A Europa, apesar de possuir um rico legado industrial e talentos qualificados, enfrenta um cenário desafiador na corrida global pela Inteligência Artificial. Dados recentes indicam que o investimento privado em IA nos Estados Unidos superou os US$ 285 bilhões em 2025, um valor que ofusca os US$ 20,9 bilhões direcionados ao continente europeu. Essa disparidade se reflete na maior adoção de IA, na quantidade de data centers e na presença de empresas de IA de altíssimo valor de mercado nos EUA, com oito companhias já ultrapassando a avaliação de um trilhão de dólares. A Europa, por sua vez, vê a ASML, com um valor de mercado de US$ 670 bilhões, como sua mais próxima concorrente a esse patamar. Peter Koerte, CEO da divisão Smart Infrastructure da Siemens, reconhece a dificuldade europeia em escalar negócios a nível global, atribuindo-a a mercados domésticos fragmentados por diferentes idiomas, regimes e sistemas políticos.
O diferencial dos dados industriais europeus
Contudo, Koerte vislumbra uma oportunidade única para a Europa no campo da IA aplicada a processos industriais. A Siemens está desenvolvendo o seu próprio modelo, o Industrial Foundation Model, com a expectativa de reduzir os ciclos de engenharia em até 40%. A aposta é clara: enquanto os Large Language Models (LLMs) são treinados predominantemente em dados textuais e linguísticos, os modelos industriais exigem precisão e são treinados com dados específicos de manufatura e engenharia. "Na engenharia, é preciso ser preciso. Se a IA alucina ou inventa um cálculo, você terá um problema", afirma Koerte, destacando a inadequação dos LLMs para tarefas críticas de produção. A Siemens planeja investir mais de €1 bilhão em IA industrial nos próximos três anos, buscando capitalizar sobre a longevidade e a vasta quantidade de dados disponíveis em indústrias europeias centenárias, como farmacêutica, automotiva e química. Mais da metade das empresas listadas na Fortune 500 Europa possuem mais de 100 anos, acumulando um patrimônio de dados valioso.
Mecanismos de confiança e o desafio da partilha de dados
A obtenção desses dados para treinamento de modelos industriais é um desafio complexo, dada a sensibilidade das informações. Koerte argumenta que a confiança estabelecida ao longo de décadas pela Siemens, fundada em 1847, com seus clientes, como BMW e AstraZeneca, é um trunfo. "Eles confiam em nós para cuidar ao máximo de seus dados e podem contar conosco se algo quebrar", explica. A estratégia da Siemens envolve convencer essas empresas a compartilhar seus dados em troca de acesso ao modelo de IA e a possibilidade de solicitar novos casos de uso. Crucialmente, a propriedade dos dados permanece com a empresa que os gerou, e eles são utilizados estritamente para fins de treinamento do modelo. Essa abordagem busca mitigar as preocupações com a privacidade e a segurança dos dados, elementos essenciais para construir modelos de IA industrial robustos e confiáveis, que diferem substancialmente da natureza mais fluida e, por vezes, imprecisa da linguagem natural manipulada pelos LLMs.
Talento, parcerias e a utopia da soberania tecnológica
Outro ponto crítico é a atração e retenção de talentos. Com 59% dos pesquisadores de IA de elite concentrados nos EUA, a Europa enfrenta uma competição acirrada. A Siemens, no entanto, tem demonstrado capacidade de atrair profissionais de ponta, como Vasi Philomin, ex-vice-presidente de IA generativa da Amazon, e Manu Parbhakar, ex-diretor da AWS. "Você tem que oferecer um cheque maior do que o usual na Europa", admite Koerte, ressaltando a necessidade de investimento para garantir a expertise necessária. Parcerias estratégicas, como a colaboração com a Nvidia para desenvolver um sistema operacional de IA industrial, também são fundamentais. Enquanto a Comissão Europeia fomenta a ideia de soberania tecnológica e busca reduzir a dependência de gigantes americanas, Koerte adota uma visão mais pragmática. Ele argumenta que a soberania total é uma utopia, pois nenhum país detém todos os recursos necessários para o desenvolvimento de IA, desde os chips de alta performance da ASML até os componentes de fornecedores globais. A Siemens defende a colaboração transfronteiriça como o caminho para maximizar os ganhos de eficiência prometidos pela IA, alertando para os riscos de um "ferro-velho digital" que poderia frear o progresso tecnológico.
O futuro da IA industrial e as perguntas em aberto
A estratégia da Siemens de alavancar o legado industrial e os dados europeus para competir no mercado de IA industrial levanta questões importantes sobre o futuro da tecnologia. Será que a confiança e os relacionamentos de longa data serão suficientes para convencer empresas a compartilhar dados sensíveis? Como a Europa poderá competir em escala global sem um mercado doméstico unificado e com barreiras regulatórias e linguísticas persistentes? A busca por soberania tecnológica, embora compreensível, parece cada vez mais um ideal distante diante da interdependência global na cadeia de suprimentos de IA. A colaboração, como advoga Koerte, pode ser a chave, mas a implementação prática e a garantia de que os benefícios sejam distribuídos equitativamente permanecem como desafios em aberto. A capacidade da Europa de transformar seu acervo de dados industriais em uma vantagem competitiva real dependerá de sua habilidade em navegar essas complexidades, equilibrando inovação, segurança e cooperação internacional.
O cenário da IA industrial está em plena evolução, e a Siemens se posiciona como um agente chave na busca por um modelo europeu competitivo, focado na precisão e na confiança, em contraste com a corrida por escala e liderança de mercado observada nos EUA e China. A jornada será longa, mas o potencial de otimização e eficiência que a IA promete para o setor produtivo é inegável. A forma como os dados serão utilizados e protegidos definirá o sucesso dessa empreitada.
Com reportagem de Brazil Valley
Source · Fortune
