A MagazineHM #84 apresenta a entrevista realizada a Shailendra Tomar, Diretor-Geral da Preflet, empresa parceira da HM Consultores que apoia a gestão inteligente de energia em edifícios via IA.
A empresa desenvolveu o LEO, um sistema de inteligência artificial criado para a gestão de energia em instalações comerciais e industriais. Anteriormente, Shailendra fundou outra empresa focada em cidades inteligentes (smart cities).
Com uma década de experiência em empresas da Fortune 500, como a Accenture e a Volkswagen AG, construiu uma carreira sólida como especialista em ciência de dados e cidades inteligentes, tendo liderado projetos na Europa, Ásia e América Latina.
Shailendra é mestre em Estatística e Gestão de Informação pela Universidade Nova de Lisboa. Como empreendedor, tem como objetivo contribuir para um mundo mais sustentável. Em 2025, foi nomeado Embaixador Oficial do Pacto Europeu para o Clima pela Alemanha.
Entrevista
1. A indústria está a passar de uma lógica de eficiência operacional para uma lógica de adaptação em tempo real ao contexto energético. O que está a mudar, na prática, na forma como as empresas gerem o seu consumo de energia?
A principal mudança é que a energia já não é tratada simplesmente como um custo fixo de produção que as empresas otimizam através de projetos pontuais de eficiência energética. Historicamente, as empresas substituíam equipamentos ineficientes, melhoravam o isolamento, reparavam fugas de ar comprimido ou instalavam produção renovável e, depois, mediam os resultados mensal ou anualmente. A decisão estava normalmente associada a um projeto de investimento.
Essa abordagem continua a ser importante, mas o contexto operacional tornou-se muito mais dinâmico. Desde setembro de 2025, o mercado europeu de eletricidade do dia seguinte passou a utilizar intervalos de negociação de 15 minutos. Os preços da eletricidade no mercado spot podem subir ou descer significativamente e, por vezes, tornar-se negativos, em parte devido à variação da produção de energia renovável ao longo do dia. Esta volatilidade estrutural está a alterar a economia das operações. Em 2025, os mercados europeus registaram um recorde acumulado de mais de 9.000 horas com preços negativos. Em países com uma elevada penetração de renováveis, como a Alemanha e a Espanha, o excesso de produção solar durante as horas de maior radiação, combinado com uma expansão mais lenta da capacidade de armazenamento, fez com que os preços negativos ocorressem em mais de 6% das horas do ano.
Para responder ao impacto crescente desta volatilidade na economia das operações e à instabilidade da rede, as organizações estão a avançar para uma gestão inteligente da energia, em que dados de elevada frequência e previsões de curto prazo passam a ser utilizados nas decisões operacionais, por exemplo, para carregar uma bateria, utilizar armazenamento térmico ou reduzir o consumo.
Em vez de perguntar apenas “Quanta energia consumimos?”, a questão passa a ser: “Tendo em conta o que esperamos que aconteça nas próximas horas, o que devemos fazer agora?”
É também por isso que vejo a transição energética menos como uma simples atualização de equipamentos e mais como uma evolução para a inteligência energética. A vantagem competitiva estará cada vez mais nas empresas capazes de responder a estes sinais e adaptar as suas operações, em vez de dependerem apenas de equipamentos mais eficientes.
2. A Preflet desenvolveu o LEO, uma solução de Edge AI que monitoriza, prevê e pode ajustar o consumo energético sem substituir os sistemas de controlo existentes. Que problemas das empresas é que esta tecnologia consegue resolver que hoje continuam a ser tratados de forma manual ou reativa?
Existem três problemas principais.
O primeiro é a fragmentação da monitorização. Os dados energéticos industriais estão frequentemente distribuídos por contadores, PLC, BMS, sistemas SCADA, baterias, sistemas fotovoltaicos e outras aplicações. Os dados podem existir, mas encontram-se muitas vezes em sistemas isolados, com o contexto fragmentado entre diferentes ativos. Alguém tem de reunir essa informação para conseguir perceber o que está realmente a acontecer.
