O AI Hub da OMV amplia a confiança em toda a empresa

A OMV expandiu seu AI Hub de 500 para 2.500 usuários mensais, apesar das preocupações de segurança que frequentemente travam a adoção de IA nas empresas. A manchete do Google News apresenta isso como uma história de confiança em escala. Os próprios números da OMV mostram algo mais específico: acesso controlado, aplicações reutilizáveis e treinamento de funcionários avançam em conjunto.

Essa combinação importa mais do que o lançamento de mais um chatbot corporativo. As empresas muitas vezes oferecem aos funcionários um assistente genérico, anunciam o engajamento inicial e têm dificuldade para conectar o uso ao trabalho operacional. A OMV, em vez disso, afirma ter criado ferramentas especializadas para pesquisa jurídica, regulamentações internas, comunicações e engenharia offshore.

O caso da empresa é promissor, mas as evidências permanecem incompletas. A OMV relata forte crescimento em prompts e participação, mas não publicou medições independentes de produtividade, taxas de erro ou retornos financeiros. Portanto, a disputa central não é entre a OMV e outra empresa de energia. É entre a promessa da OMV de uma IA confiável para toda a empresa e a realidade mais difícil de comprovar valor de negócio consistente.

O que a OMV realmente mudou

A OMV transformou uma coleção de experimentos de IA em um ponto de entrada governado para ferramentas, aprendizado e informações internas.

A OMV lançou o AI Hub em 2025 como uma plataforma corporativa para assistentes de IA generativa e recursos de aprendizado relacionados. A empresa o descreve como um ambiente seguro construído sobre Microsoft Azure e integrado aos seus sistemas digitais existentes.

A plataforma atende uma força de trabalho distribuída entre funções administrativas, industriais e offshore. O relato da OMV de agosto de 2026 afirma que a empresa tem mais de 18.000 funcionários em cargos que vão de geologia e perfuração a direito e análise. Um anúncio corporativo separado informou cerca de 22.300 funcionários no mundo em 2025, refletindo o grupo OMV mais amplo.

Essa diversidade organizacional cria um problema complexo de implementação. Um advogado que analisa o histórico de casos precisa de fontes e salvaguardas diferentes das de um engenheiro que busca relatórios técnicos. Um chatbot genérico não consegue cobrir ambos os contextos de forma confiável sem um desenho cuidadoso de acesso a dados e tarefas.

A resposta da OMV começa com OMVicky, seu assistente interno de uso geral. A empresa afirma que a ferramenta pode analisar grandes documentos e conjuntos de dados, além de apoiar brainstorming, redação e edição.

O Hub também contém dez ferramentas específicas para negócios, segundo o relato sobre o AI Hub da empresa. Entre elas estão um tradutor, um assistente jurídico, um assistente de regulamentações e uma ferramenta que redige conteúdo na voz preferida da OMV.

O assistente jurídico usa dois terabytes de casos históricos. O Regulations Assistant ajuda os funcionários a pesquisar cerca de 1.500 regulamentações e procedimentos internos. Essas são tarefas de recuperação de informação, nas quais um sistema localiza material relevante antes de gerar uma resposta.

Um Norwegian AI Companion aborda outro gargalo de informação. A OMV afirma que ele utiliza 2,5 milhões de páginas de relatórios técnicos, fornecendo aos engenheiros de plataformas respostas integradas sem exigir que pesquisem manualmente muitos documentos.

Esses exemplos tornam a iniciativa mais substancial do que o resumo do Google News por si só sugere. A OMV não está apenas colocando um modelo de linguagem por trás de um login corporativo. Ela está conectando modelos a coleções internas selecionadas e organizando-os em torno de funções reconhecíveis.

A empresa também afirma que as consultas permanecem em seu ambiente controlado. Suas ferramentas usam modelos OpenAI como base, mas os funcionários os acessam por meio da infraestrutura da OMV, e não por interfaces públicas de consumo.

