49
A adoção da Edge AI na indústria está a acelerar, mas sem estruturas de governação, as organizações correm o risco de ineficiência, lacunas de segurança e conflitos TI/TO. O sucesso depende do monitoramento unificado, da responsabilidade clara e do alinhamento de pessoas, processos e tecnologia para gerenciar com segurança ambientes de borda distribuídos e com uso intensivo de recursos.
Edge AI está chegando a uma fábrica perto de você. Em janeiroo Fórum Económico Mundial partilhou que se espera que as implantações industriais inteligentes saltem de 20% para 50% até ao closing da década. Em teoria, isto conduz a uma tomada de decisões mais autónoma e mais próxima da fonte de dados, remodelando a forma como as empresas operam, competem e crescem. Na prática, os operadores industriais precisam de ter em mente que a adoção não é uma decisão definitiva.
A implantação sem proteções de governança cria dificuldades iniciais significativas. Por exemplo, dispositivos mais antigos com um “definir e esquecer“A mentalidade agora precisa de alocação rigorosa de recursos. Além disso, as estruturas geralmente são projetadas para ambientes de nuvem centralizados, em vez de ambientes de borda distribuídos. E a lacuna entre TI e TO rapidamente se torna um vácuo de propriedade quando não há responsabilidade clara se algo der errado.
As equipes que acompanham o momento devem lembrar que a otimização da produção não é possível apenas através da adoção. Em vez disso, o sucesso exige a implantação desta tecnologia juntamente com estruturas destinadas a supervisioná-la com segurança.
Dilema do consumo de recursos
Edge AI é uma evolução em duas partes. Primeiro, a Indústria 4.0 e a adoção da eficiência inteligente geram enormes quantidades de dados no chão de fábrica. Em vez de enviar fluxos brutos para a nuvem – sobrecarregando a largura de banda e testando a latência – os produtores estão mais frequentemente processando informações na borda. Desta forma, um PLC ou dispositivo industrial envia apenas resumos, reduzindo o quantity e melhorando os tempos de resposta.
Esta é uma tarefa difícil para máquinas de produção que, até recentemente, se concentravam exclusivamente no controle industrial determinístico em ambientes isolados. A IA agrava ainda mais o desafio. Os dispositivos de hoje não estão apenas transferindo dados, mas também executando ou alimentando modelos de aprendizado de máquina localmente. Isso resulta em cargas de trabalho com uso intensivo de computação em {hardware} legado – um problema, já que os ecossistemas industriais nem sempre são os “mais inteligentes”.
O maquinário de produção é construído para durar décadas e ainda realizar o trabalho. Esses dispositivos nunca foram desenvolvidos para cargas de trabalho de IA e segurança cibernética de nível empresarial. Edge AI representa um golpe duplo que requer uma mudança correspondente para evitar que os dispositivos atinjam o limite máximo ou abram backdoors. Sem essa visibilidade, os operadores têm poucos avisos antes que um dispositivo fique sobrecarregado, falhe e interrompa a produção.
Tensão entre nuvem e borda
A maioria das estruturas de IA foram construídas sob o pressuposto de uma arquitetura centralizada com modelos na nuvem ou em um information middle. Como tal, são mais fáceis de acessar, atualizar e monitorar. A vantagem inverte esse pensamento, uma vez que os modelos são distribuídos entre dispositivos em vários locais, tornando mais difícil extrair logs, enviar atualizações ou reverter um modelo. Os ecossistemas modernos estão se adaptando rapidamente para dar suporte ao gerenciamento do ciclo de vida do aprendizado de máquina de ponta – muitas vezes mais rápido do que as organizações conseguem atualizar sua governança interna.
O gargalo, em outras palavras, não é a tecnologia, mas as pessoas e os processos.
Operar na periferia exige governança na periferia. As equipes devem ser capazes de monitorar a entrada e a saída do modelo com uma cadeia de comando clara. Isto é particularmente importante em setores regulamentados, onde a conformidade exige supervisão humana, trilhas de auditoria e tomada de decisão validada. Caso contrário, estaremos perante uma lacuna de governação com repercussões na alocação orçamental, nos processos de aprovação e na resposta a incidentes. Em nenhum lugar isso fica mais claro do que quando um modelo de edge toma uma decisão autônoma incorreta e as equipes apontam o dedo para a divisão entre TI e TO.
As equipes devem estar na mesma página
A implementação antes que as equipes estejam prontas apenas agrava a divisão entre TI e TO. Se a adoção ocorrer antes de a governança ser acordada, os deveres serão ignorados porque a IA de ponta fica diretamente na interseção de ambos os domínios – as considerações de segurança cibernética e de rede da TI e o foco na produção e no tempo de atividade da TO.
O consumo de recursos é novamente um bom exemplo. A necessidade de monitorar continuamente o standing dos dispositivos e as métricas de desempenho, que antes eram gerenciadas do ponto de vista operacional, exige uma visão orientada para a TI que requer monitoramento ativo para garantir a continuidade. Ao mesmo tempo, o desempenho do dispositivo é essencial para o tempo de atividade e a produção. Isso significa que aplicar essa tecnologia não é apenas uma tarefa de TI ou TO, mas de ambas ao mesmo tempo.
Como escrevi recentemente para RCR sem fioos dois devem reconhecer que o único caminho a seguir é juntos. As equipas que conseguem realinhar-se técnica e culturalmente estão muito melhor posicionadas para o futuro industrial inteligente do que aquelas que ainda discutem sobre quem está a fazer o quê. Fazer isso direito é importante.
A resposta aqui não é renunciar à inovação, mas conhecer os riscos e embarcar com cautela.
Monitoramento unificado para TI/TO
Os administradores não podem impor políticas em sistemas que não podem ver, então comece liberando a supervisão da rede. Isso significa implantar monitoramento unificado que compreende os protocolos de TI e TO em toda a pilha. Ao fazer isso, as equipes podem apoiar decisões com dados e tornar os processos de aprovação aplicáveis. A partir daí, as equipes estabelecem o que é “regular” em termos de consumo de recursos, padrões de tráfego e resultados de decisões, fornecendo aos alertas de limite e aos gatilhos de reversão uma linha de base significativa para trabalhar em cada dispositivo de borda.
Há risco e recompensa nesta evolução. Por um lado, a indústria transformadora já é a indústria mais atacada e a aceleração de implementações industriais inteligentes sem proteções adequadas ameaça uma maior exposição à cibersegurança. Mas, por outro lado, grandes eficiências aguardam aqueles que acertam. Isso é algo vimos recentemente com um fabricante world de cabos implementando monitoramento unificado em seu ambiente de produção para melhorar a resposta a incidentes, aumentar a visibilidade entre equipes e detectar problemas nas máquinas antes que causem paradas dispendiosas.
Este é um ato de equilíbrio que, adotado com cautela e consciência, promete estratégias industriais preparadas para o futuro, mantém a resiliência nas cadeias de valor globais e impulsiona o crescimento sustentado.
David Montoya é diretor de pré-vendas da Paessler GmbH. Com profundo conhecimento em manufatura e convergência de TI/TO, Montoya ajuda as equipes a fornecer soluções proativas de prevenção e monitoramento de problemas que são implementadas rapidamente e dimensionadas de acordo com seus termos.