# Inteligência artificial na indústria: casos que se pagam > Uma fábrica de peças injetadas comparou cinco casos de IA, e o de maior número não veio primeiro. Onde a inteligência artificial na indústria se paga e como escolher o primeiro caso. **URL:** https://northern.com.br/inteligencia-artificial-na-industria/ **Data:** 2026-11-13 --- **Inteligência artificial na indústria** é o uso de modelos que aprendem com dados ou que leem texto e imagem para fazer, numa fábrica, um trabalho que hoje depende de olho humano ou de digitação: apontar a peça com defeito, avisar que uma máquina vai parar, prever quanto vai vender, conferir a nota do fornecedor contra o pedido, montar a cotação de uma peça nova. Ela se paga quando mexe num número que aparece na margem, e não quando aparece numa apresentação. Este guia mostra onde a IA na indústria costuma se pagar numa fábrica média brasileira, com exemplos por área, a diferença honesta entre os projetos de chão de fábrica e os do escritório, como escolher o primeiro caso e o que não tentar primeiro. No exemplo ilustrativo, uma fábrica de peças plásticas injetadas compara cinco casos e descobre que o de maior número não é o que deve vir primeiro. **Neste guia** - [O que é inteligência artificial na indústria, na prática](#o-que-e) - [Onde a IA na indústria se paga](#onde-se-paga) - [Exemplos de inteligência artificial na indústria](#exemplos) - [Chão de fábrica e escritório: dois projetos diferentes](#chao-x-escritorio) - [Como escolher o primeiro caso de IA na indústria](#primeiro-caso) - [O que não tentar primeiro](#nao-tentar) - [Dados, ERP e quem aprova](#dados-e-erp) - [Por onde seguir](#seguir) ## O que é inteligência artificial na indústria, na prática Quando se fala em inteligência artificial na indústria 4.0, a imagem que aparece é a de robôs, câmeras e fábricas sem gente. Numa empresa média, a IA que entrega resultado no primeiro ano costuma ser mais discreta. Ela se divide em duas famílias, que pedem projetos, equipes e prazos diferentes: - **Aprendizado de máquina no chão de fábrica.** Modelos treinados com dados da própria fábrica: sinais de sensores, histórico de paradas, imagens de peças boas e ruins, séries de venda. Servem para prever uma falha, classificar um defeito, estimar a demanda. Precisam de dado coletado com cuidado, às vezes de hardware novo, e de tempo para treinar e validar. - **Agentes no escritório da fábrica.** Programas que leem documentos e sistemas, conferem contra regras e preparam o trabalho para uma pessoa aprovar: notas fiscais, pedidos de compra, desenhos e pedidos de cotação, fichas técnicas. Usam o dado que já está no ERP e na caixa de e-mail. O modelo de IA interpreta o texto; a conta e a regra ficam num sistema. As duas famílias são inteligência artificial na indústria. A diferença é onde está o dado e quanto custa chegar nele. Esse ponto decide mais do que o tamanho do ganho prometido. ## Onde a IA na indústria se paga Seis áreas concentram as aplicações da IA na indústria que fazem sentido para uma fábrica de porte médio. Em cada uma, a pergunta é a mesma: qual número da margem muda, e qual dado a fábrica já tem. ### Inspeção de qualidade Uma câmera com um modelo de visão aponta risco, rebarba, falha de preenchimento ou cor fora do padrão, peça por peça, sem cansar no fim do turno. O ganho aparece em devolução de cliente, retrabalho e custo de inspeção. O custo aparece em câmera, iluminação, fixação na linha e, principalmente, em centenas de imagens de cada defeito separadas e rotuladas por alguém da qualidade. É um projeto de engenharia, não de software apenas. ### Manutenção preditiva O modelo aprende o comportamento normal de vibração, temperatura, pressão e corrente de uma máquina e avisa quando o padrão muda, antes da quebra. Paga quando a máquina é gargalo e a hora parada custa caro. Depende de sensor ligado e de histórico de falhas registrado com data e causa. O guia de [IA para manutenção preditiva](/ia-para-manutencao-preditiva/) detalha os dados, os sensores e como montar o caso. ### Planejamento e PCP Duas aplicações se destacam. A primeira é prever a demanda por item e por cliente, para comprar e produzir na medida, com menos estoque parado e menos falta. A segunda é sugerir a sequência de produção que reduz setup, respeitando prazo, molde e máquina disponível. A previsão está no guia de [IA para previsão de demanda](/ia-para-previsao-de-demanda/). O sequenciamento