Curiosidade do dia

Cada vez mais penso que foi uma pena o 25 de Novembro de 1975 não ter caído para o outro lado; teríamos ficado vacinados.

Volto ao exemplo da Letónia. Mão amiga mandou-me este gráfico:

Qual é o "biorreactor" da sua fábrica? (parte lII)

Parte I e parte II.

A pior forma de começar é convocar uma reunião com o título “Projecto de Inteligência Artificial”.

A melhor forma é começar com uma pergunta operacional: Onde estamos a perder dinheiro, tempo, qualidade ou capacidade porque percebemos o problema tarde demais?

A partir daí, a empresa deve escolher um processo concreto. Não a fábrica inteira, nem todos os indicadores, nem todos os problemas. Um processo. Uma dor. Uma decisão.

Por exemplo:

• reduzir rejeições numa máquina crítica; 
• prever desvios num processo de enchimento; 
• antecipar defeitos antes da cozedura; 
• prever atrasos em encomendas complexas; 
• reduzir perdas de matéria-prima;| 
• melhorar o rendimento de lotes; 
• detectar causas recorrentes de reclamações; ou 
• prever paragens de equipamento.

Depois, é preciso olhar para os dados disponíveis. Que dados existem? Estão completos? São fiáveis? Estão ligados ao lote, à ordem, à máquina, ao turno, ao fornecedor, ao operador, ao resultado final? Ou vivem espalhados em folhas de Excel, relatórios em PDF, sistemas que não comunicam e registos manuais difíceis de interpretar? Recordo tantos e tantos equipamentos, desde fornos rotativos, até misturadores, por exemplo, onde muito mais instrumentação poderia ser introduzida. Recordo Taylor e o seu trabalho na pasta de papel.

Muitas empresas descobrem aqui o primeiro problema: querem inteligência artificial, mas ainda não têm inteligência operacional organizada.

Antes da IA, pode ser necessário ajustar definições, uniformizar registos, clarificar os defeitos, melhorar a rastreabilidade, ligar os dados de processo aos resultados e garantir que todos medem a mesma coisa da mesma forma.

Só depois faz sentido perguntar: Que decisão gostaríamos de antecipar?

Esta é, talvez, a pergunta mais importante. Não basta prever por prever. Uma previsão só tem valor se permitir uma acção. Se o sistema disser que há risco elevado de defeito, o que fazemos? Ajustamos parâmetros? Paramos a linha? Chamamos a manutenção? Segregamos material? Reforçamos a inspecção? Alteramos a sequência de produção? Abrimos uma investigação? Mudamos a formulação? Revemos o fornecedor?

Isto faz-me recuar ao ... PLASFOCO.

A IA só cria valor quando entra numa cadeia completa:

dados → análise → previsão → decisão → acção → verificação → aprendizagem.

Sem esta cadeia, a IA torna-se mais um painel bonito. Mais uma ferramenta. Mais uma promessa. Mais uma forma moderna de produzir confusão.

Recordo: Automatizar é o último passo: Um convite.

Curiosidade do dia

"The problem is us. We, the voters, are deluding ourselves. We are living beyond our means and don't want to stop, so we keep electing politicians who make unrealistic promises and getting rid of them when they fail to deliver.

Half a century ago we took a more modest view of our means and our deserts. Part of Margaret Thatcher's appeal was her grocer's-daughter's belief that you could only spend what you earned. "If the state wants to spend more," she said, "it can do so only by borrowing your savings or by taxing you more. It is no good thinking that someone else will pay: that 'someone else' is you."

That changed under Tony Blair.

The peace dividend had kicked in and the economy was booming, so every year the state could spend more without raising taxes. We got used to it.

Since then we have had a series of expensive economic shocks, a period of low growth and a reversal of the peace dividend. Public funds have been depleted as a result, but the voters appear to think the government can go on spending more every year without taxing them more to pay for it.

There's no mileage in telling the electorate uncomfortable fiscal truths, however."

O texto toca numa ferida política difícil: muitos eleitores querem um Estado social grande, mas sem aceitarem a factura fiscal que o sustenta. Durante anos, a ilusão foi escondida pelo crescimento, pela dívida barata e por alguns dividendos históricos (fim da Guerra Fria). Agora, com crescimento fraco, dívida elevada e produtividade insuficiente, a conta começa a aparecer. 

Trecho retirado de "Is the problem the PM? Labour? No, it's us" publicado no The Times da passada sexta-feira.

Qual é o "biorreactor" da sua fábrica? (parte lI)

Parte I.

O exemplo da Bristol Myers Squibb é poderoso porque mostra uma coisa simples: a vantagem não está apenas em ter tecnologia. Está em saber onde a tecnologia pode melhorar uma decisão crítica.

No caso da Bristol Myers Squibb, o ponto crítico está nos biorreactores, onde células vivas produzem proteínas e pequenas variações podem comprometer o resultado. Mas cada fábrica tem o seu equivalente.

• Numa empresa de plásticos, pode ser a máquina de injecção.
• Numa empresa farmacêutica, pode ser a preparação, a filtração ou o enchimento.
• Numa cerâmica, pode ser o forno.
• Numa empresa de calçado, pode ser o corte, a montagem ou o planeamento das encomendas.
• Numa química, pode ser a reacção.
• Numa alimentar, pode ser a fermentação, a pasteurização ou a limpeza CIP.
• Numa metalomecânica, pode ser a maquinagem, o desgaste da ferramenta ou a estabilidade dimensional.

A pergunta estratégica é:

Qual é o processo da sua empresa onde pequenas variações escondidas hoje se transformam em grandes perdas amanhã?

Essa pergunta é muito mais útil do que perguntar, de forma genérica, "como podemos usar a IA?".

A inteligência artificial industrial não deve começar pela moda. Deve começar pela compreensão do processo. Pela dor operacional. Pela variação que ainda não sabemos explicar. Pela decisão que chega tarde demais.

Talvez o verdadeiro desafio para muitas empresas não seja adoptar a IA. Talvez seja descobrir, com humildade técnica, qual é o seu “biorreactor”.

Curiosidade do dia

 Isto é doentio ...

Germany's Chancellor Merz:

"Switzerland has around 200 more working hours per year than Germany — and Switzerland is clearly doing better than we are."

The difference is, the citizens in Switzerland have pride in their country and want to be successful. pic.twitter.com/Jw5kKLuWDO

— Wall Street Mav (@WallStreetMav) May 15, 2026

Há qualquer coisa de profundamente reveladora quando o chanceler da Alemanha olha para a Suíça e a primeira coisa que vê são mais 200 horas de trabalho por ano.

Não estamos a falar de um comentador de café, nem de um daqueles diagnósticos apressados feitos entre dois cafés e uma torrada. Estamos a falar do chanceler alemão. A maior economia industrial da Europa. De um país que construiu a sua reputação em torno da engenharia, da qualidade, da especialização, da capacidade exportadora e da sofisticação produtiva.

E, no entanto, a conversa desce rapidamente para a quantidade de horas trabalhadas.

Claro que as horas contam. Ninguém cria riqueza no sofá. Mas há uma diferença enorme entre discutir o trabalho como esforço acumulado e como capacidade de criar valor. A pergunta decisiva não é apenas: "quantas horas trabalhamos?" A pergunta mais importante é: "Que valor acrescentado conseguimos gerar em cada hora de trabalho?"

A Suíça não é mais rica apenas porque trabalha mais horas. É mais rica porque está posicionada em sectores, actividades, marcas, tecnologias, serviços e cadeias de valor onde cada hora tende a valer mais. A questão central não é o cronómetro. É a posição na escala de valor.

Quando uma economia começa a discutir o futuro como se o problema principal fosse apenas trabalhar mais tempo, há algo de errado na escala de prioridades.

O desafio deveria ser outro: como subir na escala de valor? Como aumentar o valor acrescentado? Como criar produtos, serviços, conhecimento, marcas, processos e modelos de negócio que permitam pagar melhores salários, suportar melhores margens e competir com base na diferenciação, não apenas no esforço?

Trabalhar mais pode aliviar sintomas. Subir na escala de valor ataca a doença.

Uma economia que responde à estagnação apenas com mais horas corre o risco de transformar a sua força de trabalho numa solução de emergência. Uma economia que responde com inovação, produtividade, especialização e valor acrescentado transforma a sua força de trabalho numa vantagem estratégica.

