Latest / Os Agilistas / #318 - Vale: da complexidade decisória ao plano de negócio integrado

Transcript

#318 - Vale: da complexidade decisória ao plano de negócio integrado · Os Agilistas

0:08
Bom dia, boa tarde, boa noite. Vamos começar mais um episódio
0:11
das de listas hoje aqui da é da página da tem com Ramon.
0:14
E aí, Ramon, tudo bom? Tudo.
0:15
Bem, boa tarde. Então hoje nós vamos falar, acho
0:18
que os ouvintes estão acostumados, que eu sempre falo,
0:20
que eu gosto muito de cases reais e principalmente de
0:23
empresas que são empresas tradicionais e que estão usando
0:27
tecnologia de uma forma. Que realmente gera valor.
0:30
Eu gosto disso porque isso é muito mais inspirador, né?
0:33
Pra maior parte das pessoas que ouvem o podcast do que somente
0:36
os cases de empresas nativas digitais.
0:38
Não que não tenham bons cases, mas às vezes não não ressoa.
0:41
E hoje, então nós temos um case muito interessante no âmbito da
0:44
vale, que envolve toda a integração da cadeia logística
0:47
da vale, da cadeia de ação de valor da vale, que como vocês
0:50
vão ver ao longo do episódio de algo extremamente complexo, né?
0:53
A magnitude da da tudo quando a gente fala de vale, né?
0:56
Tudo é muito complexo. Para isso, eu estou com 2
0:58
convidados aqui hoje, que, como sempre, eles vão se apresentar.
1:02
Estou aqui com o Marcelo coelho. Tudo bem, Marcelo?
1:04
Tudo bem justa? Então podia se apresentar
1:06
rapidamente. Marcelo, falar um pouquinho
1:08
sobre seu background, que que você faz na vale?
1:10
A minha formação é de engenharia elétrica, né?
1:13
É por formação, os. Melhores engenheiros, né?
1:16
Os melhores engenheiros, os mais simpáticos, humildes e o destino
1:20
me levou para a parte aí de informática logo no começo,
1:23
desde estágio depois eu gostei, fiz um mestrado em informática,
1:28
fiz uma pós graduação, fiz alguns MBASE, sempre trabalhei
1:32
nessa parte de logística, comecei na parte de ferrovia
1:34
durante muitos anos, né? Estou falando aqui na parte de
1:36
tecnologia para ferrovia, né? Tanto a parte de material
1:39
rodante quanto outros. Depois fui responsável por
1:42
colocar o primeiro sistema de. Ferrovia em plataforma baixa e
1:45
eu era estagiário do IBMB frame alguns devem ter ouvido no livro
1:49
de história. Aí depois eu fui para a parte de
1:51
Porto, é ajudei a trocar todos os sistemas de portos da vale
1:53
como gerente já na época. E depois eu fui para o COI
1:57
centro, né? De operação integrada da vale,
2:00
para a gente pensar aí no IDP, que vai ser o papo de hoje.
2:03
Então essa é a forma resumida da minha.
2:04
Sentir com o Marcelo é um engenheiro igual a eu.
2:06
Ou seja, não sabe nada de engenharia, né?
2:08
Não estamos aqui também com Douglas pimenta.
2:12
Tudo bom, Douglas? Muito bom.
2:13
A chuster, obrigado pelo convite, obrigado pela parceria,
2:17
meu nome é Douglas pimenta, sou coordenador de tecnologia na
2:20
vale, trabalho com o Marcelo também.
2:22
Costumo dizer que sou formado na base, né, como metrô na vale tem
2:25
tem 20 anos e comecei como estagiário técnico na área de
2:28
laboratório, área de negócio. Daí fui estudando, formei em
2:31
sistema de formação, depois fui para o mestrado, mestrado em
2:36
inteligência artificial, passei por áreas de negócio, como COI.
2:40
Laboratório passei por implantações de sistemas de
2:42
gestão de produção. Cheguei na área de
2:44
desenvolvimento de produtos e depois fui pra tecnologia, a
2:47
área de formação mesmo. Então, na tecnologia, entrei
2:49
pelo centro de inteligência artificial.
2:51
Estive lá durante 5 anos para implantação de soluções de ar
2:55
iniciais da Varig 2017, até chegar no na área responsável
2:59
pelo as soluções de marketing, vendas e cadeia de valor na
3:03
estrutura do Marcelo coelho. É excelente, então vamos começar
3:06
assim a entrar no tema, né? Como o Marcelo comentou no Oo
3:09
tema que. Está por trás aqui é OIBP, que
3:12
significa integrated Business planning, mas antes da gente
3:15
entrar no conceito aí do do IBP propriamente dito, isso é
3:18
interessante. Marcelo, você descreveu um
3:20
pouquinho que operação é essa que a gente precisa planejar de
3:23
forma integrada, né? Qual o tipo de desafio com o
3:26
qual você lidou, né? Você, os 2 lidaram aí as
3:29
equipes, né? E sobre o qual falaremos agora,
3:32
pessoal conseguir entender o que que estamos falando.
3:34
Vamos tentar falar sobre isso daqui.
3:37
É um pouquinho às vezes complicado, de uma forma bem
3:39
simples. Ficado.
3:41
A gente tem várias Minas. Onde estão a parte do minério de
3:44
ferro, né? Vou exemplificar que o minério
3:45
de ferro, para ficar mais simples dessas Minas, a mãe
3:48
natureza nos deu uma qualidade. Seja ela física, seja ela
3:52
química, e essa qualidade ela é muito diferente uma da outra.
3:55
Então, o primeiro ponto que a gente tem que trabalhar aí é
3:57
como extrair isso nas Minas, a gente pega esse minério, faz um
4:01
processamento inicial nas Minas, né, em alguma usina, e vai para
4:05
o pátio. Isso que a gente chama de pátio
4:07
de produtos primários ou próprio produtos.
4:09
Aí tem alguns nomes, né? A partir daí você vai
4:11
transportar esse minério para 11 Porto.
4:13
Normalmente, como nós temos várias Minas, nós vamos precisar
4:16
fazer blend, ou seja, misturar esses minérios em alguma
4:19
quantidade, e aí tem. Uma complexidade, porque como
4:23
você tem uma massa muito grande de minério, tem um teor de
4:25
ferro, um teor de sílica, por exemplo, é alumínio.
4:28
Você tem que fazer uma combinação que você consiga,
4:31
nessa mistura de massas, chegar na especificação final do
4:34
produto. Meu carro, como eu brinco, vai
4:36
ser assim, né? Nessa especificação, e devido à
4:38
variabilidade, você não tem uma receita de bolo para fazer isso
4:42
o tempo todo. Você tem a especificação final e
4:44
você aí vai ter que construir receita de bolo.
4:46
Uma vez movimentado isso para os portos e a gente vai blendando
4:49
ao longo da cadeia, a gente blenda.
4:50
Quando carrega o trem, a gente blenda, quando descarrega o
4:53
trem, a gente blenda, quando carrega o navio, né?
4:56
A gente tem que ver A Fila de navios, cada navio vai para um
4:59
destino, tem clientes, a gente manda para alguns CDS externos.
5:02
Nós temos operações em alemão, operações da Malásia, temos
5:06
vários portos na China que não nos pertencem, mas nós operamos
5:09
lá e temos também alguns postos na Europa.
5:12
Então, quando a gente fala de planejamento da cadeia
5:14
integrada, é você fazer um planejamento que preveja em
5:17
algum Horizonte de tempo. Nesse caso, eu vou falar de 24
5:19
meses, que é normalmente. Gente que OBP faz como nós vamos
5:22
extrair, como nós vamos movimentar, onde nós vamos
5:25
blendar e. Quais os custos?
