Elevar o desempenho produtivo é um desafio histórico da América Latina. Nos últimos 25 anos, os ganhos de produtividade responderam por apenas 20% do crescimento da região, enquanto os demais 80% foram impulsionados pela expansão da força de trabalho. Ainda assim, o resultado combinado gerou apenas 0,5% de crescimento do PIB – o menor índice do mundo, inclusive quando comparado ao de outras regiões em desenvolvimento.
Se o desempenho já era modesto quando a região ainda podia contar com a expansão da força de trabalho, o cenário à frente tende a ser ainda mais complexo. A McKinsey estima que, nos próximos 30 anos, mais de 25% da população latino-americana terá 60 anos ou mais. Com o fim gradual do bônus demográfico, a região não poderá mais depender da ampliação da força de trabalho para compensar os baixos níveis produtivos.
Na prática, essa pressão já começou. O trabalho fabril perdeu espaço para carreiras percebidas como mais dinâmicas e com maior potencial de crescimento. Com turnover crescente, absenteísmo e jovens que não se veem no chão de fábrica, a indústria latino-americana já enfrenta dificuldades para atrair e reter talentos. Esperar até 2050 não é uma opção.
O ponto não é apenas produzir mais, mas sustentar o crescimento em um cenário de menor disponibilidade de trabalhadores. Nesse contexto, a digitalização, a automação e a inteligência artificial despontam como alavancas para ajudar a indústria a ir além dos ganhos de produtividade e se reposicionar como destino atrativo para a força de trabalho.
Avançar na adoção dessas tecnologias poderia aumentar a produtividade da região entre 1,9% e 2,3% ao ano e criar mais de US$ 1,1 trilhão em valor econômico anual adicional, segundo análises da McKinsey e do Fórum Econômico Mundial (WEF). No caso da inteligência artificial, a indústria já percebeu a necessidade de agir: uma recente pesquisa realizada com 124 COOs globalmente aponta para um salto nos investimentos. Mais de nove em cada dez lideranças de operações esperam investir ao menos 1% do custo de mercadorias vendidas (CMV) – e perto de um terço espera investir no mínimo 5%.
Fazer esse capital chegar aos domínios capazes de gerar impacto real será o grande desafio. Superá-lo exige ajustar a ambição e enfrentar gargalos concretos.
Investindo no lugar errado
Quando perguntados sobre os principais entraves à implementação da IA, os COOs têm clareza. O maior obstáculo, apontado por 61% dos respondentes, é o modelo operacional. Depois vêm mudança cultural (57%) e dados e infraestrutura de IT/OT (43%). Mas, mesmo diante de um diagnóstico preciso, eles estão escolhendo investir em outro lugar. As maiores fatias do orçamento vão para os mesmos alvos que a indústria persegue há décadas: automação de chão de fábrica (15,2%), otimização de processos com inteligência artificial ou machine learning (IA/ML) (13,5%) e controles industriais (12,6%). Enquanto isso, capacitação da força de trabalho (9,2%) e infraestrutura de IT/OT (8,9%) ocupam apenas o quarto e quinto lugares na lista das prioridades orçamentárias. É como se o time precisasse de criatividade para armar jogadas (estratégia e dados), mas insistisse em contratar mais zagueiros (maquinário tradicional e mais pessoas).
O ponto cego
A região está subestimando o fator humano de forma sistemática. Apenas 35% dos nossos COOs enxergam a requalificação em larga escala como um desafio. Globalmente, esse percentual sobe para 49%.
Em contrapartida, entre os mais de 500 profissionais que passaram por treinamentos no nosso Innovation & Learning Center em São Paulo no último ano, é unânime o reconhecimento de que o ritmo de requalificação precisa ser acelerado. Nossas organizações não estão mais preparadas – as lideranças é que estão errando a leitura. E isso dialoga com outra discrepância: 20% dos líderes da região dizem estar “muito preparados” para adotar IA no dia a dia, contra 14% globalmente. Confiança acima da média, resultados abaixo do esperado: apenas 7% das organizações latino-americanas reportam implementação em escala – globalmente, são 11%.
