O Brasil já sabe construir deep tech em óleo e gás. Mas sabe formar quem vai operá-la na mesma velocidade?

Há um paradoxo no centro do atual ciclo de investimento em óleo e gás no Brasil. De um lado, a Petrobras aprovou, em novembro de 2025, um plano de negócios de US$ 109 bilhões para o período 2026-2030, sendo US$ 69,2 bilhões alocados a projetos de exploração e produção, o maior volume já destinado a essa frente em um único ciclo. De outro, associações do setor já identificam um déficit de mão de obra técnica que antecede esse investimento e tende a se aprofundar com ele.

Não é um problema de escassez de capital nem de ambição tecnológica. É um problema de ritmo: a velocidade com que o setor consegue formar competência técnica qualificada não está acompanhando a velocidade com que decide investir em tecnologia operacional. Este artigo desenvolve esse raciocínio em duas frentes que, à primeira vista, parecem assuntos distintos, mas que, olhadas em conjunto, contam a mesma história.

A prova: o Brasil já constrói deep tech em óleo e gás

Antes de discutir o gargalo, vale estabelecer um ponto que costuma ser tratado como promessa futura e que, na prática, já é capacidade instalada: o Brasil não está apenas planejando aplicar deep tech em operações críticas de óleo e gás: já está fazendo isso, com projetos concretos, nomeados e reconhecidos pelo próprio órgão regulador do setor.

Deep tech, aqui, tem um sentido específico: tecnologia com base científica ou de engenharia avançada, difícil de replicar rapidamente, distinta de aplicações de software convencionais construídas sobre processos já conhecidos. Os dois exemplos a seguir se qualificam como tal justamente porque não são digitalização de processo; são engenharia aplicada a um problema físico de alto risco.

O Gêmeo Digital para Avaliação de Integridade de Risers Flexíveis (Petrobras/LACEO-UFRJ/CESAR)

Um dos exemplos mais concretos dessa capacidade é o Gêmeo Digital para Avaliação de Integridade de Risers Flexíveis, desenvolvido em parceria entre a Petrobras, o LACEO (Laboratório de Análise e Confiabilidade de Estruturas Offshore, da UFRJ) e o CESAR, centro de inovação em engenharia de software. O projeto foi finalista do Prêmio ANP de Inovação Tecnológica em 2024, na categoria voltada a Indústria 4.0, transformação digital e IA, e evoluiu para vencedor da categoria Adoção Tecnológica na edição de 2025 do mesmo prêmio.

Um digital twin como esse é uma réplica digital de um ativo físico (neste caso, dutos e risers flexíveis submarinos), alimentada por dados reais de sensores e ensaios, usada para prever comportamento estrutural e apoiar decisões de engenharia e manutenção. É exatamente o tipo de ferramenta que uma operação crítica precisa para antecipar, e não apenas reagir a, sinais de degradação estrutural em ambiente de difícil acesso e alto custo de intervenção. O reconhecimento consecutivo do projeto pela ANP, em duas edições distintas do prêmio, é um indicador robusto de que não se trata de protótipo de laboratório, mas de tecnologia validada pelo próprio regulador do setor.

Centro Tecnológico para o Pré-Sal Brasileiro e o escopo tecnológico do plano de investimento

Outro ponto de prova é físico e institucional: o Centro Tecnológico para o Pré-Sal Brasileiro (CTPB), instalado em Minas Gerais com investimento de R$ 300 milhões (viabilizado pela cláusula de P&D da Petrobras somada a parceiros do consórcio do pré-sal, entre eles Shell, TotalEnergies, CNPC e CNOOC), iniciou operações em julho de 2026. O centro é dedicado a tecnologias específicas do pré-sal, com destaque para o Hisep, sistema de separação submarina de óleo e gás no próprio leito marinho, incluindo processos de reinjeção de CO2. É, novamente, engenharia de fronteira aplicada a um problema físico real, não uma iniciativa de TI corporativa.