5:27
Envolvidos com essa operação, quais as margens?
5:30
Como vai ser a previsão de receita baseado nisso?
5:33
Obviamente, depois tem vários desdobramentos e quando a gente
5:36
fala em BP assim, eu vou tentar resumir em 5 grandes reuniões,
5:41
tem um processo bem detalhado por trás disso, mas assim, a
5:44
primeira é a definição do portfólio.
5:47
Isso se aplica a qualquer indústria, tá?
5:49
Você vai definir o seu portfólio, como vai ser o meu
5:50
portfólio de produtos? Vou produzir mais o produto
5:53
AOBEOC, né? Eu brinco e falo assim, se fosse
5:55
refrigerante é Fanta uva, Coca-Cola, o que que você vai
5:58
produzir, né? Você define esse portfólio uma
6:01
vez? Define esse portfólio usando
6:02
parâmetros de mercado, verificando, por exemplo, quanto
6:05
que seus concorrentes vão produzir, verificando questões
6:08
relativas, aproveitamento, sucata.
6:10
Tem tem toda uma inteligência de mercado em volta, que a gente
6:13
chama de é marketing intelligence.
6:16
Que a gente precisa saber e precificar essas coisas.
6:19
Então, definido seu portfólio, você começa.
6:22
Depois, na segunda etapa que a gente chama, que é o
6:24
planejamento de demanda, eu vou pegar esse portfólio e vou.
6:27
Verificar quais contratos de longo prazo eu tenho, se parte
6:30
desse portfólio. Eu eu não tenho contrato, vou
6:33
precisar ter contrato e faço. Então meu planejamento de
6:36
contratos, meu planejamento demanda a terceira etapa.
6:39
A gente chama de supply review, que a gente hoje usamos
6:42
otimizadores, né? Que são prescritivos.
6:44
A gente pega todas as nossas. Capacidades com a minha
6:47
capacidade na mina, né? Consigo produzir quanto massa,
6:50
qualidade. Quais são as minhas restrições?
6:52
Eu vou ter manutenções em algum equipamento crítico?
6:55
Eu não vou ter. Você coloca isso dentro de um
6:57
otimizador, esse otimizador, verifica essas limitações e
6:59
fala, olha, baseado aí no portfólio, nesse planejamento da
7:02
demanda, nós vamos conseguir produzir assim, dessa forma,
7:05
blendando nesses lugares. Isso em nesse Horizonte de 24
7:09
meses. Estou falando em buckts mensais
7:10
que a gente fala, né? Dado isso, a gente gera alguns
7:13
cenários para tomada de decisão. Aonde Oo board?
7:17
Decide qual o cenário vai seguir.
7:19
Então esse esse é OIBP de forma resumida só.
7:22
Só esses cenários varia, inclusive o portfólio também.
7:24
Varia Oo. Fora e varia os volumes, porque
7:27
dependendo do cenário, você pode ter um cenário mais restritivo,
7:30
você pode ter um cenário mais ousado por causa de questões
7:34
como a nossa matéria prima. Ela varia muito.
7:36
A gente depende de expansão de Minas e depende de outras
7:39
questões. A gente pode ter pontos que
7:42
existe um risco naquele volume que você está falando.
7:45
Não é determinístico, né? Então você põe alguma
7:48
probabilidade, algum risco nesses assuntos.
7:50
E aí você gera cenários, aí você pode ter um cenário não tão
7:52
otimista, um realista e um otimista.
7:55
Aí o board, que são os executivos mais sérios, eles
7:59
verificam essas questões e decidem em qual o cenário vamos
8:02
seguir. Então, de forma geral, é isso
8:04
que nós trabalhamos, né? Em termos de processos, em
8:07
termos de sistemas, em termos de pessoas, né?
8:09
Que aí eu vou fazer um parêntese aqui, independente da
8:12
tecnologia, independente do processo que a gente nota aí.
8:15
Dependendo do próprio inteligência artificial, para
8:17
mim, o grande diferencial que a gente vai ter é a gente ter
8:21
pessoas capazes de se adaptar a essa rotina, porque a nossa
8:24
tecnologia, né? Eu brinquei aqui, né, que é
8:27
antes da da gente começar. Eu falei assim, eu sou da área
8:29
do bit lascado, né? Tecnologia mudou demais, né?
8:32
E todo dia muda muito. Se você não tiver as pessoas com
8:35
essa capacidade de adaptação, de usar essa tecnologia para
8:38
resolver um problema, aí nós vamos ter um outros desafios.
8:42
Então, assim, as pessoas, elas precisaram ter sido.
8:45
Preparadas para isso, para esse modelo de IBP, para rodar?
8:48
Isso é uma cultura toda que você tem que trabalhar, né?
8:52
E esse programa aí que nós tivemos a oportunidade de
8:54
participar, nos permitiu ver todas essas dimensões, ver
8:58
processos, ver tecnologia, ver pessoas, ver comportamentos.
9:02
Então só só uma curiosidade, porque OIBP é um é um termo de
9:05
mercado, certo? É um termo de mercado.
9:07
E é específico para mineração ou não para a indústria como um
9:10
todo? OIBP é uma evolução, até onde eu
9:12
sei, do SNUP. Que foi criado pela Oliver
9:16
White. Oliver White depois desenvolveu
9:18
esse conceito de IBPEBPE. Você usa para qualquer coisa.
9:22
A Nestlé usa. As grandes empresas usam o
9:25
modelo de IBP, que é justamente o que eu vou definir, meu.
9:27
Portfólio pode ser um portfólio de tecnologia.
9:30
Vamos pensar que é a dti, né? É o portfólio de tecnologia.
9:33
Ah, olha, eu vou separar meu portfólio nos clientes que eu já
9:35
tenho na minha carteira, mas eu quero também no meu portfólio
9:39
investir em algumas startups. Eu quero investir nesse segmento
9:43
estratégico. Essa definição do portfólio,
9:45
quando você vai para a parte de demanda dos contratos, você fala
9:47
assim, Ah, esses contratos eu já tenho com o empresário, com AB,
9:49
esses aqui eu não tenho. Então nós vamos trabalhar esses
9:53
contratos que eu não tenho. De que forma?
9:55
Então você vai organizando isso e depois você fala assim, tá,
9:58
mas se tudo isso que eu planejei acontecer.
10:01
Será que a minha força de trabalho é suficiente?
10:03
Eu tenho os componentes que eu consigo é, eu tenho arquitetos,
10:06
eu tenho cientistas de dados, eu tenho as habilidades necessárias
10:10
para fazer essa implementação. Então, o integrated, ele não é
10:13
uma integração da mina com o Porto e com a ferrovia, não.
10:17
O integrated é desses 3, dessas 3 etapas de planejamento.
10:20
Sabe o índio? O integrante é do integrante do
10:22
case. Do negócio é.
10:24
Você vê um negócio sobre todas as óticas e você é, eu brinco e
10:29
falo assim, é como se você tivesse o controle do.
10:31
Carro e vai fazer viagem. Obviamente, quando você viaja
10:34
você pode ter uma rua interditada, você pode ter essas
10:36
questões, mas você traçou uma rota, você falou, vou por aqui,
10:40
eu sei mais ou menos os custos que eu vou ter, né?
10:43
Seja para dormir, seja para comer, seja de combustível, você
10:47
faz esse planejamento OIBP. Ele vem numa filosofia de
10:50
organizar isso nesse nível que eu estou falando, que a gente
10:53
chama de Tati, que são 24 meses, obviamente você tem outros
10:56
planejamentos, você tem uma estratégica de 30 anos,
10:58
principalmente mineração, que é um negócio mais longo, né?
11:00
E depois você diz. Dobra isso, né?
