Cemig criou IA própria: a auditoria de rede saltou de 5,3% para 51%

Em março de 2026, no SXSW em Austin, a Cemig apresentou o EnergyGPT como a primeira plataforma de inteligência artificial da América Latina dedicada ao setor elétrico. É a versão corporativa da mesma história que se repete em toda indústria regulada: uma empresa grande demais para aceitar um modelo genérico como fiscal de decisão crítica. Sete meses depois, a reportagem do UOL/Tilt de 15 de outubro mostrou o que essa decisão rendeu em operação.

O número que resume o projeto: a cobertura de auditoria dos serviços prestados por empresas terceirizadas na rede da Cemig saltou de 5,3% para mais de 51%. A concordância entre a avaliação da máquina e a análise de analistas humanos experientes chegou a 83%. E, desde o início do uso, o sistema sugeriu R$ 63 mil em multas contratuais contra terceirizadas — nem todas aplicadas, muitas encerradas com ordem de refazer o serviço.

O caso do poste que não existe

O episódio que resume o funcionamento é pequeno e concreto. Um técnico terceirizado chega às 15h e encerra a troca de um poste às 15h02. Envia à concessionária a foto do serviço. A foto foi tirada a quilômetros da coordenada onde o trabalho deveria ter sido feito. Em dois ou três minutos, a discrepância é detectada.

Antes do sistema, esse tipo de divergência era detectada por amostragem. Uma única gerência da Cemig recebia cerca de 500 a 600 laudos diários e técnicos humanos validavam entre 5% e 10% deles. O restante passava sob a presunção de boa-fé, abrindo margem para pagamento por serviço não executado ou mal executado. A analogia usada pela reportagem é de quem fiscaliza uma rodovia parando um carro a cada vinte.

O mecanismo em si não é revolucionário: o modelo cruza dados que já existiam em sistemas distintos — fotografia do reparo, latitude e longitude, horário de entrada e saída, cadastro da rede — com a base da concessionária. O que muda é o intervalo entre o cruzamento e a decisão: de horas ou dias para dois ou três minutos. O retorno é uma classificação de risco com três saídas (aprovação, aprovação com ressalvas, reprovação), e os casos de alto risco vão para o topo da fila de um analista humano.

A economia que aparece no chão é operacional, não contábil. Em atendimento rural, o técnico pode enfrentar três ou quatro horas de estrada de terra. Pegar o erro com ele ainda no poste evita a segunda viagem e evita que a casa do consumidor fique no escuro. No único caso de corte de energia evitado pela reportagem, o morador havia pago a conta errada; o sistema detectou que o valor não batia com a dívida, o consumidor mandou o comprovante correto no dia seguinte e a segunda visita técnica foi dispensada.

O que a IA própria precisou aprender

O EnergyGPT não é um modelo de mercado com prompt de sistema. Foi construído pela Cemig em parceria com o Centro de Excelência em Inteligência Artificial da Universidade Federal de Goiás (CEIA-UFG), em um projeto iniciado no fim de 2023.

O motivo declarado pela empresa é regulatório. O setor elétrico brasileiro vive sob um conjunto denso de normas e procedimentos, e modelos generalistas de mercado foram treinados majoritariamente com documentação estrangeira. A resposta foi montar uma base de dados do setor focada no Brasil e ensinar o sistema a usar o jargão técnico em português, sem escorregar para termos em inglês. Segundo a Cemig, o EnergyGPT foi treinado sobre a base regulatória da Aneel, normas técnicas e documentação setorial, além de uma ferramenta para criar agentes sob medida por fluxo de trabalho.

Dois detalhes técnicos valem mais que a discussão sobre autonomia tecnológica. O primeiro é o controle de vigência: a plataforma obriga administradores a sinalizar quando um documento expira, e a versão antiga sai da base de consulta. Isso ataca um erro típico de modelo generalista — citar resolução com número errado ou norma já caducada. O segundo é o tamanho: o modelo final é compacto, de 10 a 20 bilhões de parâmetros, treinado a partir da arquitetura de um modelo já existente, e não do zero. O caminho original era pré-treinar do zero; com a ascensão dos modelos abertos, o time mudou de estratégia no meio do caminho.

O resultado declarado em números: nos cálculos da Cemig, acurácia de 90% frente às normas brasileiras, contra cerca de 70% das IAs das gigantes do Vale do Silício. E custo de R$ 0,07 a R$ 0,10 por análise, contra média de R$ 1,10 das soluções de mercado. O argumento econômico é direto: um modelo que carrega literatura, culinária e futebol e nunca vai auditar a instalação de um poste paga poder de processamento por esse conhecimento inútil.