Por isso, quando o chanceler da Alemanha reduz a comparação com a Suíça a uma questão de horas, a pergunta não é apenas económica. É quase cultural. O que aconteceu à ambição industrial alemã? O que aconteceu à obsessão pela engenharia, pela diferenciação, pela excelência operacional, pela tecnologia, pela qualidade percebida, pela capacidade de estar nos degraus superiores da cadeia de valor?

Como em Hamlet, talvez o problema não esteja apenas nos trabalhadores, nas horas ou nos hábitos laborais. Talvez haja algo de podre no reino da Dinamarca — ou, neste caso, na forma como uma grande economia industrial começa a diagnosticar a própria decadência. 

Seja na China, em Manzano ou em Paços de Ferreira (parte II)

Parte I.

A parte inicial do artigo do WSJ é muito interessante. Vai muito para além do mobiliário, quase pode ser transformado num mapa de relações de causa-efeito e, como um caldo borbulhante de factores que contextualizam um negócio. 

No entanto, há algo estranho:

"Hit by new tariffs from the Trump administration last year, China's exports of furniture and related products declined 6.8% in 2025. The economy of Foshan, a factory town in the heart of southern China's Pearl River Delta, grew just 0.2% last year, dragged down by a contraction in manufacturing, compared with China's overall 5% growth, according to government data."

Durante muito tempo, certas empresas competiram com base em três factores: mão-de-obra abundante, baixos custos e capacidade de produzir grandes volumes. Esse modelo funcionava enquanto havia procura externa, trabalhadores disponíveis e concorrentes menos capazes.

Agora, o modelo fica entalado por dois lados.

Por baixo, surgem países ou regiões com custos mais baixos. Por cima, crescem sectores mais sofisticados — tecnologia, automação, semicondutores, robótica, serviços avançados, que absorvem talento, investimento e atenção pública. As empresas de baixo valor acrescentado deixam de ser atractivas para os clientes e também deixam de ser atractivas para os trabalhadores. Isto num país como a China, onde a demografia é pior que a europeia e não há paletes de imigrantes baratos a chegar, é um problema para as empresas de baixa produtividade.

O ponto importante é este: a perda de competitividade não vem apenas do mercado; vem também do mercado de trabalho. Uma empresa que gera pouco valor por hora trabalhada dificilmente consegue pagar bons salários, investir em melhores condições de trabalho ou atrair jovens trabalhadores. Fica dependente de mão-de-obra menos qualificada, mais envelhecida ou mais vulnerável. E isso limita ainda mais a sua capacidade de subir na escala de valor.

O verdadeiro problema das actividades de baixo valor acrescentado não é apenas venderem barato. É que, com o tempo, começam também a comprar caro: compram trabalho num mercado onde os melhores trabalhadores têm alternativas mais interessantes. Quando uma economia evolui, os sectores de menor produtividade deixam de competir apenas com rivais estrangeiros; passam a competir com os sectores mais avançados do seu próprio país pela energia, ambição e talento das pessoas.

Quando uma empresa não sobe na escala de valor, não fica parada; começa a ser empurrada para fora do futuro.

O caso de Foshan é ainda mais revelador porque a cidade não está simplesmente a morrer. Alguns sectores estão a crescer, sobretudo nas áreas mais tecnológicas e automatizadas. O problema é outro: o velho modelo industrial já não consegue competir pelo futuro dentro da sua própria cidade. O mobiliário de baixo valor acrescentado compete com o Vietname e o México pelos clientes, mas compete também com a robótica, os semicondutores e a automação pelos trabalhadores, pelo investimento e pela atenção estratégica. É aqui que a perda de competitividade se torna estrutural. Não é apenas uma crise de exportações; é uma crise de lugar na economia.

Curiosidade do dia

O The Times do passado dia 12 publicou "Olive oil and berries to help hold back the wrinkles".

"Drizzling olive oil on meals and having berries with breakfast are among the simple dietary changes that can slow down ageing and wrinkles, a study has suggested.

Researchers found that people who eat lots of foods rich in polyphenols experience fewer age-related changes to their DNA."

Mais uma peça para o arsenal em construção dos produtores de azeite de modo extensivo. Recordar: "Perceber a necessidade de sair do carreiro" e, sobretudo, "Azeite - Inovar é mudar de quadrante, não só de produto (parte II)".

Azeite anti-rugas? Calma, ainda não vem com espelho na garrafa.

Mas a ciência começa a dar-nos uma boa desculpa para olhar para o azeite com outros olhos.

E aqui os azeites de produção extensiva têm uma história interessante para contar: quando vêm de olivais menos intensivos, de árvores mais expostas ao stress natural e de frutos bem trabalhados no lagar, podem apresentar níveis mais elevados de polifenóis, esses compostos antioxidantes que fazem bem ao azeite e, pelos vistos, também podem fazer companhia à nossa pele.

A mensagem não pode ser: "este azeite tira rugas". Ou melhor ainda: "este azeite pertence a uma forma de comer que ajuda o tempo a passar mais devagar."

Muitas vezes, o olival extensivo parece menos competitivo porque produz menos por hectare do que o olival intensivo ou superintensivo. Mas se conseguir associar-se à maior riqueza em polifenóis, pode deixar de competir no jogo do volume e passar a competir no jogo da diferenciação.

Seja na China, em Manzano ou em Paços de Ferreira (parte I)

 

Ao longo dos anos fui escrevendo aqui sobre Manzano, a capital italiana das cadeiras. Por exemplo:

• "Macro economia vs micro economia?" (Março de 2008)
• "Subir na escala de valor" (Outubro de 2011)

Também escrevi alguns postais sobre o sector do mobiliário nacional. Por exemplo:

• "O exemplo do mobiliário (parte III)" (Setembro de 2012)
• "Customização - uma vantagem competitiva" (Novembro de 2019)

Aliás, um dos primeiros postais do blogue foi sobre mobiliário: 

• "Autópsia de uma estratégia, feita à distância (parte II)" (Outubro de 2007) (parte I)

Entretanto, no passado dia 12, o WSJ publicou um artigo fora do comum intitulado "China's Furniture Capital Fights to Survive". Foi estranho de ler.

O artigo descreve a crise de Foshan, apresentada como a "capital chinesa do mobiliário". Durante anos, a cidade beneficiou da escala industrial chinesa, da procura internacional e de encomendas de grandes retalhistas norte-americanos. Agora, esse modelo está sob pressão.

Os fabricantes de mobiliário de Foshan enfrentam três choques ao mesmo tempo: tarifas dos EUA, concorrência de países como o Vietname e o México e a fraqueza da procura interna chinesa, em especial devido à crise imobiliária. O resultado é uma quebra nas exportações, um menor crescimento económico local e fábricas com menos encomendas.

Perante isto, algumas empresas estão a tentar adaptar-se: produzir mobiliário de maior valor, investir em automatização, vender directamente aos clientes finais, usar redes sociais para captar encomendas e procurar novos mercados na Europa e no Médio Oriente. A mensagem central é clara: o velho modelo de "produzir barato para grandes compradores estrangeiros" está a perder força.

Acerca da automatização, comprar uma máquina de corte ou introduzir tecnologia pode aumentar a produtividade, mas o problema principal é estratégico: que produto vender, a quem vender, com que margem, através de que canal e com que diferenciação. A tecnologia melhora o modelo; não substitui a necessidade de o repensar.

Quando a vantagem de custo desaparece, a empresa que continua a vender apenas capacidade produtiva fica encurralada. Tem de passar a vender solução, rapidez, desenho, flexibilidade, serviço, marca ou acesso directo ao cliente.

Seja na China, em Mazano ou em Paços de Ferreira.

Curiosidade do dia

O WSJ de ontem publicou "How Sweden Learned to Love Capitalism".

Este tweet faz um bom resumo:

Okay, fine, let's be a little more like Sweden.

🇸🇪 1/3 of high schools are privately run
🇸🇪 taxes cut three years in a row
🇸🇪 public social spending has fallen as a % of GDP
🇸🇪 debt-to-GDP is 36%
🇸🇪 inflation-adjusted household income 2x since the '90s

— Dominic Pino (@DominicJPino) May 12, 2026

Ia sublinhar aquele "taxes cut three years in a row", mas é injusto, tudo o resto merece ser sublinhado. 

O artigo descreve a transformação da Suécia: de símbolo clássico do Estado social "do berço à sepultura" para uma economia muito mais aberta ao capitalismo, à iniciativa privada, à concorrência e à inovação.

