Vamos aprofundar este vídeo em que o CEO da Samp, Laurent Bourgouin, se assemelha a Sam Altman. Atualmente, a indústria pesada está a adotar em grande escala a IA Agente — sistemas autónomos inteligentes capazes de observar, raciocinar e agir com um mínimo de instruções humanas. Espera-se que estes sistemas otimizem as operações, reduzam o tempo de inatividade e melhorem a eficiência global de qualquer instalação industrial.
Conforme mencionado na publicação de Vlad Larichev, o novo relatório da Wharton/GBK revela que 72% das empresas monitorizam atualmente o ROI da IA de Geração (GenAI) e 75% registam retornos positivos — no entanto, o MIT constata que apenas cerca de 5% estão efetivamente a alcançar um sucesso escalável e repetível. Apesar da discrepância nos relatórios de adoção, podemos reconhecer que existem fatores organizacionais e operacionais complexos que travam ou atrasam o progresso.
O principal desafio que os agentes de IA enfrentam frequentemente em ambientes industriais reais: dependem inteiramente da precisão e da exaustividade dos dados que têm à sua disposição. Sem dados fiáveis, mesmo a IA mais avançada tomará decisões incorretas, o que conduzirá a ineficiências operacionais ou a falhas do sistema.
Muitos dados operacionais em fábricas, instalações e ambientes de infraestruturas estão incompletos, são inconsistentes ou estão desligados do que realmente se passa no terreno. Os históricos dos equipamentos são frequentemente parciais ou mal identificados, e o conhecimento dos operadores permanece em cadernos e nas conversas entre turnos, em vez de estar registado nos sistemas.
Assim, no passado, iniciativas como a análise de dados da IoT, a manutenção preditiva e a otimização energética depararam-se com o mesmo problema — os projetos-piloto funcionam, mas falham quando implementados em grande escala… porque os dados subjacentes não refletem as condições reais no terreno.
É aqui que a Shared Reality se torna essencial. Antes de implementar agentes que tomam decisões autónomas, as organizações necessitam de uma visão verificada e continuamente alinhada do ambiente físico — um entendimento partilhado entre pessoas, sistemas e IA sobre o estado das máquinas, dos processos e dos ativos. Isso garante que os dados sejam corrigidos e contextualizados com base nas observações no terreno. Assim, quando os dados refletem a realidade, os agentes de IA podem finalmente raciocinar e agir com confiança. Para que a IA Agente funcione no mundo real, temos de corrigir continuamente a camada de realidade dos dados enquanto automatizamos sobre a mesma, o que constitui a proposta de valor central da Shared Reality. É a base que transforma a IA de demonstrações impressionantes em desempenho industrial fiável. Além disso, com os fluxos de trabalho de atualização, é possível garantir que os dados 3D estejam continuamente alinhados com as alterações no terreno.
Além disso, a Shared Reality faz mais do que apenas alinhar dados — liga-se diretamente aos sistemas existentes de uma empresa. Através de APIs, interliga dados de ERP, MES, CMMS, SCADA e de registos históricos com dados 3D verificados no terreno. E, em breve, irá suportar protocolos como o MCP, permitindo-lhe interagir com agentes de IA. Em vez de criar mais um silo de dados, trata-se da camada de contextualização 3D validada no terreno na qual todos os agentes de IA, ferramentas de análise e software podem confiar.

