Levantamento do Capgemini Research Institute mostra que 68% das organizações já utilizam a tecnologia ou conduzem projetos-piloto no desenvolvimento de produtos; dificuldades envolvem rastreabilidade, validação e definição de responsabilidades
A inteligência artificial agêntica começa a ganhar espaço no desenvolvimento de veículos, com potencial para acelerar tarefas de engenharia, integrar etapas de projeto e apoiar decisões técnicas. A expansão, no entanto, ocorre em um ritmo superior ao da estruturação dos mecanismos de governança necessários para controlar seus riscos.
Segundo o estudo Rewiring automotive product development: How organizations can pull ahead in the AI race, do Capgemini Research Institute, apenas 5% das organizações do setor automotivo consideram plenamente maduros seus modelos de governança e definição de responsabilidades no uso de inteligência artificial.
O levantamento mostra que 68% das organizações pesquisadas já utilizam IA agêntica em alguma medida ou realizam projetos-piloto em processos e atividades de engenharia. Desse total, 35% afirmam utilizar a tecnologia, de forma extensiva ou limitada, enquanto outros 33% estão em fase de experimentação. O estudo ouviu 400 executivos de fabricantes de veículos e 160 de fornecedores de primeiro nível (tier 1), com pesquisa realizada em julho de 2026.
A IA agêntica se diferencia de ferramentas que apenas respondem a comandos ou geram conteúdo por sua capacidade de executar sequências de tarefas, acionar sistemas e coordenar atividades com diferentes níveis de autonomia. No desenvolvimento automotivo, essas aplicações incluem atividades de documentação, geração e revisão de código, preparação de dados, testes e coordenação entre equipes de engenharia.
Adoção avança mais rápido que a governança
Apesar do avanço na adoção, a estruturação dos processos de controle permanece entre os principais desafios identificados pelo relatório. Entre as seis capacidades organizacionais avaliadas pelo estudo, os modelos de governança e definição de responsabilidades apresentam o menor nível de maturidade: além dos 5% que os consideram plenamente maduros, 38% classificam essas práticas como avançadas ou melhores.
A diferença entre a expansão tecnológica e a preparação das organizações também aparece na capacidade de acompanhar as decisões influenciadas pela IA. Apenas 41% dos executivos afirmam que suas empresas conseguem rastrear os dados, as premissas e as justificativas que fundamentam resultados produzidos com participação de agentes de inteligência artificial.
Outros indicadores reforçam essa lacuna. Embora 68% das organizações exijam aprovação humana para decisões de alto impacto, somente 31% contam com mecanismos independentes de validação, monitoramento ou contingência para sistemas de IA. Além disso, 36% realizam revisões de falhas para aprimorar fluxos de trabalho, regras e dados, enquanto 22% adotam mecanismos de escalonamento de decisões baseados no impacto, em vez de depender principalmente dos níveis de confiança indicados pelos modelos.
Os números apontam para um desafio que vai além da adoção de novas ferramentas. Em um setor no qual decisões de engenharia podem afetar a qualidade, a confiabilidade e a segurança dos veículos, as empresas precisam demonstrar como os resultados gerados com IA foram produzidos, verificados e aprovados.
Complexidade da engenharia exige controles específicos
O desenvolvimento de um veículo envolve a integração de diferentes áreas, como engenharia mecânica, sistemas elétricos e eletrônicos, software, testes, validação e manufatura. A introdução de agentes capazes de atuar entre essas etapas amplia as possibilidades de automação, mas também exige maior controle sobre os dados acessados e as ações executadas.
O estudo indica que 69% das organizações restringem o acesso da IA aos dados mínimos necessários para cada tarefa. Outras 66% afirmam aplicar diferentes níveis de autonomia conforme a atividade seja ou não crítica para a segurança. Já 61% adotam procedimentos de validação e testes distintos de acordo com a criticidade das aplicações.
Essas medidas, porém, não eliminam a necessidade de mecanismos que permitam reconstruir o caminho percorrido por uma decisão automatizada. O relatório destaca que limitar acessos e exigir aprovações são medidas importantes, mas insuficientes quando não há registros que permitam verificar as informações utilizadas, as justificativas apresentadas e os responsáveis pela aprovação dos resultados.
A qualidade e a integração dos dados também representam obstáculos. Para 58% dos executivos ouvidos, lacunas na disponibilidade, na qualidade ou na consistência dos dados de engenharia estão entre os principais desafios do setor. Além disso, 43% apontam dificuldades para integrar a IA agêntica aos sistemas de engenharia já utilizados pelas organizações.
Potencial de produtividade depende de mudanças nos processos
A expectativa das empresas é que a tecnologia ajude a reduzir atividades operacionais e amplie o tempo disponível para tarefas de maior valor técnico. Segundo o relatório, 83% dos executivos esperam que os agentes de IA liberem os engenheiros para se concentrar em atividades centrais da engenharia. Outros 76% esperam redução do esforço manual, enquanto 71% projetam decisões mais rápidas.
A pesquisa também identifica entraves organizacionais que não dependem exclusivamente da tecnologia. Para 60% dos entrevistados, os atrasos no desenvolvimento de produtos decorrem principalmente de ineficiências nos processos. Apesar disso, apenas 41% afirmam que suas organizações reformularam os fluxos de engenharia para adotar processos iterativos em escala.
O diagnóstico sugere que ampliar o uso da IA sem revisar processos, responsabilidades e critérios de validação limita a capacidade de transformar experimentos em resultados consistentes. A questão, portanto, não se resume à quantidade de agentes implantados, mas à capacidade de integrá-los às rotinas de trabalho sem comprometer a rastreabilidade e a qualidade das decisões.
O relatório conclui que a consolidação da IA agêntica no desenvolvimento automotivo depende de três fatores centrais: confiança nos sistemas, evidências que sustentem os resultados e definição clara dos direitos de decisão. À medida que a tecnologia passa a influenciar atividades mais próximas do projeto e da validação de veículos, a governança deixa de ser uma etapa complementar e passa a integrar as condições necessárias para ampliar a adoção com segurança.
Comments are closed, but trackbacks and pingbacks are open.