"For decades, Sweden was shorthand for the brand of high-tax, high-spend government that managed people's lives from cradle to grave through state-run hospitals, schools and care homes.

No longer. With little fanfare, this Nordic country of 11 million has embraced capitalism.

Today, nearly half of primary healthcare clinics are privately owned, many by private-equity firms. One in three public high schools is privately run, up from 20% in 2011." 

Durante décadas, a Suécia foi associada a impostos elevados, forte intervenção pública, escolas e saúde dominadas pelo Estado. Mas, depois da crise económica e bancária dos anos 90, o país fez reformas profundas: reduziu impostos, conteve despesa pública, impôs disciplina orçamental, abriu sectores como educação, saúde e cuidados a operadores privados, e criou um ambiente mais favorável ao investimento, ao empreendedorismo e às empresas tecnológicas.

O resultado apresentado é uma Suécia mais dinâmica, com crescimento robusto, muitos “unicórnios”, mais investimento privado e maior capacidade de inovação.

A Suécia pagou o preço político das reformas nos anos 90. Mas essa disciplina permitiu-lhe entrar no século XXI com menos dívida, maior flexibilidade e maior capacidade de atrair investimento. O contraste com países que preferem adiar decisões difíceis é evidente.

Como ouvi os 4 episódios do podcast "The Rest Is History" sobre a Inglaterra dos anos 70 tenho fresco na mente alguns nomes da minha infância: Harold Wilson e James Callaghan. E a despesa pública cresceu 68% em apenas 2 anos, de 1974 para 1975.

Entretanto, hoje no FT Janan Ganesh escreve: 

"The problem has never been Starmer — it's Labour. The movement exists to spend public money, of which there is all too little. It will still be blaming "austerity" when the bailiffs and receivers are banging on the door."

E perceber que, em Portugal, baixar impostos é uma miragem... 

Quero que os impostos baixem, mas não quero que a despesa suba. Baixar impostos sem reduzir a despesa não é sério. 

A economia não é um jogo de "nós contra eles" (parte III)

Este artigo do JdN, "Coindu coloca quase meio milhar de trabalhadores em "lay-off""" fez-me recordar:

• A economia não é um jogo de "nós contra eles" (parte I)
• A economia não é um jogo de "nós contra eles" (parte II) de Dezembro de 2024

A Coindu não é um episódio. É um sintoma. Recordar a Yazaki.

Quando uma empresa portuguesa perde produção para outro país, a explicação fácil é dizer que "nos roubaram" trabalho. Mas essa explicação consola mais do que esclarece.

Nas partes I e II, usei a imagem de uma corrida. O problema da Coindu não era apenas correr pior. Era estar numa pista onde Portugal competia directamente com geografias mais baratas, nomeadamente no Norte de África. A frase de uma trabalhadora citada na altura era brutal na sua simplicidade: "não podemos concorrer com o Norte de África". 

A notícia de ontem do JdN confirma que não estávamos perante um episódio isolado. A Coindu vai colocar 493 trabalhadores em lay-off, entre Maio e Novembro de 2026, justificando a decisão com a conjuntura global, a redução de encomendas no sector automóvel, as tarifas nos principais mercados e o impacte dos conflitos na Ucrânia e no Médio Oriente na confiança do mercado. O artigo recorda ainda que a empresa empregava 2.100 trabalhadores em 2022 e tem agora 752. 

Isto não é apenas uma empresa em dificuldade. É um aviso sobre o lugar que Portugal ainda ocupa em algumas cadeias de valor.

Fazemos bem. Trabalhamos muito. Cumprimos. Temos experiência industrial, mas, em certas actividades, continuamos demasiado perto da zona onde o preço manda. Empresas sem autonomia, ou sem capacidade, para conjugar exploration com exploitation, acabam, mais tarde ou mais cedo, vítimas da demasiada confiança na exploitation da fórmula actual.

E quando o preço manda, a empresa portuguesa fica vulnerável. Vulnerável à quebra de encomendas. Vulnerável à pressão dos clientes globais. Vulnerável à comparação com outras localizações. Vulnerável à pergunta incómoda que qualquer grupo internacional faz: onde consigo produzir com a melhor combinação de custo, capacidade, prazo, qualidade e risco?

Esta pergunta tornou-se ainda mais importante depois da entrada da Coindu no universo do Gruppo Mastrotto. Em 2024, o grupo italiano adquiriu uma participação maioritária na Coindu, apresentando a operação como um passo de integração vertical no sector automóvel. A própria comunicação do grupo refere que a Coindu passa a fazer parte de um grupo líder na indústria do couro, com ambição de oferecer soluções completas para interiores de automóveis. 

Ora, isso tem duas leituras. A positiva é evidente: integração num grupo maior, mais músculo financeiro, mais acesso a clientes e maior capacidade de oferecer soluções completas. A leitura menos confortável é que a Coindu passa também a estar integrada numa rede internacional onde Portugal, México e Tunísia fazem parte do mapa produtivo.

Isto não significa, por si só, que uma encomenda saiu de Portugal e foi directamente para a Tunísia. Seria uma acusação que exigiria dados que não tenho, mas significa outra coisa igualmente importante: dentro de um grupo internacional, as unidades competem naturalmente entre si por novos projectos, volumes e prioridades.

E essa concorrência interna não é moral. É estratégica.

Se uma unidade portuguesa estiver posicionada em actividades muito intensivas em mão-de-obra, sensíveis ao custo e dependentes de grandes clientes automóveis, vai ser comparada com unidades em geografias onde o custo é mais baixo. Não porque alguém "odeie" Portugal, mas porque é assim que funcionam as cadeias globais.

A verdadeira questão, portanto, não é saber se a Tunísia nos roubou trabalho. A questão é saber porque é que Portugal continua, em certos sectores, a disputar trabalho na mesma pista da Tunísia.

A saída não pode ser apenas pedir protecção, subsídios ou compreensão. Isso pode atenuar a dor no curto prazo, mas não muda a posição estratégica. A saída é mudar de pista: mais engenharia, mais industrialização, mais automação inteligente, mais responsabilidade no desenvolvimento do produto, mais qualidade difícil de copiar, mais integração com clientes, mais certificação, mais capacidade técnica e mais participação nos momentos da cadeia onde a margem é capturada.

A Coindu é, por isso, um sintoma. Mostra a fragilidade de uma parte da indústria portuguesa: competente, séria, trabalhadora, mas ainda demasiado exposta a segmentos onde o critério dominante é o custo.

E mostra também a pergunta que devíamos fazer mais vezes:

Quando o próximo projecto chegar à mesa de decisão de um grupo internacional, que razão forte existe para vir para Portugal?

Se a resposta for apenas "temos trabalhadores experientes e cumprimos bem", talvez já não chegue.

Porque outros também aprendem. Outros também cumprem. Outros também têm fábricas. E alguns fazem-no com custos mais baixos.

A política industrial séria começa aqui: não em salvar nostalgias, mas em criar condições para que as nossas fábricas deixem de competir apenas por preço e passem a competir por valor.

Curiosidade do dia

Mão amiga mandou-me uma mensagem com este postal, sobre onde estão a ser criadas unidades industriais na Europa.

A leitura dos comentários é muito interessante: proporciona contexto e avança com explicações locais que não aparecem nos livros da academia.

O ponto mais interessante talvez não seja apenas saber onde estão a nascer as unidades industriais. É perceber o que o mapa revela sobre a capacidade real dos territórios para fazer indústria acontecer.

Muitas vezes discutimos a indústria a partir dos grandes conceitos: estratégia europeia, autonomia, fundos, inovação, transição energética. Mas uma fábrica nasce em condições muito concretas: terreno disponível, ligação eléctrica, licenças, água, acessos logísticos, mão-de-obra, fornecedores, previsibilidade fiscal e uma administração pública capaz de decidir em tempo útil.

Por isso, talvez este mapa não mostre apenas onde a indústria é mais barata. Mostra onde há menos atrito para produzir.

E esta é a pergunta que devia interessar a Portugal: somos um país onde uma empresa industrial consegue nascer, crescer e operar sem ser esmagada pela burocracia, pela incerteza energética, pela lentidão administrativa e pela falta de escala?

Não chega dizer que queremos reindustrializar, subir na escala de valor ou depender menos do turismo. A indústria não nasce onde há os melhores discursos sobre indústria. Nasce onde é mais fácil transformar investimento em produção.

