Visão computacional no estoque, 11 mil lojas de uma vez, 99% de acurácia no teste e nove meses no ar. O aprendizado não é sobre tecnologia: IA não conserta processo quebrado, ela acelera o que já existe.
Um projeto de visão computacional no estoque entrou em operação em 11 mil lojas de uma vez, depois de um teste com 99% de acurácia. Nove meses depois, saiu do ar. A tecnologia funcionava. O que não funcionava era o processo debaixo dela.
Esse caso virou piada de LinkedIn, mas ele é a melhor aula de supply chain que eu vi nos últimos anos, e vale para qualquer operação: da geladeira de uma cafeteria ao pátio de um terminal portuário.
O que realmente aconteceu
O padrão se repete em quase todo projeto de tecnologia que eu acompanho:
- O piloto acontece no melhor cenário possível. Loja organizada, iluminação boa, produto no lugar certo, equipe atenta porque sabe que está sendo observada. Daí sai o 99%.
- A operação real é outra coisa. Caixa fora do lugar, embalagem trocada, produto empilhado na frente da câmera, gente com pressa no meio do turno.
- O rollout é grande demais para corrigir rota. Com 11 mil pontos no ar ao mesmo tempo, não existe ciclo de aprendizado, existe incêndio.
- A conta não fecha. Quando o número que o sistema entrega deixa de bater com a prateleira, a operação para de confiar. E sistema em que ninguém confia morre, independentemente da acurácia.
IA não conserta processo quebrado. Ela acelera.
Essa é a frase que eu repito em todo diagnóstico. Se o seu processo é bom, a tecnologia multiplica o resultado. Se o seu processo é ruim, ela multiplica o erro, com mais velocidade, mais escala e um relatório bonito para provar que está tudo certo.
Nos meus 25 anos de operação, em indústria, mineração, terminal e navio, eu nunca vi tecnologia resolver um problema de disciplina operacional. Vi tecnologia expor esse problema mais rápido, o que já é muito valioso, desde que alguém esteja disposto a agir sobre o que ela mostra.
O paralelo com comércio exterior
Troque "contar leite na geladeira" por qualquer rotina de comex e o filme é o mesmo:
- Torre de controle que promete visibilidade ponta a ponta, alimentada por dado que o agente lança errado na origem.
- Automação de documentos rodando em cima de um processo de conferência que ninguém padronizou.
- Evidência de inspeção de 7 e 17 pontos capturada de qualquer jeito, que na auditoria de OEA não sustenta nada.
- Painel de KPI lindo, com OTIF calculado sobre uma data de referência que cada filial interpreta de um jeito.
Em todos esses casos, a tecnologia não é o problema. Ela é o espelho.
Como eu faria diferente
Um roteiro simples, que custa pouco e evita o prejuízo de nove meses:
- Padronize o processo antes de automatizar. Se duas pessoas fazem a mesma tarefa de dois jeitos, não há modelo que resolva.
- Teste no pior cenário, não no melhor. Loja bagunçada, turno da madrugada, contêiner sujo, chuva no pátio. É ali que o número real aparece.
- Escale por onda. Dezenas de pontos, depois centenas, depois milhares. Cada onda com critério explícito de continuar ou parar.
- Defina o critério de morte do projeto no dia zero. Qual acurácia mínima, medida como, por quanto tempo, e o que acontece se não bater.
- Trate o dado como evidência, não como enfeite. Se o registro não sustenta uma auditoria, uma reclamação de cliente ou um sinistro, ele não vale o custo de coletar.
A parte que ninguém quer ouvir
Cancelar um projeto depois de nove meses e 11 mil lojas não é fracasso de tecnologia. É fracasso de desenho, de governança e de expectativa. E é caro justamente porque a decisão de escalar foi tomada com base num número de laboratório.
Antes de comprar IA para a sua operação, faça a pergunta desconfortável: o meu processo aguenta ser acelerado? Se a resposta for não, o investimento certo não é em modelo. É em processo, evidência e disciplina, exatamente o trabalho que ninguém posta no LinkedIn.
Se você está avaliando um projeto assim, traga o caso. Em 45 minutos eu digo onde a sua operação está travando, e se o problema é mesmo tecnologia.