Usando a IA para maximizar a resiliência na infraestrutura

Nota do editor: Esta é uma versão narrativa dos comentários de Kevin Scarborough sobre o Podcast Energy Beat. Você pode ouvir as entrevistas completas do podcast aqui.

Na Siemens, reconhecemos que há uma transição energética global acontecendo. Estamos confiantes nessa observação porque estamos baseando nossa estratégia de longo prazo em cinco megatendências globais: mudança demográfica, urbanização, glocalização, mudança ambiental e eficiência de recursos e digitalização. Cada um deles terá um impacto significativo na energia — como a geramos, distribuímos e usamos. E, como todos sabemos, as empresas estão priorizando a energia renovável, a eficiência energética e a eletrificação de seus ativos.

Também sabemos que essa transição está sobrecarregando a energia existente e a infraestrutura predial. Ela exige uma transformação rápida para manter a confiabilidade e a sustentabilidade desses sistemas complexos.

O setor de construção representa cerca de 40% da demanda global de energia e espera-se que a quantidade de espaço útil em edifícios em todo o mundo dobre até 2060. É muita metragem quadrada que está prestes a ser construída, exigindo nossos recursos. Essa é uma das razões pelas quais se espera que a demanda por eletricidade triplique até 2050. Assim, como nosso CEO da Smart Infrastructure, Matthias Rebellius declarou recentemente em sua publicação para do Reuters Plus, “um fornecimento de energia resiliente ganhou importância para se tornar a prioridade número um de infraestrutura”.

A Siemens vê isso como uma grande oportunidade para a construção e a infraestrutura de energia se tornarem mais inteligentes com a IA, para criar esse tipo de tecnologia preparada para o futuro que aspiramos.

Estamos aproveitando e pesquisando a IA dentro do que chamamos de nosso ecossistema Building X para melhorar a entrega de relatórios de dados que, por sua vez, trazem maior eficiência energética e resultados operacionais para os clientes. Um exemplo disso seria usar a IA generativa para ajudar a identificar o histórico de ordens de serviço de um ativo para ajudar a priorizar a manutenção e responder mais rapidamente às necessidades de manutenção. Também usamos o aprendizado de máquina para otimizar os manipuladores de ar e condicionadores de ar da sala de computadores.

Simplificando, estamos pedindo à IA para reinventar o consumo de energia e transformar a forma como os edifícios funcionam. Mas, como tudo nesse novo cenário, existem desafios e oportunidades, ressaltados pela enorme necessidade de dados certos.

Os desafios de integrar a IA nos setores de energia e serviços públicos

Os três maiores desafios para integrar a IA aos setores de energia e serviços públicos são segurança de dados, governança de dados e dependência excessiva de IA.

A segurança de dados relacionada à IA não é regulamentada em grande parte, portanto, essa é uma área de oportunidades e riscos. A oportunidade pode surgir quando associações do setor, como a American Society of Heating, Refrigerating and Air-Conditioning Engineers (ASHRAE), se unem para criar as melhores práticas para o uso da IA no setor. Os riscos potenciais na segurança de dados incluem agentes mal-intencionados que usam a IA de forma maliciosa, como hackear. Os setores devem desenvolver sua abordagem de segurança de dados rapidamente para enfrentar esses desafios. Os dados e as decisões devem ser auditáveis e deve haver controle de acesso baseado em funções aos algoritmos para evitar que agentes mal-intencionados afetem o cérebro do mecanismo de IA em uso.

Na governança de dados, para que o setor seja eficiente e eficaz na geração de resultados, a IA deve ter uma saída uniforme, especialmente com a IA generativa. A governança de dados de qualidade inclui categorizações de dados padronizadas, mecanismos de geração de relatórios e comunicações, especialmente se a IA estiver se comunicando com um sistema de automação predial. A facilidade de comunicação ajuda a evitar a criação de silos de dados que impedem o compartilhamento de dados importantes.

No entanto, há um grande risco de dependência excessiva da IA. Se confiarmos demais na IA, perdemos aquela centelha fundamental de criatividade; tudo será baseado — e limitado — ao que é alimentado pelo mecanismo de IA. Isso pode levar ao preconceito e à complacência, especialmente com a IA generativa. As empresas que usam a IA como ferramenta de criatividade só o fazem com sucesso com a contribuição e a supervisão das mentes humanas.

Em última análise, um mecanismo de IA só será tão inteligente quanto os dados que forem inseridos nele.

Usando os melhores dados para alavancar a IA nos setores de construção e energia

Em qualquer tipo de aplicação de IA em edifícios e no setor energético, os dados mais importantes são os dados históricos precisos e relevantes, pois, para prever o futuro, precisamos saber como as coisas reagiram ou funcionaram no passado diante de diversos estímulos aplicados ao sistema. Os dados históricos podem incluir imagens: você insere imagens de uma planta central, por exemplo, em um mecanismo de IA para ajudar você a vasculhar a Internet em busca de informações de design de um dispositivo ou motor.

