A Inteligência Artificial está a redefinir a fronteira entre o desenvolvimento e a compra de software no setor da energia
AI and Tech in Beauty: From Molecular Design to Personalization
PUBLISHED
September 25, 2025
AUTHORS
Sophie Turner
Liam Kensington
Luca Bellini
Liam Hawthorne
Sophie Caldwell
TOPICS
AutomotiveMobility and TransportationDurante décadas, as empresas de energia e os operadores de serviços públicos enfrentaram uma escolha conhecida: adquirir software standard e adaptar o negócio às suas funcionalidades, ou assumir os custos e a complexidade de desenvolver ou personalizar profundamente as soluções de que necessitam. A Inteligência Artificial (AI) está a alterar esta equação. Não se limita a reduzir o esforço de desenvolvimento: torna mais viável criar aplicações específicas para a forma como são geridos os projetos, os ativos, as redes e as operações de cliente.
Esta mudança é relevante porque o setor precisa de ganhar escala sem que os custos e a complexidade cresçam ao mesmo ritmo. As empresas têm de aumentar a capacidade de produção e armazenamento, reforçar as redes, ligar novos consumos, melhorar as operações de cliente e gerir um sistema energético cada vez mais distribuído. A tecnologia terá de contribuir para responder a este desafio.
Até há pouco tempo, desenvolver software à medida era um processo lento, dispendioso e difícil de sustentar. Mesmo quando o software standard não respondia às necessidades, criar uma alternativa raramente era uma opção viável. O desenvolvimento assistido por AI altera esta relação entre custo e benefício. Torna viável abordar processos operacionais que continuam dependentes de folhas de cálculo, correio eletrónico e pastas partilhadas. E permite considerar uma alternativa real à compra de mais um módulo, quando essa escolha resultava sobretudo da dificuldade de o desenvolver.
A oportunidade vai, por isso, além da automatização de pequenas tarefas. As empresas podem agora reavaliar três questões: que processos até hoje pouco apoiados pela tecnologia vale a pena digitalizar; onde uma solução à medida pode acrescentar valor em torno das plataformas centrais; e que responsabilidades e mecanismos de governance tornam este modelo sustentável.
A decisão deve ser tomada caso a caso, para cada capacidade. O software standard mantém a vantagem quando predominam a fiabilidade, as exigências regulatórias e a integridade das transações. As aplicações à medida ganham relevância quando o valor depende de decisões específicas da empresa, de dados operacionais dispersos e de processos que atravessam vários sistemas.
Onde começa a oportunidade: processos operacionais por digitalizar
O padrão repete-se ao longo do setor. As equipas de projeto reúnem informação sobre terrenos, licenciamento, engenharia, ligação à rede e viabilidade financeira antes de uma decisão de investimento. As equipas de redes cruzam pedidos, condicionantes de planeamento e observações de campo para definir os próximos passos de cada processo. As equipas de operações combinam dados de produção, meteorologia, manutenção e mercado para avaliar se um ativo exige intervenção. O contexto varia, mas o trabalho é semelhante: antes de agir, é necessário reunir informação dispersa por sistemas especializados, folhas de cálculo, documentos, mensagens e conhecimento das pessoas.
O problema comum não é a falta de dados. É o esforço necessário para reunir a informação certa para decidir. Uma aplicação específica pode agregar dados, identificar lacunas, sinalizar exceções e preparar uma síntese estruturada para análise humana. Nas operações de cliente, a mesma abordagem permite compreender um caso complexo sem pesquisar separadamente os registos de faturação, atendimento e comunicação.
Estas atividades pertencem a diferentes segmentos da cadeia de valor, mas partilham as mesmas características: informação fragmentada, passagem de trabalho entre equipas, necessidade de avaliação especializada e processos que não se enquadram facilmente num fluxo standard. Muitas permaneceram manuais por serem demasiado específicas para uma solução de mercado e demasiado pequenas para justificar um desenvolvimento à medida.
A AI reduz essa barreira. Cada use case pode parecer modesto isoladamente, mas o impacto agregado nos projetos, nas redes, nos ativos e nas operações de cliente pode ser significativo. A oportunidade está em melhorar este conjunto alargado de processos sem transformar cada mudança num programa transversal a toda a organização.