Essa distinção importa porque documentos confidenciais representam uma das barreiras mais claras à IA no trabalho. Os funcionários podem querer ajuda para resumir contratos ou registros técnicos, mas uma ferramenta pública pode introduzir riscos inaceitáveis de tratamento de dados.

O Hub oferece à OMV uma alternativa autorizada. No entanto, uma interface interna não garante automaticamente respostas precisas, controles de acesso completos ou revisão humana adequada. Essas questões se tornam mais importantes à medida que o uso se expande para o trabalho operacional.

A história do Google News é, na verdade, sobre adoção

A mudança significativa não é o fato de a OMV oferecer ferramentas de IA, mas que o uso recorrente cresceu junto com um programa estruturado de treinamento.

A OMV afirma que a participação mensal aumentou de 500 usuários em março de 2025 para 2.500 em dezembro. O volume de prompts subiu de 50.000 para 250.000 no mesmo período.

Ambas as métricas cresceram cinco vezes. A média de prompts por usuário mensal permaneceu próxima de 100 em cada ponto final, com base nos totais informados. Esse padrão sugere que o crescimento veio principalmente de mais pessoas usando a plataforma, e não de um pequeno grupo gerando atividade muito mais intensa.

Os números ainda exigem interpretação cuidadosa. Prompts são interações, não tarefas concluídas ou resultados verificados. Uma conversa longa para corrigir uma resposta fraca pode gerar mais prompts do que uma busca bem-sucedida em uma única tentativa.

Ainda assim, a participação mensal recorrente é mais significativa do que totais de registro. Ela mostra que pelo menos uma parte da força de trabalho retornou à plataforma após a exposição inicial.

O relatório de digitalização de 2025 da OMV acrescenta outra medida de adoção. Mais de 10.000 funcionários participaram de workshops e treinamentos de IA generativa, o dobro do alcance do ano anterior.

A empresa combina sessões de descoberta, especialistas internos, prompts selecionados e materiais de aprendizado com as próprias ferramentas. Também criou uma trilha de aprendizado em IA para diferentes níveis de habilidade.

Essa camada de treinamento muda o caráter do projeto. Os funcionários precisam entender quais dados podem usar, onde respostas geradas podem falhar e quando uma pessoa deve verificar o resultado. O acesso sem esse discernimento pode aumentar o risco enquanto faz a IA parecer amplamente adotada.

Os resultados anteriores da OMV mostram a rapidez com que o programa se desenvolveu. Sua revisão de digitalização de 2024 descreveu mais de 140 ideias de IA e 25 projetos ativos. Também relatou milhões de usos de ferramentas internas baseadas em GPT durante 2024.

Em 2025, a OMV informou mais de 50 projetos ativos de IA, mais de 40 projetos em desenvolvimento e mais de 210 ideias em seu pipeline. Esses números descrevem um portfólio em expansão, embora não estabeleçam quantos projetos produziram retornos mensuráveis.

A sequência é notável. A OMV primeiro desenvolveu serviços técnicos compartilhados, incluindo recursos de tradução, análise de documentos e conversão de fala em texto. Em seguida, utilizou esses componentes para apoiar aplicações mais especializadas.

Componentes reutilizáveis podem reduzir o trabalho repetido de engenharia. Eles também tornam a governança mais consistente, pois as equipes não precisam criar sistemas separados de identidade, registro ou tratamento de dados para cada piloto.

Isso ajuda a explicar a curva de adoção relatada. Os funcionários receberam pontos de entrada específicos para suas tarefas, em vez de instruções para descobrir seus próprios usos em uma janela de chat vazia.

A meta é muito maior do que a participação atual. A OMV quer que os assistentes alcancem 90% de sua força de trabalho de escritório. Também planeja estender o acesso a trabalhadores operacionais por meio de dispositivos portáteis.