Qual é o “biorreactor” da sua fábrica? (parte I)

Mão amiga fez-me chegar este artigo que acho delicioso "American factories lag in adopting Al. This drugmaker is an exception".

O artigo descreve um caso interessante da Bristol Myers Squibb (BMS). A empresa está a usar inteligência artificial para acompanhar e melhorar a produção de medicamentos biológicos.

"In a sterile Bristol Myers Squibb lab about an hour north of Boston, scientists in scrubs and hairnets transfer living cells to a 2,000-liter stainless steel bioreactor that grows them for weeks. The goal is to produce proteins that are genetically engineered to attack cells that cause disease.

Tiny variations in heat, light or pH level can stop the cells from growing, causing drug shortages that endanger patients. Typically scientists would have to wait to see what went wrong during that fragile process, but now artificial intelligence is used to carefully monitor important variables - such as temperature and oxygen levels - and alert technicians if there are problems."

Em vez de esperar pelo fim do processo para perceber que algo correu mal, a empresa usa dados de produções anteriores para antecipar problemas e apoiar decisões durante o processo. A IA, neste caso, não aparece como magia. Aparece como uma forma de transformar a experiência acumulada, dados históricos e variáveis de processo em uma capacidade de decisão mais rápida. Confesso que, quando comecei a usar a IA, sonhei com o que poderia aprender com a análise de padrões em mais de 20 anos de arquivo de CAPAs numa empresa farmacêutica para a qual prestava serviço à época.

Ao ler este exemplo da BMS, lembrei-me imediatamente do início da minha vida profissional. Trabalhei na produção de PVC-emulsão e, nessa altura, usávamos um microscópio electrónico para observar visualmente o produto e tomar decisões sobre o processo. Não era inteligência artificial, claro. Mas a lógica de fundo tinha alguma semelhança: olhar para sinais que não eram evidentes a olho nu, interpretar o que se passava no processo e decidir o que fazer antes que o problema se tornasse irreversível.

Na altura, a decisão dependia da experiência das pessoas, da capacidade de observação e da interpretação técnica. Hoje, a inteligência artificial pode ajudar a fazer algo semelhante, mas com outra escala: analisar milhares de dados históricos, detectar padrões subtis, relacionar variáveis que, isoladamente, parecem inocentes e sugerir acções antes do desvio se transformar em perda, retrabalho ou rejeição.

A fábrica deixa de ser apenas um local onde se executam operações. Passa a ser um sistema que aprende com aquilo que já fez.

"Previously, scientists and technicians were never sure why some batches of cells produced a large amount of proteins, while others failed completely. But now AI uses information from past batches to identify what variables need to change. For example, if oxygen levels are lower than in previous batches, the system will suggest that oxygen be added. If the pH levels are higher than previous batches, it will recommend a fix. It also makes suggestions about the best time to harvest the cells.

These innovations have boosted the volume of drugs produced for clinical trials and commercial use at the facility by about 40%, according to a company spokesperson.

“We are able to now intervene in the batches during the manufacturing process and not have to wait until we get to the end,”"

O caso da BMS é interessante precisamente porque não começa pela tecnologia. Começa por um problema industrial real. Há um processo crítico. Há variáveis difíceis de controlar. Há pequenos desvios que podem ter grandes consequências. Há dados históricos. Há conhecimento técnico. E há uma decisão operacional que precisa de ser tomada mais cedo.

É aqui que a IA pode criar valor. A pergunta não é: "Como podemos usar inteligência artificial?" A pergunta mais útil é outra: Onde é que estamos a perder dinheiro, tempo, qualidade ou capacidade porque não conseguimos interpretar a variação suficientemente cedo?

Muitas empresas industriais ainda tratam a variação como ruído. Aceitam que certos defeitos "acontecem" (meu Deus, tantas recordações de desculpas para matar investigações e justificar o status quo), que certos lotes "são mais difíceis", que certas máquinas "são temperamentais" (como o russo no filme Armageddon), que certos fornecedores "dão sempre mais problemas", que certas equipas "trabalham melhor" do que outras (a minha mente voa para duas linhas de produção de calçado por injecção e dois turnos com produtividades tão diferentes entre si).

No entanto, por trás dessas frases, pode haver padrões. E por detrás desses padrões pode haver oportunidades de optimização.

A IA industrial não deve ser vista como um novo brinquedo digital. Deve ser vista como uma extensão da capacidade da organização para compreender o seu próprio processo.

A inteligência artificial parece ter mais potencial quando determinadas condições se cumprem. O artigo não transforma este caso numa regra geral, mas o padrão é claro: a IA parece criar mais valor quando existe histórico de processo, variáveis interdependentes, elevado custo de erro, sinais precoces e capacidade de actuar antes do problema se tornar irreversível.

Primeiro, quando o processo é repetitivo. Quanto mais ciclos, lotes, ordens, ensaios ou operações houver, maior a possibilidade de aprender com o histórico.

Segundo, quando há muitas variáveis interdependentes. Temperatura, pressão, humidade, velocidade, tempo de ciclo, características da matéria-prima, equipa, máquina, turno, lote, fornecedor, condições ambientais. Cada variável isolada pode parecer controlada. O problema, muitas vezes, está na combinação entre elas. O bom velho Taguchi.

Terceiro, quando o custo do erro é elevado. Um lote rejeitado, uma cozedura perdida, uma linha parada, uma série de peças com defeito, uma reclamação importante, uma investigação de desvio, um retrabalho caro. A IA torna-se mais interessante quando o erro chega tarde e custa muito.

Quarto, quando há sinais precoces. A IA só ajuda de verdade se houver dados que permitam antecipar o problema. Se tudo for descoberto apenas no fim, já estaremos no território da constatação. O valor está em perceber antes.

Quinto, quando ainda é possível actuar. Não basta prever. É preciso poder fazer alguma coisa: ajustar parâmetros, alterar uma sequência, parar a produção, chamar manutenção, rever uma fórmula, mudar o plano, segregar material, reforçar controlo ou investigar uma tendência.

Por isso, a IA cria mais valor ao transformar sinais fracos em decisões antecipadas.

Não invento, está tudo no artigo:

1. "AI uses information from past batches to identify what variables need to change."

2. "For example, if oxygen levels are lower than in previous batches, the system will suggest that oxygen be added. If the pH levels are higher than previous batches, it will recommend a fix. It also makes suggestions about the best time to harvest the cells."

3. "Previously, scientists and technicians were never sure why some batches of cells produced a large amount of proteins, while others failed completely."

4 e 5. "We are able to now intervene in the batches during the manufacturing process and not have to wait until we get to the end."

Os sectores com maior potencial não são necessariamente os mais "modernos". São aqueles onde a variabilidade é cara, frequente e difícil de interpretar.

Há um primeiro grupo de sectores onde predominam processos físico-químicos ou biológicos. Aqui entram a indústria farmacêutica, a biotecnologia, a química fina, a alimentação, as bebidas, a fermentação, as formulações e alguns processos de tratamento térmico. Nestes sectores, pequenas variações de pH, temperatura, tempo, concentração, humidade, pressão ou qualidade da matéria-prima podem alterar significativamente o resultado.

Há depois um segundo grupo: processos com máquinas, ciclos repetitivos e muitos dados operacionais. A injecção de plásticos (uma abordagem tipo BMS seria usar dados de ciclos anteriores para prever defeitos antes de serem visíveis: empeno, chupados, rebarbas, falta de enchimento, variação dimensional, marcas superficiais ou peças fora de tolerância), a embalagem, a maquinação e a metalomecânica (desgaste de ferramentas, vibração, temperatura, rugosidade, tolerâncias, rejeições, manutenção preditiva, consumo energético, muito bom para IA porque há dados de máquina e sinais físicos ricos) e certas linhas de montagem são bons exemplos. Nestes casos, a IA pode ajudar a relacionar parâmetros de máquina com defeitos, tempos de ciclo, desgaste, consumo energético, rejeições e manutenção.

