Maor Farid, Fundador e CEO da Leo AI – Série de Entrevistas

Dr. Maor Farid, fundador e CEO da Leo AI, é um engenheiro israelense-americano, pesquisador de IA, ativista social e empreendedor. Ele realizou pesquisas em IA e engenharia mecânica no MIT como bolsista de pós-doutorado Fulbright e se tornou o mais jovem graduado de doutorado na história do Technion – Instituto de Tecnologia de Israel. Ele construiu uma comunidade de 60K+ engenheiros e apoia jovens desfavorecidos por meio de uma iniciativa sem fins lucrativos.

Leo AI é a primeira IA para engenharia mecânica – um grande modelo mecânico para design de produtos físicos, permitindo que equipes transformem ideias em modelos 3D prontos para produção em segundos. A plataforma ajuda as empresas a reduzir o tempo de engenharia em 70% e acelerar o tempo de lançamento no mercado em 18%. Fundada em 2023, a Leo AI já é utilizada por engenheiros em empresas globais, incluindo Toyota, HP, Mobileye (da Intel), Philips e Scania. Apenas alguns meses após a rodada de sementes (liderada pela Flint Capital), sua receita anual recorrente cresceu 300% no primeiro trimestre.

Você construiu sua formação em engenharia mecânica, dinâmica não linear, pesquisa em IA, MIT e Technion antes de fundar a Leo AI. O que o levou a se concentrar especificamente em construir IA para engenheiros mecânicos, e qual problema você sentiu que a indústria ainda não estava resolvendo?

Honestamente, frustração.

Antes da Leo, eu trabalhava como engenheiro mecânico na defesa, e percebi algo louco: os engenheiros gastam uma quantidade absurda de tempo fazendo tudo, menos engenharia. Sério. Nós passamos tempo procurando pastas antigas, procurando catálogos de fornecedores, procurando padrões, reutilizando projetos antigos manualmente e perguntando a um engenheiro sênior que se lembra por que exatamente essa decisão foi tomada em 2011. Você nomeia.

Os engenheiros de software têm o GitHub Copilot, e os escritores têm o ChatGPT. Enquanto isso, os engenheiros mecânicos ainda estavam abrindo PDFs de unidades compartilhadas chamadas “FINAL_v7_REAL_FINAL.pdf”. A indústria continuava falando sobre “transformação digital”, mas a maioria das equipes de engenharia ainda operava como se fosse 1998.

Isso se tornou a obsessão por trás da Leo: podemos construir uma IA que realmente entenda engenharia? Não apenas linguagem, mas geometria, restrições, tolerâncias, lógica de fabricação, física. Algo que os engenheiros pudessem confiar com trabalho real, não apenas demonstrações.

Porque se você erra um parágrafo de marketing, ninguém morre. Mas se você erra uma pilha de tolerâncias em aerospacial ou dispositivos médicos, as pessoas absolutamente podem.

Por que os sistemas de IA de propósito geral, como o ChatGPT e o Gemini, lutam com tarefas de engenharia mecânica que exigem física do mundo real, restrições, tolerâncias e fabricabilidade?

Porque eles não foram construídos para isso, pois os modelos de IA genéricos são treinados principalmente em texto em escala de internet: Reddit, blogs, Wikipedia, mídia social e fóruns aleatórios. Isso é ótimo se você estiver escrevendo e-mails ou resumindo documentos, mas é um desastre se você estiver calculando a vida de fadiga em uma braçadeira soldada que entra em um sistema de defesa.

A engenharia mecânica não é autocompletar. É resolução de problemas restrita pela física. Um modelo genérico não pode realmente raciocinar sobre fabricabilidade, expansão térmica, GD&T, comportamento do material, fatores de segurança ou acumulação de tolerâncias. A maioria deles não consegue nem abrir um arquivo CAD nativamente.

A parte perigosa é que, apesar de tudo isso, eles soam convincentes. Os engenheiros não são anti-IA. Eles são anti-B.S. No momento, quando se trata de tarefas de engenharia, a maioria dos sistemas de IA genéricos são geradores de B.S. extremamente fluentes.

É por isso que treinamos a Leo AI de forma diferente, usando mais de um milhão de fontes de engenharia verificadas. Integraremos diretamente nos sistemas de engenharia e tornaremos cada resposta rastreável até padrões, fórmulas e referências que os engenheiros possam verificar por si mesmos.

