Roadmap de IA para o varejo: de dados limpos a agentes de IA

O seu site diz que o suéter azul-marinho tamanho M está em estoque. O cliente vai até a loja e a prateleira está vazia.

É nessa diferença que a maioria dos planos de IA no varejo desmorona. É por isso que um roadmap de IA para o varejo precisa começar pelos dados antes de chegar perto de um modelo.

Eu o planejo em quatro etapas. Primeiro, uma visão confiável de produto, estoque e cliente. Depois, uma camada governada que dá a todos os relatórios e ferramentas de IA a mesma linguagem de negócio.

Em seguida vêm os agentes que preveem, repõem, precificam e atendem os clientes. Por último, a IA passa a fazer parte do dia a dia do merchandising, da cadeia de suprimentos e das lojas.

O varejo gera mais dados do que quase qualquer outro setor. Ainda assim, lojas, e-commerce, armazém e finanças muitas vezes informam estoques e vendas diferentes para o mesmo dia.

Este plano funciona quaisquer que sejam o seu ERP, o seu PDV e as suas plataformas de gestão de pedidos e de e-commerce. Para conhecer dois programas de varejo e bens de consumo sobre os quais escrevi, leia o meu estudo de caso de migração no varejo do Oriente Médio e a recuperação de relatórios em uma empresa de bens de consumo.

Cada etapa depende de a anterior estar em boa forma.

Três anos, quatro etapas

1. 01

   Agora: base de dados

   Dados de produtos, estoque, vendas e clientes das lojas e do on-line em uma plataforma governada.

2. 02

   Ano 1: inteligência governada

   Uma linguagem de negócio para produtos, locais, estoque e clientes, governança de IA e os primeiros ganhos rápidos.

3. 03

   Ano 2: escalar agentes de IA

   Agentes de previsão, reposição, preços, operações de loja e atendimento ao cliente.

4. 04

   Ano 3: IA incorporada em escala

   IA em todo o merchandising, a cadeia de suprimentos e as lojas, com fornecedores e parceiros conectados.

Antes de qualquer IA, você precisa de um lugar onde todos os seus dados de varejo cheguem e batam entre si. Isso significa juntar sistemas que cresceram separados: o ERP, os caixas, o e-commerce, a gestão de pedidos, o armazém, o programa de fidelidade e o portal de fornecedores.

Isto é o que eu implantaria nos primeiros meses:

1. Uma plataforma de dados moderna, muitas vezes um lakehouse, que é um repositório único para dados brutos e tratados. Ela recebe dados de vendas, estoque, pedidos, devoluções e fidelidade de todos os canais, quase em tempo real onde isso importa.
2. Responsáveis e regras de qualidade para os dados de produtos, locais e clientes, além de um catálogo que mostra de onde veio cada número. Os dados de cartão ficam fora da plataforma e dentro dos seus controles PCI DSS, o padrão de segurança do setor de cartões.
3. Relatórios de autoatendimento, para que compradores, planejadores e gerentes de loja vejam os mesmos números de vendas e estoque que finanças.

O cadastro mestre de produtos costuma ser a parte mais difícil. É o registro de cada item que você vende, com tamanho, cor, embalagem, fornecedor e atributos.

Pense em um varejista de moda com 40 lojas e um site. O site lista um vestido na cor “Navy” nos tamanhos 8 a 16. O sistema das lojas o registra como “NVY” em P, M e G, com outro código de item, vindo de outra planilha de compras.

Pergunte a qualquer ferramenta de IA como esse vestido está vendendo e ela verá dois produtos, cada um com a metade do desempenho real. A solução é um trabalho tedioso. Alguém mapeia os códigos, define uma lista de cores e uma grade de tamanhos e faz a equipe de compras ser dona de cada item novo desde o primeiro dia.

Agora imagine um supermercado que vende água em garrafa avulsa, em pacote de seis e em caixa de 24. Os caixas contam garrafas, o armazém conta caixas e o site conta pacotes. Enquanto essas conversões não estiverem limpas, o estoque do mesmo produto nunca vai bater, e qualquer ferramenta de reposição construída por cima vai pedir a quantidade errada.

Então, como é estar pronto? Quando o diretor de lojas e o diretor de e-commerce puxam as vendas de ontem da mesma loja, chegam ao mesmo número. Eu passaria três meses nisso com prazer para evitar um ano de discussão sobre por que a previsão está errada.

