Um modelo de inteligência artificial pode saber, em termos gerais, como uma turbina funciona.

Mas isso não significa que ele conheça aquela turbina.

Ele não sabe necessariamente quando foi instalada, qual configuração possui, quais peças foram substituídas, como foi projetada, que manutenção recebeu, quais sensores estão conectados ou se a temperatura registrada hoje está dentro do comportamento normal daquele equipamento.

É essa diferença que ajuda a explicar por que a Schneider Electric decidiu realizar a maior aquisição de sua história.

Em 5 de outubro, o grupo anunciou um acordo para comprar a americana PTC por US$ 22,6 bilhões em valor patrimonial, ou cerca de US$ 23,7 bilhões em enterprise value.

A manchete é uma aquisição bilionária.

A história maior é outra:

Ele precisa entender o sistema no qual está agindo.

Grande parte da corrida recente por inteligência artificial ficou concentrada nas camadas mais visíveis da infraestrutura:

chips

compute

data centers

energia

e modelos.

Todas continuam fundamentais.

Mas, quando a IA sai de uma interface de conversa e entra numa fábrica, surge outro problema.

Ela precisa conectar sua capacidade de raciocínio a uma realidade específica.

Uma IA pode conhecer os princípios gerais de manutenção industrial.

Mas, para recomendar uma intervenção numa máquina real, precisa saber:

qual máquina é aquela

como foi projetada

qual configuração possui

quais componentes utiliza

qual é seu histórico

como está operando agora

e qual função desempenha dentro do processo maior.

Esse conjunto de informações fornece algo essencial:

E contexto pode ser a ponte entre um modelo genericamente inteligente e uma IA capaz de tomar decisões úteis dentro de um sistema industrial.

Essa distinção é importante.

A PTC possui softwares como Creo, Windchill, Codebeamer, ServiceMax, Servigistics e Arena, usados em diferentes partes do ciclo de vida de produtos.

Eles ajudam empresas a registrar:

como um produto foi projetado

quais componentes possui

qual versão está correta

como foi alterado

qual software embarcado utiliza

como deve ser mantido

e como evolui ao longo do tempo.

Em outras palavras, a PTC ocupa partes importantes da camada de engenharia e ciclo de vida do produto.

Ela não deve ser confundida com uma empresa que simplesmente coleta todos os dados operacionais e de sensores de uma fábrica.

Em março de 2026, inclusive, a PTC concluiu a venda de ThingWorx, sua plataforma de IoT, e Kepware, voltada à conectividade industrial.

O foco ficou ainda mais concentrado no que a companhia chama de Intelligent Product Lifecycle.

Isso deixa a estratégia da Schneider mais interessante.

Ela não está simplesmente comprando mais uma plataforma de dados.

Está tentando adicionar uma nova parte ao quebra-cabeça.

Poucos meses antes do acordo com a PTC, a Schneider anunciou um acordo para adquirir a Cognite por US$ 3,1 bilhões.

A operação ainda estava pendente de conclusão na data desta publicação.

A Cognite trabalha justamente com contextualização de dados industriais.

Ao mesmo tempo, a Schneider já possui uma presença profunda em:

automação

energia

processos industriais

e, por meio da AVEVA, software industrial e dados operacionais.

A arquitetura que a Schneider está tentando montar cria duas grandes camadas.

De um lado:

Como o produto ou equipamento deveria ser.

A PTC ajuda a registrar:

projeto

configuração

componentes

versões

software

histórico de produto

serviço.

Do outro:

O que está acontecendo com aquele sistema agora.

Schneider e AVEVA — somadas à Cognite caso a aquisição anunciada seja concluída — lidam com elementos como:

máquinas

processos

energia

operações

ativos

desempenho

e dados industriais contextualizados.

A aposta é conectar os dois mundos:

com

É nesse espaço que a IA pode ganhar contexto suficiente para agir de maneira muito mais específica.

Na indústria, existe um conceito útil para entender essa conexão: digital thread.

A ideia é criar um fio de informação que acompanha o ativo ao longo de seu ciclo de vida.

Projeto.

Produção.

Configuração.

Operação.

Manutenção.

Atualizações.

Desempenho.

Quanto mais essas informações conseguem se conectar, maior a possibilidade de uma aplicação de IA compreender não apenas o tipo de máquina, mas a identidade digital daquele ativo específico.

Outro conceito importante é o de system of record.

É o sistema onde uma empresa mantém o registro confiável de algo essencial.

Por exemplo:

qual é a versão correta de um produto?

quais componentes fazem parte dele?

quais mudanças foram aprovadas?

qual configuração está em uso?