Vale uma nota de precisão: parte da cobertura de mercado sobre o plano 2026-2030 associa a ele também um escopo tecnológico mais amplo: supercomputação para processamento sísmico, realidade virtual para modelagem de campo, avanços em operação remota. Esse escopo é consistente com a trajetória de digitalização da Petrobras, mas o comunicado oficial do plano de negócios, focado na alocação financeira do investimento, não o detalha explicitamente. Por isso, é tratado aqui como direção tecnológica indicada pelo mercado, não como fato confirmado com o mesmo grau de certeza dos números financeiros do plano.

Por que mais tecnologia crítica significa mais competência exigida, não menos

Existe uma suposição comum e intuitiva de que mais automação, mais digital twins e mais operação remota significam, no limite, menos necessidade de mão de obra. Em operações críticas, o padrão observado costuma ser o oposto: tecnologia mais avançada não elimina a necessidade de julgamento humano qualificado; ela desloca essa necessidade para um nível de interpretação, validação e intervenção mais sofisticado.

Um exemplo ilustrativo ajuda a tornar esse argumento concreto. Tome o próprio Gêmeo Digital de risers flexíveis citado acima: uma ferramenta desse tipo gera alertas de divergência quando identifica, por exemplo, um sinal de fadiga ou corrosão estrutural fora do padrão esperado. Mas o alerta, por si só, não decide nada: a decisão de intervir, adiar uma manutenção ou escalar uma inspeção continua exigindo julgamento de engenharia estrutural formado, não a simples leitura de um dashboard.

Esse é um exemplo hipotético de uso, não um relato documentado do projeto real, mas ilustra bem por que sistemas mais avançados pedem profissionais mais capazes de interpretá-los: não menos gente, e sim gente com uma competência diferente e mais avançada do que a exigida por processos manuais anteriores.

É esse descompasso que este artigo passa a chamar de curva de capacitação (o ritmo em que uma organização forma competência técnica qualificada em sua força de trabalho), em contraste com a curva de investimento tecnológico, o ritmo em que essa mesma organização adota sistemas mais avançados. Vale uma ressalva de linguagem: nenhum dos dois termos é jargão consagrado de norma técnica, órgão regulador ou agência internacional (IMCA, ANP, IEA). É um par de conceitos cunhado neste artigo para nomear, com precisão, o problema que estamos descrevendo. Ele reaparece mais adiante como fio condutor do raciocínio.

A conta que ainda não fechou: o déficit de técnicos por trás do boom

Se a primeira frente do argumento mostra que o Brasil já sabe construir tecnologia de ponta para operações críticas, a segunda frente mostra que a conta da capacitação para operar essa tecnologia ainda não fechou, e os números, aqui, vêm de fontes institucionais, não de estimativa do próprio artigo.

O déficit nacional: 5,1 mil técnicos, 145 ocupações (Abespetro)

A Abespetro, associação que representa empresas de bens e serviços do setor de óleo e gás no Brasil, identifica um déficit de pelo menos 5,1 mil técnicos de nível médio no setor hoje, distribuído em 145 ocupações técnicas mapeadas. A própria associação reconhece que esse número é um piso (o universo de empresas pesquisadas é menor que o setor total e exclui nível superior e funções administrativas), o que significa que o déficit real tende a ser maior, não menor, do que o valor divulgado.

Separadamente, e com fonte própria, o setor projeta a criação de mais 80 mil vagas ao longo de 2026, segundo dados do Novo PAC (Programa de Aceleração do Crescimento), número que se soma, mas não se confunde com, o déficit técnico já identificado pela Abespetro. São duas medidas distintas, de fontes distintas: uma é o estoque de vagas não preenchidas hoje; a outra é o fluxo de novas oportunidades geradas pelo setor ao longo de 2026.

Um padrão internacional: IEA World Energy Employment 2025

Esse gargalo brasileiro poderia, à primeira vista, ser lido como um problema local de recrutamento, um argumento que este artigo trata mais adiante. Mas há um componente estrutural mais amplo que reforça o ponto: segundo o relatório World Energy Employment 2025, da IEA (International Energy Agency), em economias avançadas a razão entre trabalhadores do setor de energia próximos da aposentadoria e novos entrantes com menos de 25 anos é de 2,4 para 1. Ou seja, para cada jovem profissional entrando no setor de energia nessas economias, há mais de dois trabalhadores experientes se aproximando da aposentadoria.

