Por trás de cada peça que chega às vitrines existe uma cadeia têxtil que agora tenta aprender a usar inteligência artificial. Uma linha de produção de não tecidos conseguiu reduzir em 10% o refugo, ou seja, o material descartado, com o uso de IA causal. O caso aparece em um novo estudo que mostra que a tecnologia já dá resultado concreto, embora ainda esbarre em obstáculos básicos.
O documento é um white paper de 49 páginas, intitulado “AI in the Textile Value Chain: A Strategic Guide to Artificial Intelligence for the Global Textile Industry”. Foi produzido pela Federação Internacional de Fabricantes Têxteis (ITMF) e pelo Institut für Textiltechnik da Universidade RWTH Aachen (ITA), na Alemanha. A base da pesquisa foram webinars realizados pelas duas organizações nos últimos dois anos, e o foco é a indústria global, que fornece desde o tecido do dia a dia até a matéria-prima da moda.
Uma indústria digitalmente fragmentada
O diagnóstico central surpreende: segundo os autores, o setor não sofre de falta de digitalização, e sim de fragmentação digital. Décadas de modernização parcial deixaram grandes volumes de dados presos em sistemas que não conversam entre si, espalhados por máquinas, controles de qualidade, plataformas de logística e softwares de gestão.
Na prática, as decisões ficam isoladas em departamentos, as informações são duplicadas ou transferidas à mão, e há pouco espaço para otimizar processos de forma integrada. Em muitos casos, os sistemas servem mais para documentar e gerar relatórios do que para apoiar decisões. Como os dados são coletados depois do fato, e não em tempo real, a indústria tem dificuldade de reagir a oscilações de demanda, desvios de qualidade ou problemas na cadeia de suprimentos.
Por isso, o maior entrave à adoção da IA não está nos algoritmos, mas na má qualidade dos dados. Dados não estruturados e a falta de qualificação das equipes também pesam. Os pesquisadores resumem: a IA não corrige dados ruins, ela amplifica as falhas que já existem.
Onde o retorno já aparece
A boa notícia é que o retorno sobre o investimento já pode ser medido em áreas específicas: inspeção de tecidos e fios por visão computacional, manutenção preditiva, previsão de demanda e otimização de energia. O estudo também aponta uma transição, do simples apoio à decisão para a ação direta. Os autores estimam que fluxos de trabalho autônomos de ponta a ponta se tornem realistas em dois a três anos.
Para executivos, a lição é que a IA funciona melhor como ferramenta para lidar com complexidade do que como atalho para ganhar produtividade. O valor surge quando ela é aplicada de forma gradual a problemas bem definidos, sobretudo em gestão da qualidade, planejamento e coordenação. Segundo o relatório, o sucesso depende menos de escolher o algoritmo certo do que de investir em base de dados, capacitação, governança e confiança.
O papel humano continua central. O texto afirma que a expertise das pessoas segue essencial para definir objetivos, interpretar situações incomuns, tratar exceções e garantir responsabilidade. Tarefas analíticas, administrativas e de coordenação rotineiras tendem a ser cada vez mais apoiadas ou executadas por IA, enquanto o trabalho humano se desloca para julgamento, orquestração e relações interpessoais, o que aumenta a demanda por letramento digital.
Para a moda e o luxo, que dependem de qualidade impecável e de cadeias cada vez mais pressionadas, o recado é claro. Segundo os autores, o impacto da IA dependerá menos de avanços tecnológicos do que de coerência entre dados e sistemas, entre capacidades humanas e autonomia das máquinas, e entre iniciativas individuais e ação coletiva. Quem arrumar a casa primeiro deve sair na frente.
