Cam Myers, CEO e Fundador da CreateMe – Série de Entrevistas

Cam Myers, CEO e fundador da CreateMe, lançou a empresa em 2019 com a visão de modernizar a fabricação de vestuário por meio da automação avançada. Com sede na área da Baía de São Francisco, ele traz uma experiência diversificada que abrange consultoria de investimentos na ADM Investment Partnership, liderança em estágio inicial na equipe de fundação da Group Commerce e funções de desenvolvimento de negócios nas Downtown Music Holdings e Publicis Groupe. Ele também é membro da Comunidade de Inovadores Globais do Fórum Econômico Mundial, refletindo seu compromisso mais amplo com a transformação industrial impulsionada pela tecnologia.

CreateMe é uma empresa de robótica e inteligência artificial que está reinventando a forma como as roupas são feitas, substituindo a costura tradicional por uma montagem automatizada e baseada em adesivos, impulsionada por robótica, visão computacional e aprendizado de máquina. Sua plataforma de fabricação proprietária permite uma produção de vestuário mais rápida, mais localizada e mais sustentável, reduzindo o desperdício e encurtando as cadeias de suprimentos, posicionando a empresa à frente da próxima geração de fabricação de bens de consumo flexíveis.

Antes de fundar a CreateMe, você fez parte de equipes de fundação, trabalhou em funções de investimento e consultoria e ocupou cargos em empresas como DoubleClick e Group Commerce. Como essa mistura de tecnologia, finanças e experiência operacional o levou a decidir criar a CreateMe e enfrentar algo tão complexo quanto a fabricação de vestuário automatizada?

Antes da CreateMe, eu me desenvolvi como um generalista em tecnologia, trabalhando em software, comércio eletrônico, investimentos e funções operacionais de estágio inicial. Fazer parte de equipes de startups, incluindo a Group Commerce, foi um MBA na prática. Você é forçado a pensar em várias disciplinas e ver como a tecnologia, a economia e as operações realmente interagem sob restrições reais.

Essa perspectiva me levou a uma conclusão diferente sobre a indústria da moda. Através de startups de comércio eletrônico, eu continuei vendo as mesmas falhas se repetirem: baixa taxa de vendas, descontos pesados e grandes volumes de estoque eventualmente escriturados ou enviados para aterros sanitários. A maioria das pessoas os enquadrava como problemas de merchandising ou previsão. Olhando para isso através de uma lente tecnológica, ficou claro que eram sintomas de algo mais profundo — sistemas de fabricação que não podiam responder à demanda real.

A percepção veio de conectar esses pontos entre disciplinas. A indústria da moda não estava quebrada porque alguma parte do sistema estava sendo executada de forma deficiente. Nós percebemos que isso não era algo que você pudesse ajustar ou otimizar; era necessário repensar, do zero, materiais, máquinas e software como um sistema.

A CreateMe surgiu dessa convicção. Esse era fundamentalmente um problema de tecnologia, e ele precisava de uma solução tecnológica. Ser interdisciplinar foi o que tornou isso visível pela primeira vez, e é por isso que a abordagem da CreateMe parece diferente. Nós nos propusemos a tratar a fabricação de vestuário como um desafio de sistemas e automação, e a construir uma plataforma capaz de mudar a forma como a indústria realmente funciona.

A CreateMe agora detém um portfólio significativo de patentes em robótica, ciência dos materiais e automação. Quais foram as primeiras percepções técnicas que o convenceram de que esse problema era solucionável com Inteligência Artificial Física?

Quando fundamos a CreateMe em 2019, acreditávamos que finalmente havia um caminho credível para a automação da fabricação de vestuário, mas apenas se o próprio processo fosse repensado. O tecido é um material deformável e dependente do estado. Ele se estica, muda e altera seu comportamento à medida que é manuseado. Pequenas variações se somam rapidamente. Nessas condições, o controle de loop aberto e o movimento pré-programado se desintegram. O problema não era a precisão do robô. Era entender o estado do material o suficiente para agir sobre ele.