É importante situar esse dado com precisão: a IEA mediu essa razão para o conjunto do setor de energia em economias avançadas. Não é um dado específico de óleo e gás offshore, nem uma medição direta do mercado brasileiro, que como economia emergente tende a se aproximar mais do padrão observado nesse grupo de países (razão próxima de 1 para 1, segundo a própria IEA).

O que o dado evidencia, portanto, não é que o Brasil enfrenta exatamente essa mesma razão, e sim que o envelhecimento acelerado da força de trabalho de energia é um padrão estrutural já reconhecido nas economias mais maduras do setor, e o Brasil, à medida que amadurece sua base operacional offshore, não está isento de caminhar na mesma direção. O gargalo, assim, não é apenas “falta de gente nova entrando”; é também perda acelerada de gente experiente, componente demográfico que amplia o problema além do que qualquer campanha de recrutamento resolve sozinha.

Por que o modelo tradicional de capacitação não acompanha esse ritmo

Diante desses dois números (déficit já identificado e um padrão de envelhecimento estrutural do setor), a resposta mais comum é administrativa: recrutar mais, treinar mais, contratar mais rápido. O problema é que o modelo tradicional de capacitação técnica em operações críticas tem uma limitação estrutural que recrutamento, sozinho, não resolve: ele depende de disponibilidade de ativo físico e de instrutor presencial, dois recursos que não escalam na velocidade de um ciclo de investimento de cinco anos.

Dois exemplos ilustrativos tornam essa limitação mais concreta. No universo de operações de ROV (veículos operados remotamente), o treinamento prático de um piloto depende, em boa parte, da disponibilidade de uma embarcação e do ativo físico correspondente, um recurso caro e escasso, cuja agenda compete diretamente com a própria operação comercial.

Um backlog de capacitação, nesse cenário hipotético, pode atrasar um cronograma inteiro de manutenção sem que isso apareça, em nenhuma planilha de RH, como “falta de gente”, porque, tecnicamente, as pessoas existem; o que falta é oportunidade segura e disponível de formação prática. Esse tipo de restrição ilustra por que a objeção “isso é problema de RH, não de tecnologia” simplifica demais o problema: a questão central não é apenas quantidade de pessoas, é velocidade e profundidade de formação da competência exigida.

Em paralelo, do lado da coordenação de treinamento industrial, o desafio é de calendário: um ciclo de investimento tecnológico de cinco anos, como o de 2026 a 2030, exigiria um calendário de capacitação com cadência equivalente. Mas um modelo dependente de instrutor presencial tem, por natureza, capacidade de turma limitada, o que não gera apenas atraso pontual, gera fila estrutural, que se acumula ao longo do ciclo em vez de se dissolver com o tempo.

Até aqui, toda a evidência apresentada é de mercado; nenhuma delas é sobre a Missim. A partir deste ponto, uma nota sobre por que a Missim existe e qual categoria ela ocupa dentro do raciocínio que acabamos de construir.

Onde a Missim se posiciona nesse hiato

A Missim é uma deep tech brasileira, com origem no ecossistema aeroespacial de São José dos Campos (PIT), um polo de inovação e engenharia de ponta historicamente associado à indústria aeroespacial do país, e que hoje também exporta capacidade de engenharia para outros setores críticos, entre eles óleo e gás. A tese de empresa por trás da Missim é direta: simulação e IA aplicadas à formação de competência técnica para operações críticas são disciplina de engenharia, não “treinamento com tecnologia por cima”.

