Começando um projeto de IA? Faça primeiro as contas do ROI

De todos os projetos de IA que vi em armazenagem nos últimos anos, mais morreram na reunião de lançamento do que pela tecnologia. O pitch técnico soa deslumbrante, e então o CFO faz uma única pergunta: «Quanto isso realmente nos economiza por ano?». Silêncio. «Vamos estudar mais a fundo». E esse "mais a fundo" nunca chega.

Portanto este artigo não é sobre tecnologia. É sobre dinheiro. O passo um de qualquer projeto de IA são as contas do ROI, e se as contas não fecharem, não comece.

A planilha de ROI: uma tabela, cinco linhas

Esqueça os modelos financeiros sofisticados. Uma tabela:

Custo anual: assinatura ou licença de software, mais implementação, mais mão de obra interna (horas convertidas em dólares), mais hardware (câmeras, servidores e afins).

Benefícios, em três rubricas:

1. Mão de obra economizada: horas eliminadas × custo horário total. Repare na palavra eliminadas, não teoricamente economizáveis. A inspeção por visão que substitui dois inspetores a $45K por ano cada um são $90K, mas só se essas duas pessoas forem realmente realocadas ou não substituídas. Caso contrário, são economias de papel.

2. Erros evitados: redução da taxa de erros × custo por erro. Reduzir a taxa de erros de picking de 0.3% para 0.1% em 10,000 pedidos por dia, a $15 por erro (reenvio + suporte + devoluções), dá $300K por ano. A maioria dos operadores nunca calculou esse número. Geralmente é a maior linha da tabela.

3. Capacidade ganha: margem incremental de maior produtividade. A otimização de rotas que permite à frota atender 5% mais paradas gera margem real.

ROI = (benefício anual − custo anual) / custo anual. Payback = custo anual / benefício anual × 12 meses.

Minha linha vermelha: se o payback passar de 18 meses, não comece. A armazenagem se move rápido e a tecnologia mais rápido ainda: um projeto com payback em três anos pode ficar obsoleto no meio do caminho.

Fórmulas sozinhas soam abstratas, então aqui vai um exemplo completo e calculado: um projeto de inspeção por visão.

ROI = (205 − 37) / 37 = 454%, payback de 2.2 meses. Ponha essa tabela na frente do financeiro e a reunião de lançamento termina em dez minutos. Repare na linha de erros: $115K, o maior número da tabela, e o que quase ninguém calcula.

Três cenários em que o ROI quase sempre se paga

Nem toda aplicação de IA merece financiamento. Dos casos que vi, estes três são os que se pagam com mais confiabilidade:

Um, inspeção visual repetitiva. Controles de qualidade, contagem de pallets, detecção de engarrafamentos em esteiras: lento para pessoas, sonolento, propenso a erros. Um sistema de visão de $30–80K que substitui 1.5–2 FTEs normalmente se paga em menos de um ano. O cenário é delimitado, o padrão é claro e a tecnologia é a mais madura.

Dois, otimização de roteirização. Uma frota de 60 caminhões economiza mais de $200K por ano contra uma assinatura de $30–40K: aproximadamente 6:1. O detalhe: a limpeza de dados e a extração de regras contam como custo do projeto. Ponha-os na tabela.

Três, OCR de documentos. Conhecimentos de embarque, romaneios, faturas: um funcionário digita 200 por dia; o OCR processa 2,000 com mais de 95% de precisão. Em armazéns de portos e forwarders, onde a mão de obra administrativa é cara, essas contas são fáceis.

Por outro lado, os ROIs mais difíceis de justificar são o atendimento ao cliente com IA e a previsão de demanda. O serviço economiza «experiência», e a previsão precisa de seis meses de dados antes mesmo de poder ser medida. Se a planilha não se preencher, não force.

Depois do ROI: quatro coisas que decidem vida ou morte

Um ROI positivo só compra o ingresso para começar. Quatro outras coisas decidem se o projeto sobrevive:

Primeiro, prontidão dos dados. A IA come dados. Três categorias precisam ser limpas com antecedência: identifique o que falta e orce a limpeza no orçamento.

• Dados históricos de operação: pelo menos 12 meses de pedidos, embarques e devoluções. Sem histórico, sem previsão nem otimização: ponto final.
• Dados mestres: dimensões, pesos e especificações de embalagem completos por SKU. Projetos de visão, rotas e slotting morrem em mestres incompletos.
• Registros de exceções: erros, embarques atrasados, reclamações e suas causas. Dados de exceções são a dieta de treinamento da IA «detectora de anomalias»: sem eles, a IA só lida com o caminho feliz.

Muitos projetos deixam essa linha fora da planilha, batem numa parede de dados no meio do caminho e estouram o orçamento em 50%.

Segundo, coloque os critérios de aceitação do POC no contrato. «Precisão acima de 95%», «economia de quilometragem não inferior a 5%»: por escrito. Se a meta não for atingida, retenha o pagamento final. Um «o nosso é muito preciso» verbal não vale nada.

Terceiro, nomeie um dono de negócio, não um dono de TI. Um projeto de IA é um projeto de negócio. O gerente do armazém é o dono; a TI apoia. Inverta e ele morre, porque quem convive com o sistema são os operadores.

Quarto, encontre um lugar para os trabalhadores deslocados. Os dois inspetores substituídos pelo sistema de visão passam para tratamento de exceções e auditoria. Anuncie o plano de realocação desde o início: caso contrário, a linha de frente resiste, os dados são sabotados e nenhuma tecnologia salva o projeto.

Minhas quatro linhas vermelhas para lançamentos de IA

Cole-as na parede:

1. Payback acima de 18 meses: não comece.
2. Mais da metade dos «benefícios» são economias de papel (ninguém saiu, erros inalterados): refaça as contas.
3. Critérios de aceitação do POC fora do contrato: não assine.
4. TI liderando sem dono de negócio: não faça.

Se a IA vale a pena nunca foi uma pergunta tecnológica. É uma pergunta aritmética. E quando a aritmética está clara, a escolha tecnológica fica fácil: porque oito em cada dez soluções de fornecedores podem atender um cenário cujos números são honestos.

Sua equipe consegue preencher a planilha de ROI do projeto de IA que vocês estão avaliando? Se não, encaminhe isto para quem é o dono do lançamento.

Traduzido do inglês. Em caso de divergência, prevalece a versão em inglês.