Nosso primeiro progresso real veio da mudança no modelo de montagem. Ao substituir a costura contínua por uma ligação adesiva, pudemos montar vestuários em um estado estático e fixado, em vez de enquanto o tecido estava em movimento. Isso removeu uma grande fonte de variabilidade e permitiu que o alinhamento e a junção fossem controlados diretamente. Combinado com a visão computacional tradicional, a visão computacional baseada em aprendizado de máquina, a lógica baseada em regras e a robótica, isso tornou a automação confiável possível para um conjunto definido de operações. Provou algo importante no início: materiais deformáveis podiam ser manuseados mecanicamente se o processo fosse estruturado corretamente.

Esses primeiros sistemas também tornaram os limites claros. A visão computacional baseada em regras tradicionais funciona bem quando a geometria é simples e as condições são rigidamente controladas. Ela não se escalona para os problemas mais difíceis na indústria da moda, especialmente a junção tridimensional complexa, onde a forma do tecido, a orientação e o contato evoluem continuamente no espaço. A automação de ponta a ponta dessas operações simplesmente não era alcançável com as ferramentas de percepção e modelagem disponíveis na época.

É aí que a Inteligência Artificial Física começa a mudar a equação. Avanços na percepção, nos sensores e na inteligência incorporada agora tornam possível entender materiais deformáveis em três dimensões e fechar o loop entre ver, decidir e agir. Ainda estamos nos primeiros estágios de aplicar esses modelos à montagem física, mas até as implementações iniciais já estão expandindo a gama de vestuários, tecidos e operações de junção complexas em 3D que podem ser automatizadas. Em vez de programar comportamentos, o sistema pode cada vez mais raciocinar sobre o estado do material, adaptar-se em tempo real e executar operações de junção de ponta a ponta. Cada operação de ligação adesiva gera dados sobre como um tecido responde à força, ao calor e à geometria, o que permite que o desempenho melhore e se generalize com o uso.

Em resumo, nossas primeiras ferramentas provaram a viabilidade. A Inteligência Artificial Física é o que está desbloqueando a completude e a escala. Essa progressão, da automação programada para a montagem inteligente de ponta a ponta, é o que nos convenceu de que o problema não era apenas solucionável, mas extensível por toda a gama de vestuários e materiais. A amplitude de nosso portfólio de patentes reflete esse caminho. Resolver a montagem de materiais deformáveis exigiu invenção em robótica, ciência dos materiais e automação, com a Inteligência Artificial Física abrindo as formas mais complexas de junção.

A fabricação de vestuário resistiu por muito tempo à automação total devido à complexidade dos bens de consumo flexíveis. Quais avanços permitiram que a CreateMe finalmente cruzasse essa fronteira?

Para a CreateMe, cruzar a fronteira da automação foi impulsionado por duas mudanças relacionadas: como os vestuários são fisicamente montados e como as máquinas percebem e agem sobre o tecido durante essa montagem.

O primeiro avanço foi arquitetônico. Ao mudar da costura para a ligação adesiva, eliminamos a necessidade de acessar ambos os lados do tecido durante a montagem. Os vestuários podem ser construídos usando acesso de um lado, em um estado estático e fixado, em vez de serem dobrados, virados e tensionados por uma máquina de costura. Isso reduziu significativamente a complexidade da manipulação e removeu uma grande fonte de variabilidade. Com o tecido suportado e acessível de um lado, o alinhamento e a junção se tornaram problemas controláveis, e a visão computacional tradicional e a robótica puderam automatizar de forma confiável uma parte significativa da construção do vestuário.

Isso é fundamentalmente mais automatizável do que a costura robótica. A costura tenta replicar a destreza humana em movimento contínuo enquanto o tecido está ativamente se deformando. A montagem baseada em adesivos reenquadra o problema em torno da posição controlada e de junções discretas, o que é muito mais adequado para a robótica.

Essa abordagem também esclareceu o desafio restante. À medida que nos movemos para junções tridimensionais mais complexas — onde as superfícies se encontram em ângulos que mudam e o comportamento do material muda à medida que o contato é feito — as abordagens baseadas em regras e visão computacional tradicional atingiram seus limites. A automação de ponta a ponta em toda a variabilidade de vestuários e tecidos exigia percepção e controle mais adaptáveis.

