“Demos mais anos de garantia aos clientes que nos deixaram recolher dados”

Fundada em 2002 em Vagos, Aveiro, a Somengil é uma empresa portuguesa que fabrica equipamentos industriais. Tony Ventura, CEO e fundador, explica no Podcast .IA como a inteligência artificial (IA) está a ser introduzida na organização e de que forma está a ser implementada nos próprios produtos.

Tony Ventura conta que, internamente, começou-se por identificar as tarefas que podiam ser aceleradas e automatizadas com a IA, definiu-se um modelo de governação e organizou-se a informação para tirar o máximo proveito da tecnologia.

Para aplicar a IA aos produtos, a empresa passou a recolher dados. E chegou ao ponto de oferecer garantia mais longa aos clientes que dessem essa permissão.

O que faz a Somengil?

A Somengil é uma empresa portuguesa, fabricante de equipamentos de lavagem industrial para a indústria alimentar e farmacêutica. Nós temos máquinas em cerca de 85 países e temos rede comercial em mais de 40. O nosso trabalho, no fundo, é desenvolver equipamentos para este tipo de indústrias na área da lavagem e desinfeção.

Como está a ser a vossa jornada de implementação de IA?

Nós temos duas áreas nas quais estamos a implementar a inteligência artificial. Uma é internamente e outra é no próprio produto. A nível interno, isto está sempre em crescendo, a aplicação nos processos internos carece de algum trabalho prévio para depois ter os efeitos que nós queremos.

O trabalho que nós começámos a fazer foi identificar tarefas que poderiam ser aceleradas e melhoradas, em termos de decisão com a inteligência artificial. Essa identificação foi feita por grupos de trabalho das várias áreas da empresa e após essa identificação, tivemos que desenvolver um modelo de governance para a utilização dos modelos que iriam ser utilizados em cada área da empresa.

Isto foi feito de forma muito simples: estabelecemos algumas linhas vermelhas. Não fazia sentido criar um documento muito extenso. Definimos o que pode ser feito por upload, o que não pode, e o que tem de ser revisto depois de passar por um modelo de inteligência artificial, uma vez que pode conter informação incorreta. Essa validação foi uma parte importante do processo.

A outra parte foi organizar a informação para que, com a adoção da inteligência artificial, nós conseguíssemos tirar o maior partido do que lá tínhamos.

Estamos a falar de dados?

De dados, sim. E, ao contrário dos dados mais recentes, que já hoje organizamos de forma a permitir a sua utilização em modelos de inteligência artificial, os dados mais antigos, tendo a empresa mais de 20 anos, exigiram um trabalho significativo de reorganização para que fosse possível tirar partido deles.

Quando é que iniciaram esta jornada?

Ao contrário do que seria de prever, nós começámos esta jornada no produto e depois é que passámos para a parte interna. Porque internamente utilizava-se a inteligência artificial individualmente. Portanto, cada um ia experimentando.

A Somengil é uma empresa que a nossa génese é desenvolver. E então o experimentalismo aparece em toda a fábrica.

Como é que foi aplicar inteligência artificial na vossa máquina de lavar industrial, sendo este um produto que já estava no mercado?

O produto que nós temos, a Multiwasher, tem uma característica que a distingue do resto. É um equipamento que utiliza, única e exclusivamente, os recursos necessários para atingir o fim que lhe é pedido. A máquina é gerida por um algoritmo em que se não for necessário mais energia para atingir aquele nível de lavagem ou desinfeção, ela não vai gastar.

Numa máquina de lavar normal, isto para ser simples, o que se pede são lavagens de 20, 30, 60 minutos e tudo o resto não são variáveis, são fixos. E o nosso produto logo à partida teria aqui uma vantagem competitiva gigante, se nós conseguíssemos acelerar este processo na máquina de poder, inclusivamente, decidir o que é que ia fazer para determinada situação. A máquina existe há bastantes anos, tivemos que adotar os sistemas na máquina para adquirir dados no cliente.

Portanto, era fundamental perceber o que a máquina estava a fazer, caso contrário, não conseguiríamos geri-la. Até esse processo foi engraçado, porque os clientes não valorizavam a possibilidade de gerirmos a máquina à distância.

Como a lavagem é vista como algo mais mundano, não se associa imediatamente à recolha de dados, não é?

Nós, inclusivamente, dávamos mais anos de garantia aos clientes que nos deixassem recolher dados. Portanto, investimos em várias frentes para conseguir esses dados. Logicamente que hoje o produto está em constante desenvolvimento.

Posso lhe dizer que nesta fase já estamos a captar também a imagem do produto que vai ser lavado, do produto no fim de ser lavado, para a máquina poder gerir todos os recursos.

É quase como trocar o motor de um carro em andamento. Como fazem essa transformação?

É um desafio constante, por isso temos de ser muito práticos. Adotar estas tecnologias não é nenhum bicho de sete cabeças: trata-se de identificar o que pode tornar-se mais eficiente, mais rápido e permitir decisões melhores, e fazer tudo o que for necessário para que isso aconteça com o apoio da IA.

Ou seja, não estamos a inventar a roda. A IA serve para ser usada no nosso dia-a-dia, nos processos e produtos, de forma a melhorá-los.

Quando aplicam a IA na máquina, percebem que ela também pode trazer benefícios a nível organizacional. Ao iniciarem esse processo de análise, descobriram que havia processos completamente desatualizados. O que é que identificaram e como decidiram promover mudanças?

Isso acontece sempre que se muda um processo ou se tenta automatizar algo. Nota-se especialmente quando entra um recurso novo e os processos não estavam como nós queríamos. E a IA é um recurso novo. No fundo, temos de fornecer à IA a informação da forma mais clara, organizada e percetível possível.

Como sabemos, nas empresas as regras de organização da informação nem sempre são as melhores, e também não podemos ter regras para tudo, senão não fazemos nada. Por isso, é fundamental definir desde o início as “linhas vermelhas”, as regras mínimas necessárias para que os algoritmos funcionem. Nesta fase inicial, não se trata da tecnologia em si, se vamos usar o sistema A, B ou C, mas sim de perceber o que queremos e como organizar a informação para atingir esse objetivo.

Por exemplo, estamos a desenvolver internamente um agente para apoiar a comunicação interna, seja a nível documental ou na resolução de dúvidas entre departamentos. Nesse processo, verificámos que muita informação não estava documentada e estava, muitas vezes, centrada numa única pessoa.

Então temos que a documentar de alguma forma, às vezes de uma forma bastante simples, mas para que eu consiga ter acesso a ela com um agente que vai comunicar com toda a organização.

Diria que hoje, com a IA, a Somengil é uma empresa mais ágil?

Muito mais. Este agente interno que estamos a desenvolver, estamos a validar as respostas que ele tem internamente para, posteriormente, começar a trabalhar com os nossos parceiros de nível 1, que serão os nossos distribuidores.

Portanto, este passo a passo de validação também é fundamental para que seja fiável a informação. O Ceo da empresa afirma que com a IA a Somengil é nos dias atuais uma empresa mais ágil e que é mais fácil aplicar IA nas máquinas do que na pessoas.

Diria que é mais fácil aplicar IA na Somengil, ou na Multiwasher?

Na Multiwasher, claramente. Porque a Multiwasher é um equipamento que está desenhado para ser otimizado. A Multiwasher é um equipamento desenhado para ser otimizado. Numa organização com várias pessoas, a personalização torna-se mais difícil, especialmente devido à forma como a informação está organizada e às diferentes percepções que cada nível hierárquico tem sobre as vantagens e desvantagens da própria IA.

Veja aqui a versão em vídeo do podcast (na íntegra):