.webp){kind=small}
Entenda: Em setores onde a infraestrutura física, a continuidade operacional e a segurança são fundamentais, a IA está se tornando uma camada operacional essencial
A inteligência artificial pode ter conquistado a imaginação do público por meio de chatbots e geradores de imagens, mas alguns de seus casos de uso mais relevantes estão se desenvolvendo bem longe das ferramentas voltadas para o consumidor. Em setores onde a infraestrutura física, a continuidade operacional e a segurança são fundamentais, a IA está se tornando uma camada operacional essencial.
Com seus extensos sistemas industriais e fluxo constante de dados operacionais, o setor de energia oferece um vislumbre de como esse futuro poderá ser. Na Woodside Energy, a adoção da IA não começou com modelos generativos ou copilotos empresariais. A empresa passou anos desenvolvendo análises preditivas, sistemas de otimização e ferramentas de aprendizado de máquina para exploração, perfuração, manutenção e operações de plantas.
"Sempre tivemos grandes volumes de dados operacionais provenientes dos equipamentos, das plantas e dos ativos que operamos", afirma Andrew Melouney, vice-presidente de digital da empresa. "Esses dados criaram casos de uso muito claros e de alto valor para nós. " Esse investimento de longo prazo em infraestrutura e governança agora está possibilitando uma mudança mais ampla em direção a sistemas de IA com agentes que podem dar suporte a fluxos de trabalho industriais complexos.
Em vez de substituir operadores humanos, a Woodside projeta sistemas de IA para complementar a expertise em ambientes de alto risco. Um excelente exemplo é o seu “Consultor de Startups”, um copiloto de IA que auxilia operadores a gerenciar o complexo processo de inicialização de usinas de gás natural liquefeito (GNL).
“Estamos realmente pensando em como isso pode apoiar as pessoas na organização, capacitando-as a tomar decisões melhores e mais rápidas”, explica Melouney. A abordagem da empresa reflete uma evolução mais ampla que está ocorrendo na IA industrial: a transição de experimentos isolados para sistemas corporativos construídos em plataformas padronizadas, dados governados e padrões de implantação repetíveis.
Essa transição, argumenta Melouney, exige que as organizações repensem tanto suas infraestruturas tecnológicas quanto a forma como o trabalho é realizado. “Não estamos apenas adicionando IA a um processo existente”, afirma. “Estamos pensando profundamente em como esse trabalho precisa ser reinventado.
” O lema de Melouney tornou-se: “Pense grande, crie protótipos pequenos e escale rápido”. À medida que os sistemas de IA se tornam mais autônomos e interconectados, as empresas mais bem preparadas para o sucesso podem ser aquelas que dedicaram anos a construir as bases operacionais por trás da euforia.
“Nossa ambição é realmente uma empresa autônoma, onde tenhamos agentes com autonomia capazes de interagir profundamente com nossos fluxos de trabalho principais”, diz Melouney. Este episódio do Business Lab foi produzido em parceria com a Infosys. Transcrição completa: Megan Tatum: Da MIT Technology Review, eu sou Megan Tatum, e este é o Business Lab, o programa que ajuda líderes empresariais a entender as novas tecnologias que saem dos laboratórios e chegam ao mercado.
Este episódio foi produzido em parceria com a Infosys. Quando as pessoas pensam em inteligência artificial, geralmente imaginam chatbots ou ferramentas de produtividade, mas alguns dos usos mais sofisticados e de maior impacto da IA estão acontecendo bem longe dos aplicativos para o consumidor, dentro de ambientes industriais complexos onde segurança, confiabilidade e sistemas físicos são essenciais.
O setor global de energia é um excelente exemplo. Empresas como a Woodside Energy, uma produtora global de energia com sede na Austrália Ocidental, aplicam IA há mais de uma década, desde análises e operações avançadas até suporte remoto à decisão, manutenção mais inteligente e eficiência energética em ativos de grande escala.
Hoje, a Woodside está ampliando essa experiência, incorporando IA de forma mais profunda em suas operações e em toda a empresa, com um forte foco em governança, qualidade de dados e responsabilidade humana. Duas palavras para você: combustível tecnológico. Meu convidado de hoje é Andrew Melouney, vice-presidente de digital da Woodside Energy.