costuma ser mais otimização com regras do que IA, e tudo bem: o que importa é a hora de máquina recuperada. ### Compras e suprimentos Um agente lê o pedido de compra e a nota do fornecedor, confere preço, quantidade, prazo e condição combinada, e separa só o que diverge para o comprador decidir. Também pode acompanhar entregas atrasadas e cobrar o fornecedor. O dado já está no ERP e no XML da nota. O detalhe de como esses agentes trabalham em documentos, compras e suprimentos está em [agentes de IA no back office](/agentes-de-ia-no-back-office/). ### Custo e cotação Responder uma cotação de peça nova exige levantar material, peso, tempo de ciclo, operações e embalagem, muitas vezes a partir de um desenho e de peças parecidas já feitas. Um agente pode ler o pedido do cliente, achar as peças similares no histórico, montar a ficha de custo com o ciclo real dessas peças e entregar para o engenheiro revisar. A conta segue o [custo padrão](/custo-padrao/) da fábrica, calculada pelo sistema. O agente prepara; quem aprova o preço é uma pessoa. ### Trabalho com documentos Notas de entrada, pedidos de cliente que chegam em PDF ou e-mail, certificados de qualidade de matéria-prima, conhecimentos de transporte. Ler, digitar e conferir esse volume é trabalho caro e sujeito a erro. É onde um agente costuma ficar pronto mais rápido, porque o documento já existe e a regra de conferência já está na cabeça de alguém. A parte de frete, roteirização e armazém fica no guia de [IA na logística](/ia-na-logistica/). ## Exemplos de inteligência artificial na indústria Exemplos concretos, do tipo que cabe numa fábrica média. Em todos, o modelo interpreta, o sistema calcula e uma pessoa aprova o que mexe em dinheiro: - **Conferência de nota contra pedido:** o agente recebe o XML da nota de matéria-prima, compara com o pedido no ERP e com o recebimento, e abre uma pendência para o comprador quando o preço ou a quantidade não batem. - **Pedido de cliente em PDF:** o agente lê o pedido, identifica os códigos do cliente, converte para os códigos internos e lança o rascunho no ERP para o comercial confirmar. - **Cotação de peça nova:** a partir do pedido de cotação, o agente sugere as três peças mais parecidas já produzidas, puxa o ciclo e a perda reais delas e monta a ficha de custo para revisão. - **Alerta de manutenção:** um modelo acompanha a temperatura e a pressão de uma injetora e abre uma ordem de serviço quando o comportamento sai do normal. - **Inspeção visual:** uma câmera no fim da linha separa a peça com defeito e registra o tipo de falha por lote e por molde. - **Classificação fiscal de insumos importados:** é o caso real mais próximo que a Northern construiu. Na [Heyship](/historias-de-sucesso/heyship/), um agente de IA lê a invoice em PDF e classifica o NCM de cada produto com 98% de precisão. As alíquotas são atualizadas duas vezes por semana, e a conta sai sempre do motor de cálculo, nunca do modelo. Há mais casos, por área da empresa, em [exemplos de agentes de IA](/exemplos-de-agentes-de-ia/). ## Chão de fábrica e escritório: dois projetos diferentes Vale ser honesto aqui, porque é onde muito projeto começa errado. Visão computacional e robótica são projetos de engenharia industrial com uma parte de software. Exigem câmera e iluminação certas, integração com o CLP e com a linha, parada para instalar, imagens rotuladas e um integrador que conheça o processo. O prazo se mede em meses, e o risco está no ambiente da fábrica: poeira, vibração, peça que muda de posição, luz que varia entre turnos. Agentes no escritório são projetos de software sobre dados que já existem. Notas, pedidos, fichas técnicas e o histórico do ERP estão lá desde sempre. O prazo se mede em semanas, e o risco está na regra: se ninguém sabe dizer qual divergência de preço é aceitável, o agente também não vai saber. As duas coisas não competem. Mas, quando a fábrica ainda não tem nenhum caso de IA rodando, o escritório costuma dar o primeiro resultado mais rápido e com menos dinheiro em risco. E ensina a empresa a definir regra, aprovar exceção e medir o ganho, o que serve depois para o projeto de chão de fábrica. ## Como escolher o primeiro caso de IA na indústria Quatro perguntas, nesta ordem: - **Quanto da margem muda?** Em reais por ano, com uma conta que o controller aceite. Hora parada vezes margem de contribuição por hora, divergência de nota vezes volume, pontos de margem vezes faturamento do produto. - **O dado já existe?