11:02
Você tem horizontes menores de 6 meses, 30 dias semanal, até ter
11:07
Oo real time ali que você está controlando a posição do trem, a
11:10
posição do navio e esse tipo de coisa.
11:11
Então, OIBP, é para você ter essa visão, vamos dizer assim,
11:14
holística do seu negócio e o planejamento futuro.
11:17
E ele é Rolante todo mês. Você tem que rever.
11:20
Eu gosto de comentar, né, cumprimentando o Marcelo assim
11:23
que OIBP. É deixar a decisão ser tomada no
11:26
momento correto, ou seja, levar os níveis.
11:29
De forma correta, descolonamento igual o Marcelo falou.
11:32
AA mineração é indústria de longo prazo, então ela é pensada
11:36
desde o início da sua, da sua extração até o fim de
11:39
finalização da da cava. Mas decisões só precisam ser
11:43
tomadas ao longo do tempo para valorizar Oo seu produto, para
11:47
ter mais margem, ter mais lucros e também obedecer as restrições
11:51
que há na sua cadeia. Então, se OIBP é um conjunto de
11:54
soluções de processos, pessoas e sistemas.
11:57
Que vai fazer com que os dados se cheguem corretos nas mãos
12:01
corretas para tomar de decisão? É uma estrutura de processos que
12:04
faz com que isso aconteça ao longo do tempo, né?
12:06
E para a indústria de mineração, igual o Marcelo bem comentou,
12:09
onde as indústrias com supply chain, com cadeia integrada das
12:12
mais complexas da indústria, que envolve diferentes Minas,
12:15
diferentes corredores de escoamento de produto,
12:17
diferentes rotas imprevistos, acontece o tempo todo.
12:20
Então, esse tipo de decisão, ela tem que ser acompanhada de forma
12:23
Rolante. Ao longo do tempo para que ela
12:26
consiga ser tomada no momento correto.
12:28
E aproveitando o Douglas ali, só pegando um gancho.
12:30
Uma das coisas que a gente acredita nesse modelo é o
12:33
seguinte, imagina se eu vou, vou trazer para o mundo daqui de
12:36
tecnologia, que alguém fale assim.
12:37
Olha, eu acho melhor investir neste projeto OIBP.
12:40
Ele traz a metodologia e justamente falar bem assim, o
12:42
que que significa essa tomada dessa decisão?
12:44
O que eu ganho, o que eu perco? Então é como se você trouxesse
12:48
para as decisões, fatos, dados, para você ser intencional.
12:52
Muitas vezes as empresas estão nessa.
12:54
Decisões, porque uma pessoa tem uma experiência maior que a
12:57
outra, sempre fez daquela forma e acredita que aquela forma é o
13:01
que vai trazer maior valor. E quando você começa a modelar
13:04
dessa forma pelo IBP, você começa a dar valor a essa
13:07
decisão. Essa decisão que o chuster tomou
13:10
pode até ser estratégico e ser definido como estratégia, mas
13:13
olha, vai deixar? De arrecadar x de receita y de
13:18
receita é você ter realmente o controle da sua tomada de
13:21
decisão. Então essa é que é a ideia.
13:23
Eu queria até fazer uma conexão até com um pouco do que o
13:25
Marcelo trouxe na perspetiva de cultura de pessoas envolvidas
13:29
nessa readaptação, né? Na indústria?
13:31
E até, se eu estou entendendo bem, OIBP de certa forma, também
13:34
traz para vocês uma forma de operar diferente, uma forma de
13:38
olhar diferente para os ativos, até para que desses ativos, numa
13:42
operação complexa, é geograficamente distribuída,
13:45
tenha esse melhor domínio das decisões e que de certa forma,
13:48
isso vai retroalimentar toda a continuidade do negócio e dos
13:52
impactos com relação a essas decisões.
13:54
Oo quanto que essa correlação? Implica numa mudança também no
13:57
dia a dia, na estrutura de operação das pessoas, do
14:00
comportamento em si, de como a própria indústria ela trabalha
14:03
nessa perspetiva de mercado. Assim, Eu Acredito que cada
14:06
indústria deve ter uma cultura específica, mas, por exemplo, a
14:10
de mineração. Que a gente trabalha, ela sempre
14:13
teve uma cultura muito de volume.
14:14
Vou fazer tanto de volume. E quando você traz um IBP, você
14:18
traz uma dimensão um pouco diferente de volume.
14:21
Não que o volume não seja importante, mas você traz uma
14:23
diversão de margem de receitas, você traz outras dimensões para
14:26
equilibrar nessa decisão e às vezes, apesar de às vezes ser
14:30
talvez contra intuitivo, aumentar o negócio pode destruir
14:34
valor, você duplicar DTI você pode estar destruindo o valor
14:37
para DTI dependendo do que você faz, e isso é o é OIBP você
14:41
toma. Tomar essas decisões.
14:43
Consciente maior valor de seus artigos ao longo do tempo ali,
14:45
né, que é o que você falou, né? A mina tá lá, você vai explorar
14:48
ela ao longo de DeX anos, né? Exato, mas você tem que tomar
14:51
decisões para maximizar Oo valor ali, então é o que é assim, só
14:54
pra fazer um resumo. Então assim, eu entendi bem até
14:56
agora, esse problema sempre existiu, né?
14:59
Ou seja, você tem esse tanto de mina, esse tanto de ferrovia,
15:02
estande de Porto, e tem que tomar essas decisões OIBP vem a
15:05
ser um método que você instancia, um processo que você
15:08
instancia especificamente no contexto da vale e cria uma
15:11
nova. Futuro de tomada de decisão que
15:13
vai ajudar a maximizar o valor ali.
15:14
Então assim, eu entendo que esse esse esse programa seu foi tanto
15:17
de botar um novo processo para funcionar e apoiá lo suportado
15:21
por tecnologia, né? Exatamente quais são exemplos
15:24
bons que vocês podem falar o que que tinha antes, sabe assim?
15:28
Primeiro, assim como que começa um negócio desse, né?
15:30
Porque é um é um assunto sempre de interesse no argelistas, é
15:33
como implementar as coisas de uma forma evolutiva, né?
15:36
Porque como é que você implementa isso na vale, né?
15:39
Assim, é numa mina, é num corredor, é num lugar
15:41
específico. Qual você selecionou um problema
15:44
antes para atacar? Entende como é que você decompôs
15:46
esse problemão? Primeiro assim, é muito
15:48
importante a gente. Ter a noção que um programa
15:52
dessa magnitude ela tem, eu brinco e falo, tem assim, tem um
15:55
Monte de pais, um Monte de mães, né?
15:57
Tem um, é várias pessoas e você precisa ter stakeholders capazes
16:03
de te apoiar nas mudanças e também stakeholders sejam
16:07
responsáveis, por exemplo, pela mudança de processo.
16:09
Nós na tecnologia aqui falamos como tecnologia, nós não somos
16:12
os responsáveis por mudar o processo.
16:14
A gente pode fazer perguntas sobre o processo.
16:17
Mas você precisa de um stakeholder forte do negócio,
16:20
sim, que seja capaz de se comunicar com diversas áreas.
16:23
Nessa descrição que eu fiz eu não citei, mas normalmente quem
16:26
faz o portfólio é o marketing. Quem fica pensando em demanda é
16:29
departamento de vendas. Quem faz a parte do do da
16:32
revisão do do do supply é é o departamento de planejamento.
16:36
E existe as as outras áreas, né, de custo financeiro, et cetera,
16:40
que vão participar desse dessa tomada de decisão.
16:42
Nós optamos lá por a gente primeiro fazer o planejamento,
16:46
que nós chamamos de global. Que foi esse nível de 24 meses,
16:49
esse nível mais tático, e a partir dele nós começamos a
16:52
fazer os demais, que foi os planejamentos de corredor.
