não diminuem a inovação.

Elas aumentam a possibilidade de ela gerar resultado.

A fábrica do futuro certamente terá mais automação, inteligência artificial, sensores e dados.

Espero que tenha também processos melhores, menos desperdício e equipes mais preparadas para resolver problemas.

Porque colocar inteligência dentro de uma fábrica não começa pela máquina.

Começa pela capacidade de entender o que acontece dentro dela.