Enquanto o setor debate o mais recente modelo de IA generativa, as principais companhias aéreas estão a concentrar-se num desafio mais discreto, mas muito mais consequente: a logística de dados. Na aviação, as perturbações operacionais podem custar milhares de dólares por minuto e, em muitos casos, a causa principal não é a falta de inteligência, mas sim uma falha na forma como os dados são geridos. Neste cenário, a diferença entre a criação constante de valor e a falha do sistema residirá numa arquitetura capaz de mover, gerir e ativar de forma fiável grandes volumes de dados distribuídos, transformando informação fragmentada em decisões operacionais em tempo real.
Antes da IA, há os dados
Uma questão recorrente nas equipas de engenharia de dados é: Qual será a tecnologia mais impactante até 2026?
Na aviação, a resposta é cada vez mais clara: Engenharia de Dados Híbrida. Não existe uma nuvem verdadeiramente «sempre ativa» neste setor. As aeronaves, as equipas de manutenção e as operações em terra funcionam na periferia, muitas vezes sob conectividade intermitente via satélite ou 3G. Antes que a IA possa gerar valor, é essencial compreender a anatomia dos próprios dados.
Em todo o setor, muitas decisões em tempo real são adiadas e oportunidades perdidas, não porque os modelos de IA careçam de sofisticação, mas porque a cadeia de abastecimento de dados falha. Só em 2025, estas ineficiências custaram à indústria aérea pelo menos 11 mil milhões de dólares, mesmo com a procura de passageiros a continuar a crescer.
Na Globant, abordamos este desafio através de uma estratégia que se concentra em três camadas críticas, mas muitas vezes invisíveis:
1. Ingestão Inteligente: A Realidade da Periferia
Nem todos os dados podem, ou devem, ser enviados para a nuvem. Para as companhias aéreas, isto não é apenas uma limitação técnica, mas uma condição estrutural. À medida que a adoção da computação de ponta acelera, com gastos globais a ultrapassarem os 265 mil milhões de dólares em 2025, as empresas estão a migrar para sistemas distribuídos capazes de tomar decisões em tempo real, aproximando a computação do local onde os dados são gerados.
No entanto, a largura de banda e a latência continuam a ser gargalos críticos: transmitir telemetria bruta ou fluxos de vídeo contínuos de sensores de aeronaves ou aeroportos para servidores centralizados é impraticável em grande escala. A ingestão na periferia resolve isto aplicando compressão, filtragem e deduplicação diretamente na fonte. Em vez de transmitir cada byte capturado, os sistemas priorizam e enviam apenas o que é operacionalmente relevante.
Quer se trate de telemetria de motores ou de fluxos de visão computacional em aeroportos, os dados são refinados antes de serem transferidos. O resultado é uma maior resiliência em ambientes com restrições e um tempo de decisão significativamente mais rápido.
2. A base da confiança: a conformidade em primeiro lugar
A aviação opera sob restrições regulamentares rigorosas. Manuais proprietários de aeronaves, informações pessoais identificáveis (PII) de passageiros e dados financeiros não podem ser introduzidos em sistemas de IA não controlados ou camadas de inferência públicas. O risco de uma governança fraca está bem documentado: 63% das organizações que sofreram violações relacionadas com IA careciam de estruturas formais de governança, enquanto 97% dos incidentes estavam ligados à falta de controlos de acesso.
Isto torna a governança de dados inegociável. Os dados sensíveis devem ser isolados por meio de encriptação, controlos de acesso e arquiteturas auditáveis, enquanto os «dados obscuros» não estruturados — documentos jurídicos, manuais técnicos e contratos — são transformados em ativos governados e rastreáveis.
Neste contexto, a governança não se resume apenas à conformidade: é um pré-requisito para uma IA fiável. Sem ela, os sistemas permanecem vulneráveis a alucinações, propagação de preconceitos e exposição regulatória. Com ela, as organizações podem operacionalizar dados em escala de forma segura, mantendo a confiança e a auditabilidade.
3. A IA só funciona quando o sistema funciona
Só quando a ingestão e a governança estão implementadas é que a IA começa a gerar valor. Aqui, a IA não é implementada por novidade, mas aplicada onde existe atrito operacional e as decisões oportunas são mais importantes.
Para as companhias aéreas, isto significa frequentemente incorporar inteligência diretamente em fluxos de trabalho críticos. Por exemplo, nas operações de manutenção, os sistemas impulsionados pela IA já estão a reduzir o tempo de inatividade não planeado em até 25–30% e a permitir a deteção mais precoce de potenciais falhas, mudando as operações de reativas para preditivas.
Padrões semelhantes estendem-se pelos domínios operacionais e de tomada de decisões. Os modelos de aprendizagem automática ajudam a identificar sinais de risco mais cedo e apoiam decisões mais consistentes e baseadas em dados à escala.
O valor destes sistemas não provém dos próprios modelos; provém da sua capacidade de operar com dados transparentes e bem geridos. Quando integrada de forma eficaz, a IA passa de uma experiência isolada para um componente central da execução operacional, onde a inteligência é o resultado de um sistema que funciona.
O Futuro é a Orquestração
O sucesso não será medido pelo número de modelos que uma companhia aérea implementa, mas pela rapidez com que esses modelos se traduzem em valor operacional. Passar de meses para dias na implementação de produtos de dados requer camadas de orquestração que possam operar em ambientes distribuídos, permitindo flexibilidade sem comprometer os sistemas legados.
Neste contexto, a orquestração não é apenas uma capacidade técnica; é o que liga os dados, a governança e a inteligência num sistema funcional. Um forte desempenho em termos de pontualidade ou uma utilização eficiente das aeronaves raramente é o resultado de uma única decisão. É o resultado de muitas decisões interligadas e orientadas por dados que operam em sequência, cada uma dependente da fiabilidade do sistema por trás dela. Cada uma apoiada pela supervisão de especialistas humanos.
Da próxima vez que vir um avião a partir dentro do horário, pense no que torna isso possível: um sistema de dados invisível, seguro e em funcionamento contínuo, a apoiar essas decisões em tempo real.
No Airlines Studio da Globant, estabelecemos parcerias com companhias aéreas líderes para conceber e escalar os sistemas subjacentes a estas decisões, desde arquiteturas de dados de ponta até à governança de IA e plataformas operacionais em tempo real. Se estes desafios lhe dizem algo, vamos continuar a conversa.