É aí que a Inteligência Artificial Física desempenha um papel crítico. Avanços na percepção, nos sensores e no controle incorporado tornam possível interpretar a geometria do tecido e o estado do material em três dimensões e responder em tempo real durante a montagem. Na CreateMe, até as aplicações iniciais dessas capacidades estão expandindo a gama de vestuários, tecidos e operações de junção complexas em 3D que podem ser automatizadas com intervenção mínima.

Em resumo, a redesign da montagem tornou a automação viável. A Inteligência Artificial Física é o que permite que essa automação se aproxime da operação de ponta a ponta e se escale em variabilidade real, permitindo que a fabricação de vestuário vá além da automação estreita e em direção a sistemas que melhoram à medida que a complexidade aumenta.

MeRA ™ apresenta uma abordagem de montagem robótica modular para a produção de vestuários. Como esse sistema difere fundamentalmente da automação de fábrica tradicional?

MeRA ™ difere fundamentalmente da automação de fábrica tradicional porque foi projetado em torno das restrições específicas da fabricação de vestuários, em vez de ser adaptado de indústrias construídas com peças rígidas e processos estáveis.

A automação convencional assume geometria fixa, materiais previsíveis e variabilidade limitada. A troca é gerenciada por meio de configurações intensivas em ferramentas e processos específicos. Esse modelo funciona quando os produtos raramente mudam. Ele se desintegra na indústria da moda, onde os materiais são deformáveis, os estilos mudam rapidamente e a produção deve ser executada em alta velocidade para ser economicamente viável.

MeRA ™ começa com pressupostos opostos. A indústria da moda exige um sistema que possa lidar com materiais macios, variação constante e troca frequente sem parar a produção. Para fazer isso, MeRA ™ usa uma arquitetura de montagem definida por software e modular. Cada módulo executa uma operação discreta e pode ser reconfigurado, duplicado ou redistribuído à medida que os produtos, tecidos ou volumes mudam. A troca ocorre digitalmente, no software, em vez de por meio de retooling físico.

Arquitetonicamente, MeRA ™ é projetado para maximizar tanto a velocidade quanto o controle. A montagem é mantida em duas dimensões por quanto tempo for possível, onde a visão, o alinhamento e o movimento são mais rápidos e precisos, antes de transitar para operações tridimensionais rigidamente controladas apenas quando a formação ou a junção exige. A automação tradicional empurra peças por células de trabalho fixas em 3D; MeRA ™ minimiza a complexidade em 3D por design para preservar a produtividade.

Emparelhado com a ligação adesiva digital, MeRA ™ substitui a junção mecanicamente restrita por uma operação programável e de um lado. Não há necessidade de virar vestuários, gerenciar a tensão contínua ou acessar ambos os lados no meio do processo. Isso reduz o tempo do ciclo, diminui as taxas de erro e permite a troca digital rápida em vestuários e tecidos.

Em resumo, a automação tradicional codifica o processo em hardware. MeRA ™ define o processo em software e o adapta ao material. Essa mudança — do retooling físico para a troca digital e das fluxos de trabalho fixos para a montagem modular — é o que permite que MeRA ™ opere na velocidade e variabilidade que a indústria da moda exige.

Pixel ™ substitui a costura por ligação adesiva microscópica. Além da velocidade e eficiência, quais novas possibilidades de design ou desempenho a CreateMe desbloqueia para as marcas de vestuário?

Pixel ™ redefine a construção de vestuário na costura. Ao substituir a costura por ligação adesiva digitalmente controlada, as marcas ganham uma precisão e consistência muito maiores, resultando em vestuários mais suaves, mais fortes e mais confortáveis no uso. Como o processo é definido por software, as costuras se tornam uma superfície de design em vez de uma restrição, permitindo que a elasticidade, o gerenciamento de umidade, a regulação térmica e o reforço leve sejam projetados diretamente na estrutura do vestuário.

Esses benefícios se estendem além de como um vestuário se comporta no corpo. O mesmo controle digital que permite o desempenho também permite que o vestuário seja projetado para o fim da vida desde o início. Com a nossa fórmula de adesivo Thermo(re)set ™, as ligações podem ser revertidas, permitindo a desmontagem automatizada e o reciclagem de tecidos em grande escala. Para as marcas, Pixel ™ torna o design, o desempenho e a circularidade resultados integrados da própria construção, e não prioridades concorrentes camadas após o fato.