Um terceiro grupo inclui processos intensivos em energia e com grande variabilidade de matéria-prima. A cerâmica (um sector onde a variabilidade é enorme: matérias-primas naturais, humidade, granulometria, formulações, prensagem, secagem, cozedura, curvas de forno, temperatura, atmosfera, esmaltes, retracção, empeno, fissuras, tonalidade e defeitos superficiais. Uma abordagem inspirada no exemplo da Bristol Myers Squibb seria usar dados históricos para prever o comportamento da pasta, da secagem e da cozedura; o vidro, o papel, o têxtil (por exemplo, na tinturaria: acabamento, encolhimento, gramagem, cor, defeitos, consumo de água e energia) e os materiais de construção entram aqui. São sectores onde muitos defeitos aparecem tarde, depois de já se ter gasto energia, tempo de forno, capacidade produtiva e material. Prever com antecedência pode ser muito valioso.

Finalmente, há sectores onde o potencial está menos no controlo fino de parâmetros físicos e mais na gestão do fluxo. O calçado, a confecção, o mobiliário e outras produções por encomenda ou em pequenas séries podem beneficiar de IA na previsão de atrasos, optimização de corte, balanceamento de capacidade, controlo visual da qualidade, gestão de materiais e redução de retrabalho.

E volto à pergunta anterior. A pergunta não é: "Como podemos usar inteligência artificial?" A pergunta mais útil é outra: Onde é que estamos a perder dinheiro, tempo, qualidade ou capacidade porque não conseguimos interpretar a variação suficientemente cedo? Mais um exemplo de obliquidade. O objectivo não é usar IA, o objectivo é melhorar o desempenho e, por isso, recorre-se à IA.

Curiosidade da noite

The German media are reporting that €10bn of the recovery fund money earmarked for Spain ended up in the country’s pension system. This is how the good idea of a eurobond gets killed. Mistrust is not only present. It is justified. This example also goes to show that a eurobond…

— Wolfgang Munchau (@EuroBriefing) May 12, 2026

Curiosidade do dia

No FT de hoje pode ler-se:

"Airlines across Europe are cutting prices for summer flights to counter a delay in bookings, as customers worry jet fuel shortages will disrupt holiday plans."

Na capa do The Telegraph de hoje pode ler-se:

"Millions of passengers face flight cancellations under Labour’s plans to combat jet fuel shortages,  airports have warned."

Em que ficamos?

O FT mostra o desconto necessário para convencer o cliente a comprar. O Telegraph mostra o risco de não haver capacidade suficiente para entregar o que foi vendido. Entre os dois está a realidade: quando a confiança cai antes da oferta colapsar, os preços descem; quando a oferta realmente aperta, os preços sobem e os cancelamentos aparecem.

 

É doentio

O artigo "La productividad por trabajador cae en 2025 hasta su nivel más bajo en tres años" é sobre Espanha, mas a tabela permite perceber a quebra muito mais forte da produtividade em Portugal do que em Espanha.

Uma economia saudável não melhora apenas porque põe mais gente a trabalhar. Melhora quando cada hora de trabalho gera mais valor. E isso não está a acontecer.

Quando a economia cresce por volume, mas não por valor acrescentado, a produtividade fica presa. É a diferença entre:

• vender mais unidades;
• atender mais clientes;
• receber mais turistas;
• contratar mais pessoas;

E, por outro lado:

• vender melhor;
• cobrar mais por diferenciação;
• incorporar mais conhecimento;
• automatizar o que deve ser automatizado;
• criar marcas, processos, tecnologia, design, propriedade intelectual e capacidade comercial.

O artigo mostra uma economia que parece estar a fazer mais, mas não necessariamente a valer mais.

A imigração entra sobretudo para alimentar sectores de baixa produtividade, baixos salários, rotação elevada e pouca formação, ou seja, permite fomentar esse modelo. Ajuda empresas a sobreviverem sem terem de mudar muito. Neste caso, a imigração funciona como uma válvula de escape: resolve a falta imediata de mão de obra, mas reduz o incentivo para investir em produtividade. Facilita o desvio de recursos para novos projectos de baixa produtividade.

Uma economia pode crescer porque junta mais trabalhadores, recebe mais turistas e alimenta sectores intensivos em mão de obra. Mas isso não é o mesmo que subir na escala de valor. Sem mais capital, melhor gestão, melhor tecnologia, melhor posicionamento e maior diferenciação, o país apenas acrescenta volume. E volume, como sabemos, é vaidade; produtividade e valor acrescentado são sanidade.

É doentio como este não é o tema mais importante nos media portugueses. Tudo o resto é espuma.

Curiosidade do dia

Hoje, à hora do almoço, vi este tweet:

It's always cute when people argue that the demise of Italian industry and stagnant real wages over the last two decades have nothing to do with the Euro's introduction.

How do you explain that then?

Why can't people admit that the Euro has been an epic failure for Italy? pic.twitter.com/NfUYb0GtkO

— Michael A. Arouet (@MichaelAArouet) May 9, 2026

Há muitos anos que tenho outra teoria: O choque chinês, não o euro 

Por isso, pedi ao ChatGPT para fazer um gráfico em que se adicione o desempenho industrial dos EUA ao da Alemanha e da Itália. 

Voilá:

Quando incluímos os EUA, a tese do euro torna-se menos convincente. Os EUA não adoptaram o euro e, mesmo assim, também mostraram perda de dinamismo industrial após 2000. Portanto, há um choque comum mais plausível: a entrada da China no sistema comercial global.

A data crítica talvez não seja apenas 1999, ano da introdução do euro no mercado financeiro, mas também 2001, quando a China entrou formalmente na OMC. A partir daí, a indústria dos países desenvolvidos passou a enfrentar uma combinação poderosa: capacidade produtiva chinesa, custos baixos, escala, investimento, aprendizagem rápida e integração nas cadeias globais. A China tornou-se membro da OMC em 11 de Dezembro de 2001.

A China foi o grande choque externo; o euro condicionou a forma como cada país europeu conseguiu, ou não, responder a esse choque.

No caso dos EUA, a literatura sobre o "China shock" é bastante clara: o aumento da concorrência das importações chinesas afectou especialmente regiões e sectores industriais mais expostos, provocando desemprego, menor participação no mercado de trabalho e pressão sobre os salários nas zonas industriais dos EUA. Portanto, o facto de os EUA também mostrarem estagnação industrial torna mais fraca a explicação monocausal "foi o euro".

No caso italiano, a China também é uma explicação muito plausível, porque a indústria italiana tinha muito peso em sectores mais vulneráveis à concorrência chinesa: têxteis, vestuário, calçado, mobiliário, bens de consumo, pequenas máquinas, componentes e produção de média tecnologia. Há investigação do Banco de Itália que enquadra precisamente o "China shock" como uma força que deslocou emprego industrial e deteriorou carreiras em economias avançadas, incluindo estudos aplicados ao mercado de trabalho italiano.

A diferença é que a Alemanha não sofreu da mesma forma. E esse é o ponto mais interessante. A Alemanha entrou no mesmo euro, enfrentou a mesma China, mas tinha outra posição competitiva: máquinas, automóveis, química, bens de capital, Mittelstand exportador, integração com a Europa Central e Oriental e capacidade de vender à própria industrialização chinesa. A China foi concorrente, mas também cliente e plataforma de crescimento.

A Itália ficou mais exposta a uma combinação má: concorrência chinesa em sectores onde era forte, baixa produtividade, menor capacidade de escala global, menos investimento e, dentro do euro, perda da velha válvula de escape da desvalorização cambial. Antes, quando a competitividade se degradava, a lira podia desvalorizar. Com o euro, esse ajustamento deixou de existir. A adaptação tinha de vir por meio da produtividade, da inovação, da diferenciação e da reorganização industrial, muito mais difícil.

O grande choque foi a globalização industrial liderada pela China. Mas o euro tornou mais difícil para Itália ajustar-se a esse choque, enquanto a Alemanha conseguiu transformar a mesma conjuntura numa vantagem.

Automatizar é o último passo: Um convite (parte III)

Parte I e parte II.

Em "The End of One-Size-Fits-All Enterprise Software" os autores defendem que a inteligência artificial está a desfazer a lógica que dominou o software empresarial durante décadas. Até agora, as empresas compravam sistemas standard (ERP, CRM, plataformas de RH, ferramentas de projecto) e depois adaptavam o seu trabalho à lógica desses sistemas.

"Generative Al is dissolving the economic logic that made standardized enterprise software the only practical choice for most companies. What replaces it will be shaped not just by the rapidly evolving capabilities of this new technology, but by leaders willing to ask a harder question: Which workflows do we actually need to own?"

A pergunta era: "Como fazemos isto dentro do software?"

