A IA que acelera uma tarefa pode atrasar toda a operação

A velocidade de uma etapa não determina, sozinha, a eficiência de uma operação logística. Uma atividade pode ser concluída em menos tempo depois da adoção de inteligência artificial e, ainda assim, o pedido demorar mais para chegar ao cliente. Sem ajustes nas etapas seguintes, a tecnologia pode deslocar gargalos e ampliar filas, retrabalho e custos.

Esse risco cresce com o avanço da IA. Segundo a pesquisa global The State of AI in 2026, da McKinsey, quase nove em cada dez entrevistados relatam uso regular de IA em suas organizações, enquanto 44% afirmam que a IA está sendo escalada no âmbito corporativo. Entretanto, apenas 37% atribuem à tecnologia algum impacto positivo no lucro operacional (EBIT) de suas organizações. Embora representem dimensões distintas, os números reforçam a necessidade de avaliar o impacto da IA no negócio, e não apenas em tarefas isoladas.

Na logística, a visão computacional já é aplicada a diferentes atividades dos centros de distribuição. No recebimento de mercadorias, soluções baseadas em modelos de IA permitem analisar imagens de produtos e embalagens, conferir informações e identificar divergências que exigem avaliação humana. A tecnologia também pode ser utilizada na conferência de pedidos antes da expedição. Na etapa de embalagem, por exemplo, a visão computacional consegue identificar quando um item pertencente a outro pedido é colocado na caixa, emitindo um alerta para que o operador corrija a divergência antes de concluir o processo. Essas aplicações reduzem verificações manuais repetitivas e podem acelerar a liberação dos volumes para as etapas seguintes.

Para compreender como uma aplicação real de IA pode gerar resultados diferentes dos esperados, considere uma simulação operacional, com números meramente ilustrativos. Durante um pico, um centro de distribuição acumula mercadorias aguardando inspeção. Antes da implantação da tecnologia, a equipe conseguia conferir e liberar 800 volumes por hora. Com o apoio da IA, essa capacidade passa para 1.200 volumes por hora. Isoladamente, o resultado parece positivo. Porém, se a triagem e o encaminhamento para armazenagem conseguem processar apenas 900 volumes por hora, até 300 volumes podem se acumular por hora. Sem capacidade suficiente nas etapas seguintes, a fila cresce e pode comprometer o fluxo operacional.

É nesse ponto que uma melhoria localizada pode produzir um atraso real. O acúmulo ocupa áreas de espera e exige remanejamentos que interrompem o trabalho das equipes. Produtos urgentes podem ficar retidos atrás de cargas menos prioritárias, enquanto a falta de espaço pode paralisar o recebimento. O tempo ganho na inspeção se perde em espera, remanejamentos e retrabalho. Em situações de congestionamento persistente, até o volume efetivamente concluído pela operação pode cair.

O problema não está na capacidade da IA de reconhecer produtos, conferir informações e sinalizar divergências, mas na decisão de acelerar uma etapa sem preparar as demais para absorver o aumento do fluxo. A tecnologia entregou o que lhe foi solicitado; a operação, como sistema, não estava organizada para absorver esse ganho. Por isso, importa medir não apenas a quantidade inspecionada, mas o tempo entre a chegada das mercadorias e sua disponibilização em estoque.

A integração entre processos e sistemas é parte decisiva dessa equação. Na pesquisa Digital Trends in Operations Survey 2025, realizada pela PwC com 610 executivos de operações e supply chain dos Estados Unidos, 42% apontaram a integração com sistemas existentes entre os três principais desafios para ampliar o uso da IA nas operações. Questões ligadas à disponibilidade e à qualidade dos dados foram apontadas por 37%. Uma solução isolada dos sistemas de armazém, planejamento e transporte pode não produzir o resultado esperado.

É útil, portanto, distinguir três níveis de transformação. O primeiro é a automação da tarefa, que reduz a intervenção humana ou o tempo de execução. O segundo é a integração do processo, quando informações e decisões circulam entre equipes e sistemas. O terceiro é a transformação da operação, com fluxos, recursos e responsabilidades reorganizados para melhorar o desempenho da cadeia. Mesmo quando o projeto se limita aos primeiros níveis, é preciso considerar as etapas conectadas.

Como transformar esse princípio em uma decisão prática? Antes da implantação, é preciso mapear a jornada operacional de ponta a ponta: o que entra em cada etapa, quais decisões são tomadas, quem recebe as informações e como as exceções são tratadas. No armazém, isso envolve agendamento, descarga, conferência, triagem, endereçamento, armazenagem e expedição, com suas capacidades e dependências.

O segundo passo é medir a capacidade real, e não apenas a velocidade média, de cada etapa. Uma doca ou equipe de triagem pode operar com folga em condições normais e atingir o limite durante os picos. Por isso, é importante simular diferentes cenários e perguntar: se a IA aumentar em 50% a saída de uma atividade, as etapas seguintes conseguirão receber esse fluxo? Haverá espaço, equipamentos, pessoas e dados para sustentar a mudança? Se a resposta for negativa, o projeto precisa prever ajustes ou mecanismos de controle do ritmo de liberação.

O terceiro passo é testar em escala controlada, com indicadores definidos antes da adoção. Além do tempo de inspeção ou do número de tarefas por hora, vale acompanhar o tempo entre chegada e disponibilização em estoque, as filas, a ocupação das áreas intermediárias, o retrabalho, o custo por unidade e o cumprimento dos prazos. Comparar períodos equivalentes, considerando volume e sazonalidade, ajuda a separar o efeito da IA das oscilações da operação.

Os indicadores devem ser lidos em conjunto. Conferir mais rápido pouco significa se a carga permanece mais tempo no armazém. E levar um recurso à utilização máxima pode eliminar a folga necessária para lidar com imprevistos, aumentando as filas. O resultado esperado deve ser definido pelo desempenho do fluxo completo e pelo nível de serviço entregue, não pelo recorde de produtividade de uma única estação.

Por fim, é indispensável ouvir quem opera a logística diariamente. Regras de prioridade, limites de segurança e procedimentos de exceção nem sempre cabem em um modelo genérico. Operação, tecnologia e gestão devem definir o problema, validar recomendações e determinar quando a decisão cabe a uma pessoa. Sem essa governança, até previsões corretas podem gerar decisões inadequadas ao contexto.

A IA pode ampliar capacidade, antecipar problemas e apoiar decisões mais precisas. Mas a questão decisiva não é apenas quanto tempo economizou: é o que aconteceu com filas, custos, prazos e nível de serviço após sua adoção. A melhor aplicação não é necessariamente aquela que torna uma etapa mais rápida, e sim a que permite que toda a operação avance de forma mais coordenada.

*James Barroso é diretor de estratégia e IA da Infor Brasil.