IA além do hype: entre o sonho e a realidade do supply chain autônomo

O futuro do supply chain costuma ser retratado como um cenário quase de ficção científica: cadeias totalmente monitoradas, decisões autônomas e processos que se ajustam sozinhos. Um mundo onde agentes de IA conversam com fornecedores, resolvem rupturas e equilibram estoques sem nenhuma intervenção humana. Com o ritmo de avanço da tecnologia, não há duvidas de que vamos chegar lá. Mas a jornada até um supply chain autônomo pode ser mais longa do que muitos pensam.

Na segunda conversa da série “IA Além do Hype”, do hub de conteúdos da CICLO Academy, o tema é justamente esse: diferenciar o que está hoje impactando as cadeias de suprimentos e gerando valor daquilo que está em um horizonte mais longo.

Para isso, conversamos com Giuliano Babbini, Sócio Líder da Prática de Supply Chain da Deloitte Brasil, que ajuda empresas a evoluírem de processos manuais e fragmentados para redes inteligentes e conectadas. E o que ele traz é uma visão realista (e, ao mesmo tempo, otimista) sobre o papel da IA nesse caminho.

O hype: o supply chain autônomo

Quando se fala em “IA no supply chain”, o discurso costuma vir acompanhado de expressões grandiosas:

• Agentes de IA substituindo humanos nas decisões;
• Processos de forecast-to-execution (ou seja, da previsão de demanda à execução) totalmente orquestrados por IA;
• Redes que se corrigem sozinhas, com blockchain, smart contracts e GenAI garantindo rastreabilidade e performance;
• Procurement sem compradores, com plataformas negociando diretamente com fornecedores;
• Decisões tomadas em segundos, com dados integrados e exceções tratadas “na ponta dos dedos”.

Esse é o cenário ideal — e ele tem, sim, um papel importante. O hype impulsiona o investimento, desperta curiosidade e acelera a inovação.

Mas entre o sonho e a prática, há um terreno desafiador, e muitas empresas estão começando a entender o tamanho da jornada agora, quando tentam escalar as provas de conceito (PoCs) de GenAI

A realidade: dados dispersos, governança indefinida, desconfiança e dificuldade de escalar

Giuliano é direto: a distância entre o hype e o que acontece no chão das empresas ainda é grande. “Muitas organizações estão mais preocupadas em tentar consolidar e enriquecer dados básicos do que de ter redes autônomas de decisão. Em grandes empresas, dados dispersos entre múltiplas fontes acabam inviabilizando a aplicação prática em escala de IA”, explica.

E o problema não é apenas técnico. Questões de governança e segurança também travam a implementação e adoção. Muitas áreas de TI, por exemplo, ainda não têm clareza sobre a transição de linguagens legadas – como ABAP e SQL para ambientes modernos baseados em Python. Além disso, há desafios em garantir a segurança de aplicações que trabalham com múltiplos agentes e em como estruturar uma arquitetura que permita a integração das cadeias em escala sem a exposição ao risco que a acompanha.

Outro ponto central é a confiança.

“Os usuários ainda não confiam plenamente nas recomendações das máquinas”, comenta Giuliano. “Isso é fruto de premissas ruins, bases inconsistentes e pouca familiaridade sobre como os modelos funcionam.”

Por isso, as empresas que têm tido mais sucesso na implementação de agentes autônomos são aquelas que, ao definir seus planos de investimento, priorizam não apenas o valor potencial, mas também a prontidão dos dados, dos processos e das pessoas para transformar este valor em realidade.

O progresso “silencioso”: onde a IA já faz diferença de verdade

Apesar dos desafios, há avanços concretos acontecendo — menos glamourosos que as promessas de automação total, mas profundamente transformadores. Giuliano destaca três frentes de evolução que têm mostrado resultados consistentes:

1) Fundação dos agentes autônomos

Antes da tomada de decisões autônoma, vêm os agentes que organizam o caos dos dados. Modelos de IA têm sido aplicados para consolidação de bases, harmonização de taxonomias e detecção de outliers, especialmente em procurement e customer service.

São iniciativas que não aparecem nas “manchetes”, mas sem elas não existe autonomia verdadeira no futuro.