Um agente de IA pode raciocinar sobre essas informações.

Mas primeiro precisa saber:

Esse é um problema menos glamouroso que treinar um novo modelo.

Mas pode ser decisivo para transformar IA em aplicação industrial confiável.

Pesquisas do NIST sobre IA e manufatura apontam justamente para desafios como qualidade de dados, integração de sistemas heterogêneos, interoperabilidade, digital twins, gestão de dados e confiabilidade.

Ou seja:

a necessidade de contexto industrial não nasceu com a narrativa comercial da Schneider.

É um problema técnico real.

Aqui está a principal limitação da tese.

É fácil transformar a história em:

quem possui os dados vencerá a corrida da IA industrial.

A evidência não permite afirmar isso.

Dados podem ser estratégicos.

Mas vantagem competitiva depende também de:

qualidade

interoperabilidade

governança

segurança

permissões

portabilidade

capacidade do modelo

integração com workflows

facilidade de implantação

custo

e confiança do cliente.

Dados mal organizados podem ser pouco úteis.

Sistemas fechados demais podem perder espaço para padrões interoperáveis.

E modelos melhores podem reduzir parte da vantagem de algumas ferramentas existentes.

Por isso:

Empresas profundamente integradas aos workflows industriais podem ocupar posições privilegiadas.

Mas ainda precisam transformar essa posição em produto, adoção e retorno econômico.

A lógica industrial da aquisição pode fazer sentido.

Isso não significa que o preço pago seja bom.

A Schneider ofereceu US$ 205 por ação, um prêmio de aproximadamente 42,3% sobre o último fechamento anterior ao anúncio.

Segundo a documentação da transação, isso representa aproximadamente:

21 vezes EV/EBITA ajustado estimado para 2027, antes das sinergias;

e perto de

13 vezes, considerando as sinergias em regime pleno.

A empresa projeta cerca de:

€250 milhões anuais em sinergias de custos

e

€800 milhões em sinergias de receita.

Mas essas são projeções.

Ainda precisam acontecer.

A própria Schneider espera que o retorno sobre o capital empregado da transação supere seu custo médio ponderado de capital até o quinto ano após o fechamento, considerando as sinergias completas.

Essa é uma informação importante.

Mostra que até a própria tese financeira da companhia depende de:

tempo

integração

execução

e realização das sinergias.

A operação também aumenta o desafio financeiro.

Embora os acionistas da PTC devam receber dinheiro, a Schneider pretende financiar o desembolso com aproximadamente:

€5–6 bilhões em nova emissão de ações

e

€16–17 bilhões em nova dívida.

Isso significa:

diluição

maior alavancagem

custo financeiro

e mais pressão para que as sinergias realmente apareçam.

As ações da Schneider caíram fortemente após o anúncio.

Essa reação não prova que investidores considerem a estratégia industrial errada.

Mas mostra cautela com a combinação de:

preço elevado

financiamento

integração

e risco de execução.

É uma distinção fundamental em M&A:

Uma empresa pode comprar exatamente o ativo que precisa.

E ainda assim destruir valor se pagar caro demais por ele.

Existe ainda outro paradoxo.

A Schneider está apostando que IA tornará dados industriais e systems of record mais valiosos.

Mas os mesmos modelos podem alterar a economia do software empresarial.

Ferramentas de IA podem mudar interfaces, automatizar funções e reduzir parte da diferenciação de determinadas aplicações tradicionais.

Isso não significa que systems of record desaparecerão.

Ainda não existe base para uma conclusão tão forte.

Mas cria uma tensão interessante:

A Schneider, portanto, não está apenas fazendo uma aposta em IA.

Também está tentando definir qual posição ocupar numa arquitetura de software industrial que a própria IA pode transformar.

A corrida pela IA não deixou de ser sobre chips.

Nem deixou de ser sobre compute, energia ou modelos.

O que está acontecendo é que, à medida que modelos se tornam mais capazes, outra pergunta ganha importância:

a que realidade esses modelos estão conectados?

Em ambientes industriais, essa realidade é formada por milhares de máquinas, produtos, componentes, sensores, versões, processos e anos de histórico.

Conhecer genericamente como uma turbina funciona é uma coisa.

Saber:

qual turbina é esta

como foi projetada

qual configuração possui

como está operando

e o que aconteceu com ela ao longo da vida

é outra.

É essa diferença que transforma informação em contexto.

E contexto em capacidade de agir.

Por isso, uma das batalhas mais importantes da IA industrial pode acontecer numa camada menos visível que chips ou modelos:

FONTES