IA e energia solar: lições da China para Angola

Em novembro, a China instalou cerca de 22 GW de energia solar — o valor mais alto em seis meses. Não é um detalhe técnico: é um sinal claro de como países com capacidade de execução conseguem acelerar projetos quando combinam planeamento, disciplina operacional e decisão baseada em dados.

E aqui está o ponto que me interessa (e que devia interessar a quem trabalha no setor em Angola): o ritmo de implantação não é só uma questão de capital e painéis. É, cada vez mais, uma questão de IA, analítica e automação a reduzir atrasos, a melhorar previsões e a tornar o pipeline de projetos mais previsível — tal como já acontece há anos no petróleo e gás.

Nesta edição da série “Como a IA Está Transformando o Setor de Energia e Petróleo & Gás em Angola”, uso o caso chinês como espelho: o que explica o pico de fim de ano, o que isso revela sobre governança e execução e, sobretudo, como Angola pode aplicar IA para acelerar renováveis sem perder foco no upstream.

O que os 22 GW da China dizem (e o que não dizem)

O dado principal é simples: 22 GW de solar instalados em novembro. Mas a história por trás é mais útil do que o número.

Na China, as instalações tendem a subir no fim do ano porque os promotores querem fechar projetos dentro do calendário. Em 2025, houve ainda um comportamento “fora do padrão”: um pico muito cedo (em maio) por causa de mudanças de política, que puxaram demanda e obras para antes. Depois veio uma quebra e a recuperação só ficou mais nítida a partir de setembro.

O aprendizado prático é este: política pública, prazos e incentivos moldam o cronograma. IA não substitui isso. Porém, quando a política cria uma corrida (fim do ano, mudança regulatória, fecho de plano quinquenal), a IA ajuda a não transformar corrida em caos.

A ligação com Angola: previsibilidade vale mais do que velocidade

Em Angola, o desafio recorrente não é “falta de ideias”. É execução consistente: licenças, procurement, logística, ligação à rede, O&M, financiamento e comunicação com stakeholders.

A minha posição é direta: o setor precisa tratar renováveis como programa industrial, não como projetos isolados. E programa industrial exige três coisas:

• pipeline de projetos padronizado (processos e documentação repetíveis)
• dados confiáveis (técnicos, financeiros e operacionais)
• gestão de risco em tempo real (prazo, custo, supply chain e rede)

É exatamente aqui que entram IA e analítica.

Onde a IA acelera a implantação solar na prática

A IA acelera quando reduz incerteza e retrabalho. Não é “mágica”; é engenharia de decisão. Para projetos solares (e híbridos solar + armazenamento), há cinco zonas de impacto que costumam dar retorno rápido.

1) Seleção de locais e viabilidade com menos “achismo”

A decisão do sítio (site selection) define 80% das dores futuras. IA ajuda a cruzar camadas de dados e a produzir rankings defensáveis.

Aplicações típicas:

• previsão de geração com séries históricas e nowcasting
• análise de restrições de terreno e acesso
• estimativa de perdas (sombreamento, poeira, degradação)
• proximidade de subestações e limites de capacidade de rede

Em Angola, isso é especialmente relevante em zonas onde logística e disponibilidade de rede condicionam mais do que a irradiação em si.

2) Planeamento e cronogramas “vivos” (não planilhas estáticas)

Picos como os observados na China mostram um comportamento universal: quando prazos apertam, atrasos pequenos viram atrasos grandes.

Com IA e analítica (inclusive modelos mais simples), dá para:

• prever atrasos por categoria (civil, elétrica, importação, alfândega)
• simular cenários de rota logística e lead times
• priorizar atividades que destravam caminho crítico

Uma frase que uso internamente e que vale para energia e para O&G: “Se o cronograma não prevê o risco, ele só está a contar uma história bonita.”

3) Procurement e supply chain: a diferença entre instalar e ficar parado

Quando um país instala dezenas de GW, a cadeia de fornecimento vira um sistema complexo: disponibilidade de módulos, inversores, estruturas, cabos, transformadores, frete, armazenamento, inspeções.

IA pode apoiar com:

• previsão de rupturas e atrasos de entrega
• detecção de anomalias em custos (fraude, erros de faturação, variações fora do padrão)
• otimização de estoque para reduzir capital parado

Para Angola, um ganho direto é reduzir o “custo invisível” de projetos: dias parados por falta de um componente específico.

4) Operação e manutenção: o ROI começa depois da inauguração

Muita gente ainda trata O&M como “fase final”. No solar, O&M é onde a margem se perde ou se protege.

Casos de uso consistentes:

• detecção de falhas e degradação por análise de produção e condições ambientais
• manutenção preditiva em inversores e transformadores
• inspeções com visão computacional (termografia e imagens)
• otimização de limpeza de painéis com base em poeira e performance

Em ambientes com poeira e variações sazonais, limpeza baseada em dados (em vez de calendário fixo) costuma ser uma das melhorias mais rápidas.