A arquitetura final é híbrida — as máquinas do CEIA seguem treinando e aprimorando o modelo, enquanto a versão usada pelos funcionários roda em nuvem contratada pela Cemig. Cerca de 30 pesquisadores participaram, entre alunos de graduação e pós-graduação do CEIA e engenheiros da companhia.

O limite que ninguém esconde

O EnergyGPT não enxerga imagens. Quando o técnico manda a foto do poste, quem processa a fotografia é o Gemini, do Google. O modelo da Cemig entra depois, para interpretar o que aquilo significa à luz das regras do setor. A IA que fiscaliza a rede elétrica brasileira ainda pede emprestados os olhos de uma big tech — e isso não é detalhe de implementação, é limite de escopo do que foi construído.

O mesmo vale para o alcance da decisão. José Paulo Ramos Fernandes, gestor de inovação da Cemig, descreve com franqueza a tensão interna:

"Existe uma ansiedade corporativa que às vezes beira o irreal, com pessoas imaginando que a IA vai substituir o planejador de rede ou que criaremos de imediato um avatar de vídeo interativo em tempo real para o cliente final. A Cemig presta um serviço público e precisa zelar pelos custos; nosso foco é entregar suporte prático e seguro onde o ganho é palpável".

E o critério do gestor sobre o uso de modelo generalista em atividade crítica é explícito:

"Você não deve usar modelos generalistas de mercado para atividades críticas. Na medicina isso pode levar à morte. Qualquer erro operacional no setor elétrico pode causar desde uma pequena queda de energia até um incêndio ou um acidente mais grave".

O que a máquina não faz é decidir sobre a rede. Segundo a reportagem, decisões críticas, como a operação da rede, continuam com humanos. E o alerta mais interessante foi um falso positivo do tipo inverso: em um dos casos, o modelo aprovou o serviço com ressalva porque o número na fachada (95A) não batia com o da ordem de serviço — e o erro era da própria Cemig, que cadastrou o endereço errado. O fiscal automático também erra a favor da própria companhia.

O que ainda não existe

O que existe hoje é uma plataforma interna em validação. O ChatEnergy é a interface de acesso, por login, com assistentes separados por área — engenharia, regulação, planejamento, relacionamento com cliente e jurídico — e um modelo em duas versões, uma mais barata e outra mais cara de rodar. O uso real está concentrado: das 30 mil interações registradas, mais de 28 mil vêm da Engenharia de Distribuição, a área que audita os reparos. São cerca de 1,1 mil colaboradores cadastrados e mais de 300 usuários semanais recorrentes, em uma empresa com mais de 5 mil funcionários próprios e 32 mil terceirizados.

Três passos vêm a seguir, em ordem de realismo:

1. API do EnergyGPT. A previsão é liberar uma interface para que outros sistemas da companhia conversem direto com o modelo. Na prática, a IA vira um botão dentro do aplicativo de segurança do trabalho: o técnico fotografa, clica em validar.
2. Agentes que leem telas. A versão seguinte, já em desenvolvimento, aposta em sistemas que leem as telas dos programas da Cemig e sugerem ações sem precisar serem provocados.
3. Produto para outras empresas. No horizonte mais distante está o plano de vender ou compartilhar o EnergyGPT com outras empresas do setor.

Há uma dependência concreta por trás do terceiro item: o contrato com o CEIA precisa de aditivo para ser estendido por mais um ou dois anos, e não há data aprovada. Sem ele, o projeto volta para a fila de demandas da TI da estatal. Já houve declaração de intenção de disponibilizar a tecnologia a outras empresas — Iguatinan Monteiro, gestor e assessor da vice-presidência da Cemig, disse em 2025 que o projeto é "para o setor, não só para a Cemig" e que seria disponibilizado a todas as empresas. É uma intenção declarada em evento, não um produto no mercado.

O dinheiro não está na geração

Há um segundo número na pauta que merece atenção, porque muda a direção da oportunidade. A leitura dos dados abertos do ONS feita pela BrazilGrid mostra que, entre 1º de janeiro e 5 de novembro de 2026, a restrição de operação ordenada pelo ONS deixou de realizar 34,80 TWh de geração eólica e solar no país — 23,10 TWh eólicas e 11,70 TWh solares. Na mesma janela de 2025 foram 33,57 TWh: 3,6% a mais em 2026, com o solar crescendo 17%.

O curtailment não é energia gerada e jogada fora. É produção potencial que não aconteceu: o ONS estima quanto cada usina poderia gerar com o vento ou o sol do momento, e ordena que ela gere menos, por razão energética, de confiabilidade ou de rede. A diferença é o corte.

