O debate sobre a viabilidade econômica da robótica industrial e da inteligência artificial física (IA física) esbarra em uma questão fundamental: quanto custa, de fato, a hora de trabalho de um robô? As respostas variam amplamente, com estimativas que vão de US$ 2 a mais de US$ 35 por hora. Essa discrepância não é um mero detalhe contábil, mas sim o cerne do desafio que definirá o futuro de um mercado potencialmente avaliado em trilhões de dólares. A verdadeira questão não é o preço do robô em si, mas sua capacidade de entregar trabalho útil de forma confiável em cenários complexos e imprevisíveis, como fábricas, armazéns e centros de distribuição.

O custo horário de um robô pode ser calculado dividindo seu custo de aquisição ou leasing pelo número de horas produtivas em sua vida útil, somado a despesas de energia, manutenção, software, integração e supervisão. O fator que altera radicalmente essa equação é o tempo efetivamente produtivo. Estudos como o da Roland Berger, que aponta para US$ 2 por hora, muitas vezes consideram apenas os custos operacionais em larga escala, excluindo o investimento inicial no equipamento. Para que um robô seja economicamente vantajoso em comparação com a mão de obra humana, ele precisa operar com alta taxa de utilização, algo em torno de 60-70% do tempo, especialmente quando comparado aos salários médios de trabalhadores em locais como armazéns nos EUA. Um robô industrial de US$ 90.000, amortizado ao longo de cinco anos, pode adicionar cerca de US$ 9 por hora de operação. Se esse robô trabalhar apenas metade do tempo previsto, o custo por hora dobra. A isso somam-se os custos de manutenção e outras despesas, elevando o valor. Estimativas como as do JPMorgan, que sugerem a necessidade de dois robôs para igualar a produção de um humano, indicam que o custo efetivo pode ser ainda maior, mesmo com o avanço da produtividade por hora via software.

A Utilização é a Chave do Negócio

A diferença entre um robô custando US$ 2 ou US$ 35 por hora reside, portanto, na métrica de custo considerada e, crucialmente, na sua utilização. Enquanto o custo de aquisição e manutenção são relativamente fixos, o tempo de operação efetiva é altamente variável. A Roland Berger, por exemplo, foca nos custos de rodagem em volume, não no custo total de um projeto de implantação inicial, que geralmente envolve baixa utilização e alta supervisão. A JPMorgan aponta que, atualmente, cerca de dois robôs humanoides são necessários para igualar a produção de um trabalhador humano, o que efetivamente dobra o custo por hora. No entanto, a produtividade por hora está melhorando com o software, mas o custo por hora só melhora com o aumento das horas de operação. O problema da produtividade está sendo resolvido em laboratórios, mas o desafio da utilização, que impacta diretamente o custo efetivo, precisa ser solucionado no chão de fábrica. Algumas análises focam no custo marginal de rodagem em escala, enquanto outras incluem equipamentos e integração, e ainda outras refletem implantações iniciais com baixa utilização e supervisão humana extensiva. O preço de etiqueta do robô importa, mas sua programação de trabalho, ou seja, quantas horas ele realmente opera, importa ainda mais.

Desafios da Operação em Ambientes Reais

A Agility Robotics, em seu processo de fusão, apresentou dados sobre seus robôs Digit. Eles registraram mais de 65.000 horas em nove locais de clientes, incluindo GXO, Schaeffler e Toyota Motor Manufacturing Canada. O documento revelou vendas líquidas de US$ 1,78 milhão para 2025, contra um prejuízo operacional de US$ 140,2 milhões e pedidos contingentes de US$ 300 milhões de um único cliente. O modelo de custo da Agility para seu próximo robô, estimado em US$ 400.000 ao longo de cinco anos, indica que, rodando um turno de 2.000 horas anuais, o custo é de cerca de US$ 40 por hora. Com dois turnos, o custo cai para perto de US$ 20 por hora. Como o ponto de referência da Agility para um trabalhador totalmente carregado é de US$ 30 por hora, o robô só se torna mais barato após mais de 2.700 horas de operação por ano. A alta utilização, contudo, não resolve o problema de robôs que falham quando as condições mudam. A IA física tem demonstrado capacidades impressionantes em demonstrações controladas, como dobrar roupas ou mover caixas. No entanto, o ambiente de fábricas e armazéns é repleto de variações: objetos em posições inesperadas, embalagens que mudam, pessoas que entram em corredores, equipamentos movidos. Uma tarefa que parece simples em uma demonstração se torna um fluxo de exceções. Essa lacuna entre uma demonstração perfeita e uma produção confiável é o principal obstáculo.

Vender Trabalho, Não Apenas Robôs

Um robô que requer um engenheiro a cada mudança de ambiente não é trabalho autônomo, mas um projeto de integração contínuo. As empresas bem-sucedidas serão aquelas cujos sistemas conseguem realizar trabalho útil de forma consistente, transitar entre tarefas sem reconfigurações caras e operar horas suficientes para justificar o custo por trabalho concluído. Isso aponta para um modelo de negócios diferente: vender trabalho, não apenas o equipamento. Sob um modelo de 'Labor-as-a-Service' (Trabalho como Serviço), o cliente compra um resultado — paletes movidos, reboques descarregados, peças entregues — em vez de fazer um grande investimento de capital em tecnologia desconhecida. O fornecedor assume a responsabilidade pela implantação, manutenção e tempo de atividade, enquanto o cliente paga pela capacidade produtiva. Esse modelo força as empresas de robótica a enfrentar diretamente o problema da utilização. Um fornecedor pago por trabalho concluído não pode se esconder atrás de um piloto bem-sucedido. Para os clientes, a comparação relevante não é o custo horário teórico do robô versus o salário de um trabalhador, mas sim o custo e a confiabilidade do serviço completo em comparação com o custo total atual para realizar o trabalho, incluindo horas extras, rotatividade, vacâncias, incidentes de segurança e perda de produção. Isso é particularmente relevante em setores com escassez de mão de obra, onde a automação pode assumir tarefas repetitivas, perigosas ou de baixo valor agregado.

O Caminho para a Escala: Começar com um Nicho

A ambição de criar um robô humanóide de propósito geral, capaz de realizar qualquer tarefa, pode ser um objetivo de longo prazo, mas não é a rota mais credível para a escala no curto prazo. Uma estratégia mais promissora é começar com um nicho específico: um problema recorrente em um ambiente suficientemente estruturado para permitir operação confiável, mas complexo o bastante para criar uma vantagem competitiva. Armazenagem, manufatura automotiva, processamento de alimentos e movimentação de materiais industriais são áreas promissoras não por gerarem demonstrações mais chamativas, mas porque o trabalho é repetitivo, a demanda é constante e muitas instalações operam em múltiplos turnos. Uma empresa pode começar automatizando a movimentação de paletes, em vez de tentar abranger todas as tarefas de uma linha de produção. Se esse trabalho for realizado de forma confiável, gera dados do mundo real que aprimoram os modelos de IA, permitindo que lidem com mais exceções. Maior confiabilidade abre portas para tarefas adjacentes, aumentando as horas de trabalho de cada sistema e melhorando a utilização e o custo efetivo. Esse ciclo de dados, aprimoramento de capacidade e expansão de tarefas é o que transforma um nicho em uma plataforma. O mercado global de trabalho manual é medido em dezenas de trilhões de dólares. Capturar uma pequena fatia criaria empresas gigantescas. A revolução da IA física não será definida pela quantidade de robôs vendidos, mas pela quantidade de trabalho útil que eles conseguem completar de forma confiável.

Com reportagem de Brazil Valley

Source · Fortune