Bem-vindo, Andrew. Andrew Melouney: Obrigado, Megan. É ótimo estar aqui. Megan: O prazer é meu. Andrew, como eu disse, o setor de energia abordou a IA de forma bem diferente das empresas de tecnologia ou de bens de consumo. O valor inicial surgiu em ambientes operacionais e industriais, em vez de ferramentas de IA generativa voltadas para o consumidor.
Por quê. E o que diferencia a jornada de IA do setor de energia. Andrew: Megan, acho que tudo se resume à natureza do trabalho que fazemos. As operações de energia e o que a Woodside faz são muito intensivas em ativos, muito críticas para a segurança e altamente físicas. E quando você pensa em como a Woodside opera, operamos em toda a cadeia de valor.
cadeia de valor. Realizamos desde a exploração e perfuração até o trabalho no subsolo, passando pelo desenvolvimento de projetos, até a operação de ativos, muitas vezes em locais remotos e inóspitos, além da comercialização e negociação do nosso portfólio global de energia. Sempre tivemos grandes volumes de dados operacionais provenientes dos equipamentos, das usinas e dos ativos que operamos, e esses dados criaram casos de uso muito claros e de alto valor para nós.
Quando pensamos em confiabilidade, segurança e eficiência, esses são aspectos realmente críticos para uma empresa como a Woodside. Já trabalhamos com IA tradicional há muitos anos. Se pensarmos em análises, otimização e modelos preditivos, essas técnicas vêm sendo aplicadas aos nossos conjuntos de dados e aos nossos negócios desde aproximadamente 2015.
E, mais recentemente, com o advento da IA generativa, descobrimos que temos uma base sólida e excelente para construir e resolver problemas com o objetivo de aprimorar os negócios. Seja para manter as pessoas seguras, os ambientes em que operamos seguros ou para melhorar o retorno para a organização.
Megan: Fantástico. Você mencionou isso, mas como essa realidade moldou a estratégia de IA da Woodside. Por onde vocês começaram e onde a tecnologia se mostrou mais impactante nos primeiros tempos. Andrew: Bem, como eu disse, tivemos uma longa jornada para entender nossos dados operacionais, reconhecer seu valor e coletá-los em escala para que pudéssemos utilizá-los.
E fomos muito criteriosos nessa abordagem, Megan. Pensamos muito sobre onde estava o valor e onde os riscos eram gerenciáveis. E começamos a analisar, no mundo atual, a partir de uma perspectiva de IA agente, os problemas que foram resolvidos com IA tradicional, aprendizado de máquina e ciência de dados no passado.
E começamos a pensar em como poderíamos aplicar IA agente para obter um resultado ainda melhor. Para o nosso setor e organização com uso intensivo de ativos, estamos analisando áreas como a otimização da manutenção. Estamos analisando áreas como: como garantir que nossas plantas de GNL iniciem de forma confiável, consistente e segura.
Estamos realmente considerando nossa força de trabalho da linha de frente e garantindo que estamos fornecendo às pessoas na linha de frente as ferramentas necessárias para realizar seus trabalhos. Quando pensamos em IA, estamos pensando em como ela apoia as pessoas na organização, capacitando-as a tomar decisões melhores e mais rápidas.
Acho que, com o tempo, isso evoluiu da análise tradicional para a inteligência artificial e a IA generativa. E aprendemos ao longo do caminho que a tecnologia é importante, mas o essencial é alinhar pessoas, processos e tecnologia. Dedicamos muito tempo não apenas à coleta de dados e à criação de um conjunto de dados bem organizado que possamos usar como base, mas também a ensinar as pessoas a trabalhar de forma ágil, a aplicar o pensamento de design, a resolver problemas e a garantir que a tecnologia que, digamos, minha equipe pode trazer para a organização seja adotada de forma eficaz e com propósito.
E acho que, uma vez que estabelecemos essa base sólida do ponto de vista tecnológico e de dados, e uma vez que construímos uma forte confiança entre nossas equipes digitais e a organização, vimos um aumento significativo e uma expansão da tecnologia em toda a empresa. Megan: Fantástico. Essa questão das pessoas é muito importante, não é.
