Deixe-me contar uma coisa. No inverno passado, fiquei quatro horas sentado do lado de fora de um armazém no Texas esperando para descarregar. Não era um problema de trânsito, e é a razão pela qual me importo com a seleção de projetos-piloto de IA para armazéns. Lá dentro, o lugar inteiro tinha desmoronado. O sistema dizia 300 caixas. O cais contou 287. Treze caixas a menos, e o armazém inteiro passou a tarde revirando o lugar. No fim, era uma linha duplicada num documento de recebimento, uma remessa etiquetada duas vezes. Fiquei sentado no meu caminhão queimando combustível e dinheiro enquanto o pessoal lá dentro queimava a luz do dia. E eu não parava de pensar: se algo tivesse olhado primeiro aquela papelada, algo disso teria acontecido?

Dirijo há quinze anos, e vi os armazéns correrem atrás de cada novidade brilhante. A IA é a mais quente agora, e as pessoas não param de me dizer: Shifu, seu armazém precisa de IA. Então faço uma pergunta: IA para quê? Nove em cada dez não sabem responder. Ou é «inteligência total do armazém» ou «um grande painel para olhar». Quanto dinheiro é isso, quanto tempo? Se errar a primeira decisão de seleção de um projeto-piloto de IA para armazéns, você queima seis meses, e ninguém no prédio acredita mais na IA. Não estou tentando assustá-lo. É o que quinze anos na estrada ensinam.

Seleção de pilotos de IA: escolha um trabalho que se possa ver, que se possa permitir errar e que tenha um responsável

Meu teste simples para um piloto de IA tem três partes: você pode vê-lo funcionando, você pode permitir que ele erre e alguém é responsável por ele. Poder vê-lo funcionando significa que as pessoas no chão notam a diferença com os próprios olhos, não apenas um número flutuando num relatório. Poder permitir que ele erre significa que, quando a IA toma uma decisão ruim, uma pessoa a detecta antes que uma remessa errada saia pela porta. Alguém ser responsável significa que uma pessoa nomeada verifica os resultados todos os dias, e quando algo dá errado, todos sabem para quem o telefone toca.

Por esse teste, o pior primeiro piloto é qualquer coisa que toque diretamente a separação e o envio. Escolha a caixa errada e você ganha uma reclamação, uma devolução, um reenvio, e sua IA novinha em folha carrega tudo isso no primeiro dia. O trabalho certo se repete todos os dias, em volume, onde um erro aparece na hora e custa quase nada para corrigir.

Deixe-me contar alguns. Primeiro, o reconhecimento de documentos. Notas de entrega, listas de embalagem, faturas, um funcionário digitando-as no sistema uma a uma até os olhos cruzarem. A IA lê os documentos, uma pessoa dá uma olhada no resultado e corrige o que está errado. O volume está lá todos os dias, os erros aparecem na hora, e corrigi-los não prejudica ninguém. Segundo, a detecção de exceções. Contagens de estoque que não batem, entregas curtas, uma localização que não se move há três dias. Os veteranos costumavam detectar essas coisas por intuição. Agora deixe a IA varrer os dados diariamente e entregar ao supervisor uma lista curta do que parece errado. Terceiro, uma versão leve da previsão de demanda. Não as vendas do ano que vem, só aproximadamente quantas caixas saem amanhã, para saber se é preciso chamar dois temporários extras. Se errar, o custo é pequeno.

Aqui está a parte contraintuitiva: o cenário mais chamativo geralmente é o pior primeiro piloto. Separação totalmente automatizada, programação de robôs, um armazém sem luzes, tudo soa empolgante, mas esses trabalhos são o coração pulsante de todo o prédio. Toque neles e tudo se move. Um primeiro piloto não precisa de empolgação. Precisa de estabilidade. Quanto mais entediante o trabalho parecer, melhor para ir primeiro. O reconhecimento de documentos soa entediante como terra, mas as horas que ele economiza todos os dias são visíveis para todos no chão.

Antes de gastar um dólar num piloto de IA, preencha esta tabela

Quinze anos dirigindo me ensinaram uma coisa: se você não verificar a estrada antes de sair, vai voltar pelo mesmo caminho no meio do percurso. O mesmo vale para um piloto de IA. Antes que alguém assine um cheque, preencha esta tabela. Se não conseguir preenchê-la, não comece.

