알림 목록

Área de Análise:  Cidade Metropolitana de Ulsan

Áreas principais:  Buk-gu, Dong-gu, Nam-gu, Ulju-gun

Agenda: Preparação para a Automação de Compras (AX), Difusão e Diferenças de Lucro entre Grandes Corporações e Fornecedores Locais

Tipo de Tempo Ideal: Risco de Polarização AX na Cadeia de Suprimentos

Data de referência: 28/08/2026

Versão: Regional AX Golden Time Intelligence v3.2
 

A Hyundai Motor está expandindo suas fábricas definidas por software, que combinam IA, robôs e gêmeos digitais, enquanto a HD Hyundai busca a implementação do FOS (Futures Operations System - Sistema Operacional de Fábrica) com o objetivo de aumentar a produtividade do estaleiro em 30% e reduzir os prazos de construção em 30% até 2030. Embora a unidade de competição na indústria manufatureira de Ulsan tenha mudado de instalações individuais para um sistema operacional de dados e IA para toda a fábrica, as taxas de adoção de IA e os níveis de conectividade de dados de processo dos fornecedores não são divulgados em nível regional. Se os padrões de entrega dos principais contratantes mudarem para dados de qualidade, emissões de carbono e prazos de entrega em tempo real entre 2026 e 2028, os fornecedores incapazes de se adaptar abandonarão as relações comerciais, independentemente de sua capacidade de produção.  A lacuna de AX (Aircraft and Exchange - Sistema Operacional de Fábrica) em Ulsan ultrapassou a fase tecnológica e entrou em um estágio em que determina a sobrevivência da cadeia de suprimentos.

O governo expandiu o orçamento para a Manufatura Autônoma Inteligente (AX) Industrial de 565,1 bilhões de won em 2025 para 1,1347 trilhão de won, e também aumentou o orçamento para Fábricas de IA de 158,2 bilhões de won para 220 bilhões de won. Embora o foco da política de manufatura tenha mudado da implantação de fábricas inteligentes para a expansão da IA ​​na manufatura autônoma, havia apenas 26 fábricas de IA para manufatura autônoma em todo o país em 2024. Se a implantação continuar centrada em empresas líderes nos próximos dois a três anos, persistirá uma lacuna entre a expansão do orçamento e a adoção efetiva por empresas parceiras locais.  Embora o investimento nacional em AX tenha acelerado, a expansão in loco nas empresas parceiras ainda está em seus estágios iniciais.

Em sua Estratégia de IA para Manufatura 2025, o Ministério das PMEs e Startups apresentou a meta de estabelecer 12.000 fábricas inteligentes centradas em IA para alcançar uma taxa de adoção de IA de 10% entre pequenas e médias empresas do setor manufatureiro. O próprio objetivo da política revela o baixo nível atual de utilização de IA no setor manufatureiro, e a taxa de adoção calculada separadamente para empresas parceiras sediadas em Ulsan não foi verificada. Se o número de empresas que adotarem IA permanecer minoritário mesmo entre 2026 e 2028, a lacuna entre a velocidade de transição para IA dos principais contratantes e a velocidade média de transição da cadeia de suprimentos aumentará ainda mais. Consequentemente, a adoção de IA no  setor manufatureiro é avaliada como estando no estágio inicial de difusão, e não no estágio de adoção em massa.

Grandes corporações possuem dados proprietários e pessoal de IA que conectam design, compras, produção, logística, produtos e gestão. Embora as empresas parceiras troquem informações sobre pedidos e qualidade por meio do sistema da contratante principal, seu nível de armazenamento, análise e operação de modelos de dados independentes não é divulgado. Se a IA da contratante principal for aplicada à seleção de parceiros e à avaliação de preço unitário/entrega dentro de dois a três anos, as empresas sem capacidade de produção de dados serão submetidas à avaliação, mas serão impedidas de acessar os modelos de avaliação.  É altamente provável que as grandes corporações atuem como operadoras do AX, enquanto a maioria das empresas parceiras permanecerá meramente como fornecedora de dados do AX.

