89% dos robôs industriais ainda estão engaiolados e a inteligência artificial não é a solução
Durante décadas, a imagem do robô industrial foi sempre a mesma: uma máquina de braços metálicos, potente e veloz, trancada atrás de uma gaiola de aço enquanto os humanos observavam de fora. Essa imagem não é metáfora de atraso. É uma decisão de engenharia que persiste porque os sistemas de segurança disponíveis não conseguiram sustentar outra coisa.
A Federação Internacional de Robótica reporta que aproximadamente 89% dos robôs industriais continuam operando dentro de gaiolas físicas. O mercado de robôs colaborativos — aqueles que, em teoria, deveriam trabalhar ao lado de pessoas sem barreiras — encerrou 2025 em 2,9 bilhões de dólares e a projeção é de 17,2 bilhões para 2033. Esses números contam uma história de adoção acelerada. O que não dizem é que a maioria desses robôs "colaborativos" continua operando com restrições de espaço e supervisão equivalentes às dos seus predecessores engaiolados.
O gargalo não está na inteligência das máquinas. Está na capacidade de demonstrar a um regulador, a uma seguradora e a um operário que o robô não vai falhar de uma maneira que ninguém antecipou.
Knut Sandven, CEO da Sonair Robotics, coloca o ponto com precisão cirúrgica: os sensores a laser padrão utilizados hoje como base de segurança em ambientes industriais foram projetados para um mundo estático, com condições de luz controladas e materiais previsíveis. Eles monitoram um plano horizontal na altura das canelas. Se um trabalhador se abaixa para pegar uma ferramenta ou estende o braço acima dessa linha invisível, o sensor simplesmente não o detecta.
Isso não é um bug menor. É a razão estrutural pela qual a gaiola continua de pé.
A ilusão do robô que já sabe
A narrativa dominante no setor de automação industrial nos últimos quatro anos tem sido, com pequenas variações, sempre a mesma: mais câmeras, melhor visão computacional, modelos de percepção mais sofisticados. Se o sistema consegue "ver" bem, pode agir bem. E se age bem, é seguro.
O problema com essa lógica é que ela confunde capacidade perceptual com garantia formal. Os sistemas de inteligência artificial operam sobre modelos probabilísticos. Calculam a resposta mais provável a um estímulo dado. Na maioria dos contextos industriais — classificação de peças, otimização de trajetórias, manutenção preditiva — isso é completamente suficiente. Um modelo que acerta 99,7% das vezes é extraordinariamente útil.
Mas em segurança física, os 0,3% restantes têm nome e sobrenome. Têm consequências legais, trabalhistas e reputacionais que nenhum diretor de operações quer enfrentar. E têm uma arquitetura regulatória — normas como ISO 10218 e ISO/TS 15066 — que exige algo qualitativamente diferente de "muito provável": exige determinismo verificável.
Um sistema de segurança certificado não é aquele que quase sempre detecta uma pessoa. É aquele em que a física do mecanismo de detecção permite delimitar matematicamente o pior tempo de resposta possível e demonstrar que esse tempo é inferior ao limiar que causa dano. As ondas de som viajam a uma velocidade conhecida. Refletem de maneira previsível. Isso torna possível um cálculo de garantia que nenhum modelo de visão baseado em aprendizado de máquina pode oferecer hoje com a mesma rastreabilidade.
Sandven aponta diretamente: "Muito confiável" e "provado" não são a mesma coisa. A indústria está aprendendo essa lição em tempo real, com diferentes graus de exposição dependendo de quanto assumiu que uma equivalia à outra.
O que certifica um volume e não um plano
A Sonair construiu sua proposta de valor sobre uma distinção técnica que parece menor até ser examinada em operação. Seus sensores ultrassônicos ADAR — Detecção Acústica e Alcance, na sigla em inglês — monitoram o espaço de trabalho de um robô em três dimensões, não em um corte bidimensional ao nível do chão.
A diferença não é cosmética. Um sistema 2D desenha uma linha invisível no chão. Quem a cruza para a máquina. Um sistema 3D define um volume ao redor do robô: acima, abaixo, nas laterais, na diagonal. Detecta presença humana em qualquer ponto desse espaço, independentemente da postura ou da altura do trabalhador.
