EDP-DXC transforma IA em operação com fábrica de modelos

A EDP está a dar um passo decisivo na forma como leva a Inteligência Artificial (IA) do laboratório para a operação. Num contexto em que o número de modelos de machine learning cresce rapidamente em diferentes áreas do grupo, desde a previsão de consumo à manutenção preditiva, a empresa avançou para a criação de uma framework organizacional de Machine Learning Operations (MLOp), em parceria com a DXC Technology e com suporte tecnológico da Microsoft.

O objetivo passa por acelerar a passagem de protótipos para produção, reduzir esforço manual e garantir governança e rastreabilidade num ciclo de vida cada vez mais complexo.

Mais do que um projeto tecnológico, trata-se de uma mudança estrutural na forma como a organização transforma dados em decisões e automação, com impacto direto na eficiência e na escalabilidade da IA.

O desafio da EDP

A EDP já vinha a reforçar a utilização de inteligência artificial em múltiplas frentes, mas o crescimento orgânico de projetos e equipas começou a expor um problema típico de organizações maduras em dados que passa pela falta de consistência e de processos comuns entre iniciativas.

Como explica a própria empresa, “à medida que o número de modelos e casos de uso cresceu em diferentes áreas do Grupo, tornou-se imperativo estabelecer uma framework corporativa que assegurasse consistência, rastreabilidade e qualidade em todo o ciclo de vida dos modelos de IA”.

Este desafio não era apenas técnico, mas principalmente organizacional, uma vez que os projetos desenvolvidos em momentos diferentes, com ferramentas distintas e maturidades desiguais, dificultavam a reutilização, a escalabilidade e a manutenção sustentável.

A DXC enquadra este tipo de problema como recorrente em grandes organizações europeias, onde os modelos acabam frequentemente por ficar presos entre provas de conceito e produção. Um dos sintomas mais críticos era o tempo necessário para colocar modelos em produção, agravado por integrações complexas com pipelines de dados e sistemas existentes, já que “apenas uma em cada dez organizações consegue colocar em produção mais de 75% dos seus protótipos de IA”, segundo o responsável da DXC que citou um estudo da Gartner.

O resultado era um cenário comum em empresas que já provaram o valor da IA, mas ainda não a industrializaram, com modelos relevantes, mas difíceis de operacionalizar de forma rápida, repetível e auditável.

Da experimentação a uma “fábrica de modelos”

A resposta da EDP foi assumir o MLOp como uma etapa estratégica de maturidade, com o objetivo de “padronizar e industrializar os processos de desenvolvimento, implementação e manutenção de modelos de machine learning”.

Nuno Moura Pinheiro, Head of Data & AI na DXC em Portugal reforça esta ideia ao definir MLOp como “a prática que se dedica à integração dos modelos de machine learning nos processos de negócio e aplicações”, suportada por uma framework de software, automatismos e boas práticas para acelerar desenvolvimento e operação.

O projeto decorreu em três fases bem estruturada que refletem, por sua vez, uma abordagem típica de transformação, incluindo aconselhamento, implementação e operacionalização.

Na fase inicial, foram realizados os workshops “As Is”,“To Be” e “Roadmap”, para mapear maturidade, alinhar stakeholders e definir arquitetura e modelo operacional. Esta metodologia permitiu garantir que a tecnologia respondia a necessidades reais e que a mudança era aceite por diferentes áreas.

A EDP descreve esta etapa como um processo transversal, liderado pelo Centro de Excelência de Data & AI, mas envolvendo também áreas críticas como Arquitetura Global, Cibersegurança e Gestão de Risco em IA.

A solução tecnológica

Na fase de implementação, a DXC aplicou um princípio que se tornou quase uma assinatura dos seus projetos de modernização bem-sucedidos, assente na lógica de “Pensar em Grande”, “Começar Pequeno” e “Escalar Rapidamente”.

O núcleo da solução foi construído com base na abordagem DXC Quickstart for MLOp, de modo a tirar partido de ativos reutilizáveis e aceleradores já desenvolvidos pelo Centro de Excelência Europeu da empresa. Estes aceleradores, segundo a DXC, funcionam como serviços nativos em plataformas como Azure, Databricks ou AWS, sendo altamente configuráveis e adaptáveis ao caso de uso.

A relevância desta componente tornou-se evidente, já que permite reduzir o tempo de implementação e diminuir custos de engenharia repetitiva, proporcionando “a evolução de uma abordagem artesanal, assente na criatividade dos artesões, para uma abordagem industrial”.

Do ponto de vista técnico, a implementação não deixou margem para experimentalismos. Assentou em práticas hoje incontornáveis quando se fala de IA à escala empresarial, com pipelines de integração e entrega contínua, uma abordagem GitOps para gerir a movimentação de ativos entre ambientes, versionamento rigoroso de dados e modelos, mecanismos de linhagem que garantem rastreabilidade e reprodutibilidade e módulos preparados para monitorização permanente e deteção de drift.

