Reflexões e análises.
Agente de IA não é chatbot com banco de dados
A confusão entre agente de IA, chatbot e RPA tem consequência prática em Supply Chain. Entender o que separa cada arquitetura define o que se pode esperar de cada implementação.
Como escolher qual processo automatizar com IA primeiro
Três critérios objetivos para selecionar o primeiro processo a automatizar com IA em operações. A seleção errada amplifica problemas — a certa entrega resultado na semana seguinte.
Agentes de IA em logística: resultado real e onde o projeto quebra
Agentes de IA geram resultado mensurável em logística, mas 40% dos projetos serão cancelados até 2027. O problema quase sempre é o mesmo: dados fragmentados antes de qualquer decisão de plataforma.
Vibe coding não é mágica: é acelerador de prototipação
Como construí um modelo de should-cost de fretes em horas, rodando com dados reais: 1.082 rotas, 904 acima do should-cost, R$1,5M de oportunidade antes de qualquer reunião de renegociação.
O gap que ninguém nomeia: o custo de eliminá-lo caiu
Empresa média ainda fecha o mês no Excel. Multinacional tem dashboard em tempo real. Esse gap está encolhendo, e o custo de eliminá-lo caiu substancialmente nos últimos 18 meses.
IA em Operações: onde o gap está e quem vai fechá-lo
O custo de fechar o gap analítico entre médias e multinacionais caiu. O gargalo deixou de ser tecnológico e passou a ser a competência que conecta gestão e execução técnica.
IA em Previsão de Demanda: o que realmente melhora, e onde ainda falha
ML reduz erro de forecast em 20 a 50% quando combinado com S&OP maduro e master data saneado. Sem esses fundamentos, o algoritmo replica o problema com mais precisão.
O problema real do S&OP não está na ferramenta
Empresas investem seis dígitos em plataformas de S&OP e o processo morre em seis meses. O diagnóstico correto raramente é tecnológico — é a ausência de confiança entre áreas para sustentar um plano único.