Essa expansão testará se o modelo atual se transfere para além de funções intensivas em documentos. Ambientes industriais envolvem interfaces, condições de conectividade, requisitos de segurança e consequências diferentes para respostas imprecisas.

A confiança depende de arquitetura e comportamento

A OMV trata a confiança como um sistema construído com infraestrutura controlada, informações relevantes e discernimento dos funcionários.

A arquitetura aborda a primeira camada. A OMV afirma que suas aplicações são executadas em um ambiente corporativo e usam Microsoft Azure como plataforma de nuvem subjacente. Assim, os funcionários recebem acesso centralizado em vez de transferir trabalho sensível para contas não gerenciadas.

Essa abordagem responde a um padrão disseminado no ambiente de trabalho. Microsoft e LinkedIn relataram que 75% dos trabalhadores do conhecimento pesquisados usavam IA no trabalho em 2024. Entre esses usuários, 78% levavam suas próprias ferramentas de IA para o ambiente de trabalho.

Essa pesquisa sobre IA no trabalho abrangeu 31.000 pessoas em 31 mercados. Os resultados vieram de um fornecedor de tecnologia, mas ilustram o problema de governança enfrentado por grandes empregadores.

Quando ferramentas autorizadas chegam lentamente, os funcionários podem adotar serviços públicos por conta própria. Esse comportamento pode dispersar informações da empresa entre contas, interfaces e fornecedores que as equipes de segurança não conseguem monitorar de forma consistente.

Um Hub centralizado oferece à OMV um lugar para aplicar controles de identidade e políticas de uso. Também pode dar aos funcionários uma resposta mais clara quando perguntam qual ferramenta é aprovada para uma tarefa confidencial.

A segunda camada é o escopo das informações. Os assistentes especializados da OMV usam conjuntos selecionados de material interno, incluindo regulamentações, casos jurídicos e relatórios técnicos. Esse desenho é comumente chamado de geração aumentada por recuperação, ou RAG, porque documentos recuperados fornecem contexto para uma resposta.

O RAG pode tornar uma resposta mais relevante para o trabalho da empresa. Ele não elimina alucinações, quando um modelo produz texto sem respaldo ou incorreto.

A qualidade da recuperação também depende da atualização dos documentos, das permissões, da indexação e da redação de cada solicitação. Um assistente pode deixar de encontrar o documento correto ou combinar trechos de maneira enganosa.

A terceira camada é o comportamento do usuário. Os funcionários devem saber que uma linguagem fluente não é o mesmo que uma análise verificada. Também precisam de orientação específica para cada tarefa sobre entradas aceitáveis e revisão obrigatória.

É nesse ponto que o programa de treinamento da OMV se torna parte do sistema de controle. Workshops e sessões de descoberta podem ensinar os funcionários a formular solicitações, inspecionar o material de apoio e reconhecer tarefas que exigem julgamento especializado.

O momento também se alinha à regulamentação europeia. O Artigo 4 do EU AI Act exige que provedores e responsáveis pela implementação apoiem a alfabetização em IA entre os funcionários que operam ou usam sistemas de IA.

A disposição vigora desde 2 de fevereiro de 2025. As autoridades nacionais começaram a supervisionar e aplicar as regras em agosto de 2026, segundo a orientação sobre alfabetização em IA da Comissão Europeia.

A exigência não determina um nível universal de proficiência. As organizações devem considerar conhecimento técnico, experiência, formação, treinamento e o contexto em que um sistema é utilizado.

A combinação da OMV de recursos comuns de aprendizado e aplicações especializadas se encaixa nessa lógica sensível ao risco. Um assistente de comunicações e um acompanhante para engenharia de plataformas não devem exigir instrução ou supervisão idênticas.

Portanto, a confiança não pode se basear em uma promessa de que o modelo é seguro. Ela depende de a OMV conseguir manter limites de dados, coleções de fontes, direitos de acesso, treinamento e responsabilidade humana alinhados à medida que a plataforma cresce.