Há muito hype em torno da Inteligência Artificial Física no momento. De sua perspectiva, onde a Inteligência Artificial Física realmente funciona hoje e onde a realidade ainda está atrás das expectativas?

A Inteligência Artificial Física funciona hoje quando os problemas são estruturados para a inteligência em vez de força bruta. Estamos vendo progresso real em ambientes onde a percepção, o aprendizado e o controle são implantados juntos dentro de sistemas projetados — lugares onde as tarefas são repetíveis, mas ainda exigem adaptação, e onde a máquina pode realmente observar e raciocinar sobre o que importa.

Onde as expectativas ainda superam a realidade é em torno da inteligência incorporada de propósito geral. Materiais macios e deformáveis permanecem um dos problemas mais difíceis na robótica, pois introduzem observabilidade parcial, comportamento não linear e variação constante. A Inteligência Artificial Física não é um substituto para a destreza humana e não tem sucesso em ambientes caóticos ou legados por padrão.

Na prática, a diferença vem do design. A Inteligência Artificial Física funciona quando o processo físico foi deliberadamente repensado para reduzir a incerteza — quando o acesso é simplificado, os estados são observáveis e a variabilidade é gerenciada pela arquitetura em vez de ser ignorada. Nesses condições, os sistemas de aprendizado podem se adaptar e melhorar. Sem isso, a IA está frequentemente apenas compensando um design físico ruim.

Essa é a lente que aplicamos na CreateMe. Não tratamos a Inteligência Artificial Física como um atalho para contornar a complexidade da fabricação. Tratamos como uma camada de escalabilidade que só funciona uma vez que o sistema de montagem subjacente foi redesenhado a partir de princípios básicos. A lição que aprendemos é simples: a Inteligência Artificial Física se escala quando o mundo físico foi projetado para permitir que a inteligência faça um trabalho real.

Com tarifas, riscos geopolíticos e fragilidade da cadeia de suprimentos se tornando questões estruturais, como tecnologias como MeRA ™ mudam a economia de trazer a fabricação de volta aos EUA?

Por um longo tempo, a terceirização fez sentido economicamente em uma base de custo de mão de obra estreita, e ainda faz para certos produtos e volumes. O desafio é que o modelo também vem com desvantagens estruturais: tempos de entrega longos, má correspondência entre oferta e demanda, excesso de estoque e exposição crescente a tarifas, riscos geopolíticos e interrupções logísticas. Esses custos eram frequentemente ocultados ou tolerados até que choques recentes forçaram um olhar mais atento.

Tecnologias como MeRA ™ mudam a economia tornando um modelo operacional diferente viável nos EUA. MeRA ™ reduz a dependência do trabalho manual e a substitui por produção automatizada de alta taxa, que pode ser executada em uma pegada compacta e reconfigurável. Isso importa domesticamente, onde a mão de obra é cara e a flexibilidade é mais valiosa do que a escala bruta.

Tão importante quanto, MeRA ™ muda a produção de vestuário da costura baseada em destreza para a montagem estática e baseada em adesivos. Isso remove a dependência de mão de obra de costura altamente treinada e a substitui por funções que são mais rápidas para treinar e mais fáceis de dimensionar nos EUA. Isso transforma a mão de obra de um gargalo estrutural em uma entrada gerenciável, o que é crítico para qualquer estratégia de relocalização realista.

A chave não é trazer tudo de volta. Na prática, mesmo uma camada modesta de produção de mercado próximo — frequentemente 5-10% do volume — pode alterar materialmente a economia de toda a cadeia de suprimentos. Essa capacidade flexível permite que as marcas respondam à demanda real, persigam vencedores e evitem a superprodução meses antes. MeRA ™ torna essa camada economicamente viável, apoiando a troca digital rápida, tamanhos de lote menores e saída consistente sem depender de piscinas de mão de obra especializada.

