Uma equipe pequena com mandato de toda a empresa
A Toyota Motor North America montou um time de IA corporativa de cerca de 35 pessoas que funciona como uma startup interna. Engenheiros, arquitetos, gerentes de produto e evangelizadores definem o “norte” de IA para toda a companhia, criam os padrões que cada aplicação deve seguir e constroem os produtos de maior prioridade usando Deep Agents, LangGraph e LangSmith, da LangChain.
O mandato é claro: cada projeto precisa comprovar um retorno anual na casa de seis a sete dígitos (em dólares). “Passamos pela dor de construir tudo do zero. Experimentamos muito sofrimento tentando fazer nossas próprias soluções, e isso custa muito trabalho e muito tempo de engenharia”, afirmou Kordel France, diretor de Engenharia de IA da Toyota na América do Norte.
De 6 meses e 6 engenheiros para 4 dias e 1 engenheiro
No centro da estratégia está o ToyotaGPT, plataforma interna com uma biblioteca crescente de agentes específicos por domínio. Funcionários de diferentes áreas — manufatura, cadeia de suprimentos, serviços financeiros, concessionárias e P&D — usam o ToyotaGPT para obter respostas baseadas nos dados internos da empresa, com acesso controlado por permissão: se um funcionário não tem acesso a um conjunto de dados no SharePoint, o agente não o expõe.
A plataforma já tem mais de 50 agentes em produção. Antes da infraestrutura atual, lançar um novo agente levava 6 meses e exigia 6 engenheiros. Hoje, o processo leva 4 dias e 1 engenheiro. Em vez de embutir o conhecimento da Toyota dentro de cada agente, o time construiu uma biblioteca de habilidades reutilizáveis — cobrindo manufatura, suprimentos, P&D e marca — que são injetadas nos Deep Agents em tempo de execução.
GearPal e a linha de produção
Um dos casos mais concretos é o GearPal, que dá a qualquer técnico uma interface em linguagem natural para diagnosticar problemas em robôs e ativos da linha de montagem. Um técnico pergunta por que uma máquina quebrou e como consertá-la, e o GearPal traz diagnósticos, histórico de serviços e orientações de reparo. O que antes levava de 5 a 6 horas de diagnóstico agora se resolve em 2 a 3 minutos — algo relevante quando cada minuto de parada não planejada pode custar centenas de milhares de dólares.
O GearPal também ajuda a transferir conhecimento entre gerações de funcionários, codificando a experiência de técnicos veteranos que estão se aposentando. No P&D, o agente R&D GPT comprimiu prazos de pesquisa de cerca de 3 anos para 1 ano, permitindo consultar um vasto acervo de materiais técnicos da Toyota.
LangSmith como painel de controle
France compara o LangSmith ao quadro Andon — princípio clássico da Toyota que dá visibilidade em tempo real sobre o que está funcionando e o que falhou na fábrica. “O LangSmith nos dá a capacidade de monitorar todos os nossos agentes, entender o que está funcionando, o que não está, quais chamadas de ferramenta falharam e quais recursos os usuários estão adotando”, explicou. Para ele, a observabilidade é o “maior ativo de todo o ecossistema LangChain” para a Toyota.
A expectativa é atingir economias de sete a oito dígitos nos próximos anos, conforme o portfólio amadurece. A história da Toyota funciona como um estudo de caso valioso para empresas brasileiras que querem levar IA para a operação: o segredo não está em um modelo milagroso, mas em plataforma, habilidades reutilizáveis e observabilidade para medir o retorno real.
Descubra mais sobre noticiAI
Assine para receber nossas notícias mais recentes por e-mail.