Para trabalhadores individuais do conhecimento, um princípio semelhante se aplica. Uma base de conhecimento útil precisa de limites claros de fontes e disciplina de recuperação, e não apenas de uma interface conversacional.

O que os números da OMV não comprovam

O crescimento de uso sustenta a alegação de adoção da OMV, mas ainda não verifica produtividade, precisão, segurança ou retorno financeiro.

A empresa associa o AI Hub a uma entrega mais rápida de projetos, melhor qualidade do trabalho e maior segurança. Essas continuam sendo conclusões relatadas pela própria empresa, e não resultados auditados de forma independente.

A OMV não forneceu publicamente uma comparação controlada entre funcionários que usam o Hub e aqueles que não o usam. Também não divulgou horas verificadas economizadas por tarefa, reduções de erros, tendências de incidentes ou retornos das aplicações individuais descritas.

Essa lacuna não significa que as ferramentas não tenham valor. Significa que as evidências sustentam uma conclusão mais restrita: os funcionários estão usando o sistema com mais frequência, e a OMV ampliou seu portfólio de aplicações.

O volume de prompts é especialmente fácil de interpretar em excesso. Um prompt pode produzir uma resposta útil, iniciar uma busca malsucedida, corrigir uma resposta anterior ou servir a uma tarefa de redação de baixo valor. Tratar todos os prompts como equivalentes ocultaria essas diferenças.

Os totais mensais de usuários também precisam de contexto. Os 2.500 usuários relatados representam um público interno relevante, mas ainda estão muito abaixo da força de trabalho total da empresa. O número abrange o assistente interno, enquanto a participação pode variar entre outras ferramentas.

A participação em treinamentos apresenta uma questão semelhante. Mais de 10.000 participantes em workshops demonstram alcance organizacional. A presença, por si só, não revela se os funcionários assimilaram as orientações ou mudaram a forma como verificam trabalhos gerados por IA.

As aplicações especializadas trazem suas próprias questões de medição. Um assistente de regulamentações deve ser avaliado pela capacidade de recuperar a regra vigente correta, preservar o contexto e apresentar fontes rastreáveis.

A ferramenta jurídica deve ser avaliada quanto à confidencialidade, autoridade, completude e citações falsas. Um assistente de conteúdo precisa de revisão quanto à precisão factual, divulgação e consistência com a política da empresa.

O Norwegian AI Companion eleva ainda mais as implicações operacionais. Pesquisar 2,5 milhões de páginas técnicas pode economizar tempo, mas uma resposta incompleta também pode criar uma confiança equivocada. Os engenheiros precisam de um caminho claro de volta aos documentos oficiais.

A OMV cita o líder de Dados, IA e Transformação, Lexander Brouwer, dizendo que o sistema consegue analisar documentos complexos em segundos. Segundo a empresa, essa velocidade pode liberar os funcionários para o pensamento crítico.

Ainda assim, velocidade e qualidade podem seguir em direções opostas. A recuperação mais rápida cria valor apenas quando o material retornado é relevante, atual e interpretado corretamente.

As alegações de segurança merecem a mesma precisão. Manter as interações em um ambiente controlado pela OMV reduz a exposição a ferramentas de consumo não gerenciadas. Isso não elimina riscos de permissões mal configuradas, retenção excessiva de dados, documentos maliciosos ou contas comprometidas.

O uso de modelos OpenAI por meio do Azure também cria uma dependência em camadas. A OMV controla seu ambiente de aplicações e integrações de dados, enquanto o comportamento subjacente dos modelos ainda depende parcialmente de fornecedores externos de tecnologia.

Atualizações de modelos podem alterar a qualidade das respostas ou o comportamento de recusa. Assistentes especializados, portanto, precisam de testes de regressão, que verificam se tarefas conhecidas continuam produzindo resultados aceitáveis após mudanças técnicas.