16:55
Então, se inicialmente nasceu se pelo global, pra gente ter a
16:58
visão macro, a visão holística, aprender com o processo, porque
17:01
assim, isso é uma jornada, né? É esse programa, por exemplo,
17:04
que eu citei para você que é o corre.
17:06
São 7 anos, se eu não me engano, é você, não me falha a memória.
17:09
A gente está lá desde o começo e esse ano é o último ano, vai ter
17:12
até um encerramento. Ele como o programa e vai virar
17:15
um modelo de operação que, ou seja, vai ter continuidade,
17:18
melhoria contínua, né? A gente acredita que já como um
17:21
projeto. Já institucionalizou, né?
17:23
O COI só explica um pouco que que que é o COI, né?
17:25
Para quem está ouvindo, foi uma das primeiras.
17:27
Iniciativas do do IBP é o programa COI.
17:30
Ele implantou IBP, né? Então, assim, no programa COI,
17:33
nós dividimos eles no início em 3 partes, que era o global, que
17:36
era justamente isso que faria esse pensamento, essa
17:39
estruturação, esse planejamento, os corredores que a gente
17:42
atuaria nesse desdobramento. De 24 meses ou anual para
17:46
mensais até chegar no dia. E tinha no início uma coisa que
17:50
a gente chamava o centro de excelência que hoje se tornou
17:52
OCMAO nosso centro monitoramento de ativos que ele a ideia desde
17:56
o início é dele conseguir, por meio de inteligência artificial,
17:59
por meio de outras questões, capturar tudo o que está
18:02
acontecendo e realimentar esse processo e essas outras
18:05
ferramentas utilizadas para tomar de decisão.
18:08
Então, nós. Começamos por esse global, então
18:10
assim, de formas, decidimos começar por lá.
18:13
Até por causa do aprendizado, a gente acreditava que AA jornada
18:16
IA ser gigante. E aí tem várias nuances aí, né?
18:20
No começo do projeto, por exemplo, a gente via que nosso
18:23
ferramental no Brasil era um ferramental Maduro.
18:27
A gente já tinha camada, mesa implementada que se chama gpvs,
18:31
né? Gestão de produção vale, nós
18:34
tínhamos várias coisas. Melhoramos muitas coisas, mas
18:36
nós já tínhamos. Tinha uma outra parte que era
18:39
pós Porto do Brasil, que era algo mais não tão Maduro que a
18:44
gente precisava, talvez potencializar o que estava
18:47
acontecendo. E nós trabalhamos muito nisso,
18:50
que nós chamamos de cadeia estendida, porque quando você
18:53
está numa operação, você olha para uma fábrica.
18:55
Ali é você conversa muito de produção às vezes, né?
18:58
Quando você sai para essa cadeia estendida, no caso da nossa
19:01
empresa, você já começa a misturar a produção com decisões
19:04
de venda, com decisões de mercado, você coloca mais
19:08
dimensões ali. Mais variabilidade ali.
19:10
E o ciclo ele é maior, né? Porque assim eu sei de uma mina
19:14
chegar num posto. Sei lá, um dia alguns chegam 8
19:16
horas, outros 12. É rápido.
19:18
Eu pegar um navio daqui e levar na China, são 45 dias.
19:21
Então um ciclo muda qualquer questão do meu processo, que eu
19:25
preciso acertar na qualidade e já embarquei no navio.
19:28
As oportunidades que eu tenho são só nos próximos CDS, então
19:31
eu tenho que usar essas oportunidades.
19:33
Então nós começamos por esse processo, organizando,
19:35
desenhando, né? Conseguimos excelência,
19:37
stakeholders para para nos ajudar.
19:40
E fomos informatizando. E aí, até pegando um gancho
19:43
nessa, vou chamar de exploração que nós fizemos.
19:46
IA ter processos que não iam estar maduros porque eram novos.
19:49
É natural em qualquer implantação.
19:51
Foi aí que nós concebemos lá, num num grupo de pessoas, eu.
19:55
Tive a oportunidade e privilégio de estar no meio.
19:57
A ideia do integra é a ideia do conect, que é até um caso que
20:01
vocês trabalharam com a gente, né?
20:03
Aqui no fundo era o que? Olha, eu vou criar um para fazer
20:05
um processo, eu preciso digitalizar, eu preciso ter
20:07
dados, os primeiros dados. Normalmente as empresas
20:10
trabalham de uma forma ágil. Em que planilha?
20:12
Acontece isso, botaram em planilhas, né, do senhor?
20:14
Em poucas empresas não está vendo a Suécia?
20:16
Só na Europa, né? E aí que outra coisa que eu acho
20:19
que é um ponto bom também da da da conversa, assim, muitas vezes
20:23
o pessoal vou usar uma palavra assim, demonia.
20:25
Mesa o Excel, né? O Excel é uma ferramenta.
20:28
Fantástica, pô. Tanto é que ele é história, né?
20:30
Não é à toa. Numa velocidade assustador,
20:33
surgiu um. Mas o que a gente não pode
20:35
deixar é o resultado do Excel, seu oficial.
20:38
O Excel é uma ferramenta de análise.
20:40
É, você explora ali, né, uma coisa que você.
20:42
Cria um cenário, multiplica de vídeo, ele faz o que você quiser
20:45
lá dentro e o integra. Ele veio com essa pegada.
20:47
Ele falou assim, eu não vou pegar o chuster e falar que ele
20:50
não vai usar o Excel dele para tomar decisão.
20:52
Eu vou fazer o seguinte, ó chuster, você vai usar seu Excel
20:55
aí? Mas olha, eu vou transformar
20:57
esse seu Excel numa base de dados depois, então você vai ter
20:59
que seguir esse templatezinho aqui e essa ferramenta, ela vai
21:01
ser capaz de pegar qualquer processo de destalizar esse
21:04
processo, você vai ser capaz de contribuir.
21:06
Aí nós chamamos que eu entrego, eu tenho essa parte de
21:08
contribuição que eu imagina, eu vou fazer o planejamento de uma
21:10
cadeia longa dessa. Eu preciso de informações de
21:13
marketing, de vendas, da cadeia logística, né?
21:16
Informações do Porto, da mina, da ferrovida, navegação, eu
21:19
preciso de informações de todos os lugares, que são as minhas
21:22
restrições, que a gente chama nos modelos matemáticos, né?
21:24
Vou ter essa. Restrição de capacidade, vou ter
21:27
esse ponto. E o integra veio para isso, para
21:29
capturar essas premissas que a gente usa para você.
21:31
Conseguiu organizar a captura dessas premissas?
21:34
Porque OIBP ele é como se fosse um orquestrador.
21:37
É o maestro, entendeu? Você coloca lá o cara tocando
21:40
violão. O outro tocando um violino, se
21:43
eles não estiver sincronizado, a peça vai ficar feia, eles têm
21:46
que estar sincronizado, essa é que é a ideia, o entrega.
21:49
Ele veio tentando sincronizar isso, ó shussi, você tem que
21:52
mandar as premissas da mina até dia tal, Douglas, você tem que
21:55
mandar até dia tal, porque eu vou receber isso, vou avaliar e
21:58
vou tirar até dúvidas. Olha, Xuxa, não dá para você
22:00
ajustar um pouquinho, Douglas, não dá para você ajustar um
22:02
pouquinho. Então nós criamos esse esse
22:03
sistema para nos permitir e eu brincava no início que ele seria
22:07
um grande hub de informação. Por quê?
22:09
Porque a ideia era com o passar do tempo e a hematuridade.
22:11
Dados os processos aumentando, eu tomar uma decisão se iria ou
22:15
não transformar esse processo em um sistema, mas eu não perderia
22:18
os dados. Por quê?
