No outono passado, passei dois dias inteiros em pé atrás das estações de empacotamento em um centro de fulfillment de e-commerce de 120,000 pés quadrados no Inland Empire. Eu não estava olhando para as pessoas. Estava olhando para os monitores no teto. Todos os dias, logo depois das 2 p.m., o transportador em frente ao empacotamento virava um estacionamento — caixas formavam fila no ponto de convergência, congeladas por dez ou quinze minutos seguidos. O gerente do armazém pôs a mão no meu ombro. "Tá vendo isso, Lao Mi? O empacotamento é o gargalo. Estamos com falta de gente."
Não respondi. Porque os empacotadores não pareciam estar com falta de gente. Nenhuma mão estava parada.
Então a unidade fez um pequeno piloto. Sem hardware novo — eles conectaram as câmeras domo Axis P3225-VE já fixadas na parede a uma plataforma de análise de vídeo com IA e as apontaram para exatamente dois pontos: as estações de empacotamento e a convergência do transportador. Três semanas de dados de referência. O veredito quase me fez rir alto: o empacotamento não era o gargalo, de jeito nenhum. O verdadeiro ponto de estrangulamento era a estação de escaneamento a montante da convergência. Dois operadores revezavam naquele posto — um rápido, um lento. Sempre que o lento assumia, o fluxo de entrada ficava irregular, e a fila no empacotamento se acumulava a jusante. O engarrafamento não era causado por uma jusante lenta. Era fome vinda de montante.
Desde então, tenho uma frase para quem pergunta: pare de adivinhar onde está o gargalo. Deixe as câmeras olharem por três semanas.
Comece pequeno: um ou dois suspeitos, não o prédio inteiro
A maneira mais rápida de queimar dinheiro com análise de vídeo é lançá-la na unidade inteira no primeiro dia. Meu conselho nunca muda: escolha os um ou dois pontos que você já suspeita e rode um pequeno piloto. Estações de empacotamento, pontos de convergência do transportador, entradas de triagem — onde quer que o material seja visível e os movimentos se repitam. É aí que a IA realmente enxerga bem.
O método é simples. Alimente os fluxos das suas câmeras existentes na plataforma de análise, rode uma referência de duas a quatro semanas e não mude nada. Apenas observe. Observe três coisas: se o tempo de ciclo de cada estação é estável (o mesmo movimento levando 40 segundos hoje e 70 amanhã significa que algo está errado); o tamanho da fila (quantas unidades estão permanentemente empilhadas na frente de uma estação); e a permanência anormal — uma estação que fica quieta por mais do que alguns minutos é sinalizada uma vez. Esses "alguns minutos" não têm padrão na indústria. Cada prédio calibra seu próprio limite a partir dos dados de referência. Um limite escolhido do nada só compra alarmes falsos.
E é aí que estão as armadilhas. Iluminação primeiro: naquela unidade do Inland Empire, uma claraboia ficava de frente para o transportador, e ao meio-dia a contraluz fazia a imagem tremeluzir — a IA sinalizava dezenas de eventos de "permanência anormal" por dia, todos falsos. Eles só conseguiram controlar adicionando uma janela de tempo de calibração de iluminação. Depois a oclusão: uma empilhadeira passa na frente da lente, o quadro fica preto por quinze segundos, e o fluxo de dados fica com um buraco. E aí tem o problema do ângulo — as câmeras de armazém são instaladas para prevenir furtos, enfiadas nos cantos, olhando para baixo no topo das cabeças das pessoas. Se você quer ver o processo, a lente deve apontar para o transportador e para o material empilhado na frente de cada estação. Você está olhando como a carga flui, não como as pessoas se movem. Essa frase importa. Vou voltar a ela.
As contas são fáceis. As pessoas são difíceis.
Dinheiro primeiro. O maior argumento de venda desta tecnologia é que ela não precisa de hardware novo — as câmeras já estão na parede. O preço é por ponto de câmera, por assinatura. As cotações que vi giram em torno de algumas centenas de dólares por ponto por mês — consulte os fornecedores pelos preços atuais, porque mudam. Aquela unidade ligou quatro pontos; a assinatura anual ficou abaixo de vinte mil dólares.
Como funcionou o retorno? Uma vez identificado o verdadeiro gargalo, eles não gastaram muito para corrigi-lo — apenas reorganizaram os turnos na estação de escaneamento a montante para que a rotação lenta parasse de deixar a linha sem alimento. A vazão do empacotamento subiu cerca de dez por cento. Com base no que medi em campo, esse tipo de correção "encontre o verdadeiro gargalo, depois aja" normalmente eleva a eficiência em algo entre 8 e 15 por cento. Se alguém lhe prometer mais do que isso, comece a questionar os dados.
Conta aproximada: doze empacotadores a vinte dólares por hora — mais ou menos a tarifa de mercado do Inland Empire em 2025 — e um ganho de dez por cento equivale a um pouco mais de quarenta mil dólares por ano em mão de obra economizada. A assinatura custou menos de vinte. Retorno em bem menos de um ano. É uma estimativa aproximada, obviamente — o mix de pedidos e o custo de mão de obra de cada prédio são diferentes, então rode a fórmula com seus próprios números.
Agora a parte das pessoas — a mais sensível de todas, e a mais fácil de estragar. Antes de o piloto começar, faça uma reunião geral e feche alguns compromissos. Rostos são borrados; o algoritmo conta caixas, não pessoas, e a lente aponta para o processo, não para a pessoa. Os dados são reportados no nível da estação — sem rankings individuais, nunca, e nunca ligados a avaliações de desempenho. Isso tem que ficar por escrito. Em um prédio sindicalizado, pular essa etapa significa que o representante do sindicato está na sua porta em questão de dias. Vi uma unidade lançar isso sem a conversa; duas semanas depois, caiu uma reclamação, o piloto foi encerrado e o dinheiro foi embora.
O engraçado é que, quando a comunicação é feita direito, seus operadores veteranos viram os melhores anotadores que você tem. A IA sinaliza um evento de permanência anormal; um veterano olha e diz: "Isso é uma troca de palete, não moleza." Esse julgamento de chão é algo que nenhum algoritmo aprende em três anos.
Então não me pergunte se a análise de vídeo com IA vale a pena comprar. Pergunte-se isto: qual parte da sua operação parece lenta — e você consegue provar com dados? Comece por aí. Duas semanas de gravação de câmera bastam para começar. Os dados não vão tomar a decisão por você, mas lhe dão algo sólido em que se apoiar quando a discussão começar.
Traduzido do inglês. Em caso de divergência, prevalece a versão em inglês.
