É o quarto trimestre de 2026, e a maioria das empresas está fechando seus ciclos orçamentários de 2027. Os líderes de TI de cadeia de suprimentos e armazenagem respondem à mesma pergunta: para onde deveria ir de fato o orçamento de IA do próximo ano? Em vez de confiar no instinto, vale a pena partir de duas pesquisas publicadas do setor e raciocinar a partir dos dados rumo a uma resposta.
O que duas pesquisas dizem sobre o clima do orçamento de IA para armazéns em 2027
Segundo o «Relatório Anual da Indústria MHI 2025», publicado conjuntamente pela MHI e pela Deloitte em março de 2025 e baseado em uma pesquisa com profissionais de cadeia de suprimentos, 28% dos respondentes declararam que já usavam IA nas operações da cadeia de suprimentos, e outros 54% planejavam fazê-lo dentro de cinco anos. Isso coloca a cifra acumulada de adoção em cinco anos em aproximadamente 82% até 2029. As três áreas de aplicação de IA com maior intenção foram otimização de estoques e redes (92%), computação e armazenamento em nuvem (91%), e sensores e identificação automática (88%). Separadamente, 45% dos respondentes planejavam comprar equipamentos de automação como AMRs, sistemas automatizados de armazenamento e recuperação, e robótica nos próximos três anos, e a parcela de organizações que planejava aumentar os esforços de requalificação e retreinamento subiu de 25% em 2024 para 38% em 2025.
Um segundo dado vem da «Pesquisa de Perspectivas 2026» da Modern Materials Handling. Ela constatou que 28% dos respondentes esperavam que os gastos de suas empresas com soluções de movimentação de materiais aumentassem em 2026, em média 27%. Entre as empresas que seguiam adiante com os investimentos, 59% gastavam em sistemas de informação tecnológica como o WMS, contra 41% em tecnologias de automação. Olhando dois a três anos à frente, 42% esperavam que os gastos aumentassem, ante 35% no ano anterior.
Juntos, os dados descrevem orçamentos cautelosos, mas direção clara: a maioria das empresas está parada ou esperando, mas o dinheiro que está sendo gasto inclina-se decisivamente para o software — WMS, WCS, plataformas de dados — e para equipamentos de automação. Esse é o ponto de partida correto para perguntar para onde fluirão os orçamentos de IA para armazéns do próximo ano: a questão já não é se financiar a IA, mas quais projetos serão financiados primeiro.
Três tipos de projetos que provavelmente absorverão os orçamentos de IA para armazéns em 2027
A lógica de atribuição é a seguinte: 2023–2025 foi a era dos pilotos para a IA em armazéns, dominada por projetos de prova de conceito. O ciclo orçamentário de 2027 marca uma virada para a replicação e a monetização. Nesse contexto, e em coerência com as duas pesquisas acima, o capital provavelmente fluirá para três categorias.
A primeira é a replicação em escala de projetos com ROI comprovado — inspeção por visão de IA, reposição orientada por previsões. A pesquisa da MHI coloca a otimização de estoques e redes em primeiro lugar em intenção de IA, com 92%. O que esses projetos têm em comum é que já foram comprovados em uma ou duas instalações, seu impacto é mensurável e o custo marginal de expandi-los para mais centros é baixo. Para os orçamentos de 2027, a postura em relação a eles será de expansão, e não de mais uma rodada de experimentação.
A segunda categoria é a automação de processos com retorno imediato e calculável — otimização do agendamento de frotas de AMR, reconhecimento inteligente da documentação de entrada. Esses projetos não fazem grandes promessas; seus números são diretos. Horas de mão de obra economizadas, milhas percorridas vazias reduzidas e processamento de documentos mais rápido se convertem em dólares dentro de um horizonte de doze meses. A constatação da pesquisa MMH de uma crescente intenção de investimento em torno da «redução das necessidades de mão de obra» aponta na mesma direção. Um esclarecimento se impõe: trata-se da combinação de automação mais otimização algorítmica, não apenas de compras de equipamentos. O hardware tem sua própria linha de orçamento de capital; o orçamento de IA paga por tornar o equipamento mais inteligente.
A terceira categoria é a infraestrutura de dados: governança de dados mestres, data lakes e observabilidade de dados entre sistemas. É a menos glamourosa e a mais fácil de cortar, mas pode se tornar o item mais rígido dos orçamentos de IA de 2027. A evidência vem de uma admissão surpreendente no relatório da MHI: muitas empresas já investiram pesadamente em sistemas avançados de coleta de dados e soluções pontuais, mas ainda têm dificuldade para analisar os dados, colocá-los em um contexto mais amplo e extrair insights genuinamente utilizáveis. As recomendações do relatório começam com «dados unificados e precisos». Sem essa base, replicar as duas primeiras categorias vai travar.