A engenharia mecânica historicamente foi mais lenta em adotar IA do que o desenvolvimento de software. Quais são as principais barreiras que impedem os engenheiros e os fabricantes de abraçar totalmente os fluxos de trabalho impulsionados por IA?

Acho que a maior barreira é a confiança cultural. Não é técnica. O software pode falhar e ser corrigido amanhã, mas os sistemas físicos não funcionam assim. Se o código gerado pela IA travar um aplicativo, os usuários ficam irritados. Se o erro de engenharia gerado pela IA acabar dentro de uma aeronave, um implante médico ou um robô de fábrica, as consequências são muito diferentes.

Os engenheiros são treinados desde o primeiro dia a pensar em modos de falha. Nós crescemos ouvindo histórias sobre pontes que desabam porque alguém fez a suposição errada. Então, quando o Vale do Silício aparece e diz “apenas engenheire o vibe”, os engenheiros mecânicos imediatamente o rejeitam.

A segunda barreira é que as empresas de manufatura estão sentadas em décadas de conhecimento tribal não documentado preso dentro de PLMs, PDFs, arquivos CAD, sistemas ERP e cabeças de engenheiros aposentados. A IA genérica não pode acessar ou raciocinar sobre esse contexto.

E terceiro: não quero soar muito brutal, mas, na minha perspectiva, a maioria dos produtos de IA para a indústria é basicamente teatro de automação. Painéis elegantes em cima de modelos rasos que você não consegue realmente engenheirar. Os engenheiros veem isso muito rapidamente.

A Leo AI se concentra no que você chama de “Inteligência Mecânica”. O que esse conceito significa para você, e como ele difere da onda mais ampla de copilotos de IA que entram no mercado empresarial?

“Inteligência mecânica” significa IA que entende o mundo físico, não apenas a linguagem.

Como mencionei, a maioria dos copilotos de hoje é fundamentalmente sistemas de texto. Eles resumem, reescrevem e geram conteúdo. Isso é útil, mas ainda opera dentro da abstração digital. A inteligência mecânica exige raciocínio sob física, geometria, restrições, fabricabilidade, comportamento do material, lógica de montagem, custo, confiabilidade, desempenho térmico e segurança.

Então, para nós, inteligência mecânica significa construir sistemas que possam participar responsavelmente dos fluxos de trabalho de engenharia. Significa ler CAD nativamente, entender montagens, resolver equações, validar contra padrões e conectar-se diretamente a sistemas PLM e ERP.

Quão perto estamos de sistemas de IA que possam projetar independentemente máquinas complexas, como motores a jato, sistemas de robótica industrial ou humanoides?

Está mais perto do que as pessoas pensam, embora não exatamente do jeito que Hollywood imagina.

As pessoas imaginam um herói conversando com um computador e uma máquina perfeita aparecendo instantaneamente. O que realmente está acontecendo é que a IA está gradualmente removendo camadas repetitivas na engenharia, e está fazendo isso muito rápido. Então, obtemos uma projeção bem projetada ligada à documentação apropriada que os humanos podem revisar e ajustar – e, com a IA, essa projeção é feita em minutos, em vez de meses.

A IA pode gerar grandes porções de uma arquitetura de jato no futuro próximo? Absolutamente. Nós tentamos isso em simulações com a Leo AI, e estamos muito perto. Mas engenharia totalmente autônoma sem supervisão humana? Eu não posso prever que isso aconteça em breve. A IA não substituirá os engenheiros, mas os engenheiros que usam a IA podem substituir aqueles que não o fazem.

A infraestrutura de IA em si está criando grandes desafios de engenharia em torno do consumo de energia e gerenciamento térmico. Como você vê a engenharia mecânica impulsionada por IA contribuindo para áreas como sistemas de refrigeração avançados e design de centros de dados de próxima geração?

Uma das empresas com as quais trabalhamos, a ZutaCore, constrói sistemas de refrigeração sem água para centros de dados de IA, onde o gerenciamento térmico está se tornando um dos principais gargalos para escalar a infraestrutura de IA. Os engenheiros enfrentaram um problema surpreendentemente caro: cada nova implantação exigia redesenhar manualmente as configurações de tubos para se adequar ao sistema, o que consumia tempo de engenharia e aumentava a complexidade de fabricação.