À medida que se torna viável resolver mais destes problemas, surge uma questão estrutural: adquirir cada capacidade a um fornecedor, desenvolvê-la como aplicação específica ou combinar as duas abordagens?
Onde se desloca a fronteira: soluções à medida em torno de um núcleo standard
A questão mais disruptiva é saber se as empresas do setor precisam de continuar a comprar tanto software como hoje. A maioria das grandes organizações assenta num número reduzido de plataformas centrais, às quais acrescenta módulos, licenças e personalizações ao longo do tempo. Uma nova necessidade transforma-se frequentemente numa discussão sobre qual dos fornecedores existentes a pode satisfazer, mesmo quando a resposta é cara, demorada ou pouco adequada ao processo.
Os grandes fornecedores de software beneficiaram de uma vantagem prática: desenvolver e manter uma alternativa credível era demasiado difícil. O desenvolvimento, os testes e a documentação assistidos por AI reduzem parte desse esforço e tornam viáveis aplicações mais pequenas e específicas. Capacidades que antes só eram adquiridas como parte de uma solução abrangente podem, assim, ser avaliadas de forma autónoma.
Isto não significa que uma empresa deva desenvolver o seu próprio ERP, sistema de faturação, plataforma de mercado ou sistema de controlo da rede. Os sistemas com consequências físicas, financeiras ou regulatórias relevantes exigem resiliência, rastreabilidade e desempenho previsível. Incorporam também anos de conhecimento acumulado e integrações complexas. Nestes domínios, as soluções maduras devem continuar a assegurar o registo oficial da informação e das transações.
A oportunidade está em torno desse núcleo. Uma empresa de energia com uma base significativa de ativos pode, por exemplo, manter a sua plataforma de gestão de ativos para os registos e as ordens de trabalho, enquanto desenvolve uma solução à medida para planeamento e apoio à decisão. Esta camada pode combinar risco operacional, produção prevista, meteorologia, disponibilidade de prestadores de serviços e condições de mercado, de acordo com as prioridades da empresa. O núcleo mantém-se standard; a lógica de decisão reflete o negócio.
A mesma abordagem aplica-se às redes e à comercialização. Uma empresa pode manter as suas plataformas de rede, faturação e gestão de clientes, desenvolvendo capacidades específicas para o planeamento de ligações, os processos de engenharia, os casos complexos de clientes ou a análise documental. Os dados e serviços disponibilizados pelo núcleo, sujeitos a regras de governance, constituem a base; a camada à medida responde aos processos que diferenciam a empresa ou geram maior fricção.
A fronteira deve, por isso, ser definida em função do risco. Quanto mais próxima estiver uma capacidade da operação em tempo real, da segurança, da liquidação de transações ou de processos de cliente sujeitos a regulação, mais forte é o argumento a favor de um produto maduro. Quanto menor for a exposição a essas consequências, e maior a dependência de decisões específicas da empresa, mais forte será o argumento a favor de uma solução à medida.
Este critério define onde o software à medida pode fazer sentido. Não determina, porém, como deve funcionar o processo, que decisões deve apoiar ou quem responde pelos resultados. Essas são decisões de negócio.
O que torna o modelo sustentável: responsabilidade pelos processos e governance
Facilitar o desenvolvimento não simplifica a decisão sobre o que deve ser desenvolvido. Antes de criar uma aplicação, a empresa tem de definir a decisão que esta apoia, os dados em que pode confiar, as exceções que exigem avaliação especializada, os controlos que protegem a segurança e a conformidade, e o resultado que pretende alcançar.
A AI pode gerar código, criar interfaces e acelerar os testes. Não pode definir como um projeto de investimento deve percorrer o circuito de aprovação, como priorizar investimentos na rede, como equilibrar perdas de produção e custos de intervenção na manutenção, ou como resolver um caso complexo de cliente. Estas escolhas exigem conhecimento do negócio e dos processos.