22:20
Porque a gente sabia que IA chegar um momento que a gente
22:22
conseguiria. Além de usar as premissas, nós
22:25
usamos os otimizadores, os otimizadores.
22:27
Quando tem um resultado que a gente chama de oficial de volta
22:29
para o sistema como oficial, então teria 11 base riquíssima
22:33
de informação, os paramos para tomar decisão, o que eu tomei de
22:37
decisão e depois o que eu realizei.
22:39
Então eu poderia, com o passar do.
22:41
O tempo num processo de melhoria contínua e ajustando meus
22:44
processos, o meu ferramental, olha, eu vou calibrar aqui, vou
22:47
apertar esse parafuso aqui porque não tá bom, eu vou pegar
22:49
esse aqui porque não tá bom. Olha, quando eu planejei, eu
22:51
achei que IA fazer isso aqui, IA dar 10, deu 9 e meio, deu 8, por
22:55
que que deu 8, por que que deu 9?
22:57
Aí entra o hoje OCMA, que seria o centro de excelência,
23:00
estudando coisas e obviamente todas as áreas, né?
23:02
Numa contribuição. Então, no fundo, o que que é
23:04
OIBP? Ele ele organiza todas essas
23:07
contribuições, essas ideias, o melhor de cada um, e tenta dar
23:11
uma direção, fazer um vetor na tomada de decisão.
23:14
De certa forma, é como se criasse um consenso, né?
23:17
Com relação àquilo que está acontecendo na cadeia como um
23:19
todo. Até nessa analogia que você fez
23:21
no maestro, né? Todo mundo tem que estar no
23:22
mesmo ritmo e. Atento, né?
23:24
Porque o maestro, muitas vezes ele ele está assim.
23:26
De repente ele vira para alguém e faz assim, não faz.
23:28
Ou seja, aquele. Ele deu um ajuste, né?
23:30
Precisa de um ajuste. De volume?
23:32
Precisa de alguma coisa? Eu não sou maestro, mas eu estou
23:34
aqui, né? Lembrando que ele.
23:35
Ponto para uma parte da da plateia e pergunta, então é essa
23:38
que é a ideia, é? Isso só comentar também, né?
23:40
Marcelo? Assim, o COI, né, o centro de
23:41
operação integrada. A intenção dele é justamente é
23:44
maximizar o todo, né? E a gente está falando de uma
23:47
cadeia complexa que envolve muitas pessoas, muitas áreas
23:51
envolvidas, então a tendência é o olhar local normal, né?
23:54
Então assim, a pessoa está tentando maximizar a produção
23:57
dele, local AA. AA produção de ativos e não os
24:00
ótimos locais. Exato.
24:02
E não necessariamente isso é o bom para o todo.
24:04
E nós criamos até uma máxima lá, né?
24:06
Nós. A gente fala assim, olha, é o
24:07
ótimo global, não é ótimo local. E a gente brincava e falava
24:11
assim, a gente prefere estar aproximadamente certo do que
24:15
precisamente incorreto. Porque muitas vezes a gente a
24:19
gente tentando defender um ponto de vista, a gente fica
24:21
precisamente incorreto, né? A gente prova, mas, mas está
24:24
incorreto. Então a ideia lá é esse é, é, é
24:26
você, às vezes pensando na empresa, verificar que se você
24:31
diminuiu o seu compasso, a empresa vai ter um resultado
24:34
melhor e. E as ferramentas?
24:36
E muito bem comentado pelo Marcelo.
24:37
Assim, o volume de dados, com o passar do tempo na nossa
24:40
capacidade de transmissão, armazenamento, ela aumentou
24:43
muito. Então a gente via que as áreas
24:45
estavam cada vez mais gerando informação.
24:48
Que poderia ser usada para apoiar a tomada de decisão.
24:51
Então assim, dados que podem ser confrontados um com o outro EAE
24:54
melhorar o meu próprio processo. Então, assim, a indústria vem
24:56
notando isso e a e a mineração não foi diferente.
24:58
Então assim vai aprendendo com meu próprio processo, vendo hoje
25:01
que está dando errado. Onde meu planejamento não está
25:04
conformando com o que está realmente exercendo, executado e
25:07
fazendo pequenos ajustes até melhorar a cadeia como um todo.
25:10
Assim, só um comentário assim, só pra tentar.
25:12
Eu gosto de tentar traduzir o que eu estou entendendo.
25:14
Assim, eu acho interessante porque eu estou entendendo bem,
25:17
né? No final das contas, você
25:19
consegue aproveitar toda a informação que é gerado ao longo
25:22
da cadeia e na nas diferentes granularidades desde o baixo
25:26
nível. Próximo da automação no nível do
25:29
sistema de produção EE ferramentos aconselhando isso,
25:32
você deu um jeito de integrar isso tudo e continuamente rever
25:35
as decisões à luz do que está planejado, né?
25:37
Porque, digamos assim, o cenário anterior ao cenário que estava
25:40
acoplado, uma verdade que estava acontecendo aqui não
25:43
influenciava uma decisão global ou então gerava uma adesão que
25:47
era um ótimo local, mas não era ótimo para a empresa, né?
25:50
Então você foi conectando e fazendo esse gigante aí
25:53
trabalhar com uma coisa só, né? Essa orquestra aí, que é uma
25:56
orquestra gigante, né? Eu falo assim, fazer esse tanto
25:58
de coisa, trabalhar junto e coordenada é muito mais difícil
26:01
do que aparece, né? Aí tinha vários maestros, né?
26:03
Assim, tinha um, tinha um maestro de processos, tinha um,
26:06
tinha um maestro de sistemas, tinha um maestro, tem vários
26:09
maestros. E tinha um maestro mor, né, que
26:11
tinha que que ajudar. 11. Trabalho desse tamanho.
26:14
Assim, tem muitas digitais, muitas digitais, e assim nós
26:19
construímos muitos sistemas, né? Nós construímos os otimizadores
26:23
dos nossos navios, nós construímos sistemas de tomada
26:27
de decisão na ponta, que a gente chamou de leste Maia, nós
26:31
construímos sistemas que verificam questões de mercado
26:34
para essa base, por exemplo, que foi criada.
26:36
Mas já estamos testando DNA, né? Pergunta aí pra base o que que
26:39
ela acha, quanto que é isso, quanto é aquilo?
26:41
Então existe ainda todo um caminho e foi feito toda uma
26:44
fundação, que a gente ainda acredita que tem muito potencial
26:46
em cima disso. Mas aí essa cultura e esse modus
26:49
operani que foi implementado, a gente acredita que ele vai se
26:52
sustentar normalmente ao longo do tempo, porque as pessoas vão
26:55
vão buscar isso e a tecnologia sem uma aplicação prática.
26:59
Eu brinco, falo que é um brinquedo novo, né?
27:01
A gente fica lá brinquedo, eu gosto de brinquedo novo, mas
27:03
assim tem que ter 11 aplicação. Ela Por Ela.
27:06
Só em si mesma, ela não, não. Resolve nada, ela não ajuda
27:09
nada. Então assim, nesse nesse
27:12
programa nós fomos felizes, a tecnologia conseguiu dar a
27:15
contribuição dela e ajudar nesse nesse processo é de organização
27:19
de dados, organização da tomada decisão está perfeito, você não
27:22
brinca, gente, nada no mundo é perfeito, tudo vai evoluir, né,
27:25
porque a gente está chamando de tecnologia de ponta.
27:27
Agora, daqui a 5 anos não vai existir, né?
27:30
OGNA é fantástico, daqui a 5 anos vai ter alguma outra coisa
27:33
aí que ele vai ser simplesmente no passado.