Duas observações que merecem destaque
Primeira observação, da pesquisa MHI/Deloitte publicada em março de 2025 (amostra de profissionais americanos de cadeia de suprimentos): 45% das empresas planejavam comprar AMRs, AS/RS e robótica dentro de três anos. Esse é um sinal de «do piloto à aquisição». Se a IA para armazéns de 2023–2024 viveu principalmente em provas de conceito de software, no ciclo orçamentário de 2027 o dinheiro do lado dos equipamentos está alcançando. A implicação prática é que o planejamento do orçamento de IA não pode olhar a linha de software isoladamente; precisa andar no mesmo passo do capex de automação. Câmeras de inspeção para controles de qualidade por visão, algoritmos de agendamento para frotas de AMR, gêmeos digitais para AS/RS — software e hardware são um só livro contábil.
Segunda observação, da pesquisa da Modern Materials Handling no início de 2026: entre as empresas que seguiam investindo, 59% dos gastos foram para sistemas de informação como o WMS, bem acima dos 41% destinados à tecnologia de automação. O investimento em software está à frente do hardware, e a ordem é reveladora — o dinheiro está fluindo primeiro para o trabalho invisível dos dados: atualizações de sistemas, integração de interfaces, captura de dados de KPI. A mesma pesquisa sinaliza um padrão emergente de «captura de dados para indicadores-chave de desempenho com automação, com a inteligência artificial provavelmente desempenhando um papel na obtenção de valor dos dados». Em outras palavras, o gasto com infraestrutura de dados já está acontecendo; muitas empresas simplesmente ainda não lhe deram sua própria linha orçamentária. Em 2027, estará formalmente sobre a mesa.
Um framework de referência para alocar o orçamento de IA de 2027
Com base no raciocínio acima, um framework de partida viável aloca aproximadamente 50% para escalar projetos comprovados (menor risco, retorno mais certo), 30% para automação de processos orientada por retorno (filtrada por um limiar de retorno de doze meses), e 20% para infraestrutura de dados (governança de dados mestres, data lakes, padronização de interfaces).
Para ser explícito: essa divisão 5:3:2 é um framework heurístico, não um achado estatístico de nenhuma pesquisa publicada. As proporções reais devem seguir a base digital de cada empresa. Empresas com má qualidade de dados no WMS devem aumentar a fatia da infraestrutura de dados; empresas que já comprovaram dois ou mais casos de uso de IA podem se dar ao luxo de ponderar mais a replicação. O valor do framework é como ponto de partida para a discussão, não como resposta padrão.
Uma aposta contraintuitiva
Julgada puramente por onde o dinheiro flui, emerge uma conclusão contraintuitiva: os maiores vencedores do ciclo orçamentário de IA para armazéns do próximo ano podem não ser os fornecedores de algoritmos, mas os provedores de serviços que ajudam os armazéns a colocar seus dados em ordem.
A cadeia lógica se sustenta. A pesquisa da MHI mostra a adoção de IA na cadeia de suprimentos subindo de 28% para 82% em um horizonte de cinco anos — o dinheiro está chegando. Mas o mesmo relatório admite que a restrição vinculante não é a escassez de algoritmos; são os dados fragmentados, sujos e desconectados. Os fornecedores de algoritmos vendem capacidade; os provedores de governança de dados, integração de sistemas e dados mestres vendem a pré-condição para a IA funcionar. Na linguagem das aprovações orçamentárias, a pré-condição costuma passar pelos comitês mais facilmente do que a capacidade, porque uma trata de uma dor já sentida enquanto a outra promete ganhos ainda por vir.
Essa aposta tem um limite temporal: vale para a janela de 2027, a transição dos pilotos para a replicação. Se até 2028–2029 a maioria das empresas tiver concluído sua atualização da infraestrutura de dados, a gravidade orçamentária voltará naturalmente para os algoritmos e os agentes.
Três perguntas para revisitar no fim de 2027
Em vez de concluir, vale a pena revisitar três perguntas no fim de 2027. Primeiro, a cifra de 82% de adoção em cinco anos da pesquisa da MHI será alcançada mais cedo ou descontada pela realidade? Segundo, o setor consegue concordar sobre uma forma crível de calcular o ROI do gasto com infraestrutura de dados? Terceiro, uma vez que o agendamento de AMR e as decisões de reposição sejam entregues aos algoritmos, o que exatamente as pessoas no armazém estão gerenciando?
As respostas determinarão para onde irão os orçamentos de 2028. E para 2027, os dados sugerem que o dinheiro fluirá primeiro para o que pode ser replicado, o que pode ser contado — e o que torna os dados limpos o suficiente para que todo o resto funcione.
Por Dr. Chen, pesquisador de cadeia de suprimentos
Traduzido do inglês. Em caso de divergência, prevalece a versão em inglês.