Nesse contexto, a relocalização para os EUA deixa de ser uma decisão binária ou política. Tecnologias como MeRA ™ a transformam em uma escolha de carteira. A manufatura offshore ainda desempenha um papel para escala e eficiência de custo, mas a capacidade automatizada e de mercado próximo se torna um alavanca estratégica para velocidade, resiliência e eficiência de capital. O resultado é uma cadeia de suprimentos mais equilibrada, onde mesmo a produção limitada nos EUA pode reduzir significativamente o risco e melhorar a economia geral.

Como as marcas de vestuário devem pensar de forma diferente sobre o design de produtos quando as restrições de fabricação não são mais as mesmas que eram em ambientes de corte e costura tradicionais?

O design de vestuário tradicional reflete a lógica predominante da fabricação de corte e costura: acesso de dois lados, penetração de agulha, margens de costura dimensionadas para mãos humanas e métodos de construção otimizados para repetibilidade manual. Essas não são exigências inerentes dos vestuários; são artefatos de como os vestuários foram feitos.

A montagem automatizada e baseada em adesivos introduz uma lógica de design diferente. Projetar para a automação significa assumir acesso de um lado, deposição de adesivo controlada digitalmente e execução altamente repetível. Isso permite tolerâncias de costura internas menores, linhas de cola mais precisas e montagens de baixo perfil que são tanto estruturalmente sólidas quanto esteticamente mais limpas do que equivalentes costurados.

Como o adesivo é depositado em vez de costurado, os designers podem trabalhar com confiança com bordas complexas e irregulares, geometrias fluidas e conversões ou laminações de tecido que seriam difíceis ou impossíveis de reproduzir com costura. A complexidade visual não precisa mais ser apoiada por volume físico. O resultado é uma linguagem de construção mais minimalista e refinada que é nativa da automação, em vez de adaptada do trabalho manual.

Essa abordagem também expande a liberdade de material. Ao contrário do fita de costura, que é tipicamente de alta temperatura e basicamente limitada a sintéticos, o adesivo depositado permite a automação em uma ampla gama de tecidos, incluindo orgânicos e materiais delicados como caixemira, seda, lã e couro. A seleção de material muda de “o que pode ser costurado de forma confiável” para “o que melhor serve ao produto”.

Nesse contexto, projetar para a automação não é restritivo; é gerador. A intenção criativa, a expressão estética e a lógica de fabricação são alinhadas desde o início. O design se torna mais preciso e mais expressivo, com a automação lidando com a consistência e a execução, enquanto os designers se concentram na forma, função e diferenciação.

O que o papel humano parece dentro de uma fábrica de vestuário altamente automatizada, e quais novas habilidades se tornam críticas à medida que a robótica assume tarefas repetitivas?

Em uma fábrica de vestuário altamente automatizada, o papel humano muda de execução manual repetitiva para operação, supervisão e melhoria de sistemas de montagem automatizados de ponta a ponta. Em vez de longas linhas de costura, equipes menores são organizadas em torno de células robóticas, com técnicos de manufatura, supervisores de célula e especialistas em processo responsáveis por desempenho, qualidade e tempo de atividade em toda a produção.

Os técnicos de manufatura trabalham em contato com robótica, sistemas de visão e equipamentos de ligação baseados em adesivos. Eles monitoram células robóticas, ajustam caminhos de deposição e parâmetros de ligação, gerenciam interações de material em diferentes tecidos e intervêm quando a variabilidade ou casos de bordo surgem. A garantia de qualidade é contínua, em vez de amostrada: os sistemas de visão inspecionam o posicionamento, o alinhamento e a consistência da ligação em tempo real, enquanto os humanos supervisionam os limiares, interpretam anomalias e decidem quando e como ajustar o processo.

Esse modelo entrega qualidade e repetibilidade materialmente mais altas do que a produção manual. A deposição e o posicionamento automatizados reduzem a variabilidade, enquanto a QA digital permite a execução consistente em cada unidade, em vez de confiar na inspeção downstream. O julgamento humano é aplicado onde adiciona mais valor — avaliando exceções, refinando tolerâncias e melhorando o desempenho do sistema ao longo do tempo.