A produção automotiva, naval e petroquímica de Ulsan opera sob uma estrutura onde grandes fábricas conglomeradas e subcontratadas em vários níveis compartilham processos, entregas, manutenção e logística. Embora a competitividade dos produtos acabados dependa dos prazos de entrega e da qualidade de toda a cadeia de suprimentos, o investimento em IA é inicialmente impulsionado pelas principais contratadas, onde capital, dados e mão de obra estão concentrados. Os níveis de AX em cada etapa da subcontratação e a localização das empresas gargalo não são divulgados. Se as redes de subcontratadas de níveis inferiores não estiverem conectadas até 2028, o crescimento da produtividade interna dentro dos grandes conglomerados será limitado pela volatilidade das compras externas.  A unidade real de AX da manufatura de Ulsan não é a grande fábrica conglomerada, mas sim a cadeia de suprimentos de vários níveis, e a unidade de medida atual é mais restrita do que isso.

A receita das empresas parceiras está vinculada a mudanças no volume de produção, tipos de veículos, tipos de navios e planos de manutenção do contratante principal. Não há evidências públicas sobre como os ganhos de produtividade gerados pelos investimentos em AX são distribuídos às empresas parceiras — seja por meio de preço unitário, volume ou contratos de longo prazo. Se os lucros se concentrarem no contratante principal por dois a três anos, enquanto os custos de investimento forem arcados pelas empresas parceiras, o risco de não recuperação do investimento aumenta para as empresas em transição para o AX.  A lacuna do AX em Ulsan pode se ampliar devido à estrutura de distribuição dos ganhos de produtividade, e não à propriedade da tecnologia.

A Hyundai Motor está integrando instalações de produção, robôs de logística, inspeção de qualidade e gêmeos digitais, além de expandir seus sistemas de produção de veículos autônomos e eletrificados. Embora a competição automotiva tenha se deslocado da qualidade da montagem para a integração de software, baterias e dados de controle eletrônico, as vendas de software e as taxas de conversão para eletrificação dos fornecedores regionais de peças para motores de combustão interna permanecem incertas. Se a configuração das peças para os novos modelos for definida entre 2026 e 2028, as oportunidades de transição para os fornecedores de peças existentes serão adiadas até a próxima plataforma.  A fase AX (Tecnologia Avançada Automotiva) para veículos acabados está em um estágio de aceleração, enquanto a fase AX (Tecnologia Avançada Automotiva) para a cadeia de suprimentos de peças existente é um estágio em que a sobrevivência de empresas individuais está em jogo.

Os veículos elétricos e os veículos autônomos são acompanhados por uma redução no número de peças e um aumento na proporção de componentes eletrônicos e de software. Embora a demanda por peças mecânicas fornecidas por parceiros existentes esteja diminuindo e os padrões para envio de dados, rastreabilidade e segurança cibernética tenham aumentado, não existe um indicador integrado para avaliar a prontidão dos fornecedores de peças de Ulsan. Se a redução no número de peças coincidir com os custos da certificação digital dentro de dois a três anos, tanto a receita quanto a capacidade de investimento diminuirão, começando pelas microempresas.  A lacuna para os fornecedores automotivos abrange não apenas a automação da fábrica, mas também o risco de os próprios itens fornecidos se tornarem obsoletos.

A HD Hyundai está promovendo o FOS (Futures Operations System), que inclui design com IA (Inteligência Artificial), gêmeos digitais, robôs e agentes artesãos especializados. Embora a produção naval tenha passado da coordenação no local por trabalhadores qualificados para a previsão baseada em dados e operação autônoma, não há histórico comprovado de operações independentes de IA por subcontratados em blocos, tubulações, soldagem e pintura. Se apenas os processos do contratante principal forem inteligenteizados até 2028, as variações de qualidade resultantes do trabalho manual dos subcontratados continuarão sendo um gargalo no período total de construção.  Os portfólios de IA (Inteligência Artificial) das principais empresas de construção naval são abrangentes, enquanto a IA das redes de cooperação regionais é parcialmente conectada.

