Ascensão da Supertecnologia

Inteligência artificial, robótica e o fim da especialização

Por Yuval Valiano-Rips

Este artigo foi apresentado no Simpósio Internacional de Elevadores e Escadas Rolantes de 2025, em Buenos Aires, Argentina.

Sumário

O setor de transporte vertical (TV) encontra-se numa encruzilhada. A inteligência artificial (IA) e a robótica deixaram de ser inovações periféricas — juntas, estão a moldar a indústria de elevadores e a redefinir a necessidade de conhecimento especializado na área, desde técnicos de manutenção a inspetores de segurança. Este artigo analisa se a IA criará “supertécnicos” capazes de diagnosticar e resolver problemas em segundos e se a revolução da robótica e da IA ​​acabará por eliminar completamente a necessidade de especialistas humanos.

Vamos explorar casos de uso reais através da perspectiva da Colors.AI, uma plataforma de suporte de campo baseada em IA que transforma décadas de experiência em serviços e inspeções em um assistente instantaneamente acessível e contextualizado. Utilizando a Geração Aumentada por Recuperação (RAG) e bases de conhecimento específicas da empresa, essas novas ferramentas de IA fornecem orientação precisa e confiável em campo — melhorando drasticamente a precisão do diagnóstico, aumentando as taxas de resolução na primeira visita, reduzindo as visitas repetidas e aprimorando a conformidade geral com as normas de segurança.

Além da assistência por IA, da mesma forma que as tecnologias de IA estão atingindo níveis de capacidade cognitiva humanos, as tecnologias robóticas estão se aproximando rapidamente do desempenho humano no mundo físico. A convergência desses dois avanços marcará um ponto de virada para o setor de VT (Verificação e Teste), permitindo que os sistemas executem tarefas de manutenção e inspeção sem intervenção humana. Essa fusão de capacidades cognitivas e físicas impulsionará mudanças que alterarão fundamentalmente a necessidade de humanos em campo, levantando questões críticas sobre treinamento, certificação, conformidade regulatória e o cenário da força de trabalho a longo prazo. A IA será a ferramenta definitiva para técnicos e inspetores — ou a força que os tornará obsoletos? Este artigo convida a comunidade de VT a confrontar essa questão de frente.

1. Introdução — Das palavras da moda a uma verdadeira mudança tecnológica

Na última década, a indústria de elevadores serviu de campo de testes para praticamente todas as "grandes novidades" em tecnologia industrial. Cada onda chegou com entusiasmo, cada uma prometia disrupção e a maioria proporcionou um progresso constante, ainda que gradual.

Conectividade da Internet das Coisas (IoT) foi a primeira grande esperança. Controladores e sensores conectados à nuvem permitiram que as equipes de serviço visualizassem métricas de desempenho em tempo real e detectassem anomalias remotamente. O ONE da Otis. plataforma e o elevador MAX da TK Elevator A pilha de serviços proporcionou ao setor seu primeiro contato com a capacidade preditiva.

A seguir veio gêmeos digitais, com a simulação de tráfego da KONE modelos abrindo caminho. Essas réplicas virtuais permitiam que os engenheiros testassem novas configurações e estratégias de manutenção antes de mexerem em um sistema em funcionamento. A tecnologia era — e ainda é — poderosa, mas estava principalmente restrita ao planejamento e à otimização, e não ao trabalho de campo diário.

Entao veio realidade aumentada (AR) e realidade virtual (VR). A ideia de que um técnico pudesse usar óculos de realidade mista, visualizar diagramas 3D e ser guiado remotamente por um engenheiro sênior prometia democratizar o conhecimento especializado. No entanto, a adoção na prática foi mais lenta. Custo, usabilidade e resistência cultural impediram sua ampla disseminação.

A última onda pré-IA foi manutenção preditiva Algoritmos que analisam dados de telemetria para sinalizar ciclos de portas ou temperaturas de motores que apresentavam tendência a falhas. Úteis e mensuráveis, porém limitados pelo reconhecimento de padrões e pelas limitações dos sensores, em vez de uma compreensão real e uma percepção prática completa.

Cada uma dessas inovações agregou valor, mas permaneceu evolutiva, não revolucionária. IA e robótica juntas são diferentes. Elas não apenas aprimoram o trabalho humano — elas redefinem seus limites. Enquanto a IoT conecta máquinas, a IA conecta conhecimento; enquanto a robótica executa movimentos, a IA fornece intenção por meio da compreensão. Essa convergência marca uma transformação estrutural que afetará todos os segmentos da indústria — desde fabricantes multinacionais de equipamentos originais (OEMs) até pequenas empresas familiares de serviços, cujos engenheiros há muito personificam a arte da engenharia.