1. 01PDVCada cesta e cada devolução, por loja
2. 02E-commerce e pedidosPedidos, cliques e entregas
3. 03Armazém e estoqueEstoque por local e em trânsito
4. 04Zona de entradaCópias brutas com linhagem
5. 05Um cadastro mestre de produtosUm código, uma cor, um tamanho de embalagem
6. 06RelatóriosVendas e estoque que batem com finanças

Uma visão de produto, estoque e cliente em todos os canais

O núcleo do primeiro ano é uma camada semântica. É um dicionário compartilhado. Ele diz a cada relatório e ferramenta de IA o que significam produto, loja, estoque, promoção e cliente, e como calculá-los.

Um diretor comercial pede a “disponibilidade nas 50 maiores lojas”. Disponibilidade significa na prateleira, no estoque dos fundos ou no sistema?

As 50 maiores são classificadas pelas vendas deste ano ou do ano passado? Se um copiloto responder com o seu próprio palpite, você recebe um número convicto que ninguém consegue defender na reunião comercial de segunda-feira. A camada semântica resolve isso uma vez, e o copiloto passa a usar a mesma regra do relatório do próprio diretor comercial.

A governança de IA começa no mesmo ano. A personalização e os preços usam dados de clientes, então as regras de consentimento e de proteção de dados definem os limites.

Eu manteria um único registro de casos de uso de IA. Cada um recebe um responsável, uma classificação de risco, resultados de testes e uma nota sobre onde uma pessoa verifica o resultado.

Deixe claro quais decisões os clientes conseguem ver. A descrição de um produto é de baixo risco. Um preço que alguém paga, ou uma oferta que um cliente recebe e outro não, exige muito mais cuidado.

Depois entregue ganhos rápidos. Gosto destes porque os dados por trás deles costumam estar em condições razoáveis:

1. Conteúdo de produtos: descrições, atributos e traduções redigidos a partir do cadastro mestre e verificados por uma pessoa.
2. Copilotos para as lojas: as equipes perguntam sobre estoque, entregas, promoções e procedimentos em linguagem simples.
3. Resumos para o atendimento: histórico de contatos e status do pedido reunidos em uma nota curta para o atendente.

Pense em um varejista de eletrônicos que acrescenta algumas centenas de itens novos por mês. Cada um precisa de uma descrição, de uma tabela de especificações e, muitas vezes, de um segundo idioma. O copiloto lê a ficha técnica do fornecedor, redige a página e sinaliza lacunas, como um notebook sem a autonomia da bateria informada.

Um profissional de merchandising verifica cada afirmação e decide o que vai ao ar. A ficha do fornecedor continua sendo a única fonte de fatos, e essa regra importa mais do que o modelo que você escolher.

Agora imagine uma gerente de loja às 7h de uma quinta-feira. Uma promoção de cereais começou na segunda e a prateleira está quase vazia. Ela pergunta ao copiloto quando chega a próxima entrega de cereais e quantas caixas vêm nela.

O copiloto verifica a programação de entregas e os pedidos em aberto. Ele informa que 12 caixas chegam amanhã às 6h, o que não vai durar o fim de semana no ritmo de vendas desta semana. Ela decide se liga para a equipe regional ou se traz estoque dos fundos.

1. 01A gerente da loja perguntaPor que o cereal acabou de novo na quinta?
2. 02Camada semânticaRegras de loja, produto, promoção e disponibilidade
3. 03Dados governadosVendas, estoque, entregas e promoções
4. 04O copiloto respondeCom a causa e a origem de cada número
5. 05A gerente ageAjusta o pedido ou sinaliza a promoção

A resposta que o diretor comercial daria

Valor para o negócioAltoMédioBaixo

• Preços dinâmicos
• Personalização

• Previsão de demanda

• Copilotos para as lojas

• Conteúdo de produtos
• Resumos para o atendimento

BaixaMédiaAltaProntidão dos dados

• Depois
• Planejar
• Começar agora

O segundo ano passa dos copilotos, que respondem a perguntas, para os agentes, que executam ações dentro de limites que você define. No varejo, estes costumam dar retorno primeiro:

1. Previsão e reposição. O agente faz a previsão por loja e por dia, propõe pedidos e transfere estoque entre lojas antes que as prateleiras fiquem vazias.
2. Preços e remarcações. Ele propõe remarcações para itens de giro lento e mudanças de preço dentro das regras que a equipe comercial define.
3. Operações de loja. Câmeras de prateleira ou etiquetas RFID (etiquetas de rádio contadas sem escanear item por item) sinalizam rupturas, e o agente cria uma tarefa para a equipe da loja.
4. Atendimento ao cliente. Ele cuida do rastreamento de pedidos, das devoluções e de reclamações simples, e passa os casos complexos a uma pessoa com o contexto pronto.

