Quanto IA realmente economiza na indústria — números reais, sem estimativa de consultoria

Toda consultoria tem uma estimativa de quanto IA vai economizar. O problema é que essas estimativas vêm de estudos genéricos, não do chão de fábrica que você opera.

O que estou descrevendo aqui vem de um projeto real — implementado numa linha de produção industrial, com câmeras, YOLO e sistema de monitoramento. Os números foram medidos antes e depois, não projetados.

O ponto de partida: o que custava antes

A situação antes do projeto:

• Taxa de rejeição: média de 8,3% na linha — peças defeituosas detectadas no final, depois de já terem consumido insumo e tempo
• Paradas não planejadas: 3 a 4 por semana, média de 47 minutos cada
• Como detectavam: inspeção visual manual ao final do processo — operador verificando peça por peça
• Custo de rejeição por mês: estimado em R$ 18.000 a R$ 22.000 (insumos + retrabalho + descarte)

O que foi implementado

Os números depois de 60 dias

O ROI calculado nesse projeto

Esse cálculo é real — não uma projeção de consultor. O valor do projeto foi recuperado em menos de 2 meses. Depois disso, a economia vira resultado puro.

Como calcular o seu antes de investir

Três perguntas para calcular o ROI do seu caso:

1. Qual a taxa de rejeição atual? (% de peças descartadas ou reprocessadas por mês)
   Multiplique pelo custo médio de produção de uma peça. Esse é o custo base.
2. Quantas paradas não planejadas acontecem por mês? (e quantas horas cada uma custa)
   Multiplique pelo custo por hora da linha parada (salários + insumos + oportunidade).
3. Quanto custa inspecionar manualmente? (horas de operador × custo/hora)
   Com câmera, isso vai a zero.

Some os três. Se o total mensal for maior que R$ 8.000–10.000, o investimento em visão computacional provavelmente se paga em menos de 3 meses.

Quando visão computacional não vale a pena

Para ser direto: nem todo problema industrial tem ROI positivo com câmera e IA. Não vale quando:

• O volume de produção é baixo demais para justificar o custo de treinamento do modelo
• Os defeitos são tão variáveis que seria necessário retreinar constantemente
• O custo das peças rejeitadas é baixo o suficiente para a inspeção manual ser mais barata
• A linha já tem inspeção automatizada com equipamento específico (por ex. laser ou raio-X)

Por isso o diagnóstico vem antes de qualquer proposta. A pergunta é sempre: o problema realmente custa o suficiente para justificar esse investimento?