Por dentro: Com seus extensos sistemas industriais e fluxo constante de dados operacionais, o setor de energia oferece um vislumbre de como esse futuro poderá ser
É apenas uma ferramenta, a tecnologia, que precisa estar nas mãos certas. E você mencionou os dados; a IA industrial obviamente depende de grandes quantidades de dados. Pode nos explicar com mais detalhes como vocês abordaram os dados na Woodside. Como eles são estruturados e governados, e como ferramentas como a inteligência de manutenção se encaixam nisso.
Andrew: Bem, os dados são realmente fundamentais para tudo o que fazemos, principalmente do ponto de vista tecnológico. Eles nos dão a capacidade de inovar rapidamente quando construímos sobre uma base sólida. Como eu disse antes, tivemos o benefício de um investimento de longo prazo em nossos dados operacionais subjacentes.
Acho que a maneira como pensamos sobre os dados é que eles são um ativo para nós. E quando você pensa em operar uma instalação onde há sensores por toda parte, com dados sendo transmitidos em tempo real, você temComo os operadores precisam tomar decisões em tempo real, ao longo de muitos anos, optamos conscientemente por investir em uma plataforma de dados de escala empresarial para garantir sua segurança.
Possuímos ativos de dados bem estruturados e uma governança robusta sobre esses dados, de modo que, quando utilizados em aplicações de ciência de dados ou agentes de IA, tenhamos a garantia de que serão usados de forma responsável e que, ao serem utilizados, produzirão os resultados esperados. Desenvolvemos plataformas que ingerem continuamente dados de alta frequência provenientes dos ativos e de nossos sistemas corporativos.
Após desenvolvermos soluções com base nisso, as áreas da empresa responsáveis pelos sistemas que coletam esses dados percebem seu valor. Um exemplo excelente de como conseguimos aproveitar um projeto em que vínhamos trabalhando há muito tempo é a inteligência de manutenção. A Woodside realiza muita manutenção, é uma parte muito importante do nosso negócio e ocorre em todos os nossos ativos operacionais.
Há muito tempo que analisamos como realizar análises preditivas e manutenção preditiva com base no conjunto de dados que possuímos. E uma solução como a Inteligência de Manutenção nos permite otimizar a forma como realizamos essa manutenção. Ela analisa registros históricos de manutenção, juntamente com o desempenho dos equipamentos.
E, ao termos esse conjunto de dados bem gerenciado e centralizado, conseguimos correlacionar diferentes conjuntos de dados, como registros de manutenção do SAP, com dados de equipamentos e desempenho provenientes do nosso data lake de séries temporais. E, ao construirmos sobre essa base, a Inteligência de Manutenção nos permite recomendar aos ativos o momento ideal para as atividades de manutenção, atingindo um objetivo bastante simples: fazer o trabalho certo na hora certa.
E com a Inteligência de Manutenção, vimos e temos a oportunidade de reduzir as horas de manutenção em até 15% em cinco anos em um dos ativos em que testamos essa solução. À medida que desenvolvemos esse modelo analítico subjacente, agora podemos adicionar IA ativa por cima, fornecendo insights melhores e otimizando ainda mais a solução.
Na verdade, trata-se de fornecer às nossas equipes de ativos e operacionais a capacidade de suporte à decisão adequada, garantindo que elas continuem responsáveis por tomar as decisões e assegurar que o trabalho certo seja feito, mas oferecendo-lhes a melhor oportunidade possível para usar seu julgamento e experiência com os dados que fornecemos para tomar a decisão correta.
Megan: Parece uma mudança realmente impactante. O ano passado também marcou um marco na transição dos primeiros aprendizados em IA para a escala, usando a IA de forma mais deliberada como um multiplicador de forças. Que transição vocês estavam tentando fazer e como a abordaram. Andrew: Bem, Megan, há muito tempo temos uma filosofia na Woodside, do ponto de vista da inovação, em que realmente queremos pensar grande, criar protótipos pequenos e escalar rapidamente.
Queremos encontrar grandes oportunidades que possamos explorar, mas queremos garantir que primeiro analisemos como implementá-las em pequena escala e, em seguida, forneçamos o aprendizado e os insights corretos que possam ser escalados para toda a empresa. Algo como a inteligência de manutenção é um bom exemplo disso, ou nosso Consultor de Startups, onde sabemos que temos várias fábricas que precisam ser colocadas em funcionamento.
