Celulose e Papel · Brasil · 2023–2024
IA generativa que reduziu 15h no treinamento de operadores do digestor
A Suzano transformou manuais técnicos e histórico de falhas em um copiloto conversacional, dentro da ferramenta de mensagens corporativa, para apoiar operadores do digestor de celulose.
Contexto
A Suzano vinha desde 2019 numa jornada ampla de transformação digital. No fim de 2022 identificou que IA generativa poderia ajudar na gestão de conhecimento técnico não estruturado da operação.
O problema prioritário
O digestor — coração da produção de celulose — exigia consultas a manuais e ao histórico de falhas para resolver anomalias. Isso tomava tempo, dependia muito da experiência de cada profissional e criava gargalos de resposta.
Objetivo do projeto
Disponibilizar um assistente que respondesse dúvidas técnicas em tempo real, acelerasse o aprendizado de novos operadores e, em uma segunda fase, fizesse análises diagnósticas sobre o processo.
Passo a passo da jornada
- Recortar o desafio — Em vez de 'um copiloto para a fábrica toda', escolheram um processo crítico e bem delimitado: o digestor.
- Reunir o conhecimento existente — Manuais técnicos, relatórios operacionais, análises de falha e histórico de ocorrências do digestor.
- Definir requisitos de segurança — A solução não poderia expor informação sensível nem alimentar bases públicas.
- Piloto como RAG — Primeira versão da Ana Maria: assistente de consulta sobre documentos, dentro do Teams.
- Evoluir para análise — Em 2024 passou a consultar bases do sistema do digestor, rodar análises estatísticas e gerar relatórios diagnósticos.
- Operação assistida — Após o go-live, acompanharam dúvidas reais para ajuste fino — calibrando confiança e linguagem.
Dados necessários
- Manuais técnicos do digestor
- Relatórios operacionais
- Análises de falha
- Histórico de ocorrências
- Em fase 2: dados em tempo real do sistema do digestor
Ferramentas e arquitetura
Barreiras enfrentadas
- Conhecimento espalhado entre documentos, especialistas e memória operacional
- Exigência de não expor dados sensíveis a bases públicas
- Necessidade de adoção sem treinar operador em uma nova ferramenta
Aprendizados-chave
- Em processo industrial contínuo, GenAI funciona melhor como camada de conhecimento operacional, não como autonomia plena.
- Usar uma interface que o time já tem (Teams) reduz drasticamente o atrito de adoção.
- Implantação não termina no go-live — operação assistida é parte do projeto.