Com a IA generativa, ter relatórios de ordens de serviço e um histórico completo de manutenção em um sistema específico pode dar a um especialista — alguém que é especialista em otimizar um sistema — a capacidade de agir mais rapidamente para resolver um problema complexo que um cliente possa ter. Com o aprendizado de máquina, ter um sistema de automação predial que usa os sensores corretos e é formatado com os dados e medidas de tendências corretos é absolutamente essencial.

Tanto a precisão dos dados quanto uma quantidade realmente confiável de dados são essenciais para otimizar a IA. Por exemplo, os dados meteorológicos podem ser usados para tomar decisões quase em tempo real para um plano de operações central ou para um manipulador de ar usando aprendizado de máquina, para calcular possíveis economias. Essa é uma indicação ao uso de uma interface de programação de aplicativos (API), um intermediário digital entre dois aplicativos que permite que um programa solicite dados ou funcionalidades de outro sem precisar saber como o outro sistema funciona. Os gerentes de sistema podem criar APIs que podem ser integradas à IA em uso, resultando em maior escalabilidade, funcionalidade aprimorada e flexibilidade, com a capacidade de personalizar os resultados para atender às necessidades específicas dos usuários.

Descobrir a quantidade certa de dados históricos para IA

Como você determina a extensão dos dados históricos de que precisa? Isso depende do que realmente aconteceu, digamos, nos últimos três anos. Isso é suficiente ou você realmente precisa de mais?

Na minha experiência como engenheiro de energia, a maioria dos gerentes gostaria de dois a três anos de dados de serviços públicos. Mas se você me dissesse durante a pandemia de COVID que queria três anos de dados de serviços públicos, eu diria que 2020 e 2021 não eram realmente relevantes para prever como será o futuro porque os edifícios estavam desocupados naquela época.

A quantidade de dados históricos que você precisa também depende do sistema de construção, do prédio em si e do que você está tentando alcançar operacionalmente. Um exemplo disso é quando você tem um manipulador de ar de sala de conferência que precisa de dados. Se houver uma reunião por dia naquela sala de conferências, eu provavelmente conseguiria sobreviver com cerca de duas semanas de dados. Se a temperatura externa representasse uma quantidade maior de horas em uma determinada temperatura, esses dados deveriam ser suficientes.

Muitas considerações sobre dados históricos dependem da aplicação, mas os gerentes de energia devem analisar seriamente o passado e como os eventos globais podem ter moldado a qualidade real dos dados que possuem.

Usando a IA para lidar com a gestão de carga e a flexibilidade da demanda

O setor de energia está aprendendo a aproveitar o aprendizado de máquina e a IA para as questões mais importantes de otimizar e dimensionar corretamente a carga na rede e nos sistemas. A tecnologia de gêmeo digital também desempenha um papel importante nisso. Um gêmeo digital pode ajudar a aumentar a vida útil dos ativos elétricos detectando falhas nesses sistemas antes que elas se tornem um problema. A IA pode alimentar esse gêmeo digital processando os grandes conjuntos de dados necessários para criar gêmeos desses ativos.

Outra tecnologia que pode ser usada na distribuição de energia é uma oferta dentro da plataforma Siemens Xcelerator: Electrification X. Essa oferta, baseada em serviços em nuvem, foi projetada para gerenciar, otimizar e automatizar a infraestrutura de eletrificação, fornecendo uma visão holística das subestações e outros ativos. Um conjunto de recursos do Electrification X, chamado Electrification X Asset Management, utiliza análise de dados de sensores para permitir que proprietários e operadores de ativos aumentem o tempo de atividade e a confiabilidade, reduzam as despesas operacionais e reforcem a segurança cibernética.

A Siemens tem outra oferta chamada Gridscale X, que fornece software modular fácil de implantar para gestão de rede de ponta a ponta e aproveita a IA para analisar grandes quantidades de dados da rede. Dentro dessa oferta está o Gridscale X DER Insights, que usa IA para descobrir recursos de energia distribuídos por trás do medidor (DERs) e avaliar seu comportamento e seu impacto nos equipamentos da rede. Isso ajuda a prever, analisar e extrair insights úteis e transformá-los em próximas etapas acionáveis. Isso é valioso porque ajuda os clientes a otimizar as operações de DER, entender o desempenho e a integridade do DER e maximizar a resiliência dos negócios e da rede.

Mantendo-se à frente das principais tendências de IA

Os gerentes do setor devem ficar de olho nas regulamentações de IA que estão chegando nos EUA e no mundo, pois elas certamente afetarão a forma como a IA se desenvolve no futuro. Isso significa que o que estamos fazendo agora com a IA mudará. Também precisamos estar atentos às novas capacidades e tecnologias de IA à medida que elas se tornam on-line. Os gerentes do setor precisam aprender rapidamente como esses novos elementos podem ser aplicados às operações prediais e de energia para que seu valor possa fazer a diferença para os negócios e para os clientes.

Em última análise, todos devemos ter a mente aberta sobre o que a IA pode fazer. Vamos abraçar as mudanças que estão por vir e afirmar o papel humano na IA. Podemos ser cautelosos, mas não devemos ter medo. Todos podem confiar na IA aprendendo tudo o que puder sobre ela e tentando expandir seus negócios, usando-a para agregar valor, melhorar as operações e beneficiar os clientes.

Publicado em: 30 de dezembro de 2025