Sabemos que temos vários ativos que precisam de manutenção, então temos uma grande ambição sobre como podemos melhorar e otimizar isso. Começamos com um pequeno protótipo; pode ser um subsistema, pode ser apenas uma parte de um ativo, e então o escalamos, aprendemos e escalamos mais rapidamente. Acho que, de uma perspectiva de aprendizado de IA, uma das principais lições que aprendemos é realmente a transição de soluções de IA isoladas para uma capacidade mais coordenada em toda a empresa.
Se olharmos para trás, talvez 18 meses, dois anos, em nossa jornada de IA generativa, raramente começávamos implementando IA tão amplamente quanto poderíamos na organização, de uma perspectiva de produtividade individual. E provavelmente sermos bastante abertos em relação aos problemas que resolveremos, os problemas de negócios que resolveremos com IA.
Isso nos trouxe muitos benefícios, permitindo que nossa organização conhecesse a IA, conhecesse ocapacidades, para construir confiança nelas. O que aprendemos, porém, é que precisamos mudar essa abordagem para uma abordagem mais focada em onde investir nosso tempo e recursos, priorizando soluções de maior valor agregado.
Como, então, capacitar o restante da organização para que possam resolver problemas com tecnologia em seus respectivos domínios ou em sua produtividade pessoal, sem precisar recorrer a uma equipe central. Ao pensarmos nisso, o princípio de pensar grande, prototipar pequeno e escalar rápido tem sido fundamental para nós.
A transição de uma abordagem mais ampla para o desenvolvimento de casos de uso e soluções para um foco mais restrito nas prioridades de alto valor tem se mostrado eficaz, permitindo-nos buscar soluções e oportunidades, como o Startup Advisor. Nosso Startup Advisor é uma solução de IA que visa otimizar, capacitar e apoiar melhor nossos operadores que precisam iniciar usinas de GNL, instalações extremamente técnicas que exigem habilidades muito especializadas.
Então, nosso Consultor de Startups é quase como um copiloto que trabalha ao lado desses operadores, dando a eles a capacidade de rever startups anteriores. Ele permite que eles observem o progresso da startup atual e fornece insights melhores para otimizar a inicialização da instalação. E, novamente, iniciar uma instalação de GNL é incrivelmente complexo.
Megan: Imagino. Andrew: Quando pensamos em oportunidades como o Consultor de Startups, voltamos à ideia de pensar grande, prototipar em pequena escala e escalar rapidamente. Começamos com uma visão muito ousada: como iniciar todas as nossas plantas de GNL de uma forma muito mais estruturada e otimizada.
Como apoiar melhor nossos operadores parceiros. Como fazer com que, digamos, um operador parceiro menos experiente tenha um copiloto que possa ajudá-lo, quase como um operador parceiro experiente trabalhando ao seu lado. E quando pensamos nessa visão e na capacidade de prototipar em pequena escala e escalar rapidamente, acho que isso tem sido muito bem-sucedido para nós.
À medida que escalamos, expandimos naturalmente para mais soluções baseadas em agentes. Hoje, temos cerca de 50 agentes de IA em produção, dando suporte tanto aos nossos ativos operacionais quanto aos nossos fluxos de trabalho corporativos. Essas ferramentas foram comprovadas em ambientes reais e realmente vimos o benefício de poder migrar de soluções pontuais que talvez resolvessem problemas de pequena escala em áreas específicas para soluções de IA e agentes que realmente funcionam em todos os nossos fluxos de trabalho.
Conseguimos fazer isso porque padronizamos a plataforma em que construímos e temos padrões repetíveis. Esse foi outro aprendizado muito importante para nós: não queremos construir 50 soluções de 50 maneiras diferentes. Queremos capacitar nossa organização, nossas equipes técnicas e os usuários de nossas soluções para implementá-las rapidamente, com segurança e de forma padronizada e integrada à plataforma.
Mas o último ponto que gostaria de destacar, Megan, do ponto de vista do aprendizado, é que entendemos que uma governança forte sobre como a IA é implantada e desenvolvida é fundamental para nós, e também é fundamental que avancemos rapidamente. As formas tradicionais de governar a implementação de diferentes soluções ou sistemas digitais não serão escaláveis o suficiente para a amplitude necessária quando pensamos em IA.
