Modelos de IA, visão computacional, raciocínio, aprendizado, autonomia... O “cérebro” dos robôs está presente em praticamente todas as conversas sobre o tema. E faz sentido: sem essa inteligência, nenhuma máquina consegue se adaptar a um ambiente real. Mas, quando falamos em operar um robô em uma fábrica, um hospital, uma mina, um porto ou uma infraestrutura crítica, surge outra variável pouco mencionada, mas ainda mais decisiva: a latência.
No mundo digital, um pequeno atraso é um incômodo. No mundo físico, pode representar um risco. Uma máquina que se movimenta com atraso, um sinal que chega tarde, uma instrução executada com variação de tempo, um operador remoto que não recebe um retorno estável... Em todos esses casos, o risco é operacional e suas implicações são sérias. São apenas alguns exemplos de como a latência é uma condição essencial para segurança, produtividade e confiança.
A IA física exige que as máquinas sejam capazes de perceber, decidir e agir em tempo real. Para mim, é justamente aí que está seu valor: integrar inteligência às máquinas e às operações para que fábricas, armazéns, cidades e infraestruturas críticas respondam com mais rapidez, segurança e capacidade de escala.
Isso exige repensar a infraestrutura. Quando falamos de controle remoto, robótica colaborativa ou máquinas autônomas operando perto de pessoas, não podemos mais avaliar a conectividade apenas pela capacidade mais largura de banda, maior cobertura ou maior velocidade teórica. Precisamos de uma rede estável, previsível e com baixa variação de atraso. Na robótica, o jitter pode ser tão importante quanto a latência média.
Quando cada milissegundo conta
É nesse contexto que a visão do NTT Group para a Innovative Optical and Wireless Network (IOWN) ganha especial relevância. Em novembro de 2022, uma demonstração em Musashino conectou dois pontos separados por mais de 100 km usando a IOWN All-Photonics Network (APN), com capacidade de mais de 100 Gbps por comprimento de onda em determinados trechos, baixa latência próxima do limite físico e praticamente nenhuma variação de atraso. Mais tarde, em fevereiro de 2025, NTT e Medicaroid conectaram um robô cirúrgico hinotori entre dois hospitais usando a mesma rede para explorar cenários de cirurgia remota. O ponto central não é apenas transmitir um grande volume de informações, mas fazer isso com estabilidade suficiente para que dois ambientes fisicamente separados possam funcionar como se estivessem integrados.
Na cirurgia, a latência não é uma abstração. As diretrizes japonesas para cirurgia remota de 2022 estabelecem um limite de 100 ms de ponta a ponta. A validação de cinco anos do sistema hinotori, realizada entre 2020 e 2025 pela Universidade de Kobe, Medicaroid e NTT DOCOMO em mais de 30 sessões remotas, alcançou aproximadamente 100 ms de ida e volta em uma rede 5G Sub6, simulando uma distância de 800 km, com vídeo estereoscópico estável mesmo com a injeção de 1 Gbps de congestionamento. Acima desses 100 ms, segundo um artigo publicado no Journal of Robotic Surgery em 2025, a coordenação entre mãos e olhos começa a se deteriorar. Outro artigo, publicado no International Journal of Computer Assisted Radiology and Surgery em 2025, identificou que, na faixa de 150 ms a 300 ms, o cirurgião começa a perceber perda de controle.
Conhecimento especializado sem limites físicos
A implicação para as empresas é significativa. Se a inteligência pode ser distribuída e processada perto do ponto em que é necessária, estamos falando de novos modelos operacionais e não apenas de robôs mais autônomos.
Isso pode, por exemplo, permitir que um especialista supervisione máquinas críticas a distância, que um operador intervenha em ambientes perigosos sem se expor ao risco ou que um hospital tenha acesso a capacidades avançadas sem depender da presença física de especialistas.
Para tornar isso possível, precisamos entender que a rede faz parte do robô. Ela não é apenas uma infraestrutura de suporte, mas uma extensão do sistema nervoso da operação. A máquina vê, interpreta, calcula, se movimenta e responde dentro de uma cadeia que inclui sensores, edge computing, cloud, modelos, conectividade, sistemas empresariais e pessoas. Se qualquer um desses elementos introduzir incerteza, a autonomia se torna frágil.
A conversa de negócios começa pelo SLA operacional: qual tempo de resposta o processo exige, qual margem de erro é aceitável, quais tarefas podem operar de forma autônoma, quais exigem supervisão humana e o que acontece se a conectividade falhar. Na IA física, o desenho da operação precisa considerar tanto a inteligência quanto a possibilidade de falha.
Há também uma dimensão humana. Teleoperação, robótica colaborativa e sistemas autônomos não substituem as pessoas. Pelo contrário, podem levar conhecimento especializado a lugares antes inacessíveis, permitir que tarefas de risco sejam redesenhadas e ajudar as equipes a trabalhar com máquinas que, além de executar tarefas, interpretam o ambiente.
A próxima fronteira será construir operações em que inteligência, conectividade e confiança funcionem como uma única capacidade. Mais do que o quanto uma máquina consegue pensar, o futuro da robótica será definido, em grande parte, por sua capacidade de agir no momento certo.