A deteção de drift, ou seja, identificar quando um modelo começa a perder precisão devido a mudanças nos dados reais, é particularmente crítica em empresas como a EDP, onde o comportamento do consumo, redes ou ativos pode mudar com a sazonalidade, o clima, as alterações regulatórias ou novas dinâmicas de mobilidade elétrica.

Ao mesmo tempo, a EDP sublinha que esta framework reforça a governance “através de práticas de versionamento, auditoria, gestão de risco e deteção de drift”, o que garante, por sua vez, transparência e confiança na evolução dos modelos.

Escala em ação

Depois de construída a base técnica, a fase de operacionalização foi decisiva para aplicar a framework em casos reais, garantindo que o MLOp não ficava apenas como blueprint.

A EDP não ficou pela teoria e escolheu três frentes onde a IA teria impacto mensurável. O Electric Dots antecipa os melhores locais para instalar postos de carregamento de veículos elétricos, cruzando dados para reduzir risco e acelerar decisões. A previsão de chamadas no Contact Center permite estimar procura e ajustar recursos com maior precisão, num contexto em que eficiência operacional pesa diretamente nos custos. Já a deteção automática de portas por computer vision apoia equipas no terreno com identificação rápida e fiável, aproximando o algoritmo da operação diária. Estes três casos distintos, unidos têm como objetivo comum transformar dados em decisões com efeito prático.

Os modelos vão muito além do analytics organizacional e têm impacto direto na infraestrutura, nas operações, no planeamento de recursos e na produtividade das equipas técnicas, domínios onde o retorno se mede em eficiência, tempo e custos. É neste contexto que o MLOp ganha relevância, ao oferecer uma framework capaz de sustentar, no mesmo ecossistema, modelos preditivos para o contact center, soluções geoespaciais aplicadas à mobilidade elétrica e algoritmos de visão computacional que apoiam operações no terreno.

Impactos medidos

Os resultados apresentados pela DXC apontam para ganhos claros de industrialização, com destaque para a aceleração do deployment. Um dos indicadores mais relevantes foi a redução do tempo de colocação em produção “de meses para semanas”, resultado direto da automatização e normalização dos processos.

A inovação da DXC transforma a operação empresarial através de processos mais eficientes e automatizados aumentam a produtividade, enquanto a escalabilidade permite integrar IA em ambientes complexos. Os custos caem à medida que se reduz a intervenção manual e se automatiza a manutenção, e a tomada de decisão torna-se mais sólida graças a governance rigorosa e monitorização constante. Quatro impactos estratégicos que provam que a tecnologia só é relevante quando altera a forma como a organização funciona.

Na EDP, a evolução ganha forma na previsibilidade e na sustentabilidade, com rastreabilidade completa, reprodutibilidade assegurada, governance reforçada e menor esforço manual em tarefas repetitivas. A experiência demonstra que a criação de modelos é apenas o ponto de partida e que o verdadeiro valor da IA está na sua gestão consistente e sustentada no tempo.

A dimensão humana e organizacional

Para lá do peso tecnológico, o projeto evidencia um ponto que muitos programas de IA desvalorizam, a necessidade de reorganização cultural. A EDP descreve o processo como um exercício de colaboração transversal, com envolvimento ativo de equipas de negócio e áreas críticas como cibersegurança e gestão de risco em IA.

Nuno Moura Pinheiro destaca a urgência de quebrar silos e aponta como um dos problemas centrais a “falta de colaboração entre equipas”, com desenvolvimento e produção a trabalhar de forma isolada.

A transformação concretizou-se não na simples criação de pipelines automatizados, mas na construção de um modelo operacional comum, capaz de fazer com que diferentes áreas falem a mesma linguagem desde a conceção do modelo até à sua validação, implementação e monitorização.

MLOp como base para IA

Enquanto o mercado debate IA generativa, copilotos e automação inteligente, o case EDP-DXC prova que a IA não cresce sozinha. Sem uma base operacional sólida, modelos sofisticados permanecem no papel e nunca chegam à escala.

A DXC distingue entre uma abordagem tática e outra estratégica, cada uma com objetivos e impactos próprios dentro da transformação empresarial. A tática entrega resultados rápidos, mas tende a criar uma “cultura artesanal de modelos”, dispendiosa e difícil de sustentar. Já a abordagem estratégica exige uma prática estruturada de MLOp, criando um ambiente de “fábrica” que estabiliza e acelera todo o ciclo de vida.

A EDP, por sua vez, enquadra este projeto como parte direta da sua estratégia de transformação digital e de IA, onde fundações comuns e práticas transversais são vistas como essenciais para criar valor sustentável.

À medida que mais organizações adotam IA, a diferença competitiva vai deixar de estar em “ter modelos” e passa a estar em “operar modelos” com confiança, ética, governança e eficiência, integrando a inteligência artificial de forma consistente nas operações e decisões do negócio.