A indústria naval está complementando sua força de trabalho produtiva por meio da expansão da mão de obra estrangeira e do treinamento local. Embora a estrutura da força de trabalho tenha se transformado em equipes multinacionais, a porcentagem de subcontratadas que operam com padrões de trabalho, vídeos e dados de qualidade em um sistema digital multilíngue permanece incerta. Se a saída de trabalhadores qualificados coincidir com a rotatividade da força de trabalho ao longo de um período de dois a três anos, os riscos relacionados a retrabalho, segurança e prazos de entrega aumentam, em primeiro lugar, para as empresas que não possuem uma base de conhecimento digital.  A lacuna de AX (Automação, Experiência e Qualidade) entre as subcontratadas da construção naval resulta da combinação da escassez de mão de obra e da dificuldade em replicar habilidades.

Grandes empresas petroquímicas em Ulsan operam há muito tempo sistemas de controle distribuído, otimização de processos e tecnologias de manutenção preditiva. Embora o Process AX tenha avançado para um estágio que integra rendimento, energia e manutenção, o escopo da conectividade de dados para subcontratados envolvidos em manutenção, inspeção, logística e gestão ambiental permanece desconhecido. À medida que as reduções de instalações e a reestruturação dos negócios prosseguirem entre 2026 e 2028, os subcontratados dependentes do sistema do contratante principal enfrentarão simultaneamente uma redução na base de clientes e a incapacidade de recuperar seus investimentos em AX. A lacuna para os subcontratados petroquímicos não reside na adoção da tecnologia, mas na falta de visibilidade dos dados referentes à reestruturação do contratante principal.

Os padrões competitivos para produtos químicos expandiram-se, passando de preço e qualidade para incluir pegadas de carbono e rastreabilidade de matérias-primas. Embora grandes corporações tenham capacidade para coletar informações sobre carbono em nível de produto, a verificação de toda a cadeia de suprimentos não pode ser concluída sem a integração de dados de emissões de empresas de transporte, manutenção e tratamento de resíduos. Se os padrões de verificação do cliente forem reforçados dentro de dois a três anos, os fornecedores sem dados serão classificados como riscos na cadeia de suprimentos, independentemente de suas emissões reais.  A lacuna de dados de carbono está se transformando de uma questão de avaliação ambiental em uma disparidade na qualificação para negociações comerciais.

O projeto de implantação de fábricas inteligentes expandiu a gestão da produção, a conectividade de equipamentos e a coleta de dados de qualidade para pequenas e médias empresas manufatureiras. No entanto, a IA na manufatura pressupõe a qualidade dos dados coletados, períodos de acumulação e padronização de processos, e a previsão autônoma não pode ser formada apenas por meio da conectividade de equipamentos. A taxa de utilização real das fábricas inteligentes de Ulsan e a taxa de operação do modelo de IA não são separadas nos dados disponíveis publicamente. Se a digitalização básica e as operações de IA forem consideradas como uma única conquista para o período de 2026 a 2028, a lacuna entre os dois campos desaparece das estatísticas.  Os registros de implementação de fábricas inteligentes comprovam a preparação para a IA, mas não comprovam sua operação efetiva.

O Ministério das Pequenas e Médias Empresas (PMEs) e Startups propôs uma taxa de utilização de fábricas inteligentes de 85% e a expansão de fábricas inteligentes com IA para o Projeto de Inovação em Manufatura Inteligente de 2026. Embora os padrões políticos tenham mudado do número de implementações para taxas de utilização e desempenho da IA, os problemas com sistemas não operacionais, perda de dados e dependência da manutenção por parte dos fornecedores para as empresas de Ulsan permanecem sem solução. Se a utilização do sistema permanecer baixa por dois ou três anos, investimentos adicionais em IA amplificarão os erros nos dados existentes.  Para a AX, empresa parceira de Ulsan, a principal lacuna reside no nível real de utilização da fábrica inteligente existente, e não no modelo de IA.

Grandes corporações detêm dados de projeto, produção, qualidade e clientes para veículos, navios e produtos químicos acabados, ao longo de todo o seu ciclo de vida. Embora seja comum que os fornecedores possuam apenas os dados dos processos pelos quais são responsáveis ​​ou os insiram no sistema do contratante principal sem garantir o direito de reutilizá-los, os direitos de dados por contrato não são divulgados. Se uma IA treinada com os dados do contratante principal por dois ou três anos substituir a tomada de decisões de produção, os fornecedores perdem a base de aprendizado necessária para construir seus próprios modelos. A principal lacuna do Ulsan AX reside no acesso aos dados industriais, e não no volume de servidores disponíveis.