Talvez a pergunta certa devesse ter sido sempre outra: "Como deve este trabalho funcionar para criarmos mais valor?"

A IA pode mudar esta relação. Com agentes, low-code, no-code, APIs e ferramentas de desenvolvimento cada vez mais acessíveis, passa a ser possível criar soluções mais adaptadas à forma real como cada empresa trabalha. Isto é uma oportunidade, mas também é uma armadilha. 

Porque, se agora é mais fácil construir software à medida, também é mais fácil construir desperdício à medida. Aprovações inúteis à medida. Relatórios redundantes à medida. Fluxos confusos à medida. Sistemas elegantes para continuar a fazer coisas que deviam ter sido eliminadas. 

Antes, a empresa podia dizer: "O sistema obriga-nos a trabalhar assim." Essa desculpa vai perder força. Se podemos moldar a tecnologia ao trabalho, que trabalho merece realmente ser moldado, protegido e melhorado?

Numa PME, isto é muito concreto. A preparação de propostas comerciais é apenas administração ou é uma capacidade crítica? A gestão de reclamações é burocracia ou uma fonte de aprendizagem? A resposta a pedidos de clientes é papelada ou vantagem competitiva? A gestão de fornecedores, acções, auditorias, desvios, documentação ou reporting é apenas cumprimento ou parte da forma como a empresa cria confiança?

"But the underlying logic has changed. For a generation, the question in enterprise software was which tools should we buy. The emerging question is more fundamental: How can we rethink our workflows and decide which we want to build, compose, collaborate on, or buy outcomes?"

Nem tudo merece ser automatizado. Nem tudo merece ser construído internamente. Nem tudo merece ser controlado pela empresa.

Alguns workflows devem ser eliminados. Outros simplificados. Outros compostos com ferramentas existentes. Outros desenvolvidos com parceiros. Outros talvez devam ser comprados como resultado.

Mas a sequência importa. Primeiro, perceber o trabalho. Depois, decidir que trabalho merece existir. Depois, decidir que trabalho merece ser nosso. Só depois construir, compor, colaborar, comprar resultados ou automatizar. O fim do software "one-size-fits-all" não é um convite para pôr IA em todo o lado. É um convite para pensar melhor sobre como a empresa trabalha, onde cria valor e que capacidades quer realmente possuir.

Automatizar é o último passo.

Antes disso, há uma pergunta ainda mais importante: que trabalho queremos realmente manter nas nossas mãos?

Curiosidade do dia

Em Novembro passado em Ver para lá do que se conhece (parte VII) falamos sobre este caso. No The Times do passado dia 25 de Abril em "Spine-injury woman can walk once again thanks to implant" temos a continuação:

"It has been almost a year since Edwards, from Devon, took her first step in 15 years. Now, she is getting used to a life in which she can shuffle for short distances with a frame and meet people at eye level.

...

In her abdomen, an implant is linked to her spine — below the point of injury. She can select a mode on her watch that allows her to use a walker, moving her legs with a left click and a right. A mode lets her stand up, with something to hold on to. If she is at home, she can do the same — but using her thoughts. She can think of walking, and her legs move."

Lembro-me de ter visto, num filme, uma conversa em que alguém dizia que um banqueiro americano muito famoso e rico, do início do século XX, morreu de septicemia, algo que hoje, em muitos casos, seria tratado com antibióticos e intervenção médica rápida. 

Também há tempos vi uma notícia que me deu a crer que no tipo de cancro que matou Steve Jobs, já há avanços importantes e novas opções terapêuticas. 

BTW, isto é muito mais interessante, mas não vejo grande divulgação.

Subida na escala de valor versus extracção

O WSJ do passado dia 6 de Maio publicou "Harley's New CEO Aims for Value".

Um título algo enganador.

"Harley-Davidson spent years doubling down on its baby-boomer base with expensive cruisers and touring bikes. Now, its new chief executive said, the name of the game is volume sales—and affordability.

...

Altogether, the new motorcycles represent an attempt to make the legendary but struggling motorcycle brand relevant again to consumers who can't afford bikes with carlike prices.

The focus on entry-level motorcycles is a reversal of the strategy plotted by Starrs's predecessor. Jochen Zeitz, a longtime company director who became CEO in 2020 and departed in October, gave priority to Harley's large, expensive touring bikes and cruisers, which can cost more than $50,000.

That helped to boost Harley's profit but did little for the retail sales of the company's bikes, which have been in steep decline since their 2006 peak."

O artigo descreve a mudança estratégica da Harley-Davidson sob um novo CEO. Depois de vários anos concentrada em motos caras e de margem maior, a empresa quer voltar a crescer em volume por meio de modelos mais acessíveis.

Os resultados do primeiro trimestre parecem indicar que as vendas estão a recuperar, mas o desempenho financeiro está a cair drasticamente.

A minha abordagem normal seria criticar a Harley por uma decisão como esta, na senda de "Volume é vaidade e lucro é sanidade". No entanto, o caso da Harley levanta um tema interessante: nem sempre vender mais caro significa subir na escala de valor.

Durante anos, a Harley parece ter protegido margens elevadas, mas à custa de uma base de clientes cada vez mais envelhecida e estreita. A questão é saber se estava realmente a criar valor novo ou apenas a extrair valor acumulado pela marca ao longo de décadas.

Modelos mais acessíveis podem parecer uma descida na escala de valor. Mas podem ser o contrário, se funcionarem como porta de entrada para o universo Harley: acessórios, manutenção, personalização, comunidade, eventos e, mais tarde, modelos superiores.

O risco é evidente: tornar a marca mais acessível sem a tornar vulgar. Se as novas motos forem percebidas como “Harleys baratas”, a empresa pode perder a aura sem ganhar escala suficiente para compensar.

A lição para as PME é esta: subir na escala de valor não é simplesmente vender mais caro. É densificar a relação com o cliente. Um produto de entrada pode fazer sentido, desde que abra caminho para mais confiança, recorrência, especialização e margem futura. A pergunta não é “barato ou caro?”. A pergunta é: isto abre uma escada de valor ou apenas compra volume à custa da identidade?

Curiosidade do dia

O Telegraph de hoje publica o artigo "Curtain comes down on opera after single moan over 'colonialism'".

O artigo relata que o Minack Theatre, na Cornualha, cancelou uma produção da ópera Lakmé, de Léo Delibes, depois de uma queixa apresentada por um activista hindu, que considerou a obra profundamente problemática por reflectir exotismo colonial, atitudes orientalistas e estereótipos sobre tradições orientais. O teatro justificou a decisão, dizendo que já tinha preocupações quanto à forma como a ópera tratava de questões culturais e religiosas, reconhecendo que certas obras antigas contêm referências desactualizadas e sensibilidades culturais hoje difíceis de aceitar.

O cancelamento da ópera Lakmé, após críticas ao seu alegado exotismo colonial, é um sinal dos tempos. Obras criadas noutros séculos, com a linguagem e os pressupostos da sua época, começam a ser julgadas não como património cultural complexo, mas como objectos moralmente suspeitos.

Dentro de alguns anos, não será surpreendente que algo semelhante aconteça em Portugal com "Os Lusíadas". Dir-se-á que Camões usa linguagem violenta, vilipendia os “sarracenos”, glorifica a expansão portuguesa e reflecte uma visão colonial, religiosa e guerreira incompatível com as sensibilidades actuais. A obra será classificada como "problemática", depois "contextualizada", depois talvez reduzida a excertos cuidadosamente escolhidos.

O problema não está em discutir criticamente Os Lusíadas. Isso é necessário. O problema está em transformar a crítica numa desculpa para deixar de ler. Uma sociedade madura consegue reconhecer, na mesma obra, génio literário, beleza poética, violência histórica, fé, propaganda e contradição. Uma sociedade infantil exige que o passado peça desculpa ao presente.

Se só aceitarmos conservar as obras antigas depois de as purificar segundo os critérios morais de hoje, não ficaremos com uma cultura mais justa. Ficaremos com uma cultura mais pobre, mais medrosa e menos capaz de compreender a complexidade da história.

Automatizar é o último passo: Um convite (parte II)

Ontem escrevi sobre uma ideia que me parece cada vez mais importante: automatizar é o último passo.

 A ideia vem do chamado algoritmo de Elon Musk. Primeiro, questionar os requisitos. Depois, eliminar o que não devia existir. Depois, simplificar. Depois, optimizar e acelerar. Só no fim, automatizar. 