27:36
Eu tenho uma curiosidade, até pra ver se minha.
27:38
Atendimento também está legal que de certa forma, a gente está
27:40
falando muito de processo, ferramentas, comportamentos.
27:43
Quando você cita, por exemplo, do COI global e dá exemplos de
27:46
estar próximo da China, que tem toda essa característica, né, de
27:49
estar próximo ao cliente. E parece também que isso cria se
27:52
um novo comportamento organizacional de foco, mais um
27:55
cliente, de entender melhor o comportamento do cliente, de
27:57
entender o mercado. E aí?
27:59
Naturalmente, como esse mercado está reagindo para que você tome
28:02
decisões que estejam melhores para o seu negócio, isso de fato
28:06
trouxe para vocês uma habilidade de estar mais próximo ao
28:09
cliente, de ser mais customer Centric e de retroalimentar AA
28:12
vale com relação que está acontecendo?
28:14
Eu não seria a pessoa mais indicada para para responder a
28:17
pergunta, mas o que eu acho que eu posso dizer é que, dada as
28:21
estratégias lá, a nós criamos os meios para isso.
28:25
Então, por exemplo, nós implantamos sistemas de
28:26
relacionamento com o cliente, capturando a informação e.
28:29
E assim, só para registrar também tudo que a gente
28:31
implantava, a gente sempre implantava como se fosse 11
28:34
grande relógio. A engrenagem não pode estar ali
28:37
sozinha. Ela tem que se encaixar em algum
28:39
lugar que é justamente para ter essa essa visão do todo.
28:44
Porque assim, muitas vezes, na tecnologia normal, eu, eu, eu
28:46
converso com muitas pessoas, a gente cria soluções separadas
28:49
ali, stand alone, né? E uma das grandes preocupações
28:51
que a gente teve era assim, olha, eu entendo, talvez eu não
28:55
tenho. Agora eu preciso começar por
28:56
algum lugar, né? A escada para chegar no segundo
28:59
andar teve o primeiro degrau, mas a gente sempre teve o
29:02
desenho de onde ela vai se encaixar, e isso isso é
29:05
importante. Foi exatamente como nós
29:06
pensamos, não porque OA. A jornada, né?
29:09
A gente que é agilista, a jornada ensina, né?
29:12
Você aprende com ela, você se adapta.
29:15
E mais o motivo, né? E por isso que eu sempre
29:17
insisto, é o ser humano, é o profissional ali que está mais
29:20
capacitado e isso não necessariamente é o cara que é.
29:23
Feirão em tecnologia. É uma pessoa capaz de perceber o
29:27
ambiente, capaz de perceber o momento que você tem que mudar,
29:30
porque às vezes a gente insiste numa tecnologia, seja por um
29:33
viés inconsciente, uma paixão, e essa tecnologia ela não vai te
29:37
levar àquele lugar, então, talvez não intenciona.
29:38
Normalmente você tem que falar, ela vai me levar até aqui,
29:40
depois daqui a gente vê o que faz jogar fora, faz outro e vai
29:44
lá. Mas mas isso tem que estar
29:45
desapego, né? E o ser humano nesse.eu, acho
29:48
que ele é fundamental para conseguir fazer essa jornada e
29:51
hoje nós temos esses problemas. Tem muita gente aí que às vezes
29:54
usa a tecnologia como alguma coisa imutável.
29:57
Na verdade, o que a gente vê todo dia é que ela é
29:59
extremamente volátil, né? Hoje ela é uma, amanhã ela é
30:02
outra. Sim, sim, é o que você disse,
30:03
né? Se eu entendi bem, vocês criaram
30:05
um ponto de não retorno ali. Ninguém vai querer voltar mais a
30:08
situação anterior. Né, eu falo assim, então o que
30:10
você, né? Inicialmente, a podia ter até
30:12
uma resistência, inicialmente era mais cômodo trabalhar, de
30:15
uma certa forma, trabalhar com ótimo local, mas quando você
30:18
acostuma usar a ferramenta integrada e aquilo começa a
30:21
gerar resultados, você vai criando um círculo virtuoso.
30:23
Isso é isso, eu acho muito bonito, sabe?
30:24
Porque assim, a tecnologia tem que estar a serviço do processo,
30:27
né? E a partir de um certo momento
30:29
também, elas fica tão integrada no processo que é a vida
30:31
essencial, né? A execução do próprio processo,
30:33
né, e. E vocês chegaram nesse ponto,
30:35
né? Exato, eu posso até comentar um
30:36
pouco sobre estratégia, na verdade, se AA tecnologia EOIBP,
30:40
ele apoia a estratégia de tomada de decisão, seja ela qual for,
30:43
né? Então assim, a função exatamente
30:45
essa, né? Então assim, você deixar levar
30:47
dados disponíveis ou ou levar informação bastante para que o
30:50
board, né, a liderança, né, o negócio como um todo consiga
30:54
gravar sua estratégia, né? Eu quero estar mais próximo, eu
30:57
quero estar executar com maior margem, eu quero aumentar meu
31:00
volume, eu quero usar melhor a minha cadeia como um todo, então
31:03
as ferra. Ferramental, tanto em processo
31:06
quanto tecnologia, vai estar ali disponível para que isso
31:08
aconteça. O que acontecia, né?
31:10
Antes do modelo da implantação é que por muitas vezes não tinha
31:13
toda a informação para embasar a tomada de decisão.
31:15
Aí você fica, você magia no risco, né?
31:18
Seu risco aumenta, pode dar certo, super certo hoje, tá?
31:21
Vou dar muito errado, né? Então sua chance de de perder
31:24
resultado é maior. Negócio você tinha dito, é mais
31:26
intencional, né? Só 111 pergunta, você que você
31:29
que tem um mestrado aí em é AI, né, OPA, não é assim, esse tema
31:33
é nunca escapa, né? Qual o potencial que você está
31:35
vendo aí, né? De uso sim, EAE AI não tem que
31:38
ser só ALLM, né? Eu falo assim, EAE AI, né, da
31:40
forma mais ampla no estado atual que que você enxerga aí, né?
31:43
Que que vocês estão enxergando de evolução com com ER?
31:46
Muito bom. Uma boa pergunta, Marcelo.
31:48
Assim, primeiro, a base de inteligência artificial é a
31:51
categorização dos dados, né? O cuidado da informação, né?
31:54
Nenhuma solução de inteligência artificial.
31:57
Ela consegue se basear em cima de dados fracos, né?
32:00
Então, a inteligência artificial já tem muitos anos de estudo,
32:04
né? Começou na década de 50.
32:06
Ela é base estatística, né? E estatística é dados.
32:09
Se os dados não tiverem bons nada feito, então assim, o
32:12
primeiro trabalho e isso até conectando com OIBP se o
32:15
trabalho de curadoria de cenários de ter informação
32:19
armazenada de forma oficial correta e é curada.
32:23
Ela é base para soluções de inteligência artificial, que
32:26
aqui diretamente é a jornada que a gente está caminhando.
32:29
Ou seja, a partir desses, né? 7 anos de modelo operacional
32:32
ocorre implantado você tem 1 o volume de informação bastante
32:36
que te apoia a tomada de decisão cada vez mais rápida e
32:40
preditiva, né? Ou seja, antecipando movimentos
32:43
e ações. Que o próprio humano poderia
32:45
fazer. Você começa um olhar no
32:47
Horizonte cada vez maior, usar soluções de aprendizado de
32:50
máquina, olhar o passado, ver o que que deu certo, o que que não
32:53
deu, por exemplo, indo na linha prática mesmo, não é para os
32:56
nossos modelos, por exemplo, de otimização, você consegue
32:59
encontrar problemas, desvios de informação que está ali dentro.