5) Integração com a rede: mais solar exige mais inteligência

Solar em escala pressiona rede: intermitência, estabilidade, despacho, qualidade de energia. IA não substitui reforços físicos, mas melhora a operação.

Exemplos:

• previsão de geração por hora para reduzir curtailment
• otimização de armazenamento (BESS) para suavizar rampas
• detecção de perdas técnicas e não técnicas

Para Angola, a conversa não é “solar vs. petróleo”. É solar + gás + rede + armazenamento, com gestão inteligente.

O ponto mais subestimado: IA é governança, não só software

A China teve um comportamento típico de “corrida ao fim do ano” e também uma antecipação forte antes de mudanças de política. Isso mostra maturidade de execução, mas também revela pressão por cumprir metas.

Em Angola, a adoção de IA no setor de energia e petróleo & gás falha quando é tratada como:

• compra de ferramenta sem dono do processo
• projeto de TI sem métricas operacionais
• iniciativa “piloto eterno” sem escala

Uma implementação que funciona tem três pilares (e eu não abro mão deles):

1. Dados com responsabilidade: quem cria, quem valida, quem usa, quem audita.
2. Métricas que importam: prazo (dias), custo (USD), disponibilidade (%), energia entregue (MWh), perdas (%).
3. Integração com operação: IA tem que aparecer no dia a dia (ordens de serviço, compras, despacho, relatórios).

“IA útil é a que reduz o tempo entre um problema aparecer e alguém agir.”

Como o know-how do petróleo & gás acelera renováveis em Angola

Angola já domina muita coisa que renováveis precisam: gestão de ativos, HSE, manutenção, logística, compliance, contratação complexa. O erro é criar dois mundos separados.

Transferências diretas que fazem sentido

• Digital twins e gestão de ativos: do upstream para subestações, linhas, plantas híbridas.
• Modelos de risco e confiabilidade: de paragens não programadas para indisponibilidade solar.
• Centro de operações: práticas de monitorização contínua aplicadas a portfólios renováveis.

A ponte é IA e analítica. E isso também conversa com marketing e comunicação do setor: dados confiáveis permitem narrativas reais para investidores, reguladores e comunidades.

Perguntas que decisores em Angola deveriam fazer agora

Para tornar isto acionável, deixo um bloco de “perguntas de sala de reunião” que evitam projetos de IA sem impacto:

1. Qual é a decisão que queremos tomar melhor? (site, procurement, O&M, despacho, CAPEX)
2. Qual é o dado mínimo necessário e onde ele vive hoje?
3. Quanto custa um dia de atraso? (em USD e em credibilidade)
4. Quem é o dono do processo e quem responde pelo resultado?
5. Como vamos escalar do piloto para 10+ ativos?

Se estas respostas não existirem, o projeto vai virar uma demo bonita e uma operação frustrada.

Próximos passos: um roteiro prático de 90 dias

Se eu tivesse que começar agora, em dezembro de 2025, com uma empresa de energia em Angola (ou um operador que quer diversificar), eu faria assim:

Semana 1–2: escolher um caso de uso com ROI curto

• O&M preditiva (inversores/transformadores) ou
• previsão de geração + curtailment ou
• risco de atrasos em procurement

Escolha um. Só um.

Semana 3–6: arrumar dados e definir métricas

• fontes de dados (SCADA, ERP, manutenção, meteo, inventário)
• qualidade e governança
• KPI de antes e depois (ex.: indisponibilidade, tempo de reparo, perdas)

Semana 7–12: piloto em produção (não em PowerPoint)

• integração com fluxo real (ordem de serviço, alerta, aprovação)
• rotina de revisão semanal com operação
• plano de escala para outros ativos

O objetivo é simples: melhorar uma métrica operacional em 90 dias.

Angola não precisa copiar a China — precisa copiar o método

Os 22 GW instalados num mês mostram o que acontece quando um país trata energia como agenda de execução e mede resultados. A parte copiável não é o tamanho; é o método: metas claras, pipeline disciplinado e decisões sustentadas por dados.

No contexto da nossa série sobre IA no setor de energia e petróleo & gás em Angola, a oportunidade é concreta: usar IA para reduzir risco, acelerar projetos renováveis e, ao mesmo tempo, tornar o portfólio tradicional (petróleo e gás) mais eficiente e transparente.

Se 2026 vai ser um ano de políticas novas e ajustes de mercado lá fora, aqui a pergunta estratégica é outra: quem em Angola vai construir a capacidade de decidir mais rápido e melhor — antes que a pressão por custo e confiabilidade chegue ao limite?