2. A Ascensão da Supertecnologia – A IA como o Cérebro do Técnico

A primeira fase visível dessa transformação já está em curso: a ascensão do Supertécnico — um técnico cujo alcance cognitivo vai muito além da experiência pessoal e das capacidades técnicas. Nos próximos cinco anos, os copilotos de IA deverão se tornar companheiros padrão na manutenção e inspeção, transformando cada técnico em um nó ambulante de inteligência institucional.

Plataformas como a desenvolvida por uma startup emergente chamada Colors.AI representam passos iniciais nessa direção. A Colors.AI cria agentes de IA personalizados que usam a arquitetura RAG[6] para garantir que cada resposta fornecida pela IA venha de fontes verificadas — manuais de serviço, registros de inspeção e boletins técnicos — em vez da memória generalizada de um grande modelo de linguagem (LLM). Em setores como o de elevadores, onde a desinformação pode comprometer a segurança, essa distinção é crucial. Uma IA baseada em RAG (Radio Attitude, Grammar - Respostas, Atitudes, Posições e Gramáticas) primeiro recupera os documentos relevantes e, em seguida, constrói uma resposta extraída apenas desses textos e imagens oficiais. O resultado é um assistente capaz de raciocinar contextualmente, mantendo-se ancorado em fatos. Quando um técnico de campo pergunta sobre um erro no sensor da porta, a IA encontra uma solução na documentação do controlador e nos registros de serviço relevantes, eliminando as suposições da IA, também conhecidas como "alucinações". — quando o LLM diz coisas com total confiança, são, na verdade, suas próprias alucinações, desprovidas de qualquer base factual.

A mesma lógica se aplica às inspeções de segurança. Os copilotos de IA podem auxiliar os inspetores certificados, gerando automaticamente listas de verificação específicas para cada local, analisando fotos ou leituras de sensores para identificar possíveis anomalias e padronizando os formatos de relatório em todos os locais. Isso aumenta a consistência, reduz erros humanos e melhora a conformidade regulatória, especialmente quando combinado com agentes de IA bem treinados e o sistema RAG (Rapid Access Group).

Essa arquitetura transforma a própria natureza da expertise. O conhecimento não desaparece mais quando um engenheiro se aposenta ou muda de empresa — ele se torna um acervo digital acessível. Pequenas empresas familiares, muitas vezes ricas em experiência, mas com infraestrutura de dados limitada, são as que mais têm a ganhar. O conhecimento acumulado ao longo da vida de um engenheiro-chefe pode ser indexado uma única vez e disponibilizado a todos os técnicos, a qualquer momento, em qualquer prédio. Os engenheiros seniores se tornam mentores da IA ​​simplesmente conversando com ela, selecionando e corrigindo seu entendimento — enquanto os técnicos juniores obtêm acesso instantâneo e preciso à expertise dos seniores em campo.

Na prática, essa mudança democratiza a expertise sem diminuí-la. Um copiloto de IA bem treinado reduz o número de visitas repetidas, aumenta as taxas de resolução na primeira visita e acelera os ciclos de treinamento para novos funcionários. O técnico continua sendo fundamental — interpretando dados de sensores, validando sugestões da IA ​​e garantindo a segurança —, mas agora trabalha com uma ferramenta que reflete a inteligência coletiva da empresa.

Esta é a última fase em que o humano ainda segura a chave inglesa — ou a primeira em que a chave inglesa finalmente pensa conosco?

3. A Dominação Humanoide – Robôs na Sala de Máquinas

Se a revolução da Supertecnologia der à indústria seus cérebros, a próxima onda lhe dará mãos. Em todo o mundo, o campo da robótica humanoide está avançando com uma velocidade sem precedentes. Empresas como a Agility Robotics,[10] Tesla-Optimus, IA Santuário, Dinâmica de Boston, Figuras de IA E muitos outros estão construindo robôs projetados para realizar tarefas físicas semelhantes às humanas: equilibrar-se, agarrar, levantar e navegar em espaços irregulares.

Esses avanços não são especulativos; demonstrações piloto mostram robôs manuseando ferramentas, caminhando e escalando terrenos irregulares e manipulando componentes industriais. No contexto de elevadores, robôs humanoides poderiam inspecionar poços, substituir sensores, apertar fixadores ou realizar lubrificação e limpeza — tudo isso sem expor humanos a condições confinadas ou perigosas. Onde hoje um inspetor precisa acessar fisicamente uma sala de máquinas ou poço, amanhã um robô poderá realizar a mesma operação com supervisão remota mínima.