Um produto standard traz fluxos de trabalho, estruturas de dados e regras predefinidos. Podem não ser ideais, mas o fornecedor já tomou muitas das decisões de conceção. Ao desenvolver uma capacidade à medida, a empresa assume essa responsabilidade, incluindo as regras, as exceções e os controlos que determinam o funcionamento do processo.
A pergunta de partida não deve ser "O que podemos desenvolver com AI?", mas sim "Como deveria funcionar esta área do negócio se a pudéssemos redesenhar hoje?"
As equipas de negócio não podem limitar-se a definir requisitos e entregá-los à tecnologia. As equipas de tecnologia, por sua vez, não podem conceber aplicações apenas com base no que é tecnicamente possível. Os responsáveis de negócio devem definir o processo, as competências de decisão, as exceções e os critérios de sucesso. As equipas de tecnologia devem traduzir essas definições em dados sujeitos a governance, arquitetura resiliente e produtos que possam ser mantidos ao longo do tempo. Ambas têm de acordar onde termina a automatização e começa a responsabilidade humana.
A responsabilidade clara pelos processos é apenas uma parte do modelo operacional. À medida que se torna mais fácil criar aplicações à medida, as empresas precisam também de regras comuns para a sua aprovação, controlo, suporte e descontinuação.
Sem regras comuns, as equipas podem criar aplicações úteis que, no seu conjunto, se tornam difíceis de gerir. Os dados sensíveis podem ficar expostos, diferentes ferramentas podem produzir respostas contraditórias e as aplicações podem ficar sem manutenção, suporte ou um responsável definido.
Os controlos devem ser proporcionais às consequências operacionais. Uma ferramenta de produtividade individual, uma aplicação de trabalho departamental e uma solução que influencia um processo crítico não devem estar sujeitas aos mesmos requisitos. As exigências de acesso aos dados, cibersegurança, validação, supervisão humana, rastreabilidade e suporte ao longo do ciclo de vida devem aumentar com o impacto potencial na segurança, nos clientes, nos mercados, nos ativos e nas obrigações regulatórias. Cada aplicação deve também ter um responsável de negócio que responda pelo processo e pelos seus resultados. Com este modelo, a discussão entre desenvolver e comprar torna-se uma decisão concreta de gestão.
O que os líderes do setor devem decidir agora
Desta análise resultam três perguntas práticas para os líderes do setor da energia:
1. Que problemas nunca resolvemos por serem demasiado pequenos para justificar o investimento?
2. Que capacidades compramos sobretudo porque, historicamente, desenvolvê-las era demasiado difícil ou dispendioso?
3. Se desenhássemos este processo hoje, fá-lo-íamos da mesma forma?
Em conjunto, estas perguntas abrangem toda a decisão: identificar o trabalho operacional que ficou por digitalizar, questionar as capacidades adquiridas sobretudo por inércia e redesenhar o processo antes de escolher a tecnologia.
Estas questões ganham relevância num setor que tem de investir fortemente em produção, armazenamento, redes e infraestruturas de suporte, ao mesmo tempo que melhora as operações de cliente e gere um sistema mais complexo. O investimento físico, por si só, não garante a escala necessária. As empresas precisam também de desenvolver projetos, operar ativos e tomar decisões com maior eficiência.
A AI não torna todas as soluções à medida adequadas, seguras ou baratas. Também não elimina a complexidade das integrações nem a necessidade de plataformas robustas. Mas altera a relação entre custo e benefício: mais problemas operacionais passam a justificar uma solução e mais capacidades podem ser avaliadas pelo seu mérito, em vez de serem compradas por defeito.
As empresas que tirarem maior partido desta mudança serão as que definirem esta fronteira de forma deliberada. Manterão software standard onde este assegura escala, controlo e resiliência; alargarão as suas funcionalidades quando isso for suficiente; e desenvolverão soluções à medida quando estas melhorarem de forma significativa uma decisão ou um processo.
A AI vai tornar o software mais fácil de desenvolver. Para as empresas do setor da energia, o trabalho mais exigente e mais valioso será decidir onde devem terminar as plataformas standard e começar as soluções à medida de apoio à decisão.