Os contratantes principais podem selecionar o fornecedor ideal comparando dados de qualidade e prazos de entrega de vários subcontratados. Os subcontratados, no entanto, não têm acesso aos dados comparativos e às previsões de demanda dos contratantes principais e dependem de pedidos anteriores para investimentos em instalações e alocação de mão de obra. Se a assimetria de informação persistir até 2028, a precisão das previsões dos contratantes principais aumentará, enquanto os riscos associados a estoques e instalações ociosas para os subcontratados também aumentarão.  Foi confirmado que a IA na cadeia de suprimentos tem o potencial de exacerbar a assimetria de poder de negociação, em vez de facilitar a otimização conjunta.

Grandes conglomerados em Ulsan estão investindo em design com IA, gêmeos digitais, robótica e manutenção preditiva nas indústrias automotiva, naval e petroquímica. Embora o escopo da aplicação da tecnologia tenha se expandido para abranger todos os aspectos da atividade corporativa, as taxas de adoção e utilização de IA, bem como os níveis de investimento das empresas parceiras, não são comprovados por estatísticas regionais. Se essa lacuna não for mensurada dentro de dois a três anos, será impossível determinar se as metas de apoio estão alinhadas com os gargalos da cadeia de suprimentos.  O nível de prontidão dos grandes conglomerados é classificado como "avançado", enquanto o das empresas parceiras é "parcialmente digitalizado" ou "IA não confirmado".

Uma taxa de adoção de IA de 10% entre pequenas e médias empresas de manufatura foi definida como meta política futura, e havia 26 fábricas autônomas com IA em todo o país em 2024. Embora isso indique que a infraestrutura atual esteja centrada em algumas empresas líderes, a distribuição das empresas parceiras de Ulsan por setor e porte não é divulgada. Se a adoção de IA permanecer concentrada entre os principais parceiros até 2028, o nível de prontidão da rede de níveis inferiores permanecerá inalterado.  O nível médio de prontidão da cadeia de suprimentos é avaliado como significativamente inferior ao das grandes corporações líderes.

A aplicação de IA e robôs por grandes corporações é observada na produção, inspeção, logística e design. Embora a aplicação tenha se expandido para além de processos individuais, chegando aos sistemas operacionais de fábricas, ainda não se sabe ao certo até que ponto essa mesma tecnologia se disseminou para fábricas parceiras. Se a difusão continuar restrita às fábricas dos principais contratantes por dois ou três anos, as diferenças nas velocidades de processamento da cadeia de suprimentos criarão gargalos nas entregas. Apesar do  progresso na difusão interna dentro das grandes corporações, a difusão entre empresas permanece incerta.

O governo estabeleceu a meta de mais de 500 fábricas autônomas de manufatura com IA até 2030, mas, em 2024, havia apenas 26. Existe uma lacuna de escala de aproximadamente 19 vezes entre a meta de expansão e a infraestrutura atual, e o volume alocado e selecionado para Ulsan ainda não foi confirmado. Como os próximos dois a três anos serão a fase inicial de expansão para atingir a meta, a lacuna para as empresas excluídas dos projetos líderes será a primeira a aumentar. Embora a expansão das fábricas de IA tenha começado, ainda não atingiu um estágio que abranja toda a rede de cooperação de Ulsan.

Grandes corporações possuem organizações dedicadas à IA e redes de colaboração com empresas de tecnologia externas, universidades e plataformas globais. Embora uma pesquisa da Agência Nacional da Sociedade da Informação (NIA) tenha confirmado que as PMEs enfrentam dificuldades para adquirir as tecnologias mais recentes, contratar pessoal especializado e integrá-lo ao setor de manufatura, o número de profissionais dedicados à IA em empresas parceiras em Ulsan não foi divulgado. Se essa lacuna de contratação persistir por dois ou três anos, a velocidade de aprimoramento dos modelos e a resposta a falhas serão diferentes, mesmo com a adoção da mesma solução.  A carência de mão de obra em Ulsan decorre da ausência de uma organização capaz de operar IA continuamente, e não dos custos de implementação.

