A IA pode trabalhar com informação desestruturada. Para executar decisões empresariais com responsabilidade, precisa de regras, autoridade e controlo.
Poucas empresas fabricaram armas, máquinas de costura, motociclos, motosserras e robôs autónomos. A Husqvarna fabricou tudo isso. Um dos seus maiores êxitos foi, ainda assim, bastante mais modesto: uma máquina de picar carne, de que vendeu mais de 12 milhões de unidades (a passagem das armas para a carne picada tem uma lógica industrial curiosa: ferro fundido, peças maquinadas, uma manivela).
A história começa em 1689 em Huskvarna, uma pequena cidade sueca (a cidade escreve-se com k; a marca ficou com a grafia antiga), onde se instalou uma fábrica de armas movida por uma queda de água. No século XIX vieram as máquinas de costura, o ferro fundido doméstico e as bicicletas. Os motociclos chegaram em 1903. As motosserras, em 1959, aproveitando o que a empresa já sabia de motores. Em 1995 lançou um dos primeiros cortadores de relva robóticos à venda, alimentado a energia solar. Trinta anos depois, os robôs da marca reconhecem obstáculos com visão por inteligência artificial.
Pelo caminho, quase tudo o que deu fama à empresa saiu. A última espingarda de caça saiu da fábrica de Huskvarna em 1989; as máquinas de costura foram vendidas em 1997, os motociclos foram para Itália em 1987 e hoje são austríacos. O grupo tem cerca de 11 900 pessoas em 40 países, vende em mais de 100 e faturou 46,6 mil milhões de coroas suecas em 2025 (cerca de 4,21 mil milhões de euros, à taxa média de câmbio de 2025).
Nenhuma empresa industrial dura 337 anos por fidelidade aos produtos de origem.
Mais do que a inteligência artificial
Interessa-me mais um contraste do que a longevidade. A IA já está nos robôs da Husqvarna. Nos processos de back office que descrevo a seguir, ainda não está. Para quem quer levar IA para a gestão, a ordem por que as coisas aconteceram neste caso é mais reveladora.
A Swell trabalha com a Husqvarna desde, pelo menos, 2018. Começámos por um sistema de reporting em Power BI para analisar vendas e margens em todo o mundo. Seguiram-se projetos de qualidade de dados, também globais, e modelos de machine learning para as equipas comerciais e de marketing nos Estados Unidos.
Até aqui, o trabalho concentrou-se na análise de dados. Depois chegámos ao centro de serviços partilhados do grupo em Portugal, que presta serviços financeiros e administrativos a várias empresas europeias, e o trabalho passou a ser pôr processos a correr: compras, aprovação de faturas, cobranças, ausências e mais meia dúzia de coisas que ninguém nota até deixarem de funcionar.
A aplicação Purchases & Invoices mostra bem o que mudou. Até 2023, um pedido de compra viajava por email, as assinaturas recolhiam-se à mão e cada validação esperava pela anterior, entre pessoas de funções e países diferentes. Hoje corre numa plataforma que conhece as regras de aprovação de cada um dos cinco países: Portugal, Espanha, França, Grécia e Bélgica. Sabe quem pode aprovar o quê, guarda os documentos e regista quem fez o quê e quando.
Há uma rotina de utilização que já se consegue observar. Nos 28 dias entre 16 de setembro e 13 de outubro de 2026, o ambiente Purchases and Invoices registou 244 aberturas de aplicações, quase todas no navegador. O pico foi de 32 utilizadores ativos num dia. Estes dados documentam o uso do sistema no trabalho diário; o seu efeito nos tempos de aprovação e nos custos continua por medir.
O relatório específico da aplicação acrescenta outra perspetiva: nos 30 dias observados, houve um pico de 79 sessões num dia. Uma pessoa pode iniciar várias sessões, pelo que este número mede uma dimensão diferente dos utilizadores ativos. A aplicação, que corre integralmente na Microsoft Power Platform, registou 100% de sucesso nas aberturas. Os tempos no percentil 75 foram de 1,17 segundos até permitir interação e de 3,23 segundos até ao carregamento completo. São indicadores da rapidez de acesso ao sistema; o tempo necessário para aprovar uma compra depende também das pessoas e das regras do processo.
A atividade estende-se à camada de dados que suporta a aplicação. Entre 14 de setembro e 14 de outubro, o Dataverse do mesmo ambiente reportou 75 utilizadores ativos e 587 378 chamadas à API, isto é, interações técnicas com os dados. O relatório apresenta uma taxa de sucesso de 100% nessas chamadas. O período e a métrica são diferentes dos do gráfico de utilização diária. As chamadas à API não permitem contar compras ou faturas, nem a sua taxa de sucesso demonstra disponibilidade total da aplicação. Para medir o resultado económico, falta apurar quantos processos foram concluídos, quanto demoraram e que trabalho exigiram.
As pessoas continuam a decidir. O que mudou é que cada decisão fica registada, ao lado da regra que a permitiu.
Esse registo é o que mais interessa a quem pensa em IA. Um agente que verifique faturas ou proponha aprovações precisa de saber que regra se aplica em cada país, quem tem autoridade para aprovar e o que aconteceu nas últimas mil compras. Num processo feito por email, essa informação existe, mas está espalhada por caixas de correio e pela memória de quem lá trabalha há mais tempo. Numa plataforma, está escrita.
Os modelos de linguagem leem emails e PDF sem dificuldade, por isso talvez se possa saltar a estruturação e pôr a IA a ler a confusão diretamente. Para ler e resumir, funciona. Para agir, falta o essencial: aprovar uma compra exige saber quem tem autoridade para o fazer e deixar rasto de quem o fez. Um modelo consegue adivinhar a regra a partir de mil emails; um auditor quer vê-la escrita.
Desenvolvimento contínuo
O caso reforçou outra convicção que defendo na Swell: o software de gestão deve continuar a ser desenvolvido depois de entrar em produção. Percebe-se que um diretor financeiro prefira um projeto com âmbito e preço fechados (desenvolvimento contínuo parece uma torneira aberta). Mas um sistema congelado no dia em que arranca começa logo a afastar-se do processo que devia suportar. As regras mudam, o sistema não acompanha, e as pessoas voltam ao email para tudo o que ele não prevê. Um agente de IA colocado em cima desse sistema aplicaria com toda a confiança regras que já não valem.
Na Husqvarna, quase tudo isto se fez com tecnologia convencional de dados e aplicações. Quando a IA entrar nestes processos, vai encontrar as regras escritas e o histórico guardado, que é o trabalho que costuma faltar. Nos robôs, a Husqvarna também só pôs visão depois de ter um cortador capaz de trabalhar sozinho.