Eles pediram à Leo uma solução criativa inspirada na natureza, e a Leo ajudou a gerar um conceito de tubo simples e ajustável que eliminou a necessidade de redesenhar o sistema para cada projeto. Em vez de fabricar personalizado cada vez, a equipe podia usar peças padronizadas de prateleira. Isso reduziu os custos em cerca de $400 por unidade e eliminou uma fase repetitiva de engenharia do fluxo de trabalho.

Então, como podemos ver, a IA está pronta para resolver alguns problemas que foram criados por sua própria infraestrutura.

Erros de engenharia podem ter consequências reais graves. Como você equilibra os benefícios de velocidade e automação da IA com a necessidade de confiabilidade, validação e segurança em ambientes de engenharia?

Você nunca remove o engenheiro da responsabilidade. Nunca. Essa é a principal diretriz. Nós não acreditamos em “engenharia caixa preta”: cada recomendação da Leo é rastreável, explicável e verificável. Os engenheiros podem inspecionar a fonte, fórmulas, padrões e suposições.

Na prática, os melhores sistemas de IA em engenharia não substituem a rigidez. Eles comprimem o trabalho tedioso em torno da rigidez. A narrativa perigosa agora é “velocidade a qualquer custo”. Essa mentalidade funciona até que você deixe o mundo digital e comece a construir sistemas físicos. O mundo físico é implacável.

Você disse que a IA não substituirá os engenheiros, mas os engenheiros que usam a IA podem substituir aqueles que não o fazem. Quais novas habilidades você acredita que a próxima geração de engenheiros mecânicos precisará para permanecer competitiva?

A habilidade mais importante se tornará, na verdade, um julgamento de engenharia mais profundo.

Ironicamente, à medida que a IA automatiza mais do trabalho de execução, os engenheiros humanos se tornam mais responsáveis por definir restrições, validar saídas, entender compensações, capturar modos de falha e entender trade-offs.

Os jovens engenheiros que confiam cegamente na IA se tornarão perigosos muito rapidamente. Os melhores engenheiros serão aqueles que sabem como orquestrar sistemas de IA enquanto ainda mantêm uma compreensão profunda dos princípios fundamentais.

Acho que também veremos uma grande mudança em direção ao pensamento de sistemas. Os engenheiros mecânicos trabalharão cada vez mais, simultaneamente, em software, eletrônica, fabricação, simulação e IA. O engenheiro mecânico isolado pode desaparecer, mas o engenheiro multidisciplinar se tornará extremamente valioso.

Estamos vendo um aumento no momentum em torno de robótica, IA incorporada e sistemas de IA físicos. Você acredita que o próximo grande avanço em IA virá de sistemas que interagem com o mundo físico, em vez de apenas copilotos digitais?

Sim. Acho que estamos definitivamente nos movendo nessa direção, mas ainda não estamos lá.

A primeira onda de IA foi sobre linguagem e informação. A próxima será sobre interação com a realidade. Uma vez que a IA deixa a tela e entra no mundo físico, o nível de dificuldade muda dramaticamente, porque a realidade introduz atrito, incerteza, variabilidade de material e consequências de segurança reais. As empresas que vencerão a próxima década de IA não apenas gerarão melhor. Elas construirão sistemas que possam raciocinar sobre e interagir com o mundo físico de forma confiável.

À medida que a IA se integra mais profundamente aos fluxos de trabalho de engenharia, quais partes do processo de design e inovação você acredita que sempre exigirão criatividade e julgamento humanos exclusivos?

Responsabilidade. Essa é a única resposta. Como eu disse, o mundo físico é implacável com erros de engenharia, e mesmo em um nível muito alto de raciocínio da IA, ela nunca poderá substituir o processo de tomada de decisão humana.

A IA pode otimizar, gerar, pesquisar enormes espaços de design mais rápido do que os humanos – mas os humanos ainda devem decidir o que deve existir no mundo, quais compensações são aceitáveis, quais riscos são éticos e quais restrições importam mais.

Honestamente, algumas das melhores ideias de engenharia vêm de intuição construída ao longo de anos de falha, experiência e reconhecimento de padrões humanos estranhos que são difíceis de formalizar. Então, sim, eu não acredito que a IA substituirá a responsabilidade humana por trás das decisões de engenharia. É isso que a torna realmente impossível de substituir.

Obrigado pela grande entrevista, leitores que desejam aprender mais devem visitar Leo AI.