A Inteligência Artificial no Setor de Logística
Introdução
Em meio a discussões sobre se a inteligência artificial (IA) está em uma bolha, as indústrias de cadeia de suprimentos e logística têm se tornado terrenos férteis para usos aparentemente genuínos dessa tecnologia. Empresas como Flexport, Uber Freight e várias startups estão desenvolvendo diversas aplicações e conquistando clientes de renome.
Aplicações Genuínas para Pequenas Empresas
Embora a IA ajude grandes corporações a melhorar seus resultados financeiros e justificar demissões para Wall Street, seu uso adequado está se mostrando útil também para pequenas empresas.
Netstock e o "Opportunity Engine"
A Netstock, uma empresa de software de gerenciamento de inventário fundada em 2009, tem se dedicado a esse objetivo. Recentemente, lançou uma ferramenta impulsionada por IA generativa chamada “Opportunity Engine”, que se integra ao painel de controle existente para clientes. Esse recurso coleta informações do software de Planejamento de Recursos Empresariais (ERP) de um cliente e utiliza tais dados para fazer recomendações em tempo real, de forma contínua.
A Netstock afirma que essa ferramenta está economizando milhares para os negócios. Na quinta-feira, a empresa anunciou que já fez um milhão de recomendações até agora, e que 75% de seus clientes receberam sugestões do Opportunity Engine avaliadas em US$ 50.000 ou mais.
Hesitações Iniciais em Relação à Tecnologia
Embora a proposta seja atraente, um dos clientes — Bargreen Ellingson, uma empresa familiar de fornecimento de restaurantes com 65 anos de história — estava inicialmente apreensiva em relação ao uso de um produto de inteligência artificial.
“Empresas familiares, mais tradicionais, não costumam confiar em mudanças sem uma justificativa clara”, disse Jacob Moody, diretor de inovação da Bargreen, em entrevista ao TechCrunch. “Eu não poderia ter ido ao nosso armazém e dito: ‘Ei, esta caixa-preta vai começar a gerenciar coisas’.”
Abordagem Cuidadosa para Implementação
Em vez disso, Moody apresentou a IA da Netstock internamente como uma ferramenta que os gerentes de armazém poderiam “escolher usar ou não” — um processo que ele descreve como “mergulhando nossos pés com cautela” na IA.
Moody afirma que a tecnologia ajuda a evitar erros, em parte porque processa uma infinidade de relatórios que sua equipe utiliza para tomar decisões sobre inventário. Ele reconheceu que os resumos fornecidos pela IA não são 100% precisos, mas afirmaram que “ajuda a criar sinais no meio do ruído” rapidamente, especialmente durante fora do expediente.
Melhoria da Eficiência entre Funcionários
A mudança mais significativa que Moody notou é que o software tornou alguns dos funcionários menos experientes da Bargreen Ellingson “mais eficazes”. Ele destacou um empregado de um dos 25 armazéns da Bargreen, que trabalha na empresa há dois anos. O funcionário possui apenas o ensino médio e nenhum diploma de nível superior. Treinar esse colaborador para entender todas as ferramentas de gerenciamento de inventário e as informações de previsão que a Bargreen utiliza para planejar os níveis de estoque levará tempo, explicou Moody.
“Ele conhece nossos clientes e sabe o que está colocando no caminhão todos os dias, então para ele, consultar o sistema e ter essa visão baseada em IA é muito compreensível, e ele consegue rapidamente discernir o que faz sentido ou não”, afirmou Moody, ressaltando que isso confere ao funcionário um senso de empoderamento.
Reconhecimento das Dificuldades com Novas Tecnologias
Kukkuk, cofundador da Netstock, expressou entendimento sobre a hesitação em relação a novas tecnologias — especialmente porque muitos produtos se resumem a chatbots medianos acoplados a softwares existentes. Ele atribui o sucesso inicial do Opportunity Engine a diversos fatores. A empresa dispõe de mais de uma década de dados oriundos da colaboração com varejistas, distribuidores e fabricantes leves.
Embora esses dados sejam rigorosamente protegidos, eles alimentam os modelos que geram as recomendações. Kukkuk mencionou que a Netstock utiliza uma combinação de tecnologias de IA da comunidade de código aberto e de empresas privadas.
Ajustes e Aprimoramentos nas Recomendações
Cada recomendação pode receber uma avaliação positiva ou negativa, mas os modelos também são reforçados com base na aceitação das sugestões pelos clientes. Embora esse tipo de aprendizado por reforço possa levar a resultados estranhos e, às vezes, prejudiciais em aplicações como redes sociais, Kukkuk afirmou que eles buscam incentivos diferentes.
“Não me importo muito com visualizações, você sabe? Facebook e Instagram se importam com visualizações, então querem que você veja suas coisas. Nós nos preocupamos com o que é o resultado para o cliente”, disse ele.
Limitando Interações com a IA
Kukkuk é cauteloso quanto à ampliação dessas interações devido às limitações da tecnologia de IA generativa atual. Embora possa fazer sentido para um cliente interagir com a IA da Netstock sobre o porquê de uma recomendação ser ou não útil, ele acredita que isso poderia, em última análise, comprometer a precisão das respostas.
“A linha é tênue, pois quanto mais liberdade você dá aos usuários, mais espaço você dá a um modelo de linguagem amplo para começar a imaginar coisas que não existem”, manifestou.
Exemplificação da Colocação do Opportunity Engine
Isso explica a colocação do Opportunity Engine no painel de controle típico do cliente da Netstock. As sugestões são proeminentes, mas facilmente descartáveis. “Google Docs enfiando 20 recursos de IA goela abaixo dos usuários” não é a proposta da Netstock.
Moody apreciou que a IA não é intrusiva. “Não estamos permitindo que o motor de IA tome decisões de inventário que um humano não tenha analisado previamente e aprovado”, afirmou. “Se e quando chegarmos a um ponto em que eles concordem com 90% das sugestões, talvez daremos o próximo passo e dizemos: ‘agora você pode ter controle’. Mas ainda não estamos lá.”
Preocupações Futuras Com a Evolução da IA
Este início promissor ocorre em um momento em que muitas implementações empresariais de IA generativa parecem avançar para lugar nenhum. Mesmo assim, Moody expressou preocupações sobre as implicações futuras dessa tecnologia.
“Pessoalmente, tenho medo de como isso vai evoluir. Acredito que haverá muitas mudanças, e nenhum de nós realmente sabe como isso se desenrolará na Bargreen”, observou. Ele sugeriu que isso poderia resultar em menos especialistas em ciência de dados na equipe. No entanto, mesmo que isso signifique mover esses funcionários para fora do armazém e para o escritório corporativo, ele destacou que preservar o conhecimento é essencial.
“Precisamos de pessoas que compreendam profundamente a teoria e a filosofia e que possam justificar como e por que a Netstock está fazendo certas recomendações”, afirmou ele, enfatizando a importância de “ter certeza de que não estamos seguindo cegamente” um caminho errado.