Síntese: Na Woodside Energy, a adoção da IA não começou com modelos generativos ou copilotos empresariais
Ter uma filosofia clara sobre como inovamos, fazer a transição de soluções isoladas para essa capacidade em toda a empresa e garantir que tenhamos plataformas robustas com padrões sólidos e governança clara são os três pontos realmente críticos que aprendemos. Megan: Pilares muito importantes, todos eles.
E você tem trabalhado com a Infosys nessa jornada. Como essa parceria ajudou a acelerar a escalabilidade e a incorporação da IA em toda a empresa. Andrew: Bem, a Infosys é nossa provedora de serviços gerenciados e, portanto, desempenha um papel fundamental nas operações do nosso negócio principal.
Uma coisa que gosto de dizer é que nossa licença para inovar se baseia em nossa licença para operar. Portanto, para que minha equipe possa chegar a um ativo operacional ou a uma função corporativa e ter a confiança necessária para inovar, reimaginar e redesenhar a forma como o trabalho é feito, precisamos garantir que nossas plataformas principais, nossos sistemas principais e nossos aplicativos estejam funcionando de forma realmente confiável, segura e consistente.
Todos os dias. Ter um parceiro experiente como a Infosys cuidando dessas operações essenciais em parceria com nossas equipes internas é realmente muito importante para nós. À medida que passamos de projetos-piloto para a implementação em toda a empresa, a possibilidade de fazer parceria com alguém como a Infosys também nos dá a capacidade de escalar.
E, sendo de Perth e da Austrália Ocidental, embora tenhamos uma equipe local muito forte na Austrália Ocidental, e também uma equipe muito forte em alguns de nossos outros locais de operação, como todos, estamos com dificuldades para encontrar pessoas que possam preencher vagas na área de IA. Poder fazer parceria com a Infosys e ter vários modelos operacionais diferentes à nossa disposição se torna realmente importante para nós.
Ter equipes mistas, compostas por funcionários da Infosys, da Woodside e de alguns de nossos outros parceiros, realmente traz diversidade de pensamento e experiência para a forma como resolvemos problemas. Fundamentalmente, a parceria nos permitiu operar e inovar com mais confiança. Embora a Woodside sempre mantenha a responsabilidade pela estratégia e pelo rumo que estamos tomando, e a governança e minhas equipes permaneçam responsáveis pelos resultados, não conseguiríamos fazer o que fazemos sem parcerias sólidas como a que temos com a Infosys.
Megan: Fantástico. E à medida que a adoção da IA se expande, como você mesmo mencionou, a governança se torna cada vez mais importante. Quão desafiador tem sido isso e quais salvaguardas vocês implementaram na Woodside. Andrew: Bem, Megan, a governança é realmente importante para nós, e operamos em um ambiente bem regulamentado.
Isso significa que precisamos tomar decisões realmente deliberadas e bem fundamentadas quando pensamos em como implantar tecnologia em nossa organização, seja inteligência artificial ou qualquer outra coisa. Portanto, a governança é fundamental para a forma como abordamos a execução de nossa estratégia de IA na Woodside.
Implementamos talvez duas ou três medidas-chave. A primeira é garantir que cada caso de uso de IA passe por uma avaliação estruturada, assegurando que atenda aos nossos controles de privacidade e aos nossos controles de segurança cibernética. Também estamos questionando não apenas se poderíamos fazer isso, mas se deveríamos fazer.
Precisamos realmente unir segurança, ética, transparência e responsabilidade, e garantir que tomemos uma decisão informada. Quando uma solução de IA passa por essa avaliação estruturada, se houver preocupações sobre como poderíamos usá-la, ela é encaminhada a um conselho de IA composto por líderes seniores de toda a organização.
Esse conselho e esse grupo supervisionam a priorização e a gestão de riscos. É aí que podemos ter debates realmente fortes e robustos sobre, novamente, se poderíamos fazer algo, se deveríamos fazer e como podemos mitigar os riscos que podemos introduzir. Acho que o último ponto, Megan, está relacionado à gestão do ciclo de vida.
