Na indústria transformadora, o trabalho concentra-se em grande parte em três fluxos: a fase inicial de cálculo e orçamento, o planeamento e o controlo de produção no chão de fábrica, e o controlo de qualidade que determina se uma encomenda é suficientemente boa para ser expedida. Além disso, há o trabalho associado às próprias máquinas e materiais: manutenção, compra de matérias-primas e a administração relacionada com certificação e rastreabilidade. Qual destes fluxos consome mais horas varia por empresa e por tipo de produto, mas o resultado de um negócio raramente é determinado pelo fluxo com menos horas.
As circunstâncias que determinam o resultado são em parte técnicas e em parte humanas. Um orçamento tem de corresponder ao prazo de entrega real, não a uma margem fixa que por acaso costuma resultar bem. Um prazo de entrega é tão bom quanto o planeamento que o produz, e esse planeamento é tão bom quanto os dados sobre os quais opera. E, na indústria transformadora, a qualidade não é avaliada por uma média, mas pelos casos extremos: aquele único lote com um desvio que um cliente não esquece.
A questão não é se a IA está a assumir trabalho na indústria transformadora — isso já acontece em parte. A questão é o que isso faz à dimensão com base na qual um cliente escolhe entre fornecedores. Enquanto um prazo de entrega depender da disponibilidade de um planeador, vence a parte com mais pessoas experientes no chão de fábrica. A partir do momento em que o planeamento é feito em grande parte por software que calcula cenários e só solicita a aprovação de uma pessoa em caso de desvios, o prazo de entrega deixa de ser uma questão de capacidade e passa a ser uma questão de dados: vence quem tem o melhor input, não quem tem mais planeadores.
O mesmo vale para o cálculo de orçamentos. Um orçamento que antes demorava dias porque alguém tinha de processar desenhos técnicos, pode agora ser gerado em parte automaticamente, com um engenheiro a avaliar o resultado em busca de desvios ilógicos. Vence então a parte que orça mais rápido, ou a que orça com mais precisão? Não é a mesma resposta em todo o lado, e é precisamente por isso que a comparação entre fornecedores muda: a dimensão em que antes se vencia continua a existir, mas o que preenche essa dimensão já não é o que era.
O controlo de qualidade é o terceiro exemplo. A inspeção visual que a IA assume não muda a questão de saber se um cliente exige qualidade, mas muda sim o que significa "pontuar melhor em qualidade". Uma empresa que ainda faz toda a inspeção com pessoas deixa então de competir na consistência do olhar, e passa a competir noutra coisa: rapidez de correção, transparência sobre desvios, ou prazos de garantia. Quem não perceber isto, continua a defender-se numa dimensão que já não conta como costumava contar.
Esta diferença entre empresas não está na ambição, mas no que havia para automatizar dada a sua combinação de produtos e os seus dados. Uma empresa fabril com muito trabalho em série e desenhos técnicos padronizados tem mais facilmente uma base para deixar o cálculo de orçamentos ser assumido do que uma empresa que fornece sobretudo trabalho por medida, em que cada encomenda é uma nova exceção. Uma empresa com anos de dados de sensores de máquinas pode tornar a manutenção preditiva; uma empresa sem esses dados tem primeiro de investir antes de a IA poder assumir algo aí. A mudança não afeta, portanto, todas as empresas na mesma ordem, o que significa que o grupo de referência, num dado momento, contém tanto empresas que já pontuam na nova dimensão como empresas que ainda se defendem na dimensão antiga.
Se o ganho de capacidade impulsionado pela IA também se traduz em menos fte é uma decisão do empregador com requisitos legais próprios; aqui trata-se apenas da questão de saber qual dimensão decide um negócio e quem, neste momento, pontua nela.
Esta mudança não ocorre apenas na indústria transformadora. O que o prazo de entrega significa quando o planeamento assume o trabalho dos planeadores de transporte mostra um padrão semelhante, tal como a questão de em que se distinguem as consultoras quando a investigação e a elaboração de relatórios estão em grande parte automatizadas. Se reconhece uma dimensão em que pensa vencer, a pergunta seguinte é o que fazer quando se verifica que um concorrente já está à frente nesse aspeto: o que fazer perante um atraso numa dimensão que decide o negócio apresenta uma abordagem para isso.
A questão subjacente de saber que trabalho na sua empresa é realmente passível de ser assumido pela IA é respondida, tarefa a tarefa, através do werkscan da FTE TO AI.
Antes de se defender numa dimensão, convém saber se essa dimensão ainda é o que era, e se a sua afirmação sobre ela é sustentável. Uma afirmação como "somos mais rápidos" ou "somos mais precisos" só vale alguma coisa se puder ser comprovada; a forma como isso funciona está descrita em como fundamentar uma afirmação sobre a sua própria qualidade. Com a verificação gratuita de dimensões, identifica em que pensa vencer e vê quais dessas afirmações podem ser defendidas com provas. O benchmark completo, com a sua posição e a do seu grupo de referência em cada dimensão, está em desenvolvimento.