33:02
Essa esse valor que chegou aqui para a gente para otimizar,
33:05
nunca aconteceu na história, né? Então, ou seja, eu consigo
33:08
evitar com aquele aquele cenário que que não, que não pode
33:10
acontecer de acontecer. Ao mesmo tempo, usar soluções de
33:14
inteligência artificial em conjunto com a otimização para
33:17
fazer a melhor escolha do meu otimizador no momento correto de
33:21
tomada de decisão de um lado para o outro, e também na
33:23
terceira linha da da otimização da cadeia de explicação de
33:26
cenário. A gente hoje tem é são 3 linhas
33:30
assim muito forte, porque né, a questão da dimensionalidade
33:33
humana mesmo, né? A gente falava que a gente é
33:35
capaz de de entender 3 variáveis, né?
33:36
E na indústria como um todo, você tem NN milhões de variáveis
33:40
sendo passado por tomada de decisão.
33:42
Da mesma forma. Interessante.
33:44
Então, assim, da mesma forma que é difícil você otimizar, é
33:47
difícil você explicar como é que eu vou traduzir isso aqui para,
33:50
né? Para alguém tomar decisão, é.
33:51
Para o ser humano comprar uma ideia ali também.
33:53
Né? Isso que o Douglas está fazendo,
33:55
falando, é um é um desafio que a gente teve o tempo todo, né?
33:58
É, eu comecei a mexer em com otimização na nossa empresa lá
34:01
na vale em 2002, fazendo otimizadores de trem.
34:05
Depois passei para os otimizadores ali do Porto.
34:08
É filho de escada, vagão, pátio, navio.
34:11
Depois cheguei na PF. Assim, depois fui pra pra essa
34:13
página navegação e uma característica que teve em
34:16
todas, né? Parece que são aqueles filmes
34:19
que se repetem. É primeiro que às vezes as
34:21
pessoas não acreditam, né? O modelo não será capaz de tomar
34:24
uma decisão tão boa quanto o ser humano.
34:26
Talvez o. Superespecialista mexe um pouco
34:28
ali com o ego mesmo, né? Você você fica meio ofendido,
34:30
né? Os brios.
34:33
Por isso que às vezes eu falo que a cultura e o ser humano é
34:36
extremamente importante nisso, porque assim você, você já vai
34:39
ter essa resistência natural. No sentido, ao mesmo tempo, a
34:44
gente teve que construir estratégias de como implementar
34:47
isso. Eu sempre converso com o pessoal
34:50
e falo, olha, vamos usar a inteligência artificial, mas a
34:53
gente tem que primeiro setar as expectativas pra gente não ter
34:56
as decepções, né? A diferença entre a realidade e
34:58
o que e o que acontece. Porque assim, todo mundo tá
35:00
imaginando que o gene ey você vai pensar e ele vai responder,
35:04
né? Beleza, ele pode responder, e
35:05
aí, tá certo ou tá errado? A capacidade crítica, a
35:08
capacidade de analisar os cenários propostos por essa.
35:11
Inteligência artificial ainda vai continuar sendo de um
35:14
especialista. Eu bem que falo que esse
35:16
ferramental que a gente hoje está tendo, ele é como se fosse
35:18
a invenção da calculadora, né? Não é que o ser humano não sabia
35:21
fazer conta, é que a calculadora transformou isso em
35:24
milissegundos, né? Faz aquela conta gigantesca e
35:27
sobrou tempo para quê? Para fazer análises, para mudar
35:30
as premissas e verificar os resultados.
35:33
Então é é importante nessa jornada de inteligência
35:35
artificial a gente colocar isso de uma forma que as pessoas têm
35:39
um tempo de dada adaptabilidade, senão a gente mata.
35:41
Tecnologia, que é o maior medo que eu tenho, faz esse conteúdo
35:44
direto. Tenho medo de matar essa
35:45
tecnologia. Eu acho que ela é boa, mas se
35:46
colocar agora vai dar um choque. Como é que a gente faz uma
35:50
escadinha de aprendizado, né, você?
35:52
Fala um choque de resistência mesmo ao ou porque vai dar
35:55
errado e as pessoas não vão querer usar.
35:57
Não imagina assim, eu venho aqui.
35:58
Você faz alguma decisão dentro da DTI há vários anos de uma
36:03
forma aí eu crio um otimizado. Que eu tenho que usar e pronto,
36:06
né? Falo bem assim, qual que é a
36:07
função objetiva? Você quer?
36:08
Uma vez se determinou a função objetiva, no linguajar simples.
36:11
Então assim, se eu falei que margem é maior que receita, ele
36:15
vai sempre tentar aumentar a margem, mesmo que a receita
36:18
diminua. É simples assim, né?
36:19
Então definir função objetiva, aí eu vou coloco otimizador,
36:22
rodo, eu olho justa de esquerda para a direita e o otimizador
36:25
disso vai para a esquerda, eu posso criar uma resistência
36:27
gigante, aí vem a explicabilidade.
36:29
Como é que a gente explica que com esses parâmetros que foram
36:32
dados, esta realmente nessas milhares de variáveis?
36:36
Porque assim, só pra vocês terem ideia, quando a gente fala de
36:38
uma PS, nós estamos falando aqui de 500000 variáveis.
36:41
Que gera o modelo, né? É um negócio, é uma, são modelos
36:44
gigantescos, né, gigantescos no mesmo.
36:46
Como que você explica para uma pessoa que tem n variáveis que
36:50
na realidade, quando ela mudou 11 qualidade na mina tal, ela
36:55
afetou o produto que eu IA botar lá na China?
36:57
Então essa explicabilidade, ela é extremamente importante, a
37:01
tecnologia. Eu brinco e falo que a gente
37:02
está mais ou menos dominando, temos algumas limitações
37:05
dependendo da tecnologia, mas assim o nosso grande desafio é.
37:09
É a confiabilidade dos resultados.
37:12
É como que as pessoas acreditam, porque esse, esse é a Barreira.
37:15
Depois você quebra essa Barreira, você começa a entrar
37:18
num círculo virtuoso, mas até quebrar essa Barreira, você.
37:21
Tem a desconfiança, né? E é curioso, né, porque essa e
37:24
atra sempre essa questão, até da até da responsabilização
37:28
posterior, né? Pode ser que igual você brincou
37:30
aí, né? Pode ser que daqui a 20 anos,
37:31
né? Você tem umas empresas
37:33
autônomas, né? Mas parece distante disso, né?
37:36
Do de você realmente ter as todas as nuances necessárias
37:39
para tomar uma. Decisão, né?
37:40
E é engraçado porque aí se você, você sempre vai ter que
37:42
enfrentar essa questão de no fundo, a gente precisa de ter
37:45
alguém responsável pela adesão para poder se der errado, né?
37:48
Atribui responsabilidade igual com saúde, por exemplo, a gente
37:51
outro dia entrevistou 11 médico do do Fleury, né?
37:53
E é isso em saúde, né? Imagina simplesmente sai lá que
37:56
você tem que fazer uma cirurgia, sai No No algoritmo, pá, sem
37:59
nenhuma explicabilidade, só porque eles têm uma chance, é
38:01
enorme, está certo, mas é difícil, né?
38:03
Aí o que eu falo, pode ser que nós estamos No No momento de
38:05
mudança, que em 1 dia os caras vão rir da gente, né, falar Ah,
38:08
o cara tinha que ficar, tinha que ter um ser.
38:09
Mando falando Pra Ele, eu explicando.
38:11
Não tem que explicar nada. É o igual a gente falou.
38:13
Né, eu eu brinco e falo que é o é o tradução.
38:15
Na transição mesmo na transição. E é o circuito fechado, né?