A governança também precisa abranger o ciclo de vida do material-fonte. Regulamentações mudam, registros jurídicos se acumulam e relatórios técnicos podem ser substituídos. Um assistente que recupera com confiança um documento desatualizado pode parecer mais útil do que realmente é.

A versão mais forte da alegação de confiança da OMV conectaria a adoção a evidências no nível das tarefas. Isso significa publicar métricas como taxas de recuperação bem-sucedida, precisão das fontes citadas, frequência de correções, retenção de usuários e tempo economizado verificado.

O impacto financeiro também importa. A OMV afirma priorizar projetos com valor estratégico e financeiro, mas seus materiais públicos não detalham o custo ou o retorno do AI Hub.

Isso deixa a principal tensão sem solução. A OMV parece ter construído um caminho crível da experimentação ao uso. Ainda não demonstrou se o uso se transforma de forma consistente em valor operacional confiável.

O Verdadeiro Oponente da OMV É a Cultura de Pilotos

O AI Hub desafia a crença de que a IA empresarial deve se disseminar por meio de experimentos isolados liderados por equipes entusiasmadas.

A cultura de pilotos parece segura porque limita a exposição inicial. Um departamento pode testar um chatbot, demonstrar algumas tarefas e evitar o compromisso com infraestrutura compartilhada ou treinamento amplo.

Essa abordagem se torna cara quando cada equipe repete o mesmo trabalho. Pilotos separados podem criar regras de dados, revisões de segurança, interfaces, fornecedores de modelos e métodos de avaliação diferentes.

A OMV afirma ter projetado blocos de construção reutilizáveis desde o início. A empresa pode aplicar serviços comuns em tradução, análise de documentos, recuperação de informações e geração de texto, ao mesmo tempo em que adapta cada aplicação.

Essa filosofia de “comprar antes de construir” também aparece nos relatórios anuais da OMV. A empresa cita Microsoft, SAP, Salesforce e SLB entre seus parceiros estratégicos de tecnologia.

Comprar serviços centrais pode acelerar a implantação e transferir parte da manutenção técnica para fornecedores estabelecidos. Construir camadas direcionadas internamente pode preservar fluxos de trabalho e conhecimento específicos da empresa.

A contrapartida é a dependência. Serviços de fornecedores, acesso a modelos, condições de licenciamento e roteiros de produto podem mudar. Uma plataforma centralizada pode ampliar essa exposição em muitas ferramentas internas.

Um Hub compartilhado também cria risco de concentração. Se identidade, recuperação ou acesso a modelos falhar, vários fluxos de trabalho podem ser afetados de uma só vez. A centralização simplifica a governança, mas aumenta a importância da resiliência e do planejamento de contingência.

A alternativa cria um risco diferente. Ferramentas fragmentadas podem ocultar movimentações de dados, duplicar gastos e impedir que lições circulem entre departamentos.

O modelo da OMV escolhe controle central com casos de uso distribuídos. As equipes de negócio trazem os problemas, enquanto uma organização compartilhada de IA fornece infraestrutura, governança e componentes reutilizáveis.

Essa estrutura pressiona os líderes internos de tecnologia a agir menos como guardiões e mais como operadores de plataforma. Eles precisam tornar as ferramentas aprovadas úteis o bastante para que os funcionários não prefiram alternativas não gerenciadas.

Ela também muda o papel do treinamento. Um curso único de conscientização não pode sustentar um portfólio em constante transformação. Os funcionários precisam de orientações vinculadas às ferramentas, tarefas e modos de falha reais.

O setor de energia torna esse desafio especialmente visível. A OMV opera em plantas industriais, ambientes de campo, funções corporativas e atividades reguladas. Esses contextos têm diferentes tolerâncias a erros e à automação.

Um rascunho de marketing incorreto pode ser corrigido antes da publicação. Uma resposta técnica incompleta pode afetar uma decisão de maior risco. Os controles de confiança precisam refletir essa diferença.