O conhecimento prático nas empresas parceiras concentra-se em CEOs, gerentes de fábrica e trabalhadores qualificados. Embora o envelhecimento da força de trabalho e a expansão da mão de obra estrangeira estejam progredindo, a porcentagem de empresas que acumularam conhecimento prático em dados, regras e modelos permanece incerta. Se a perda de trabalhadores qualificados superar a formação de organizações de IA até 2028, o conhecimento de origem necessário para a digitalização será o primeiro a se perder.  O risco temporal da IA ​​para as empresas parceiras está estruturado de tal forma que a escassez de talentos em IA e a extinção do conhecimento de manufatura ocorrem simultaneamente.

Grandes corporações possuem a escala e os dados necessários para alcançar reduções integradas de custos em produtividade, qualidade, estoque e energia por meio de IA. Embora os fornecedores arquem com os custos de implementação, não há confirmação, em nível regional, de que os ganhos de produtividade se reflitam em preços unitários, volumes ou prazos contratuais. Se uma estrutura de compartilhamento de lucros não for estabelecida em dois ou três anos, a viabilidade econômica do investimento em IA varia entre contratantes principais e fornecedores. Consequentemente,  a difusão dos lucros da IA ​​na cadeia de suprimentos é considerada em um estágio inferior ao da difusão da tecnologia em si.

Embora o suporte para fábricas inteligentes e IA na manufatura reduza alguns custos de implementação, os custos de manutenção, refinamento de dados e atualização de modelos são recorrentes. Há uma carência de dados públicos sobre taxas de operação independente e períodos de retorno do investimento após o término do suporte. À medida que os custos de substituição de sistemas e assinaturas se acumulam entre 2026 e 2028, fornecedores com margens reduzidas serão forçados a optar por encerrar suas operações ou tornar-se dependentes de fornecedores externos.  O modelo de IA para fornecedores é vulnerável em termos de estruturas de receita que possam cobrir os custos recorrentes, e não o custo inicial de adoção.

A reestruturação dos negócios de veículos de pequeno e médio porte (SDV) automotivos e de eletrificação, construção naval e petroquímica está incluída no cronograma de mudanças nas configurações da cadeia de suprimentos entre 2026 e 2028. Embora as transições de produtos e processos dos contratantes principais precedam as transições de investimentos e pessoal dos subcontratados, os prazos de resposta para cada empresa não são divulgados. Uma vez finalizada a reestruturação dos tipos de veículos, tipos de navios e instalações, não haverá tempo suficiente para a certificação de novos fornecedores e a recuperação dos investimentos.  O "período ideal" para os subcontratados de Ulsan termina não com a conclusão da reestruturação do contratante principal, mas antes da redefinição da cadeia de suprimentos.

Embora o orçamento do governo para o programa AX tenha sido ampliado, o apoio a fábricas de IA e ao seu desenvolvimento concentra-se em um seleto grupo de empresas, após um rigoroso processo de triagem e seleção. Se as melhores empresas forem repetidamente selecionadas ao longo de dois ou três anos, os dados e o desempenho se acumulam nessas empresas líderes, e a diferença para as empresas que não adotam a tecnologia aumenta exponencialmente. Após o término do projeto, as empresas que chegam por último precisam começar de um nível tecnológico superior. O risco temporal associado ao apoio ao AX reside no fato de que o próprio período de não seleção se acumula, representando uma lacuna competitiva.

A precisão dos modelos de IA melhora à medida que os dados de produção, defeitos e manutenção se acumulam. Se as grandes corporações e os principais fornecedores estabelecerem primeiro um fluxo de dados, as empresas que chegarem por último arcarão com o ônus de uma lacuna de dados de treinamento que se estenderá por vários anos, além do custo de adoção de equipamentos. Se a acumulação de dados não começar até 2028, será difícil alcançar o desempenho dos modelos das empresas líderes apenas com investimento de capital.  A lacuna de IA na manufatura é um risco irreversível impulsionado pela acumulação de dados que se amplia com o tempo.