Veja como um agente de reposição atua para um supermercado antes de um fim de semana quente:

1. Na quinta de manhã, ele lê a previsão do tempo, as vendas de fins de semana semelhantes do ano passado e o estoque atual de cada loja.
2. Ele percebe que um grupo de lojas vai ficar sem água engarrafada e gelo até o almoço de sábado.
3. Ele propõe pedidos extras ao centro de distribuição e uma transferência de estoque de duas lojas onde as vendas estão lentas.
4. Os pedidos dentro dos limites acordados passam direto. Qualquer coisa maior, e toda transferência entre lojas, aguarda um planejador.
5. O planejador rejeita uma transferência porque aquela loja terá um jogo de futebol local e aprova o restante.

Os preços funcionam da mesma forma. Imagine uma rede de moda no fim do verão com centenas de itens de giro lento.

O agente escolhe os que precisam de remarcação para sair até agosto. Ele propõe 20 ou 30 por cento de desconto, acima dos preços mínimos que a equipe comercial definiu.

Ele deixa a linha básica de lado e nunca precifica abaixo do custo. O profissional de merchandising segura a moda praia, que ainda vende nos feriados prolongados, e aprova o restante.

O luxo pede um toque mais leve. Quem pergunta sobre o conserto de uma bolsa que vale milhares deve ouvir uma pessoa. Nesse caso, o agente reúne o registro da compra e o histórico de reparos e redige uma resposta, e um consultor de clientes a envia com as próprias palavras.

Cada agente precisa de um responsável no negócio. O diretor comercial responde pelo agente de preços, e o diretor da cadeia de suprimentos pela reposição. A TI opera a plataforma, e o negócio é dono das decisões.

1. 01PreverDemanda por loja e por dia, com clima e promoções
2. 02CompararContra o estoque disponível e em trânsito
3. 03ProporPedidos e transferências entre lojas
4. 04AprovarO planejador verifica tudo o que passa do limite
5. 05PedirPedidos enviados aos fornecedores e ao armazém
6. 06AprenderAs vendas reais ajustam a próxima previsão

Um responsável do negócio por agente

No terceiro ano, a IA está dentro do merchandising, da cadeia de suprimentos, das lojas e do relacionamento com o cliente. Compradores, planejadores e equipes de loja trabalham com agentes todos os dias, e toda a cadeia opera sob a mesma governança.

Compartilhar dados com os fornecedores muda a economia do negócio.

Pense em um varejista de eletrônicos que compartilha o sell-through semanal e uma previsão de 12 semanas de fones de ouvido com a marca que os fabrica. O fornecedor planeja a produção com base na demanda real. O varejista tem mais chance de ter estoque antes da Black Friday e menos sobra em janeiro.

O retail media segue o mesmo padrão. Um supermercado deixa uma marca de bebidas fazer ofertas no seu aplicativo para clientes que aceitaram recebê-las, usando a mesma camada governada de clientes. A marca vê resultados por grupos de clientes, e os registros individuais ficam com o supermercado.

Este é o ano da personalização em escala no seu roadmap de IA para o varejo? Sim, se o cadastro mestre de produtos e os registros de consentimento se sustentaram nos anos um e dois.

1. Diretor de operaçõesResponde pelo portfólio de agentes e pelos seus resultados
   Governança de IARegistro, testes e um botão de desligar
2. Diretores comercial e da cadeia de suprimentosRespondem pelos agentes da sua área

• Agente de previsãoSob responsabilidade do diretor de planejamento
• Agente de preçosSob responsabilidade do diretor comercial
• Agente de operações de lojaSob responsabilidade do diretor de lojas
• Agente de atendimentoSob responsabilidade do diretor de atendimento ao cliente

