Em grande parte, sim. Acompanhar os medidores de eletricidade, gás e água, sinalizar desvios e apresentar medidas de poupança é uma tarefa que se presta bem a um agente de IA, desde que os dados existam. Numa localização sem medidores inteligentes ou com consumo lido manualmente, essa resposta é diferente. Esta página explica porquê, com base no perfil que utilizamos para esta tarefa.
Três eixos são aqui decisivos: estruturação, custo do erro e volume.
O consumo de eletricidade, gás ou água provém de sistemas que já fornecem dados estruturados: leituras de medidores, marcas temporais, faturas. Não há texto livre a interpretar, nenhuma chamada telefónica a fazer, nenhum documento a ler que esteja formatado de forma diferente consoante o fornecedor. Um sistema de gestão de energia fornece uma série de números, e um desvio nessa série -- um pico num domingo à tarde, um consumo três vezes superior ao de semanas comparáveis -- pode ser reconhecido através de uma regra de cálculo fixa. É exatamente o tipo de trabalho em que um agente de IA já hoje tem bom desempenho: reconhecimento de padrões em séries estruturadas, de forma contínua, sem que a atenção diminua ao fim da quinquagésima leitura de medidor.
O custo do erro é limitado. Se a análise sinalizar um pico de consumo com um dia de atraso, ou apresentar uma proposta de poupança que não seja ótima, isso não custa um cliente, uma multa ou uma paragem de produção. Custa, no máximo, alguns euros em energia ou uma oportunidade de poupança perdida que é detetada na semana seguinte. Compare-se isto com uma tarefa como o controlo de qualidade de um produto, em que um desvio não detetado resulta imediatamente num produto fora de especificação: aí os custos do erro são substancialmente mais elevados, e isso explica porque é que a supervisão aí é organizada de forma mais rigorosa.
O volume é elevado e repetitivo. Uma localização com vários medidores, vários fornecedores e leituras diárias ou horárias produz um fluxo constante de dados que não se presta a um controlo manual e ocasional. Um gestor de instalações que faça isto atualmente costuma consultar periodicamente um painel de controlo ou uma fatura; um agente pode monitorizar continuamente e escalar apenas o que sai fora da norma.
Três outros eixos relativizam a imagem: margem de apreciação, criatividade e conformidade obtêm pontuações moderadas, não baixas.
Sinalizar um desvio é diferente de implementar uma medida de poupança. Se um pico no consumo de água indica uma fuga, uma avaria numa instalação, ou simplesmente uma equipa de limpeza que fez um turno extra, exige alguém que conheça a localização. O agente pode dar o sinal e apresentar algumas explicações possíveis; o gestor de instalações ou o serviço técnico determina qual a medida adequada e quando é executada. Este é o padrão que se aplica a esta tarefa: a IA sinaliza e calcula, um humano avalia com uma supervisão que aprova ou rejeita com fundamento.
A conformidade entra em jogo assim que os dados de consumo são utilizados para relatórios a uma entidade reguladora, uma certificação ou um relatório de sustentabilidade. Nesse caso, é necessária uma responsabilidade documentada quanto a quem verificou os números antes de estes saírem para o exterior, mesmo que a análise subjacente tenha sido feita por um sistema.
Se isto já funciona hoje numa empresa específica depende de duas condições prévias. Os dados dos sensores devem estar disponíveis: medidores inteligentes ou um sistema de gestão de energia que comunique leituras de forma contínua ou a intervalos regulares. Sem essa ligação, não há nada para analisar, e o processo mantém-se numa leitura manual que alguém introduz periodicamente numa folha de cálculo. Além disso, uma ligação à faturação do fornecedor é útil, para que um desvio no consumo possa ser diretamente traduzido num valor monetário, em vez de apenas um número de quilowatts-hora ou metros cúbicos.
Empresas com instalações mais antigas, edifícios arrendados sem dados próprios de medição, ou localizações onde o fornecimento de serviços públicos passa pelo senhorio, muitas vezes não reúnem essas condições prévias. Nesses casos, a monitorização continua, por enquanto, a ser trabalho humano, até a infraestrutura de medição ser adaptada.
O que aqui muda não é o desaparecimento da gestão de instalações, mas sim a deslocação do trabalho de uma leitura periódica para uma monitorização contínua com gestão de exceções. O mesmo movimento observa-se noutras tarefas assentes em dados estruturados: o cálculo da necessidade de material por encomenda segue um padrão semelhante, em que uma regra de cálculo fixa realiza a maior parte do trabalho e um humano avalia a exceção. Também na receção e registo de mercadorias recebidas isso é visível: muita introdução estruturada, pouca margem de apreciação, e uma supervisão que se concentra nos desvios. A quantidade de tempo libertado não depende, portanto, do setor, mas do grau de estruturação que os dados subjacentes já têm.
Isto não é uma recomendação para eliminar funções. Se uma alteração nas tarefas tiver consequências para o pessoal, aplicam-se requisitos legais próprios, que não são aqui abordados. Esta página descreve apenas que parte do trabalho, com base na natureza da tarefa, se pode fazer assumir por um sistema, e que parte continua a exigir supervisão.
Se isto se aplica especificamente à sua localização depende de que medidores, sistemas e fornecedores possui, e de como o seu serviço de instalações ou técnico já trabalha atualmente com esses dados. O scan rápido gratuito da FTE TO AI é composto por doze perguntas, sem necessidade de conta, e fornece uma indicação de que parte das horas num perfil como este pode, hoje, ser assumida pela IA. O scan de trabalho completo, que mapeia o trabalho de toda uma empresa ao nível de tarefa, está ainda em desenvolvimento.
Vraag maar. Ik ken de kennisbank van deze site; wat ik niet weet, zeg ik erbij.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.