O enquadramento do Google News enfatiza a confiança dos funcionários, mas confiança não deve se tornar dependência incondicional. O objetivo mais útil é a confiança calibrada, na qual os usuários entendem tanto o valor de uma ferramenta quanto seus limites.

A confiança calibrada é mais difícil de medir do que o volume de prompts. Ela aparece em comportamentos como verificar citações, escalar respostas incertas e recusar o uso de IA em decisões inadequadas.

A OMV pode fortalecer seu argumento ao mostrar que esses comportamentos crescem junto com a adoção. Caso contrário, um uso maior pode refletir conveniência sem provar integração responsável.

A abordagem da empresa ainda oferece uma lição útil para o setor. A IA empresarial escala por meio do desenho organizacional tanto quanto pela capacidade dos modelos. Acesso seguro, fontes relevantes, componentes reutilizáveis e educação contínua precisam funcionar como um único sistema operacional.

O Que Observar Após a Atenção do Google News

Três sinais mostrarão se o AI Hub da OMV está se tornando uma infraestrutura confiável ou permanecendo um programa de adoção bem gerenciado.

O primeiro sinal é o relato de desempenho no nível das tarefas. A OMV deve ir além de usuários e prompts, em direção a resultados verificados para aplicações individuais.

Para o Regulations Assistant, métricas úteis incluiriam precisão de recuperação, atualização das fontes, solicitações não resolvidas e correções após revisão humana. Para análise de documentos, a OMV poderia relatar resultados aceitos e tempo economizado em tarefas definidas.

Evidências de qualidade sustentada fortaleceriam a alegação da empresa de que ferramentas reutilizáveis melhoram o trabalho. O aumento de prompts sem métricas estáveis de qualidade a enfraqueceria.

O segundo sinal é a adoção além do trabalho de conhecimento baseado em escritório. A OMV quer estender assistentes a trabalhadores de chão de fábrica que usam dispositivos portáteis.

Essa expansão testará o desenho das interfaces, conectividade, suporte a idiomas e controles de segurança. Também mostrará se o Hub pode atender funcionários cujo trabalho não se concentra em documentos e software de desktop.

A adoção bem-sucedida em campo deve incluir acesso claro às fontes e caminhos de escalonamento. Um simples aumento na disponibilidade de dispositivos não seria suficiente.

O terceiro sinal é a governança sob fiscalização europeia ativa. As obrigações de alfabetização em IA já estão em vigor, enquanto requisitos mais amplos de transparência e risco agora moldam as implantações empresariais.

A OMV afirma que sua governança está alinhada ao EU AI Act e aborda privacidade, vieses e explicabilidade. A próxima prova virá de controles documentados, treinamento contínuo e evidências de que as aplicações recebem supervisão diferente conforme o risco.

Esses sinais importam mais do que outra lista de assistentes. Eles mostram se a OMV consegue preservar a confiança quando usuários, coleções de fontes, modelos e expectativas regulatórias mudam ao mesmo tempo.

A empresa já superou um obstáculo importante. Criou uma plataforma autorizada que os funcionários aparentemente estão dispostos a usar e combinou o acesso com treinamento substancial.

O obstáculo restante é mais difícil. A OMV precisa demonstrar que o uso frequente produz trabalho correto, rastreável e valioso em contextos muito diferentes.

Essa é a pergunta que os leitores devem levar além da manchete do Google News. Se a sua organização está expandindo a IA no ambiente de trabalho, pergunte quais evidências sustentam seu painel de adoção. Conte usuários, mas acompanhe também correções, qualidade das fontes, revisão humana e resultados mensuráveis por tarefa. A confiança cresce quando os funcionários conseguem ver por que uma resposta merece credibilidade, quando sabem onde seus limites começam e quando a organização relata falhas com o mesmo cuidado dedicado aos sucessos.