Toda foto de canhoto, BL ou packing list já carrega um número de contêiner, um lacre, um PO, um peso. A pergunta que levei ao Comex Tech Forum AI 2026: por que essa informação ainda é digitada à mão? IA em logística com um objetivo só.
Uma foto de canhoto já contém dado: número do contêiner, lacre, PO, peso bruto. O desperdício está em continuar digitando isso à mão. Esse foi o fechamento da minha participação no Comex Tech Forum AI 2026, para mais de 4 mil pessoas, e é a forma mais honesta que eu conheço de falar de IA em logística.
IA, em uma frase
IA está em toda keynote, todo painel e todo pitch de fornecedor este ano. Por isso vale dizer exatamente o que ela significa para quem opera: usar IA com um objetivo, e só um, tornar a cadeia de suprimentos mais justa, enxuta e resiliente. Nada mais místico do que isso.
A pergunta que todo mundo já fez
Não começamos pela tecnologia. Começamos por uma pergunta que qualquer pessoa de comex já viveu:
Quantas vezes você tirou foto de um canhoto, de um Bill of Lading, de uma packing list (qualquer coisa com carimbo ou assinatura) e pensou: "queria que isso já fosse dado; queria não ter que digitar isso de novo"?
A escala do problema
Todo dia, milhares de dispositivos sobem fotos para a plataforma da Cargosnap, empresa da qual sou cofundador: contêineres, pallets, packing lists, etiquetas, canhotos, relatórios de avaria. Isso soma. Hoje são mais de 150 milhões de ativos visuais.
Olhando para esse número, a pergunta é inevitável: o que as operações poderiam fazer se isso fossem 150 milhões de registros de dados, e não uma pilha de fotos e vídeos? Que perguntas ficam sem resposta hoje, ou nem chegam a ser feitas, só porque o trabalho manual de digitação não permite?
A foto não deveria ser o destino final
Alguém já teve o trabalho de apontar a câmera para a informação. Ela não precisa continuar presa em pixels. Pode ser lida e guardada como dado, dentro do arquivo digital do embarque:
- Canhoto: número do contêiner, lacre, data, assinatura.
- Bill of Lading: partes, portos, descrição da carga, pesos.
- Packing list: volumes, quantidades, PO.
- Etiqueta e relatório de avaria: SKU, lote, tipo de dano, localização.
Isso muda três coisas na prática: menos redigitação (e menos erro de digitação), conferência automática entre o que o documento diz e o que o sistema espera, e histórico pesquisável para sinistros, auditorias e análise de causa raiz.
O cuidado que eu sempre repito
IA não conserta processo quebrado, ela acelera o que já existe (escrevi sobre isso no caso da IA que não sabia contar leite). Extrair dado de foto só vale se a foto for tirada no momento certo, vinculada ao embarque certo, dentro de um processo que alguém padronizou. É por isso que o primeiro passo é o registro estruturado de ocorrências e evidências, tema da primeira parte da palestra. A IA vem depois, sobre um dado em que a operação confia.
Para quem está avaliando IA na operação
Três perguntas antes de comprar qualquer solução:
- Que decisão esse dado vai mudar? Se ninguém sabe responder, é enfeite.
- A evidência nasce no ponto de captura ou é reconstruída depois? IA sobre dado reconstruído só automatiza o palpite.
- Como você vai medir se funcionou? Tempo de digitação, erros de conferência, prazo de dossiê de sinistro. Escolha antes de começar.
Se você quer levar esse tema para a sua empresa ou evento, ou avaliar onde a sua operação ainda perde dado em fotos e documentos, fale comigo.