Quando você pensa que temos 50 agentes no momento, mas se tivéssemos 500 agentes trabalhando em nossa organização, realmente ampliando a experiência, a tomada de decisões e a criação de valor de nossa equipe, queremos ter a capacidade de gerenciar o ciclo de vida de como esses agentes operam. Queremos saber quantas pessoas estão usando os agentes.
Qual a eficácia e os resultados. Há desvios no modelo. Precisamos reajustá-los ou treiná-los novamente. Acho que essa é uma área em que muitas organizações, incluindo a Woodside, ainda estão se adaptando e buscando a melhor maneira de lidar com isso. Podemos fazer isso com relativa facilidade com 50 agentes, mas 500, 5.
000, 50. 000 se tornam uma oportunidade para nós. Novamente, pensando em como podemos colaborar com outros, resolver problemas como esse realmente representa uma oportunidade de cocriar e coresolvê-los com alguns de nossos parceiros, como a Infosys. Megan: Fantástico. Para finalizar, qual é a sua visão de longo prazo para IA na Woodside.
Como você vê a evolução disso nos próximos anos e o que isso pode desbloquear para o setor, na sua opinião. Andrew: Bem, Megan, acho que nossa ambição é realmente uma empresa autônoma, onde tenhamos agentes com autonomia que sejam capazes de interagir profundamente com nossos fluxos de trabalho principais.
O resultado que buscamos é proteger nossos colaboradores, proteger os ambientes em que atuamos e sermos capazes de fornecer energia a um custo menor para o mundo. Quando pensamos nessa ambição, podemos realmente vê-la sendo aplicada a quase todas as áreas em que a Woodside trabalha. Seja na exploração, no desenvolvimento de projetos, nas operações ou no marketing, a dimensão da oportunidade emA possibilidade de transformar a forma como o trabalho flui pela organização é realmente empolgante.
Para nós, há três pontos cruciais para concretizar essa ambição. O primeiro é refletir profundamente sobre como o trabalho é realizado na organização, não apenas adicionando IA a um processo existente, mas sim repensando como esse trabalho precisa ser reinventado. Também precisamos pensar em como capacitar nossa força de trabalho para que trabalhe de forma diferente, fornecendo as habilidades, as ferramentas e a capacidade de aproveitar ao máximo o poder da tecnologia que oferecemos.
Em segundo lugar, precisamos continuar a evoluir, evitando soluções pontuais que resolvem problemas muito específicos, e priorizar sistemas de sistemas mais conectados e interativos, capazes de se comunicar entre si. Se tivermos sucesso nessa transição, é aí que realmente obteremos o alto valor agregado da capacidade dos agentes de interagir com os fluxos de trabalho e transformar a maneira como o trabalho é realizado.
E, por último, Megan, trata-se de como devemos continuar com nossa filosofia de pensar grande, prototipar pequeno e escalar rapidamente. Megan: Essa é uma perspectiva fantástica para tomar todas essas decisões. Muito obrigada, Andrew. Esse foi Andrew Melouney, vice-presidente de digital da Woodside Energy, com quem conversei de Brighton, na Inglaterra.
Este foi o fim deste episódio do Business Lab. Eu sou sua apresentadora, Megan Tatum. Sou editora colaboradora e apresentadora do Insights, a divisão de publicações personalizadas da MIT Technology Review. Fomos fundados em 1899 no Instituto de Tecnologia de Massachusetts (MIT) e você pode nos encontrar impressos, na web e em eventos todos os anos ao redor do mundo.
Para mais informações sobre nós e o programa, visite nosso site em technologyreview. com. Este programa está disponível em todas as plataformas de podcast. E se você gostou deste episódio, esperamos que você reserve um momento para nos avaliar e deixar um comentário. O Business Lab é uma produção da MIT Technology Review e este episódio foi produzido pela Giro Studios.
Muito obrigada por ouvir. Adeus. Este conteúdo foi produzido pela Insights, a divisão de conteúdo personalizado da MIT Technology Review. Não foi escrito pela equipe editorial da MIT Technology Review. Foi pesquisado, projetado e escrito por redatores, editores, analistas e ilustradores humanos. Isso inclui a elaboração de questionários e a coleta de dados para esses questionários.
Fonte original:
Teaching AI to run with the turbines
Categorias: Tecnologia, Inovação, Inteligência Artificial
Marcador: Notícias