1. 04Agentes e copilotos de IAAgentes de previsão, reposição, preços, lojas e atendimento, com responsáveis do negócio
2. 03Camada de inteligência governadaModelo semântico de produtos, locais, estoque e clientes, mais o registro de IA
3. 02Base de dadosLakehouse com dados de vendas, estoque, pedidos e fidelidade, catálogo e linhagem
4. 01Sistemas de varejoERP, PDV, e-commerce, gestão de pedidos, armazém e fidelidade

Algumas coisas valem do primeiro ao último mês:

1. Consentimento e privacidade do cliente. A personalização só funciona se os clientes confiarem nela. Use os dados que eles aceitaram compartilhar e mantenha os dados de cartão dentro dos controles PCI DSS.
2. Uma configuração aberta e com várias plataformas. A tecnologia de varejo muda rápido. Mantenha a liberdade de trocar de modelos, plataformas e parceiros.
3. Governança proporcional ao risco. Use controles leves para conteúdo e copilotos e controles mais fortes para preços e tudo o que os clientes veem.
4. Suas pessoas treinadas. As equipes de loja e os compradores decidem se os agentes serão usados. Treine-os cedo e ouça o que eles dizem.

É fácil subestimar o treinamento. Um gerente de loja que recebe dez tarefas erradas de uma câmera de prateleira na primeira semana vai ignorar a décima primeira.

O erro mais comum é comprar um motor de personalização ou de preços antes que os dados de produtos e estoque consigam sustentá-lo. O motor recomenda uma TV que está em falta, ou calcula uma remarcação com o custo do ano passado. A confiança se perde em semanas e leva um ano para ser reconstruída, e é por isso que desconfio de qualquer plano que começa pelo motor.

O segundo erro é conduzir a IA como um projeto da matriz. As lojas veem os agentes como trabalho extra, a menos que as tarefas que eles criam estejam certas. Faça pilotos em um punhado de lojas com gerentes de verdade, corrija o que eles apontarem e só então expanda.

Digamos que um piloto de detecção de rupturas sinalize uma prateleira de salgadinhos vazia. Os salgadinhos tinham ido para uma ponta de gôndola por causa de uma promoção.

Ninguém atualizou o planograma, o plano do que fica onde. O agente está certo pelas suas regras e errado na loja. Só o gerente da loja perceberia isso.

Como dá erradoO que funciona

1. 01Como dá errado: Um motor de preços ou de personalização comprado primeiro→O que funciona: Cadastro mestre de produtos e dados de estoque corrigidos primeiro
2. 02Como dá errado: Dados de produtos e estoque em que ninguém confia→O que funciona: Uma visão confiável entre lojas e on-line
3. 03Como dá errado: Um projeto da matriz que as lojas nunca pediram→O que funciona: Pilotos conduzidos com gerentes de loja de verdade
4. 04Como dá errado: Nenhum responsável pelas decisões dos agentes→O que funciona: Um responsável do negócio para cada agente

Está tentando descobrir por onde o seu negócio deve começar? Agende uma conversa e traga uma pergunta real, por exemplo se o seu cadastro mestre de produtos está pronto para a previsão de demanda. Vamos trabalhar nela juntos.

O que é um roadmap de IA para o varejo?

É um plano em etapas para usar IA em todo um negócio de varejo. Ele começa com uma visão confiável de produto, estoque e cliente. Depois acrescenta IA governada e agentes, e termina com a IA incorporada ao trabalho diário do varejo.

Por onde um varejista deve começar com IA?

Comece reunindo os dados de produtos, estoque e vendas de todos os canais em uma plataforma governada e corrija o cadastro mestre de produtos. Depois entregue ganhos rápidos, como conteúdo de produtos, copilotos para as lojas e resumos para o atendimento ao cliente.

Quais casos de uso de IA no varejo dão retorno primeiro?

Conteúdo de produtos e resumos para o atendimento são rápidos de entregar. A previsão de demanda e a reposição costumam trazer o maior valor quando os dados estão prontos, com preços e remarcações logo atrás.

Os varejistas precisam de um novo ERP antes de usar IA?

Não. A IA fica por cima dos seus sistemas atuais, por meio da base de dados. O que importa é que os dados de produtos, estoque e vendas sejam os mesmos nas lojas, no on-line e em finanças.

Quanto tempo leva um roadmap de IA para o varejo?

Eu o planejo em três anos, depois que a base de dados estiver em andamento. O primeiro ano constrói a camada governada, o segundo escala os agentes e o terceiro incorpora a IA. Os ganhos rápidos devem mostrar valor no primeiro ano.