** No ERP, no XML, no CLP, numa pasta. Se o dado precisa ser criado, o projeto começa pela coleta, e o ganho vem depois. - **Quem decide a exceção?** Um caso sem dono para aprovar o que o modelo aponta vira alerta que ninguém lê. - **Em quanto tempo aparece no resultado?** O primeiro caso precisa provar o ganho dentro do ano, para pagar o segundo. Uma fábrica de peças plásticas injetadas, com 24 injetoras, 180 funcionários e R$ 85 milhões de faturamento por ano, aplicou essas perguntas a cinco candidatos. O exemplo é ilustrativo. | Caso | Ganho estimado por ano | Dado que já existe | Prazo até o ganho | | --- | --- | --- | --- | | **Inspeção visual do acabamento** | R$ 400 mil em devoluções e frete de retorno | Não: nenhuma imagem rotulada | 6 a 12 meses | | **Manutenção preditiva nas 4 injetoras gargalo** | R$ 180 mil: 120 h paradas a R$ 1.500 de margem por hora | Parcial: CLP mede, ordens de serviço em papel | 4 a 6 meses | | **Conferência de nota contra pedido** | R$ 168 mil: R$ 14 mil por mês em divergências que passam | Sim: XML e pedido no ERP | 6 a 10 semanas | | **Cotação de peça nova** | R$ 120 mil: 4 pontos de margem em R$ 3 milhões de peças subcotadas | Sim: ciclo real e perda no ERP | 8 a 12 semanas | | **Sequenciamento de setup** | Incerto: setup leva 9% das horas de máquina | Parcial: troca de molde sem tempo apontado | Depois de 3 meses de apontamento | ** ![Casos de IA comparados numa fábrica ilustrativa de peças injetadas: inspeção visual, manutenção preditiva, conferência de nota e cotação de peça nova, com ganho anual, dado disponível e prazo; os dois casos do escritório somam R$ 288 mil por ano](https://northern.com.br/wp-content/uploads/2026/11/inteligencia-artificial-na-industria-01-cinco-casos.jpg) O maior número é o da inspeção visual, e ela não vem primeiro. A fábrica não tem uma imagem rotulada, o projeto exige integrador e parada de linha, e o ganho só aparece no ano seguinte. Os dois casos do escritório somam R$ 288 mil por ano, usam dado que já está no ERP e aparecem no resultado em menos de um trimestre. A decisão da fábrica foi começar pela conferência de notas e pela cotação, e, no mesmo mês, ligar a coleta dos sinais das quatro injetoras e passar as ordens de serviço para o sistema. Quando o caso de manutenção chegar, terá seis meses de histórico. A revisão das cotações também mostrou de onde vinha a perda: das 30 peças cotadas no último ano, 8 tinham ciclo real acima do cotado. O padrão de custo dessas peças estava errado desde o primeiro pedido, e o agente de cotação passou a usar o ciclo real das peças similares em vez do ciclo estimado. ## O que não tentar primeiro - O projeto de vitrine.** Robô, gêmeo digital, painel com tudo da fábrica. Impressiona na visita, raramente paga o primeiro ano. - **O caso sem dado.** Prever falha de uma máquina sem sensor e sem histórico de paradas é, nos primeiros meses, um projeto de coleta. Faça a coleta, mas não prometa o ganho junto. - **O modelo que calcula.** Preço, custo e imposto saem de um cálculo com regra e versão. Se o modelo faz a conta, o resultado muda de uma vez para outra e ninguém audita. - **O caso que troca o ERP.** Se o projeto de IA começa pela troca do sistema de gestão, ele vira outro projeto, maior e mais lento. - **O assistente genérico como estratégia.** Dar acesso a uma ferramenta de chat para a equipe ajuda em texto e pesquisa, mas não muda o custo da peça. Esse panorama mais amplo tem guia próprio. ## Dados, ERP e quem aprova Quase todo caso que se paga numa fábrica média depende do ERP: o pedido, a nota, a ficha técnica, o apontamento, o custo. O caminho mais barato é ler e escrever no ERP que a fábrica já usa, pela API, pelo banco ou por arquivo, em vez de trocá-lo. A [integração com ERP](/integracao-com-erp/) costuma ser metade do trabalho do primeiro caso, e é a parte que serve aos casos seguintes. A outra metade é decidir onde mora a regra. A tolerância de preço na nota, a margem mínima da cotação, o limite de temperatura que abre uma ordem de serviço: cada uma precisa estar num sistema, com versão e dono, e não escondida nas instruções de um modelo. O agente lê, confere, classifica e prepara. O sistema calcula. A pessoa aprova o que mexe na margem. É assim que a Northern constrói [agentes de IA](/agentes-de-ia/) para indústrias médias, ligados ao ERP que a empresa já tem. ## Por onde seguir A inteligência artificial na