A cadeia de suprimentos digital do contratante principal avalia qualidade, prazo de entrega, emissões de carbono e segurança em tempo real e incorpora esses resultados na seleção de fornecedores. Quando uma empresa sai da cadeia de suprimentos, ela perde a capacidade de investir em AX devido à queda na receita e não consegue acumular os dados necessários para a recertificação. Se a saída ocorrer dentro de dois a três anos, a lacuna tecnológica e a lacuna transacional se reforçam mutuamente. A  falha de uma empresa parceira em adotar o AX não é apenas uma falha em adotar o sistema; ela possui uma irreversibilidade que resulta em sua saída permanente da cadeia de suprimentos.

Análise de compressão: O ponto crucial do Ulsan Supply Chain AX é se as empresas parceiras conseguirão ir além do simples fornecimento de dados para a IA do contratante principal e, simultaneamente, garantir direitos de reutilização de dados, capacidades operacionais independentes e benefícios de produtividade.

A AX (Automatic Exchange) das grandes empresas em Ulsan é considerada em estágio avançado em termos de investimento, dados, pessoal e aplicação prática , enquanto a AX das empresas parceiras locais é considerada em estágio inicial e não identificado, excluindo a digitalização básica e algumas empresas líderes .

A lacuna atual não se resume a uma diferença de níveis tecnológicos. Trata-se de uma estrutura assimétrica em que grandes corporações atuam como as entidades que preveem e avaliam a cadeia de suprimentos, enquanto as empresas parceiras fornecem seus próprios dados, mas não têm acesso a informações comparativas e previsões de demanda.

Caso essa lacuna persista até 2028, é muito provável que Ulsan perca o valor agregado e o número de empresas em seu ecossistema de cooperação regional, em vez de garantir a competitividade AX de grandes fábricas corporativas.

Análise do Momento Ideal: Aceleração do Enterprise AX + Risco de Polarização da Cadeia de Suprimentos

Fontes de Evidência

• Ministério do Comércio, Indústria e Energia, Orçamento e Metas de Construção da Fábrica Industrial AX·AI para 2026
• Ministério das PMEs e Startups, Estratégia de Inovação em Manufatura Inteligente 3.0 baseada em IA
• Ministério das PMEs e Startups, Projeto de Apoio à Inovação em Manufatura Inteligente 2026
• A NIA analisa o estado atual e os desafios da utilização da IA ​​nas empresas.
• NIA, Medidas para Utilizar IA Física para Fortalecer a Competitividade da Indústria Nacional
• Sistema de Gestão Empresarial para Fábrica Inteligente
• HD Hyundai estabelece futuro estaleiro FOS
• Ministério do Comércio, Indústria e Energia, Subcomitê do Complexo Industrial AX e Cluster M.AX

Análise Estrutural — À medida que a grande corporação AX obtém sucesso, a independência de seus fornecedores pode enfraquecer.

Em grandes corporações, a IA aprende dados sobre preços, qualidade, prazos de entrega e defeitos de múltiplos fornecedores simultaneamente. À medida que os dados se acumulam, os contratantes principais conseguem prever toda a cadeia de suprimentos com maior precisão e substituir fornecedores mais rapidamente. Em contrapartida, os fornecedores possuem apenas seus próprios dados ou não conseguem utilizar de forma independente nem mesmo os dados que inserem no sistema do contratante principal.

Nessa assimetria, a conectividade digital de um parceiro não se traduz em capacidade de AX. Empresas conectadas à plataforma do contratante principal participam da geração de dados, mas não podem participar da propriedade do modelo, de informações comparativas ou da tomada de decisões. Isso cria um paradoxo em que a dependência do contratante principal aumenta à medida que o grau de conectividade cresce.

Se a IA do contratante principal aumentar a produtividade, torna-se economicamente vantajoso operar um sistema de entrega com menos fornecedores e um sistema de entrega mais preciso. Se o suporte da IA ​​por parte das empresas parceiras não levar à competitividade independente, a IA funciona como um mecanismo para selecionar apenas as empresas excelentes, em vez de expandir toda a cadeia de suprimentos.

Portanto, o risco estrutural em Ulsan reside não apenas na adoção tardia da IA ​​pelas empresas parceiras.  Um risco ainda maior é o enraizamento de uma estrutura em que as empresas parceiras fornecem mais dados à medida que participam do AX, mas seu poder preditivo e de negociação não aumentam na mesma proporção.