O trabalho da IEA publicado em 2025 concluiu que programas estruturados de gestão de energia na indústria permitem obter, em média, poupanças superiores a 10% de energia nos primeiros três anos, sendo que um número crescente de empresas consegue atingir poupanças superiores a 30%, juntamente com melhorias significativas nos processos.
O segundo problema é a tomada de decisão reativa, ou seja, a distância entre detetar um problema e fazer alguma coisa para o resolver. Os sistemas tradicionais são muito bons a produzir dashboards, alarmes e relatórios, mas normalmente é necessário que uma pessoa intervenha depois de já ter ocorrido um pico de consumo, um desvio no equipamento, um alarme ou um evento na rede.
Com a previsão, o sistema pode identificar o que é provável que aconteça e atuar antes de o impacto ocorrer. Isso pode incluir ajustar o consumo ou aplicar estratégias previamente definidas dentro de limites de segurança estabelecidos.
O terceiro problema é a complexidade de coordenar diferentes ativos. Otimizar uma bomba de calor com uma automação de controlo fixa e de forma isolada é uma coisa. Coordenar produção renovável, armazenamento, carregamento de veículos elétricos e as necessidades operacionais do edifício é muito mais complexo.
O valor está em compreender como estes sistemas interagem, e é aqui que a IA pode ajudar. A abordagem atual da Preflet com o LEO consiste em operar estes sistemas dentro de limites definidos, com verificação de segurança, mecanismos de fail-safe e estratégias de fallback. A Preflet descreve explicitamente uma arquitetura de verificação em várias camadas e mecanismos de controlo fail-safe para ajustes realizados com recurso a IA.
Isto também cria a possibilidade de participar em mercados de resposta da procura e de flexibilidade energética.
3. Um dos desafios identificados pela Preflet é a fragmentação dos sistemas industriais e a dificuldade em transformar dados em decisões. Até que ponto a interoperabilidade e a escassez de competências especializadas continuam a ser barreiras à adoção de soluções de IA na indústria?
Continuam a ser barreiras significativas e estão directamente relacionadas.
O problema não consiste simplesmente em ligar dois sistemas. Os ambientes industriais e os edifícios incluem equipamentos de diferentes gerações e fabricantes, com diferentes protocolos, como Modbus e OPC, diferentes estruturas de dados, nomenclaturas e níveis de documentação.
Mesmo quando os dados estão tecnicamente disponíveis, são frequentemente estruturados de forma diferente de um local para outro.
Por exemplo, quando ligamos um contador e recebemos uma série temporal, isso não diz automaticamente a um sistema de IA o que aquela medição representa, a que ativo pertence, como esse ativo se relaciona com o resto da instalação ou que condições operacionais devem ser consideradas.
É necessário contexto.
Por exemplo, saber que um compressor está a consumir mais eletricidade não é suficiente. Para determinar se existe realmente um problema, o sistema precisa de compreender o seu horário de funcionamento, as condições operacionais, o seu comportamento histórico, os contadores relacionados e, potencialmente, a informação de manutenção.
É aqui que a abordagem Context Graph da Preflet se torna importante. Cria uma camada de contexto que liga os diferentes sistemas energéticos e operacionais, permitindo às aplicações de IA compreender os ativos e as relações entre eles, em vez de tratar cada ponto de dados de forma isolada.
Outro obstáculo é a falta de competências especializadas. O sector da energia está entre os mais afetados pelo envelhecimento da força de trabalho, com mais de metade dos trabalhadores a necessitar de atualização de competências, enquanto se prevê que 34% dos empregos sejam transformados pela IA.
Além disso, a gestão de energia, os sistemas de controlo industrial, OT e machine learning são áreas de especialização diferentes. As pequenas e médias organizações nem sempre têm pessoas com competências que cubram todas estas áreas.
O objetivo não deve, portanto, ser substituir as equipas existentes, mas reduzir o esforço especializado necessário para a integração, interpretação, validação e implementação. Continua a ser necessário existir uma pessoa responsável pela operação, que compreenda o ambiente e possa aprovar os limites de segurança das decisões apoiadas pela IA.