Pergunta a responder Como é o sucesso
Quanto volume por dia O mesmo trabalho se repete dezenas ou centenas de vezes por dia; pequeno demais não vale a pena
Com que frequência dá errado agora Erros que podem ser contados, com causas que podem ser nomeadas
Os dados estão lá Pelo menos um ano de histórico decente, documentos completos
Quem detecta os erros Alguém revisa os resultados diariamente e corrige decisões ruins rapidamente
Como é o sucesso Escrito antes de começar: horas economizadas, erros reduzidos, em números claros

Não inventei essas linhas. Qualquer pessoa que faça esse trabalho dirá o mesmo: volume grande o suficiente, erros mensuráveis, dados no lugar, responsabilidade nomeada, sucesso em números. Falta uma e o piloto desvia. A última linha é a mais importante. Escreva como é o sucesso antes de começar, no papel, na parede. Quando o piloto terminar, compare-o com esses números. Se atingi-los, siga em frente. Se não, pare e descubra se os dados eram ruins, se o cenário estava errado ou se o fornecedor vendeu demais. O que você nunca quer é que, aos três meses, o fornecedor diga que funciona muito bem, e ninguém consiga dizer muito bem em quê.

Mais um conselho conquistado a duras penas: primeiro rode em modo sombra. Isso significa que a IA observa de lado e não toca em nada. Todos os dias você compara as decisões dela com as do seu pessoal. Depois de algumas semanas, se ela for precisa, deixe-a assumir. Se não, continue treinando-a. Chame isso de período de experiência. Um novo funcionário tem um, então por que a IA deveria ter as chaves no primeiro dia? Durante o modo sombra, o armazém funciona exatamente como antes, risco zero, apenas o trabalho extra de comparar os resultados.

Os números abaixo são um exemplo hipotético trabalhado. Eu os inventei para mostrar as contas, não para descrever nenhum armazém real. Suponha que um armazém processe 200 lotes de documentos por dia, entrada manual de 6 minutos por lote. São 200 vezes 6, ou 1,200 minutos, 20 horas, aproximadamente dois funcionários e meio por um dia inteiro. Com a IA lendo mais uma revisão humana a um ritmo presumido de 1 minuto por lote, são 200 minutos, cerca de 3.3 horas. A economia é de 1,000 minutos por dia, cerca de 16.7 horas. Em 22 dias úteis num mês, são cerca de 367 horas economizadas. As contas não precisam ser precisas ao minuto. Elas precisam estar sobre a mesa onde a pessoa que controla o dinheiro possa lê-las.

Escolher errado custa mais que o software

Aqui vai outra história da estrada. No outono de 2024, entreguei num armazém onde o supervisor reclamava de um sistema de programação com IA comprado naquela primavera. Custou dinheiro de verdade, e seus horários deixavam os turnos da noite vazios e os do dia superlotados. O supervisor tinha que corrigi-los à mão todos os dias. Depois de dois meses, o sistema ficou num canto acumulando poeira, e todo mundo no prédio balançava a cabeça sempre que a IA aparecia. O dinheiro se foi, o tempo se foi, e a confiança se foi. Esse é o custo mais caro de um piloto ruim: não o software, mas a confiança de todo o armazém. A confiança leva seis meses para ser construída e uma implantação ruim para ser destruída.

Então meu conselho se resume a um velho ditado: devagar se vai depressa. Faça o primeiro piloto pequeno, faça-o simples e faça-o dar certo. Quando dá certo, todo mundo vê, e o segundo e o terceiro piloto se vendem sozinhos. Quando o primeiro fracassa, você passa os seis meses seguintes reconquistando a confiança antes de poder tentar de novo.

Esta é a ordem prática que eu seguiria. Escolha um cenário, apenas um. Coloque o nome de uma pessoa nele. Fixe uma data de revisão, digamos seis semanas depois, e julgue-o em relação aos números que você escreveu na parede. Se passar, amplie um pouco. Se falhar, pare e pergunte se os dados eram escassos, se o cenário estava errado ou se o fornecedor falou demais.

Depois de quinze anos na estrada, aprendi isto: o que vale dinheiro num armazém nunca foi a coisa mais da moda. É o trabalho que é feito de forma constante, todos os dias. A IA não é diferente. Escolha o primeiro cenário certo e ela se torna uma boa ajudante que faz trabalho de verdade. É assim que é uma boa prática de seleção de projetos-piloto de IA para armazéns: uma pequena vitória, depois a próxima. Escolha errado e ela se torna uma grande tela na parede, bonita de olhar e boa para nada.

Como diz o velho ditado, afiar o machado não atrasa o corte da madeira. Não pule o trabalho de escolher.

Por Shifu Zhao, Veterano do transporte rodoviário (15 anos) Traduzido do inglês. Em caso de divergência, prevalece a versão em inglês.