LEAFIO para a Progressive Grocer: Repensando o futuro do reabastecimento de supermercados

Uma rede de supermercados pode automatizar todos os pedidos de reposição que envia e, ainda assim, exigir uma aprovação manual para cada um deles. É nessa lacuna entre o que o sistema já é capaz de fazer e o que a organização permite que ele faça que reside o verdadeiro trabalho atualmente.

A *Progressive Grocer* me convidou recentemente para opinar sobre os rumos da reposição de estoque no setor supermercadista, em uma matéria publicada este mês. A publicação abordou grande parte dessa questão, mas não a totalidade dela. A seguir, apresento uma análise mais detalhada dos aspectos econômicos, da estrutura e das mudanças operacionais envolvidas.

Você pode ler a matéria original da Progressive Grocer aqui: Aproveitando ao máximo o reabastecimento

A maioria das redes de supermercados com as quais trabalhamos já automatizou o básico. Os pedidos são gerados automaticamente, e as previsões são processadas discretamente em segundo plano. O que demora mais a mudar é o fluxo de trabalho associado a essas recomendações, estruturado para um mundo anterior à IA. Geralmente, é aí que reside o verdadeiro gargalo, e não no modelo em si.

Uma vez superado esse gargalo, os resultados positivos aparecem rapidamente. Na Local Discounter, nossa automação de reposição reduziu em 80% a carga de trabalho relacionada aos pedidos nas lojas. Na Daily Supermarkets, a automação gera atualmente 99,5% dos pedidos sem qualquer intervenção manual. Esses ganhos são de mão dupla: garantir a disponibilidade é importante, mas também o é evitar o excesso de estoque, que imobiliza silenciosamente o capital de giro e gera desperdício.

O maior retorno surge com o tempo, à medida que a varejista cresce. A complexidade operacional não precisa aumentar na mesma proporção que a rede de lojas. A tomada de decisão autônoma permite que uma rede dê suporte a mais lojas sem aumentar a equipe de planejamento no mesmo ritmo. A 7/23, uma de nossas parceiras de longa data no varejo, cresceu de cerca de 150 para mais de 540 lojas em um período de quatro anos. Durante todo esse crescimento, a empresa manteve o mesmo modelo de reposição. A rede mais do que triplicou de tamanho sem que o processo precisasse ser reformulado a cada etapa.

O verdadeiro retorno da reposição manifesta-se na capacidade de uma organização de absorver o crescimento sem um aumento proporcional na complexidade operacional. Não se trata apenas do que aparece em um relatório de estoque.

Tecnicamente, a reposição de rotina já é altamente automatizável. Sistemas podem prever a demanda, gerar pedidos e enviá-los aos fornecedores sem intervenção humana. A questão mais complexa é onde essa autonomia deve parar.

Decidir quais decisões um sistema de IA pode tomar por conta própria depende de uma estrutura específica que utilizo com clientes.

Quatro perguntas determinam onde a autonomia deve ser aplicada:

• Com que frequência a decisão é tomada?
• Quão previsível é o resultado?
• Quão fácil é reverter a decisão caso o sistema erre?
• Qual é o custo real de uma decisão errada?

À medida que o risco, a imprevisibilidade ou o custo do erro aumentam, a supervisão humana torna-se mais importante. A autonomia deve ser conquistada decisão a decisão, e não ativada de uma só vez para toda uma rede.

A questão da responsabilidade é o verdadeiro obstáculo para o planejamento impulsionado por IA. Quando um pedido automatizado apresenta falhas, alguém ainda precisa responder por isso, e a maioria das organizações não definiu claramente quem detém essa responsabilidade. Já vi planejadores continuarem verificando, discretamente, um sistema de IA que tem acertado há meses; ninguém lhes disse que é seguro parar de fazer isso.

A pergunta mais relevante é como as organizações podem, de fato, superar essa lacuna. A resposta está na definição de uma sequência de etapas, e não em uma imposição. Comece por decisões rotineiras e previsíveis, nas quais o risco de erro seja baixo. Mostre aos planejadores quais fatores levaram a cada recomendação específica, utilizando uma linguagem de negócios clara e acessível. Amplie o escopo apenas quando os resultados se mostrarem consistentes com as métricas em que a equipe já confia, estabelecendo regras claras para o escalonamento de situações atípicas. Se essa ordem for ignorada e a automação completa for implementada antes de haver um consenso sobre a responsabilidade, o projeto geralmente trava. Esse fracasso raramente se deve ao modelo em si; quase sempre decorre da forma como a implementação foi conduzida.

À medida que mais decisões rotineiras são incorporadas ao sistema, a função do planejador também se transforma. Afirmei à *Progressive Grocer* que o planejador do futuro gerenciará um sistema de decisão, e não uma planilha. A mudança mais específica reside em qual tipo de conhecimento passa a ser realmente valioso.

Hoje, o valor de um planejador muitas vezes advém de conhecer intuitivamente itens individuais (SKUs). Nos próximos anos, a habilidade mais valiosa passará a ser compreender por que um modelo se comporta de determinada maneira. Isso também envolve traduzir objetivos de negócios em constante mudança em restrições que o sistema possa processar. Os planejadores que desempenham bem esse papel sabem interpretar o sistema corretamente: identificando quando ele dispõe de contexto suficiente para decidir sozinho e quando não. Esse discernimento vale mais do que a intervenção constante ou a aceitação cega.

Uma previsão mais precisa leva o varejista apenas até certo ponto. A oportunidade maior reside em conectar esse indicador às decisões operacionais decorrentes dele, abrangendo gestão de estoque, sortimento e execução na gôndola.

Em conjunto, essas mudanças apontam para algo mais amplo do que a simples automação do reabastecimento. Os varejistas estão transformando não apenas quais decisões a IA pode tomar, mas também como essas decisões se conectam e como a autonomia se expande.

É nessa direção que estamos trabalhando na LEAFIO AI: uma plataforma de tomada de decisão autônoma, na qual as decisões do varejo ganham autonomia de forma gradual. Demanda, estoque, sortimento e execução na gôndola alimentam-se mutuamente, garantindo que cada decisão conte com o contexto do restante da operação. A autonomia também depende de feedback: uma decisão precisa ser avaliada com base no que realmente aconteceu, para que a próxima se inicie com mais contexto do que a anterior.