A América Latina passou décadas tentando compensar produtividade baixa com mão de obra. Esse ciclo está no fim. A McKinsey estima que, nos próximos 30 anos, mais de 25% da população da região terá 60 anos ou mais.

Esperar até 2050 não é uma opção. Mesmo com a janela do bônus demográfico ainda aberta, a indústria já sente a escassez de mão de obra: o trabalho fabril perdeu espaço para carreiras vistas como mais dinâmicas e com maior potencial de crescimento.

A digitalização, a automação e a inteligência artificial surgem não apenas como alavancas de produtividade, mas também como ferramentas para reinventar a indústria como destino atrativo para a força de trabalho. A indústria já percebeu: uma recente pesquisa realizada com mais de 120 COOs aponta para um salto nos investimentos nessas áreas. Mais de nove em cada dez lideranças de operações espera investir mais de 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.

Investindo no lugar errado

Quando perguntados sobre os principais entraves à implementação de AI, os COOs têm clareza. O maior desafio está no modelo operacional. Depois vêm mudança cultural, dados e infraestrutura tecnológica que conecta sistemas corporativos e operações industriais (IT/OT).

Ainda assim, os maiores investimentos continuam concentrados em automação de chão de fábrica, otimização de processos e controles industriais, enquanto capacitação da força de trabalho e infraestrutura IT/OT aparecem apenas em quarto e quinto lugar nas prioridades orçamentárias.

O descompasso é evidente. 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%.

A verdade é que as organizações da região não estão mais preparadas, e as lideranças estão errando a leitura. E isso dialoga com outra discrepância: 20% dos líderes da região dizem estar “muito preparados” para adotar AI 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

Esse déficit de capacidades humanas se soma a outro equívoco recorrente: tratar AI como ferramenta de otimização, e não como vetor de 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 AI 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 gerar impacto real, a AI precisa ser usada para redesenhar processos de ponta a ponta, e não apenas automatizar atividades isoladas.

Quando isso acontece, os saltos operacionais aparecem e os exemplos existem. Em uma operação industrial de alta complexidade, a reestruturação dos fluxos de suprimentos e manufatura por meio da AI impulsionou a produtividade em 45%, reduzindo os estoques em 81%. Em outra, a introdução de agentes autônomos de AI 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: só 17% dos COOs latino-americanos afirmam ter capturado o retorno esperado dos investimentos, ante 30% globalmente.

E resultados fracos corroem a confiança interna e alimentam a resistência cultural, apontada por quase seis em cada dez líderes como segundo maior desafio para a implementação de AI. 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, falta de clareza estratégica e limitações técnicas. Não é recusa. É demanda por direção. As equipes querem entender e se preparar.

Como fechar o caso de negócio?

Transformação digital e adoção de AI são projetos de médio e longo prazo. Isso não significa adiar o retorno, mas priorizar. É preciso identificar os domínios 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 longo. As empresas que já colhem os benefícios da AI seguem essa dinâmica. Elas priorizam os domínios de maior impacto enquanto redesenham os processos, constroem bases tecnológicas escaláveis e investem na qualificação da força de trabalho para acelerar a adoção da tecnologia.

A AI tem potencial para acelerar esse salto, atrair profissionais para a indústria e compensar o fim do bônus demográfico. Os exemplos mais bem-sucedidos mostram que o desafio não é a tecnologia em si, mas a capacidade de transformar processos, qualificar a força de trabalho e capturar valor em escala.

***

Jorge Cerezo é sócio da McKinsey e colíder da prática de Operações na América Latina.

Vitor Caneiro é sócio da McKinsey.

Thalita Marcondes é sócia associada da McKinsey e líder do Innovation Learning Center (ILC) de São Paulo.