38:19
A gente não faz o sistema que decide, a gente faz o sistema de
38:22
suporte à tomada de decisão e a gente frisa muito isso.
38:26
Porque que que é um sistema decide, o sistema decide era
38:29
assim, ó, eu rodei aqui um algoritmo pro pro chuster, ele
38:32
disse que o chuster vai ser operado e adivinha, o sistema já
38:34
vai começar a operar o chuster isso, isso é um sistema que
38:37
tomou as decisões e vai fazer, né?
38:38
Eu estou aqui com uma planta, ele disse que vai fazer um novo
38:42
setup dessa planta para uma produção.
38:44
Ele não só disse, ele toma essa decisão, outra coisa, ele fala
38:48
assim, olha. Eu acho que tenho 3 cenários,
38:50
chuta ele, escolhe um. Tá, esse é o esse é um papo
38:53
outro dia que esse é o é o troço mais assustador da e a, né?
38:57
Assim até, por exemplo, guerra, né?
38:58
Probabilidade a. Skynet começou a ser.
39:02
Imagina uma guerra, né? O manhã já decidindo igual.
39:05
Você disse que tem uma função objetivo lá e ela já começa a
39:07
atacar um lugar lá e pronto, né? Ou seja, uma pessoa vai ter um
39:11
tipo de sentimento ali, pelo menos para tomar decisões que
39:14
AIA vai. Vai ser difícil colocar na.
39:16
Nos parâmetros, né, é? Porque na realidade, quando a
39:18
gente modela o mundo, né? A gente tenta pegar as variáveis
39:22
mais importantes deles, mas nunca a gente pega todas.
39:25
Né? Tem coisas tácitas, né?
39:27
Tem coisas que você não consegue expressar ali.
39:29
Tem coisas que hoje a inteligência oficial não pega
39:31
ela, hoje ela não sente o cheiro.
39:32
Não exatamente. Ela não é corpórea, né?
39:35
O pessoal usa muito, ela não sente o mundo.
39:36
Não e só comentar mesmo é e por isso que o meu, o Marcelo,
39:39
comentou, é importante muito a jornada.
39:41
Modelos, né? Agilistas, né?
39:43
É interativos, incrementais, né? Que você?
39:46
Vai evoluindo a sua qualidade de informação ao ponto que e ao
39:51
mesmo tempo vai evoluindo a sua maturidade de entrada de
39:54
inteligência artificial. Hoje, né?
39:56
Não sei, não tem mais desafio, né na construção de modelo, né?
39:59
OA jornada. Hoje está muito clara que o
40:01
desafio é o dado, né? O data drive, né?
40:03
Então, assim, meu desafio, hoje você entra no modelo GPT.
40:07
Você pede uma solução de né? 11 algoritmo específico, um
40:11
randão forte e constrói pra você na hora.
40:13
Comodizado mesmo, né? Então, assim, o seu desafio, se
40:16
não é a modelagem, qual que é o desafio, né?
40:17
O desafio é o é o dado e por isso que não perde a função
40:20
especialista, porque você precisa de um curador, alguém
40:23
que vá lá e categorize ou aquilo ali deu certo.
40:26
Isso aqui não deu certo, isso aqui é uma falha, isso aqui não
40:29
é. Isso aqui é um erro, isso aqui é
40:31
um é um item que vai acrescentar na sua cadeia ou não vai alguém
40:34
que confirme as informações, que tem dados, para eu conseguir
40:37
apoiar o modelo em cima depois e me apoiar na tomada de decisão.
40:40
E nesse ponto aí, Douglas, assim, toda hora eu eu reforço
40:43
esse ponto, né? Às vezes, né.
40:45
Eu lembro que antigamente as pessoas quando iam fazer um
40:47
processo de seleção, eu falava, você é formado em quê, né?
40:49
Eu olhava aquele negócio todo, isso é importante, mas assim, o
40:52
soft skill hoje eu eu acho que está se tornando mais importante
40:56
que o hard skill. E esse soft skill ninguém ensina
40:58
na escola como é que eu ensino você se é?
41:00
Adaptável, como é que eu te ensino que a situação mudou?
41:03
EEE você tem que ter uma outra proatividade, uma outra atitude,
41:06
normalmente isso você aprende em cultura, né?
41:08
Então você tem que formar um grupo, você tem que botir esse
41:11
grupo lá dentro, pensa num esquadro ágio, aí volta 30 anos
41:14
e faz não ágio, aí pega um cara do não ágio e coloca dentro do
41:18
ágio e vai falar, como assim não tem um plano do início ao fim,
41:20
você não tem um planejamento completo, cadê, cadê isso, cadê
41:22
aquilo, cadê a mentalidade é outra, então assim é, nós temos
41:26
que trabalhar essa mentalidade, tanto para os profissionais de
41:29
tecnologia como quem vai usar. Usar essa a tecnologia para ela
41:31
conseguir se adaptar a essas questões, que são voláteis.
41:35
E não é simples, tá? Muita gente aí se apega mais na
41:38
tecnologia do que no problema que ela está resolvendo.
41:41
Isso é comum? Ó, pessoal, tá ótimo o papo, mas
41:43
nós já estamos chegando ao fim. Infelizmente.
41:46
É bom que a gente pode gravar em outro episódio.
41:48
Achei excelente esse esse, esse fechamento da emoção.
41:50
Como é que chama uma jornada evolutiva, como é que as pessoas
41:53
continuam no centro, né? E como é que Oo comportamento
41:56
delas é decisivo? E achei muito interessante como
41:59
é que é uma consequência natural do IBP.
42:01
Na medida que você vai pegando todas as contribuições igual
42:03
vocês falaram e botando ferramental pra todo mundo, você
42:06
vai levando a qualidade da informação, vai viabilizando
42:08
cada vez usar mais e AI vai cada vez realimentando o pessoal para
42:12
melhorar a qualidade da contribuição e da decisão, né?
42:15
Então é um círculo virtuoso muito bacana mesmo.
42:18
Então, marcelle, Douglas, muito obrigado pela presença aí e
42:20
espero que daqui uns anos a gente já fale talvez em um bote
42:23
aqui, né? Fala eu.
42:25
Queria agradecer muito o convite, juster poder
42:27
compartilhar um pouquinho esse trabalho que a gente fez, né?
42:30
E também mostrar como que na vale, por exemplo, nós nós
42:33
aplicamos tecnologia, né? Muita tecnologia.
42:36
Em várias fases, né? Tem vários temas.
42:39
Você já teve vários convidados aqui, né?
42:40
E nós investimos lá o máximo possível, tempo pessoas, para
42:44
melhorar nossos processos, melhorar nossas decisões,
42:47
usando, no nosso caso aqui, a tecnologia da informação, né?
42:50
Douglas, muito obrigado também. Eu que agradeço.
42:52
Shuster, obrigado pelo convite. É muito bom estar aqui, poder
42:56
conversar um pouco sobre tecnologia, mineração,
42:58
indústria, inteligência artificial.
43:00
Eu acho que ainda tem uma jornada longa.
43:02
Eu acho que a gente está rascunhando os os iniciais
43:05
benefícios, né? Do.
43:06
Do uso de de dados na indústria e o caminho por aí mesmo, igual
43:10
o Marcelo comentou assim, sempre centrado em pessoas, talentos, é
43:14
o maior desafio da indústria. Mudança de processo, gestão de
43:18
mudança, né? E tecnologia.
43:19
Bacana demais, Ramon, valeu. Foi um prazer muito bom aí, né?
43:23
Conhecer um pouquinho dessa trajetória da vale, todo
43:25
aprendizado, tudo isso que vocês contaram pra gente.
43:27
Isso aí, pessoal, um grande abraço.
43:29
Um grande abraço, até mais abraço.