A ordem é importante porque a pior coisa que podemos fazer é acelerar aquilo que devia ter sido apagado. No podcast sobre Musk, a história aparece de forma muito clara: a automatização na Tesla foi, muitas vezes, tentada cedo demais; só depois se percebeu que havia partes, movimentos, requisitos e processos que, primeiro, deviam ter sido eliminados ou simplificados. 

Hoje junto outra peça ao puzzle. Num texto publicado no WSJ no passado dia 6 de Maio, "IBM CEO Says Al Requires Big Shift", Arvind Krishna, CEO da IBM, aparece praticamente com a mesma ideia, mas em linguagem de empresa grande: 

"maximizing returns on investment in artificial intelligence requires a fundamental restructuring of business workflows rather than just adopting new technology." 

Ou seja, o retorno da inteligência artificial não surge por comprarmos mais uma ferramenta. Aparece quando a empresa tem coragem de redesenhar a forma como o trabalho atravessa a organização.

Isto é muito diferente da conversa habitual sobre IA. A conversa habitual começa com a ferramenta. Que modelo vamos usar? Que plataforma devemos comprar? Que agente podemos criar? Que casos de uso estão na moda? Krishna sugere outra sequência. A IA pode começar no indivíduo, passar para pequenas equipas, depois para grupos multifuncionais e só mais tarde chegar à organização inteira. É nessa última fase que o valor se torna realmente interessante. Mas é também aí que a coisa dói, porque já não estamos a falar de produtividade pessoal. Estamos a falar de responsabilidades, interfaces, decisões, informação, sistemas, hábitos, territórios e pequenas capelinhas internas.

O exemplo da IBM é muito bom precisamente por não ser sofisticado. Não estamos a falar de descobrir uma nova molécula, desenhar um foguetão ou reinventar a banca. Estamos a falar de uma carta de verificação de emprego para apoiar um pedido de empréstimo. Antes, segundo Krishna, esse workflow podia exigir até 18 pontos de contacto: gestor, especialista de RH, back-office, diferentes sistemas, passagens de informação e validações. Hoje, o colaborador faz o pedido a um bot interno; o sistema verifica a identidade, recolhe a informação necessária e envia a carta. 

"The 18 touchpoints have been reduced to just one."

Esta frase devia ficar colada na parede de muitas empresas.

Porque a pergunta relevante não é: "Onde podemos usar IA?" A pergunta relevante é: "Onde é que temos 18 pontos de contacto escondidos?"

Nas PME, esses 18 pontos de contacto raramente aparecem num desenho bonito. Aparecem numa proposta comercial que demora demasiado tempo. Numa reclamação que passa por três pessoas antes de alguém decidir. Num pedido de informação técnica que fica preso entre comercial, qualidade e produção. Numa aprovação que sobe à direcção por hábito. Num ficheiro Excel que alguém preenche porque outro sistema não fala com o primeiro. Num processo de compras onde ninguém sabe exactamente quem decide o quê. Em pequenas esperas, pequenas dúvidas, pequenas repetições, pequenos "manda-me outra vez", pequenos "quem é que tem isto?", pequenos "temos de confirmar com fulano". Pequenos, pequenos, pequenos. Até que, somados, deixam de ser pequenos.

É aqui que o vídeo de Mark Cuban também entra bem na conversa. Cuban tem chamado a atenção para a oportunidade de ajudar empresas, em particular pequenas e médias empresas, a implementar agentes de IA e a aplicar tecnologia existente de forma prática, em vez de tentar construir o próximo grande modelo. A formulação citada pela Inc. é directa: 

“Be an expert in making agents for business.” 

E, noutro contexto, Cuban sublinha que a vantagem não ficará apenas com quem adopta IA, mas com quem itera e executa melhor; nas palavras citadas pela Business Insider, 

“the early adopters, that iterated and executed the best, were the winners.” 

Musk, Cuban e Krishna estão a falar de coisas diferentes, mas a convergência é interessante. Cuban aponta para a oportunidade de mercado: há empresas que vão precisar de ajuda para transformar IA em trabalho útil. Krishna aponta para a condição de escala: a IA só gera retorno significativo quando os workflows são redesenhados de ponta a ponta. Musk lembra a disciplina operacional: não automatizar antes de questionar, eliminar e simplificar. Três linguagens diferentes, uma lição comum: a tecnologia entra no fim de uma reflexão sobre o trabalho, não no início.

A verdadeira oportunidade para as PME não está em “ter IA”. Dentro de pouco tempo, isso será banal. A oportunidade está em usar a IA para reduzir a distância entre perceber, decidir e fazer. E isso começa com uma auditoria dos workflows: escolher processos críticos, mapear o que acontece na prática, identificar esperas, duplicações, aprovações rituais, decisões sem dono, passagens manuais, documentos redundantes e sistemas que não comunicam entre si. Só depois vem a pergunta tecnológica: o que deve ser eliminado, simplificado, integrado, assistido por IA ou automatizado?

Esta é a parte que me interessa. A abordagem por processos, que tanta gente reduziu a fluxogramas para auditoria ou procedimentos para certificação, pode ganhar uma nova vida com a IA. Porque antes de criar um agente, é preciso saber que trabalho merece ser feito. Antes de automatizar uma decisão, é preciso saber quem deve decidir, com que critérios e com que informação. Antes de acelerar um fluxo, é preciso verificar se ele não deveria ser redesenhado.

Por isso, começo a ver uma linha de trabalho possível: juntar diagnóstico de processos, auditoria de workflows e desenvolvimento ágil de soluções com IA. Não para vender magia. Não para dizer "vamos pôr IA na sua empresa", mas para entrar em workflows concretos e perguntar: quantos pontos de contacto podemos eliminar? Que informação podemos estruturar? Que decisões podem deixar de subir? Que documentos podem ser preparados por um agente e revistos por uma pessoa? Que tarefas podem passar de trabalho manual repetitivo para controlo inteligente? Que parte do processo precisa de tecnologia e que parte precisa apenas de coragem para apagar o que não acrescenta?

O exemplo da IBM é útil por causa disso. Não se limitou a acelerar uma tarefa antiga. Reduziu o percurso. Eliminou o atrito. Ligou sistemas. Clarificou a experiência do utilizador. Transformou um processo com 18 contactos num processo com um único contacto. Isto não é apenas automatização. É redesenho operacional com IA.

Talvez seja essa a frase-chave: a IA só escala quando deixa de ser ferramenta e passa a ser desenho do trabalho.

No fundo, Musk avisa-nos para não automatizar cedo demais. Cuban lembra-nos que há um mercado enorme à espera de quem saiba implementar agentes de IA na prática. Krishna mostra que o verdadeiro retorno exige redesenhar processos de ponta a ponta. A mim, isto soa a uma oportunidade muito concreta: pegar na abordagem por processos, tirá-la do mundo dos manuais e das auditorias e usá-la como ponte entre a IA e o trabalho real das empresas.

Porque uma coisa é certa: automatizar desperdício continua a ser desperdício.

Só que agora vem com uma interface moderna.

Curiosidade do dia

 

This chart is making the rounds.

But the values for 2000 don’t really chime with actual IMF (PPP) data – and a solid comparison is 2025 (not forecasts for 2030).

So I made my own chart with more reliable numbers from the @IMFNews.

Looks different, doesn’t it? https://t.co/wJc56StTCP pic.twitter.com/GE94Pn3Qzq

— Benjamin Wolf 🇺🇦 (@benbawan) May 7, 2026

Portugal aparece a cor laranja, com cerca de 56% do nível dos EUA em 2025. Isto quer dizer que Portugal não colapsou, mas também não convergiu de forma relevante. Ficou praticamente parado em termos relativos. Cresceu, mas não mais depressa do que o necessário para encurtar claramente a distância em relação aos EUA.

O contraste incómodo é este: vários países que, em 2000, estavam muito atrás de Portugal aproximaram-se ou passaram a níveis semelhantes. Por exemplo, Polónia aparece nos 63, Lituânia nos 65, Croácia nos 58, Roménia e Hungria nos 54. Portugal está nos 56. Ou seja, a antiga distância entre Portugal e parte da Europa de Leste quase desapareceu. 

O problema não é apenas "crescer". É crescer mais depressa, com mais produtividade e mais valor por pessoa. Caso contrário, Portugal pode continuar a melhorar em termos absolutos, mas a ficar parado — ou a ser ultrapassado — em termos relativos.