A empresa acaba de anunciar a primeira certificação independente de segurança para um sensor ultrassônico 3D desse tipo. Isso não é apenas um marco de engenharia. É uma mudança na linguagem que permite ter uma conversa diferente com o cliente industrial. Não se trata mais de convencer alguém de que a tecnologia "funciona bem". Trata-se de apresentar um documento assinado por um organismo de certificação que atesta que o sistema cumpre os níveis de integridade de segurança exigidos.
Para entender por que isso importa do ponto de vista do comprador: uma planta que quer eliminar sua gaiola física precisa substituí-la por algo que tenha o mesmo peso legal diante de uma auditoria de segurança do trabalho. Até agora, esse algo não existia em 3D. A gaiola continuava sendo a única opção com respaldo normativo sólido.
Com uma certificação 3D independente em mãos, o argumento para manter a gaiola se torna consideravelmente mais difícil de sustentar. E os metros quadrados de planta que essa gaiola ocupa, o fluxo de trabalho que fragmenta, o custo de instalação e manutenção que gera — todos esses fatores passam de externalidades aceitas a ineficiências injustificadas.
O poder está no momento do design, não na implantação
Sandven aponta algo que merece atenção além do argumento técnico: a maioria dos fabricantes de robôs começa a pensar em segurança tarde demais. A segurança é tratada como uma camada que se adiciona no final, quando o sistema já está definido. E quando se adiciona no final, as opções disponíveis são limitadas, caras ou ambas.
Do ponto de vista da arquitetura de sistemas, isso não é apenas um erro de processo. É um sinal sobre quem está na sala quando as decisões de design são tomadas.
Se a equipe que constrói o robô é composta por engenheiros de movimento, especialistas em percepção e desenvolvedores de software, a conversa vai orbitar naturalmente em torno do que o robô pode fazer. A segurança chega depois, quando alguém da equipe de conformidade ou do departamento jurídico levanta a mão para perguntar se o sistema passa pelas normas do mercado de destino.
Essa sequência tem consequências previsíveis: a segurança fica codificada nas limitações do produto, não em sua arquitetura. O robô acaba sendo capaz de fazer coisas que não consegue demonstrar de maneira certificada que faz com segurança. E essa lacuna é exatamente o gargalo que mantém 89% dos robôs industriais atrás de suas gaiolas.
A solução que a Sonair propõe — uma camada de segurança 3D certificada, separada do cérebro de inteligência artificial do robô e construída sobre princípios físicos deterministas — não é apenas uma resposta de engenharia. É uma resposta de arquitetura. Ela afirma que a segurança não pode depender da qualidade do modelo de IA porque os modelos de IA podem falhar, ser atualizados, se degradar ou se comportar de maneira inesperada diante de distribuições de dados que não viram durante o treinamento.
Um sistema de segurança que falha quando o modelo de IA falha não é um sistema de segurança. É uma ilusão de segurança com boa documentação de marketing.
A confiança não se delega ao algoritmo
O mercado de automação colaborativa há anos descreve sua expansão com um argumento implícito: à medida que os robôs se tornam mais inteligentes, a confiança neles cresce de maneira natural. Essa premissa merece um escrutínio sério.
A confiança em sistemas de alta consequência — e a operação de maquinário pesado ao lado de pessoas é, sem dúvida, um sistema de alta consequência — não se constrói demonstrando que o sistema falha pouco. Constrói-se demonstrando que, quando falha, o faz de maneiras que já estavam previstas, delimitadas e controladas. Essa é a diferença entre um avião moderno e um automóvel autônomo: não na frequência de falhas, mas na arquitetura de contenção dessas falhas.
A Sonair está apostando que o mercado industrial está pronto para fazer essa distinção. Os seis milhões de dólares que a empresa captou para acelerar sua implantação sugerem que há investidores que compartilham essa leitura. A certificação independente que acabou de obter é o ativo mais valioso dessa aposta: não porque resolva todos os problemas de segurança em robótica colaborativa, mas porque estabelece uma linguagem verificável onde antes havia apenas confiança implícita.
Quando 89% dos robôs industriais continuam engaiolados apesar de décadas de promessas sobre colaboração humano-máquina, o diagnóstico mais honesto aponta para uma lacuna de arquitetura, não de inteligência. Os robôs não estão em suas gaiolas porque sejam perigosos por natureza. Estão lá porque o arcabouço de verificação formal que permite retirá-los nunca teve as dimensões adequadas para descrever o espaço onde humanos e máquinas compartilham o trabalho. Essa é a fissura estrutural que uma certificação 3D começa, pela primeira vez, a fechar.