O caso da Cemig não é o de gerar melhor. É o de fiscalizar o que já foi contratado — pagar ou não pagar por serviço de poste efetivamente executado, em uma rede que atende mais de 9,5 milhões de clientes em 774 municípios, com cerca de 550 mil km de extensão. Em Minas Gerais, a potência instalada em geração distribuída saltou de 153 MW para 5,17 GW entre 2018 e 2025, e a Cemig prevê aplicar cerca de R$ 70 bilhões entre 2019 e 2030, 68% deles em modernização e expansão da rede de distribuição.

Ou seja: enquanto a discussão pública de IA no setor elétrico gira em torno de geração e armazenamento, o trabalho de IA com resultado medível está no backoffice regulado — auditoria, multa contratual, consistência de cadastro, ninguém ser cortado de luz por engano. E é exatamente ali que o texto do regulador vira produto.

O que isso muda para quem constrói

A tese que os números sustentam é sobre onde está o ativo, não sobre qual modelo vence.

O corpus regulatório é o ativo, não o modelo. O EnergyGPT não é um modelo proprietário no sentido de arquitetura: é um modelo aberto, de 10 a 20 bilhões de parâmetros, retreinado sobre a base de normas do setor brasileiro, com controle de vigência de documentos. O que é caro e defensável é montar e manter esse corpus — e a disciplina de fazê-lo envelhecer corretamente. Qualquer empresa que venda "IA para o seu setor regulado" precisa entregar, junto, o mecanismo de expiração de norma.

O primeiro cliente de uma vertical regulada é a própria operação, não o consumidor. O uso real está 93% concentrado em uma área interna. Antes de servir o consumidor final com IA, o ganho estava em auditar fornecedor e reduzir retrabalho interno. Para o fundador, isso sugere um caminho de entrada: não vender chatbot de atendimento, mas entrar pela eficiência de operação e pela redução de retrabalho e de atraso para o cliente.

O custo unitário é a métrica de venda. R$ 0,07 a R$ 0,10 por análise contra R$ 1,10 médio de solução de mercado não é detalhe de engenharia, é argumento comercial. Em vertical regulada, a alternativa de IA é o time interno, e o preço se compara a ele — não ao preço da API de terceiro.

O agente é o próximo degrau, não o primeiro. A Cemig só fala em agentes na versão seguinte, e mantém a decisão crítica com humano. O desenho que funciona aqui — máquina classifica e prioriza, humano decide no caso de alto risco — é o desenho defensável para qualquer vertical com assimetria de erro. Agente sem trilha de decisão é exatamente o que o caso do endereço cadastrado errado desmente.

O que estas fontes não provam

Vale marcar os limites do que foi publicado:

• Os números de auditoria são da empresa, repassados em entrevista. A cobertura de 5,3% para mais de 51%, a concordância de 83%, as multas sugeridas de R$ 63 mil, a acurácia de 90% contra 70% e o custo por análise são números da Cemig ou do CEIA, relativos em reportagem, sem auditoria externa independente.
• Concordância de 83% não é acerto de 83%. As duas grandezas medem coisas diferentes: a primeira compara a avaliação da máquina com a de analistas humanos; a segunda é a alegação de acurácia frente às normas. Nenhuma das duas foi medida por terceiro.
• "Multiplicou por dez" é leitura de reportagem. Multiplicar 5,3% por dez dá 53%, não "mais de 51%". O texto da empresa fala em salto de 5,3% para mais de 51%; o multiplicador é da reportagem, não da Cemig.
• O curtailment tem três réguas, e nenhuma é indicador oficial único. A régua do contador do conjunto dá 34,80 TWh; a soma por usina com gate do ONS dá 35,36 TWh; a soma por usina sem gate dá 45,61 TWh. Janela, fontes e definição mudam o número.
• A plataforma segue em validação em operação real, com dependência de um aditivo contratual sem data aprovada. "Vender para outras empresas do setor" é plano declarado, não produto.
• O uso do Gemini na etapa visual significa que a alegação de IA própria não cobre o pipeline inteiro.

Conclusão

O EnergyGPT é um caso de uso concreto de IA vertical: 34,80 TWh de geração perdida no país, e uma concessionária que decidiu resolver o problema que tinha — contratos de serviço não executados em rede de distribuição — com modelo treinado no próprio texto do regulador.

O resultado que interessa para quem constrói produto não é o modelo de 10 a 20 bilhões de parâmetros. É o caminho: pegar uma área de operação que já gera custo por retrabalho e auditoria manual, treinar no corpus regulatório, medir em cobertura e em dinheiro — R$ 63 mil de multas sugeridas, viagens técnicas evitadas, um corte de luz que não aconteceu — e só depois abrir para o consumidor.

O que a Cemig ainda não fez é vender isso para fora. Quando fizer, o produto é a norma com vigência controlada. O resto é implementação.