 

Automatizar é o último passo: Um convite

Ainda sobre o podcast "How Elon Thinks", há uma ideia, no chamado algoritmo de Elon Musk, que me parece particularmente importante nesta fase de entusiasmo com a inteligência artificial: automatizar é o último passo.

O algoritmo é:

1. Questionar cada requisito

2. Eliminar tudo o que for possível

3. Simplificar e optimizar

4. Acelerar o ciclo

5. Automatizar

Antes de automatizar, é preciso questionar os requisitos. Depois, eliminar o que não devia existir. Depois, simplificar. Depois, optimizar. Só no fim faz sentido acelerar e automatizar. A ordem é importante. Talvez seja mesmo a parte mais importante da ideia.

Porque a tentação, agora, é fazer exactamente o contrário.

Há, ainda, outro elemento que torna esta reflexão mais actual. Num vídeo recente, Mark Cuban chama a atenção para a oportunidade criada pelos agentes de IA junto das PME. A ideia, tal como a leio, é simples: muitas pequenas e médias empresas não têm equipas internas para perceber onde a IA pode criar valor, muito menos para desenhar, testar e implementar agentes úteis. Vão precisar de alguém que faça a ponte entre a tecnologia e o trabalho real.

Ora, é aqui que o algoritmo de Musk e a provocação de Cuban se encontram. Cuban aponta para a oportunidade: ajudar empresas a usar IA. Musk lembra-nos da disciplina: não começar pela automatização. Primeiro, perceber o trabalho. Depois, questionar requisitos. Depois, eliminar o que não acrescenta. Depois, simplificar. Só no fim, automatizar.

Comprar ferramentas. Lançar pilotos. Criar assistentes inteligentes. Pôr agentes de IA em cima de fluxos de trabalho confusos, processos mal pensados, aprovações inúteis, documentos redundantes, responsabilidades pouco claras e sistemas que não falam uns com os outros.

Depois, claro, virá a surpresa: afinal o retorno não aparece.

Pois. Automatizar desperdício não o transforma em produtividade. Transforma-o em desperdício mais rápido, mais elegante e, provavelmente, com uma subscrição mensal.

Esta reflexão liga-se a algo que tenho defendido há muitos anos: muitas empresas não têm falta de ideias, têm falta de fogo no rabo. Projectos que avançam à velocidade de caracol. Iniciativas que repousam nos congeladores empresariais. Problemas conhecidos por todos, mas sem dono, sem data, sem equipa, sem entregável, sem consequência. Agora, com a IA, há o risco de juntarmos à falta de fogo no rabo uma camada de ilusão tecnológica.

E é aqui que vejo uma oportunidade interessante.

Há muitos anos que trabalho com a abordagem por processos. Para muita gente, processos são fluxogramas, procedimentos, caixinhas em PowerPoint ou coisas da qualidade. Para mim, a abordagem por processos sempre foi outra coisa: uma forma de perceber como o trabalho realmente acontece. Onde começa, quem fornece o input, quem decide, que informação é necessária, onde há esperas, onde há retrabalho, onde há aprovações rituais, onde se perde tempo, onde se perde margem, onde se perde clientes e onde se perde paciência.

Ora, antes de pôr agentes de IA a trabalhar, é preciso perceber que trabalho merece existir. Antes de automatizar uma decisão, é preciso perceber quem devia decidir, com que critérios e com que informação. Antes de acelerar um fluxo de trabalho, é preciso avaliar se ele não deveria ser redesenhado.

Por isso, a oportunidade não está simplesmente em “implementar IA nas empresas”. Isso é vago demais. A oportunidade está em usar a IA para aumentar a velocidade, reduzir a fricção e melhorar os resultados em fluxos de trabalho concretos. E, para isso, é preciso juntar duas competências que raramente vivem na mesma cabeça: conhecimento de processos e capacidade técnica para construir soluções com IA.

Vejo, para já, três linhas possíveis de serviço.

A primeira seria uma espécie de Workflow Audit + desenvolvimento ágil. Um diagnóstico rápido a fluxos de trabalho críticos: propostas comerciais, tratamento de reclamações, preparação de documentação técnica, qualificação de oportunidades, gestão de fornecedores, reporting, compliance, seguimento de acções, preparação de auditorias, ou outros processos onde a empresa perde tempo e energia. No caso de um CDMO, isto torna-se ainda mais interessante, porque há workflows onde a velocidade tem impacte directo no tempo de chegada ao mercado do cliente: avaliação inicial de viabilidade técnica, resposta a RFQ/RFP, preparação de propostas com âmbito, pressupostos e riscos claros, transferência tecnológica, onboarding de novos clientes e novos produtos, elaboração e revisão de batch records, transferência e validação de métodos analíticos, qualificação de matérias-primas e fornecedores, gestão de desvios, OOS/OOT, CAPA, change control, revisão documental pela Qualidade, libertação de lotes, preparação de informação CMC/regulatória, gestão de estudos de estabilidade e reporting técnico ao cliente.

O objectivo não seria "pôr IA" nestes processos à força. Seria perceber primeiro onde estão os atrasos, duplicações, esperas, retrabalho, aprovações redundantes, pedidos de informação incompletos e responsabilidades pouco claras. Só depois faria sentido decidir onde um agente de IA, uma automação, uma base de conhecimento, um template inteligente ou uma integração entre sistemas poderia reduzir o tempo, aumentar a consistência e melhorar a experiência do cliente.

A segunda linha poderia ser uma lógica de Compose para sectores específicos. Muitas PME não precisam de plataformas genéricas cheias de promessas. Precisam de blocos de trabalho já próximos da sua realidade: templates, perguntas, regras, critérios, documentos, bases de conhecimento, indicadores, alertas e fluxos ajustados ao seu sector. Uma empresa industrial, uma CDMO, uma empresa de logística, uma clínica, um retalhista ou uma empresa de serviços técnicos não têm os mesmos problemas, nem a mesma linguagem, nem os mesmos riscos. Há aqui espaço para criar soluções verticais, configuráveis, que combinem conhecimento de negócio com modelos de IA. Por exemplo, uma clínica pode precisar de organizar marcações, consentimentos, relatórios médicos e a comunicação com os pacientes. Uma empresa de logística pode precisar controlar entregas, rotas, atrasos, reclamações e armazéns. Uma CDMO pode precisar gerir transferências tecnológicas, batch records, desvios, CAPA, change control, estudos de estabilidade e documentação regulatória.

Ou seja, todas podem usar IA, mas não precisam da mesma IA organizada da mesma maneira.

O ponto comum entre as duas linhas é simples: não começar pela tecnologia. Começar pelo trabalho. Que fluxo de trabalho atrasa a empresa? Que actividade existe apenas por hábito? Que aprovação é só teatro? Que informação é pedida três vezes? Que decisão sobe sempre à direcção sem necessidade? Que tarefa poderia ser preparada por um agente, revista por uma pessoa e entregue mais depressa? Que parte do processo é verdadeiramente diferenciadora e que parte é apenas fricção operacional?

É aqui que a minha experiência pode ser útil. Não como especialista em programação de IA, porque não o sou. Mas como alguém habituado a entrar em empresas, seguir processos, fazer perguntas incómodas, distinguir trabalho real de burocracia, separar requisito útil de requisito herdado, e transformar confusão operacional em fluxos mais claros, mais simples e mais rápidos.

Agora falta a outra metade.

Por isso, este texto é também um convite.

Gostava de falar com pessoas que trabalham na vertente técnica da inteligência artificial: agentes, automação, integração de ferramentas, desenvolvimento ágil, low-code/no-code, Cursor, Claude Code, APIs, modelos de linguagem, bases de conhecimento, workflows digitais. Pessoas que saibam construir, testar e pôr soluções a funcionar, mas que também percebam que a tecnologia só tem valor quando resolve problemas reais de negócio.

A minha hipótese é esta: há espaço para desenvolver um serviço novo para PME, combinando uma abordagem por processos, um diagnóstico rápido de workflows e a construção ágil de soluções com IA. Não para vender magia. Não para vender “transformação digital” em versão requentada. Mas para ajudar as empresas a reduzir a distância entre perceber, decidir e fazer.

Automatizar é o último passo.

Antes disso, há muito trabalho inteligente a fazer. E talvez esteja aí uma oportunidade interessante para juntar quem percebe de processos com quem sabe construir com IA.