Mais sinais de alerta chegam do chão de fábrica: em relação aos trabalhadores de outros setores, os da indústria são mais propensos a deixar o emprego (37% versus 30%). E, entre os mais jovens, a intenção é ainda mais forte (42%), com planos de saída em até seis meses.
Otimizar não é transformar
Grande parte das estratégias de IA na região parte de uma premissa que confunde otimização com transformação. Melhorar o que já existe sem redesenhar processos tende a produzir ganhos marginais. Reduz custo, mas não cria valor.
Nossa pesquisa evidencia essa lógica. Enquanto quase metade dos COOs vê a IA como ferramenta de suporte em tarefas rotineiras, apenas 13% têm a visão de que ela atuará de forma autônoma e em colaboração com as pessoas. O teto da ambição está muito baixo.
Para que a IA gere impacto real, a conversa precisa sair dos casos de uso isolados e pautar como o trabalho se organiza, onde estão os gargalos e o que muda na lógica operacional. Na prática, isso significa redesenhar fluxos de trabalho de ponta a ponta.
Quando isso acontece, os saltos operacionais aparecem. Em uma operação industrial de alta complexidade, a reestruturação dos fluxos de suprimentos e manufatura por meio da IA impulsionou a produtividade em 45%, reduzindo os estoques em 81%. Em outra, a introdução de agentes autônomos de IA dedicados à roteirização e à eficiência logística garantiu uma economia recorrente de 15% nos custos de frete, multiplicando por vinte a capacidade de atendimento da rede de distribuição de parceiros.
Em ambos os casos, o valor veio da reformulação de processos críticos, não da simples automação de tarefas individuais.
O círculo vicioso
Casos como esses, porém, não são a regra. Infraestrutura de dados insuficiente e sistemas legados sem integração estão entre as razões que impedem projetos-piloto de escalar. Sem escala, os ganhos ficam aquém do esperado: só 17% dos COOs latino-americanos afirmam ter capturado o retorno esperado dos investimentos, ante 30% globalmente.
Resultados aquém do esperado corroem a confiança interna e alimentam a resistência cultural, apontada por quase seis em cada dez líderes como o segundo maior desafio para a implementação de IA.
Esse movimento reduz ainda mais o apetite para investir nas bases da transformação.
Há também um desencontro de percepção. Quando questionadas sobre barreiras à adoção, as equipes mencionam riscos éticos e jurídicos (37%), falta de clareza estratégica (30%) e limitações técnicas (29%). Não é recusa; é demanda por direção. As equipes querem entender e se preparar.
Nesse cenário de descompasso, uma nota positiva: líderes latino-americanos são mais propensos a ver o engajamento do CEO como motor da adoção de IA (48% versus 29% globalmente), o que sugere uma compreensão mais holística de que a transformação exige liderança consistente do topo.
Mas como fechar o caso de negócio?
Transformação digital e adoção de IA são projetos de médio e longo prazo. Isso não significa adiar o retorno, mas priorizar. É preciso identificar os casos de uso com ganho mais imediato, aqueles que comprovam valor rapidamente e financiam iniciativas de infraestrutura, modelo operacional e capacitação da força de trabalho.
É uma lógica de dois tempos: inteligência para capturar resultado já no curto prazo, estratégia para construir as fundações no horizonte mais longo. As empresas que já colhem os benefícios da IA seguem essa dinâmica. Elas priorizam as aplicações de maior impacto enquanto redesenham os processos, constroem bases tecnológicas escaláveis e investem na qualificação dos trabalhadores.
A IA pode acelerar esse salto e ajudar a atrair profissionais para a indústria, compensando o fim do bônus demográfico. Os exemplos de maior sucesso mostram que o caminho passa por construir as condições para que ela gere valor em escala. As organizações que começarem essa jornada agora estarão mais bem posicionadas para liderar a próxima fase da transformação industrial.