O principal fator facilitador é a convergência: os mesmos sistemas de IA que orientam os Supertechs treinarão esses robôs. Visão computacional, fusão de sensores e aprendizado por reforço agora permitem que os robôs interpretem visualmente os componentes do elevador, reconhecendo painéis, fixadores e cabos com precisão crescente. Embora longe da perfeição, essa capacidade está evoluindo mais rápido do que muitos previam — impulsionada pelas rápidas melhorias cognitivas da IA ​​e pelos ganhos mecânicos incrementais da robótica.

Isso representa a segunda fase da transformação industrial: de humanos aprimorados para agentes autônomos. No curto prazo, os robôs darão suporte aos técnicos, não os substituirão, atuando como assistentes móveis ou olhos remotos em espaços perigosos ou de difícil acesso. À medida que a autonomia e a confiabilidade melhorarem, eles assumirão gradualmente a execução física, deixando os humanos responsáveis ​​pela supervisão, julgamento e tratamento de exceções.

4. A Era da Meta-Tecnologia – Do Trabalho Prático à Supervisão de Sistemas

Além da Supertecnologia, existe a Metatecnologia: uma função que pode levar uma década para permear completamente a indústria (2035–2040). Enquanto a Supertecnologia trabalha com IA, a Metatecnologia gerencia IA e robótica. Sua principal tarefa não será a execução de tarefas manuais, mas sim a orquestração de frotas inteiras de sistemas autônomos a partir de centros de controle centralizados.

Nesse modelo, um Meta-Tech monitora painéis que exibem transmissões ao vivo de vários elevadores, inspeções robóticas e alertas preditivos. Quando ocorre uma anomalia, o Meta-Tech decide se permite que a IA execute uma correção, envie um robô, mande um humano ou "entre no local" usando óculos de realidade aumentada. Eles permanecem como guardiões éticos e regulatórios, garantindo que a automação nunca comprometa a segurança. É uma função que exige profundo conhecimento técnico, percepção situacional e capacidade de tomar decisões considerando os valores da empresa e os valores pessoais.

Essa transformação não ocorrerá da noite para o dia. Será necessário que a regulamentação se adapte, que os marcos de responsabilidade amadureçam e que a confiança seja construída gradualmente. Assim como a manutenção preditiva levou anos para sair do estágio piloto e se tornar prática, as operações completas da Meta-Tecnologia levarão uma década ou mais para se consolidarem no dia a dia. Uma vez estabelecidas, elas redefinirão o significado de expertise em VT — passando da intuição mecânica para o comando sistêmico.

5. O que poderia atrasar esse futuro (não muito distante)?

O caminho da inteligência artificial à autonomia robótica não será fácil. Diversas categorias de restrições podem atrasar a adoção:

• Inércia regulatória. As normas de segurança evoluem lentamente. A certificação para tarefas de manutenção automatizadas ou robóticas exigirá novas estruturas de teste e responsabilidades claramente definidas. Em um domínio onde a segurança da vida é primordial, é compreensível que os órgãos reguladores queiram ser extremamente cautelosos.
• Atrito econômico. O desenvolvimento e a implementação de robôs humanoides exigem um alto investimento de capital. Para pequenas empresas de serviços com margens de lucro reduzidas, o retorno sobre o investimento pode não justificar a adoção precoce.
• Resistência da força de trabalho. Inicialmente, os técnicos podem encarar a automação como uma ameaça em vez de uma ferramenta. Sem comunicação clara e programas de reciclagem, a integração ficará estagnada.
• Limitações técnicas. Até o momento, a verdadeira Inteligência Artificial Geral (IAG) ainda não foi alcançada. Os sistemas de IA atuais são especialistas restritos, excelentes em recuperação e previsão de informações, mas deficientes em raciocínio contextual correto em situações desconhecidas. A robótica enfrenta um obstáculo ainda maior: a densidade de energia. A tecnologia de baterias ainda não atingiu os níveis necessários para mobilidade de alta potência durante todo o dia. A maioria dos robôs humanoides permanece presa a cabos ou limitada por recargas frequentes. A variabilidade ambiental dentro de poços de elevador, a vibração, a poeira e as tolerâncias apertadas exigem projetos robustos que ainda estão em fase inicial de testes.

Por essas razões, a revolução da IA ​​(baseada em software, escalável e sem atritos) avançará muito mais rapidamente do que a da robótica (baseada em hardware, regulamentada e física). A IA já está em uso; os humanoides levarão mais alguns anos para amadurecer; a integração da Meta-Tecnologia levará uma década para realmente se infiltrar na prática diária.