Como exemplo, Giuliano cita dois clientes da Deloitte de setores distintos (energia e agronegócio) com desafios semelhantes: possuíam 3 ou 4 ERPs e diversas aplicações de supply chain que não se comunicavam entre si. Uma aplicação de IA para classificação foi capaz de endereçar mais de 90% dos dados com alta granularidade e precisão, criando uma base sólida para aplicações mais avançadas.

2) A força da “IA clássica” no core operacional

Técnicas clássicas — modelos prescritivos, otimização, forecasting e segmentação — continuam sendo o coração da IA em supply chain. Elas são estáveis, compreensíveis e entregam valor rápido, principalmente nas funções de planejamento, produção e logística.

Aqui entra o conceito da “IA além do hype”: a revolução nem sempre é sobre modelos novos, mas sobre aplicar bem o que já existe. Inclusive, falamos sobre o termo “old IA” em nosso primeiro artigo da série – confira aqui!

“É comum recebermos pedidos de clientes que querem implementar um LLM (Large Language Model) em algum processo. Mas, ao investigarmos mais a fundo, muitas vezes percebemos que se trata de um problema de negócio que poderia ser resolvido com uma abordagem mais simples, como um modelo de regressão. Infelizmente, a base de estatística nem sempre está presente nas áreas de digitalização das empresas, e o hype em torno de LLMs acaba virando o principal motor para aprovação de projetos, criando um incentivo perverso”, explica Giuliano.

3) Co-pilotos de produtividade

Há soluções que aumentam a eficiência sem substituir pessoas. “São como o passo intermediário entre o que temos hoje e a autonomia real do futuro”, explica Giuliano. Vamos dar dois exemplos:

• Assistente de Planning: identifica cobertura de estoques fora da política e analisa forecasts detalhados — mas a decisão final continua humana.
• Agentes de Customer Service: traz a visão 360º do cliente. Reúne dados de CRM, contas a receber, OTIF (On-Time In-Full, que em português significa “no prazo e completo”), rupturas e oportunidades em um só painel, facilitando a vida do time de atendimento.

Quem está gerando valor com a autonomia da IA

Nem todos os casos de autonomia em IA estão tão distantes. Existem setores e funções que já estão realizando valor. Uma área em que vemos maior maturidade é o procurement: há varejistas utilizando agentes autônomos de IA para negociar contratos de tail spend, que são compras de baixo valor, alta volumetria e baixo risco.

O resultado? Ganhos financeiros expressivos e mais tempo para que as equipes foquem em negociações estratégicas e gestão de categorias.

E o que esses agentes de negociação, motores de tratamento de dados, assistentes de gestão de estoques e agentes de customer service têm em comum? As empresas que extraem valor dessas soluções geralmente:

• Contam com bases de dados bem governadas e integradas;
• Usam tecnologia em processos maduros, com impacto mensurável em KPIs;
• Possuem patrocínio executivo e estrutura de risco e segurança que viabiliza a adoção;
• Operam com mentalidade de experimentação: testam rápido, aprendem e escalam além da PoC;
• Mantêm TI, operações e negócio trabalhando juntos desde o início.

No fim, essa combinação define a verdadeira revolução da IA no supply chain. A maturidade, portanto, é menos sobre o quanto de tecnologia se adota e mais sobre como se constrói confiança nos próprios sistemas.

Assim como Gustavo Fróes Ferreira destacou na estreia da série, o verdadeiro diferencial da IA está em unir clareza de propósito, entendimento profundo do negócio e domínio técnico. Giuliano reforça esse ponto sob a ótica do supply chain. “Não é sobre substituir, é sobre amplificar. A IA que gera valor é a que entende o contexto, trabalha junto das pessoas e se apoia em dados confiáveis.”

O hype não é “vilão” — ele é o motor que acelera o aprendizado. Mas o que transforma de fato são as iniciativas que entregam valor, fortalecem a confiança e preparam o terreno para o que vem depois.

Sobre a série IA Além do Hype

Essa é a segunda conversa da série produzida pela CICLO Academy, que explora como a Inteligência Artificial está sendo aplicada na prática para resolver problemas reais de negócio. O objetivo é justamente esse: conectar a empolgação das novas tecnologias com o impacto concreto nas empresas, da estratégia à operação.

Continue acompanhando nossos conteúdos e prepare-se: em breve, novos eventos da CICLO que conectam tendências, inovação e práticas reais do mercado! Acompanhe aqui!

Fique por dentro! Cadastre-se e receba conteúdos exclusivos.