indústria começa por um caso pequeno, medido em reais, sobre dado que a fábrica já tem. Cada frente citada aqui tem guia próprio: manutenção preditiva, previsão de demanda, logística e agentes no back office, todos linkados nas seções acima. Para entender a peça antes de escolher o caso, o guia sobre [o que é um agente de IA](/o-que-e-um-agente-de-ia/). Para o uso de IA fora da fábrica, em comercial, finanças e gestão, o guia de [IA para empresas](/ia-para-empresas/). Antes de contratar, vale ver como [definir o escopo de um projeto](/definir-escopo-produto-digital/) para que o orçamento caiba no problema. ## Perguntas frequentes ### O que é inteligência artificial na indústria? É o uso de modelos que aprendem com dados ou que leem texto e imagem para fazer, numa fábrica, um trabalho que hoje depende de olho humano ou de digitação: apontar peça com defeito, avisar que uma máquina vai parar, prever a demanda, conferir a nota do fornecedor contra o pedido, montar a cotação de uma peça nova. Ela se paga quando muda um número que aparece na margem. ### Quais são as principais aplicações da IA na indústria? Numa fábrica média, seis áreas concentram as aplicações que se pagam: inspeção de qualidade, manutenção preditiva, planejamento e PCP com previsão de demanda, compras e suprimentos, custo e cotação de peças novas e trabalho com documentos, como notas fiscais, pedidos de cliente e certificados de matéria-prima. ### Quais são exemplos de inteligência artificial na indústria? Um agente que confere o XML da nota de matéria-prima contra o pedido no ERP; um agente que lê o pedido do cliente em PDF e lança o rascunho no sistema; um agente que monta a ficha de custo de uma peça nova a partir de peças similares; um modelo que abre ordem de serviço quando a temperatura de uma injetora sai do normal; uma câmera que separa a peça com defeito no fim da linha. ### O que é inteligência artificial na indústria 4.0? É a parte da indústria 4.0 em que os dados coletados de máquinas, sensores e sistemas passam a ser interpretados por modelos: prever falha, classificar defeito, estimar demanda, ler documentos. Sem dado coletado e organizado, não há IA. Por isso muitos projetos começam pela coleta e pela integração com o ERP. ### Por onde uma fábrica deve começar a usar IA? Pelo caso que muda a margem em reais, usa dado que a fábrica já tem, tem um dono para decidir as exceções e aparece no resultado dentro do ano. Em muitas fábricas médias, isso aponta primeiro para o escritório: conferência de notas, pedidos de cliente e cotação, que usam o dado do ERP e ficam prontos em semanas. ### Qual a diferença entre IA no chão de fábrica e agentes no escritório? No chão de fábrica, a IA é aprendizado de máquina sobre sensores e imagens, e costuma exigir hardware, integração com a linha, dados rotulados e meses de projeto. No escritório, agentes leem documentos e sistemas que já existem, conferem contra regras e preparam o trabalho para uma pessoa aprovar, com prazo medido em semanas. ### Visão computacional vale a pena para uma fábrica média? Pode valer quando a devolução por defeito visual é alta, mas é um projeto de engenharia industrial com parte de software: câmera, iluminação, fixação na linha, integrador e centenas de imagens de cada defeito separadas por alguém da qualidade. Raramente é o melhor primeiro caso para quem ainda não tem nenhuma IA rodando. ### A IA pode calcular o custo e o preço de uma peça? O modelo pode ler o pedido de cotação, achar peças parecidas e montar a ficha de custo, mas a conta deve sair de um sistema com a regra de custo da fábrica, com versão e dono. Se o modelo faz o cálculo, o resultado muda de uma vez para outra e ninguém consegue auditar. O preço final é aprovado por uma pessoa. ### É preciso trocar o ERP para usar IA na indústria? Não. O caminho mais barato é ler e escrever no ERP que a fábrica já usa, pela API, pelo banco ou por arquivo. A integração costuma ser metade do trabalho do primeiro caso e serve aos casos seguintes. Projeto de IA que começa pela troca do ERP vira outro projeto, maior e mais lento. ### Como medir o retorno de um projeto de IA na indústria? Com uma conta que o controller aceite antes de começar: horas paradas vezes margem de contribuição por hora, divergência de nota por mês vezes doze, pontos de margem vezes o faturamento das peças afetadas. Depois de implantado, o mesmo número é acompanhado todo mês contra o valor de antes.