Realizar isso exige um modelo de treinamento e desenvolvimento de habilidades deliberado incorporado às operações de manufatura. Os trabalhadores são treinados para ler painéis de produção, interpretar dados de visão e sensores, entender métricas de qualidade de ligação e decidir com segurança com sistemas robóticos. Eles aprendem como o comportamento do adesivo, as propriedades do material e os parâmetros do processo interagem e como essas variáveis aparecem nos dados de QA.

Com o tempo, o desenvolvimento de habilidades avança da operação básica do sistema para uma propriedade de processo mais profunda. Através de treinamento estruturado no local de trabalho, módulos de certificação e mentorias, os técnicos desenvolvem habilidades em análise de causa raiz, manutenção preventiva e melhoria contínua. O resultado é uma força de trabalho tecnicamente fluente capaz de sustentar produção de alta qualidade e repetível em escala — uma onde a automação eleva tanto a consistência do produto quanto a capacidade humana, em vez de substituí-la.

Olhando para os próximos cinco a dez anos, como você vê a Inteligência Artificial Física redesenhando não apenas a indústria da moda, mas a fabricação em geral — e onde você gostaria que a CreateMe tivesse o maior impacto?

Nossa visão é que a maior oportunidade para a Inteligência Artificial Física na fabricação nos próximos cinco a dez anos está em tarefas com a maior variabilidade e complexidade, não em áreas já bem atendidas pela automação rígida. Entre os problemas mais difíceis estão onde os materiais são macios, flexíveis ou tridimensionais e onde a variabilidade do mundo real historicamente limitou a automação.

Esse desafio é mais agudo na montagem de materiais flexíveis. A indústria da moda é o exemplo mais claro, mas a mesma dinâmica existe em componentes flexíveis de produtos de consumo eletrônicos, em produtos médicos, em móveis e em interiores automotivos. Em todas essas categorias, a costura e a montagem de materiais flexíveis representam o maior teor de mão de obra e permanecem as partes menos automatizadas do processo de fabricação.

Na nossa perspectiva, o progresso inicial na Inteligência Artificial Física será impulsionado por sistemas altamente verticalizados. O design mecânico e os fatores de forma robóticos serão ajustados a aplicações e materiais específicos, em vez de serem generalizados. O que se escala por toda essa vertical é a inteligência: a percepção, o controle e os sistemas de aprendizado que permitem que as máquinas entendam materiais deformáveis, alinhem bordas complexas, adaptem-se à variabilidade e executem a montagem ligada de forma confiável.

Nos próximos 10 anos e além, acreditamos que encarnações mais gerais e humanoides se tornarão cada vez mais prevalentes à medida que a inteligência incorporada amadurece e a implantação se acelera. À medida que os robôs humanoides se movem de pilotos para milhões, e potencialmente dezenas de milhões, de unidades implantadas nos próximos 10 anos, as camadas externas de tecido e as superfícies macias se tornarão sistemas críticos de interface homem-máquina. Atender a essa demanda em escala exigirá montagem baseada em adesivos e nativa da automação, abrindo uma nova categoria industrial em fabricação de materiais macios inteligentes.

É nesse contexto que a visão da CreateMe se encaixa.

A visão da CreateMe é liderar a transformação da montagem de materiais flexíveis. Tornar a montagem automatizada de tecidos e materiais flexíveis tão programável, escalável e adaptável quanto o software. Embora as implementações mecânicas e robóticas variem por vertical no curto prazo, o desafio permanece consistente: a manipulação de materiais flexíveis e a costura dominam o teor de mão de obra e resistem à automação tradicional.

O que une esses mercados é um conjunto compartilhado de capacidades de Inteligência Artificial Física — os sistemas que governam a percepção, a manipulação de materiais deformáveis, o alinhamento de bordas, a lógica de ligação e a montagem adaptativa por toda a gama de tecidos e fatores de forma. Provar essa capacidade na indústria da moda, um dos ambientes de fabricação mais desafiadores, a CreateMe visa desbloquear a automação por toda uma gama mais ampla de indústrias e permitir a próxima geração de fabricação de bens de consumo flexíveis e as interfaces macias que cada vez mais cercarão máquinas inteligentes.

Obrigado pela grande entrevista e pelas respostas detalhadas, leitores que desejam aprender mais devem visitar CreateMe.