4. A volatilidade dos preços da energia e a crescente importância das renováveis e do carbono estão a tornar a gestão energética cada vez mais estratégica. Como é que esta evolução está a influenciar o interesse das empresas por soluções como a Preflet?
Os preços da energia na indústria europeia aumentaram 30% face aos níveis anteriores à crise, com os preços em Portugal a registarem uma subida ainda mais acentuada, de cerca de €0,08 para €0,15 por kWh.
Isto levou as organizações a tomar decisões estratégicas relativamente à produção renovável, baterias, contratos de energia e outros investimentos em infraestruturas.
O problema é que estes investimentos são frequentemente avaliados com base em pressupostos sobre os preços da energia, a produção renovável, a regulamentação e os incentivos que podem mudar ao longo do tempo. Quando essas condições mudam, o retorno esperado de um investimento também pode mudar.
Isso cria a necessidade de otimização contínua depois de o investimento ter sido realizado, e não apenas durante a fase de planeamento. Uma empresa precisa de responder continuamente aos sinais da rede, aos períodos de maior procura e à disponibilidade de flexibilidade.
Por exemplo, quando os preços intradiários variam significativamente, a capacidade de armazenar energia quando é economicamente vantajoso e deslocar o consumo ou utilizar o armazenamento no momento certo pode gerar um benefício económico imediato. O mesmo princípio aplica-se à produção renovável e aos processos industriais flexíveis.
Esta evolução também está a mudar a conversa com as equipas de procurement e a gestão de topo. Os projetos tornam-se mais fáceis de justificar quando o seu impacto pode ser medido de forma rigorosa em termos de custos, redução de picos de procura, redução de emissões ou emissões evitadas.
A abordagem da Preflet pretende ligar uma decisão operacional ao seu impacto energético e nas emissões, tornando esse valor mais fácil de medir e atribuir ao nível da instalação. Por isso, o interesse não está simplesmente em ter mais dados sobre energia. Está em ter um sistema capaz de atuar continuamente perante condições energéticas em mudança, sem obrigar as empresas a substituir a infraestrutura de controlo que já possuem.
5. A Preflet já apresenta casos em que a solução permitiu demonstrar poupanças de até 20% e reduzir significativamente o trabalho manual associado à gestão energética. Qual é o próximo passo para transformar estes projetos-piloto em adoção generalizada pelas empresas?
O passo seguinte é provar que a solução é replicável, e não apenas que funciona numa única instalação. Um projeto-piloto bem-sucedido numa instalação, ou numa parte da instalação com consumo flexível, pode demonstrar poupanças interessantes, mas isso não significa automaticamente que a tecnologia possa ser escalada.
A questão mais importante é perceber quanto da configuração, integração e lógica operacional pode ser transferido de uma instalação para outra sem ter de começar novamente do zero. Por isso, a replicabilidade deve ser um KPI explícito do projeto-piloto.
Esta é uma lacuna existente em todo o sector: 68% das organizações industriais continuam confinadas a provas de conceito iniciais, enquanto apenas 7% conseguiram integrar a inteligência artificial nas suas operações diárias e nos processos core.
É aqui que entram os templates de integração normalizados e o onboarding automatizado, reduzindo o trabalho de engenharia necessário em cada nova instalação. As parcerias com integradores de sistemas são também importantes, porque estes parceiros já conhecem a infraestrutura dos clientes e podem ajudar a implementar a tecnologia em várias instalações.
O outro requisito é a demonstração contínua de valor. As organizações precisam de ver resultados mensuráveis, como uma redução do trabalho manual e dos picos de procura. A Preflet já demonstra esta orientação para ambientes multi-site através do LEO, que, segundo a informação pública da empresa, apoia operações em várias instalações, detetando anomalias e coordenando recursos.
Por isso, a verdadeira transição de um projeto-piloto para uma adoção generalizada não consiste simplesmente em obter uma percentagem de poupança mais elevada. Consiste em criar um modelo de implementação em que a tecnologia possa ser integrada de forma repetida, funcionar em segurança dentro da infraestrutura existente, demonstrar valor mensurável e ser escalada para todo um portefólio de instalações.
Shailendra Tomar, Diretor-Geral