6. Roteiro para Empresas de Elevadores (2025-2040)

O cronograma para uma força de trabalho híbrida humano-máquina pode ser visualizado em quatro fases sobrepostas:

1. Integração de IA (2025–2028): Conectar frotas a plataformas em nuvem e expandir a IoT para elevadores mais antigos. Implantar agentes de IA baseados em RAG (Raiz, Atitude, Gramática e Correção) como copilotos de técnicos. Iniciar a digitalização de manuais e relatórios de inspeção para uso com IA. Treinar técnicos em diagnósticos assistidos por IA.
2. Expansão da Supertech (2028–2032): Padronizar a orientação por IA em todas as operações de campo. Capturar o conhecimento institucional de engenheiros seniores antes de sua aposentadoria. Estabelecer “comitês de precisão da IA” para validar os resultados e registrar erros.
3. Operações Híbridas (2030–2036): Implementar projeto piloto de assistência robótica para inspeção, limpeza e coleta de dados. Implementar protocolos de supervisão remota e etapas de aprovação humana.
4. Transição Meta-Tecnológica (2036–2040): Construir centros de comando remotos onde engenheiros experientes supervisionam frotas autônomas. Desenvolver novos programas de treinamento para funções Meta-Tecnológicas, combinando mecânica, conhecimento em IA e supervisão de sistemas.

7. Conclusão – Além da Caixa de Ferramentas

A missão da indústria de elevadores nunca mudou: transportar pessoas com segurança e confiabilidade. O que está mudando é a forma como essa missão é cumprida. A IA e a robótica não eliminarão a expertise — elas eliminarão as suposições. Os vencedores desta nova era serão aqueles que combinarem ativos conectados, IA explicável e julgamento humano em um ecossistema contínuo e auditável. O técnico do futuro será em parte mecânico, em parte analista e em parte colaborador com máquinas que nunca se esquecem. Daqui a uma década, os Meta-Tecnólogos emergirão como maestros de sinfonias compostas por IA, sensores e robôs humanoides.

O elevador sempre simbolizou a ascensão. Nas próximas décadas, a profissão que o mantém em funcionamento também ascenderá: passando do trabalho manual ao domínio digital, garantindo que o mundo vertical permaneça seguro e inteligente.

Referências

[1] Otis Worldwide Corp., Visão geral da manutenção preditiva Otis ONE, otis.com/en/us/products-services/otis-signature-service/otis-one

[2] TK Elevador, Plataforma de Manutenção Inteligente MAX, digital.brochure.tkelevator.com/en-us/brochure/max-smart-maintenance/max-2

[3] KONE Corp., Desenvolvimento de gêmeo digital para otimização do fluxo de pessoas. kone.co.id/en/stories-and-references/stories/developing-digital-twin-with-rockstar-mindset.aspx

[4] AR Genie, Consertando uma avaria no elevador com tecnologia de RA, argenie.ai/blogs/fixing-a-critical-elevator-maintenance-breakdown-at-a-premier-office-complex-with-ar-technology

[5] Colors.AI, Site Oficial cores-ai.com

[6] Rick Merritt, NVIDIA, O que é geração aumentada por recuperação, também conhecida como RAG? blogs.nvidia.com/blog/what-is-retrieval-augmented-generation/

[7] Holzinger, A., A supervisão humana de sistemas de IA ainda é possível? researchgate.net/publication/387032069_Is_Human_Oversight_to_AI_Systems_still_possible

[8] Amazon AWS, O que são Large Language Model (LLM), aws.amazon.com/what-is/large-language-model/

[9] Wan Zhang. et al., Mitigação de alucinações para modelos de linguagem de grande porte aumentados por recuperação, mdpi.com/2227-7390/13/5/856/pdf

[10] Agility Robotics, DIGIT - robô humanoide implantado comercialmente, agilityrobotics.com

[11] Tesla, Optimus Robot, en.wikipedia.org/wiki/Optimus_(robot)

[12] Sanctuary AI, Robótica de Propósito Geral, sanctuary.ai/blog/sanctuary-ai-controlling-advanced-hydraulic-hands

[13] Boston Dynamics, O Novo Padrão para Inspeções Industriais, bostondynamics.com/solutions/inspection/

[14] Figura AI, “Introduzindo-figura-03,” figure.ai/news/introducing-figure-03

Todas as imagens neste artigo são de autoria do autor e foram geradas com o auxílio do ChatGPT da OpenAI (modelo GPT-5), 2025.