Nos últimos anos, soluções voltadas ao planejamento e abastecimento passaram a incorporar algoritmos capazes de analisar grandes volumes de dados, identificar padrões de consumo e apoiar decisões que antes dependiam exclusivamente da experiência dos profissionais.
Por trás desse movimento estava a expectativa de que os algoritmos fossem capazes de reduzir a dependência da experiência individual, aumentar a previsibilidade da operação e minimizar problemas históricos, como excesso de estoque e rupturas nas prateleiras. Juan Padial, porém, alerta que é preciso separar aquilo que a tecnologia já entrega de forma consistente das expectativas que ainda cercam o tema. “As aplicações que já entregam resultados concretos são previsão avançada de demanda, reposição automática, detecção de rupturas, otimização de níveis de estoque, análise de promoções e identificação de padrões de consumo”, diz. O executivo destaca ainda o crescimento das chamadas control towers e dos ambientes integrados de planejamento, que utilizam Inteligência Artificial para monitorar desvios operacionais e recomendar ações corretivas praticamente em tempo real.
Ao mesmo tempo, o sócio da KPMG na área de Supply Chain avalia que parte do mercado ainda deposita expectativas exageradas sobre a capacidade da IA de substituir completamente a atuação humana. “Percebemos muita expectativa em torno de soluções totalmente autônomas, capazes de substituir planejadores ou tomar decisões complexas sem intervenção humana. As empresas de melhor desempenho usam IA para ampliar a capacidade analítica das pessoas, não para eliminá-las. O profissional continua responsável pelos trade-offs comerciais, financeiros e operacionais”, alerta o especialista.
A avaliação encontra respaldo em dados que medem o estágio de maturidade do varejo brasileiro. Segundo levantamento da KPMG, apenas 52% das empresas afirmam conseguir transformar dados em insights para apoiar a tomada de decisão. Paralelamente, a Pesquisa Abrappe de Prevenção de Perdas mostra que quase um terço dos varejistas ainda não revisa regularmente seus cadastros de produtos, evidenciando que boa parte dos desafios permanece concentrada na qualidade das informações que alimentam esses sistemas.
Na visão de Padial, essa é uma das razões pelas quais muitos projetos de transformação digital acabam entregando resultados inferiores ao esperado. Isso porque problemas de gestão continuam sendo tratados como se pudessem ser resolvidos apenas pela incorporação de novas tecnologias.
“Ao analisar varejistas brasileiros de diferentes segmentos, alguns costumes continuam se repetindo”, observou o sócio da KPMG.
Os três principais erros dos varejistas na gestão de estoque, segundo Juan Padial
- Tratar o estoque como consequência das compras, e não como resultado de uma estratégia integrada entre vendas, abastecimento e logística.
- Insistir em decisões baseadas na percepção individual, quando os dados já permitem um grau muito maior de previsibilidade.
- Administrar todos os itens sob a mesma lógica, desconsiderando diferenças de criticidade, margem, giro e comportamento da demanda.
Outro problema recorrente, segundo o especialista, é a coexistência entre elevados níveis de estoque e frequentes rupturas nas lojas. “Ainda é comum encontrar estoques elevados convivendo com frequentes rupturas, um paradoxo que normalmente revela problemas de parametrização, governança e visibilidade da cadeia. Em resumo, muitos ainda tentam resolver problemas de planejamento comprando mais estoque, quando a verdadeira solução está na qualidade da decisão”, analisa Padial. Para o especialista, empresas interessadas em modernizar a gestão devem resistir à tentação de começar pela tecnologia. Antes de ampliar investimentos em Inteligência Artificial, Padial recomenda fortalecer os fundamentos da operação. “Muitas empresas investem milhões em tecnologia antes de corrigir cadastros, parâmetros de estoque, governança de informações e alinhamento entre compras, vendas e logística. O resultado normalmente é uma digitalização das ineficiências existentes”.
Por isso, a recomendação é começar pela organização dos dados, depois revisar processos, então integrar áreas e, por fim, escalar automação e Inteligência Artificial. Quando essa ordem é invertida, os ganhos tendem a ser limitados.