Simulação e IA para formação de competência: uma categoria de engenharia, não de treinamento

Vale fazer aqui uma distinção conceitual, porque ela costuma gerar confusão de mercado: digital twin operacional e simulação/IA para formação de competência não são a mesma ferramenta, ainda que ambas usem tecnologia semelhante. O digital twin, como o exemplo de risers flexíveis discutido acima, replica e prevê o comportamento de um ativo físico. A simulação de treinamento tem um objetivo diferente: formar a competência humana necessária para operar, interpretar e intervir sobre esse ativo com segurança. São ferramentas complementares, não intercambiáveis, e essa distinção formal é reconhecida pela própria norma de referência da indústria marítima e offshore para simuladores, a IMCA C 014.

Essa categoria também não deve ser confundida com gamificação superficial. O que caracteriza simulação e IA como disciplina de engenharia (e não como “treinamento com slides melhores”) é a modelagem rigorosa de comportamento de cenário e a validação de situações críticas antes de qualquer exposição de risco real. Um exemplo ilustrativo ajuda a explicar por quê: cenários de resposta a falha em sistema crítico, por razões óbvias de segurança e custo, não podem ser repetidos à vontade em um ativo real.

Um instrutor técnico que precisa formar essa competência específica esbarra justamente nesse limite: a repetição segura em ambiente real é impraticável. É exatamente aí que a engenharia de simulação entra: permitir repetição segura e controlada de um cenário que, de outra forma, só poderia ser vivido, com todo o risco que isso implica, em uma emergência real.

Essa é, em essência, a categoria que a Missim ocupa: não fornecedor de simulador de engenharia genérico, não empresa de treinamento tradicional, mas deep tech dedicada especificamente a comprimir, com rigor de engenharia, o hiato entre a complexidade técnica de operações críticas e a velocidade necessária para formar quem vai operá-las.

A pergunta que fica para quem decide: sua curva de capacitação acompanha seu investimento?

Tudo o que foi discutido até aqui pode ser resumido em duas curvas. A curva de investimento tecnológico (o ritmo em que uma operação adota digital twins, automação, operação remota e sistemas cada vez mais avançados) e a curva de capacitação, o ritmo em que essa mesma organização forma competência técnica qualificada em sua força de trabalho. Este artigo argumentou que essas duas curvas precisam avançar juntas e que, segundo a evidência levantada, frequentemente não estão.

A pergunta prática que fica para quem decide não é genérica. É esta: a curva de capacitação da minha operação está desenhada no mesmo ritmo da minha curva de investimento tecnológico planejado, ou está atrasada em relação a ela? Não é uma pergunta sobre quantidade de gente; é sobre velocidade e profundidade de formação frente à complexidade crescente dos sistemas que essa mesma operação está adotando.

Conclusão

O paradoxo com que este artigo começou não é, na verdade, um paradoxo: é uma consequência lógica. O Brasil já demonstra, com evidência verificável, que sabe construir deep tech para operações críticas de óleo e gás: o Gêmeo Digital para Avaliação de Integridade de Risers Flexíveis e o Centro Tecnológico para o Pré-Sal Brasileiro são prova disso, não promessa. Mas o mesmo ciclo de investimento que comprova essa capacidade tecnológica é o que expõe, com mais nitidez, um gargalo de capacitação que a tecnologia, sozinha, não resolve.

Quanto mais rápido o setor investe em sistemas mais avançados, mais rápido precisa formar as pessoas capazes de operá-los com segurança, e é exatamente nesse hiato entre a curva de investimento e a curva de capacitação que uma categoria específica de deep tech brasileira, dedicada à simulação e à IA aplicadas à formação de competência para operações críticas, deixa de ser desejável e passa a ser necessária.

Se a pergunta formulada acima (a curva de capacitação da sua operação acompanha a curva de investimento tecnológico planejado?) ainda não tem uma resposta clara, esse é, em si, um ponto de partida legítimo. Não existe uma fórmula pronta para responder a essa pergunta fora do contexto específico de cada operação, de cada ativo e de cada ciclo de investimento.

A Missim está à disposição para uma conversa técnica consultiva sobre como estruturar essa avaliação dentro da sua própria operação: um diálogo entre pares técnicos sobre o problema, não uma demonstração comercial de ferramenta. Se esse é um hiato que você já percebe na sua operação, vale a pena trazer essa pergunta para uma conversa.