Vou começar com uma reclamação. Neste momento, todo mundo está gritando que a IA pertence ao armazém. Os vídeos de demonstração nas feiras parecem mais suaves a cada ano, os orçamentos dos fornecedores parecem melhores a cada ano, e você pensaria que qualquer armazém sem IA vai falir amanhã. Vendo online há cinco anos, troquei de armazém três vezes e participei de dois pilotos de IA, e aqui está a verdade honesta: a maioria dos projetos de IA em armazém não morre porque a tecnologia falha. Eles morrem porque ninguém calculou seriamente primeiro os números do ROI do projeto de IA em armazém.
Os pilotos de IA em armazém são muito bons em enganar você
No ano passado, testei uma verificação visual com IA em um armazém parceiro. Colocamos no banco de embalagem: uma câmera escaneia cada pacote, o sistema o compara com o pedido e sinaliza qualquer pacote com falta ou excesso. No dia da demonstração, parecia irreal. O engenheiro do fornecedor prometeu na hora uma precisão acima de 99 por cento. Assinamos um piloto de três meses e instalamos duas unidades.
Aqui está um cenário hipotético de como foi na realidade. No primeiro mês, os números pareciam ótimos e a taxa de erro caiu bem abaixo do nível da antiga verificação manual por amostragem. Depois chegou o segundo mês. A alta temporada dobrou o volume de pedidos, a esteira acelerou e a câmera começou a deixar coisas passarem. Mudamos para uma nova embalagem, o sistema não a reconheceu e alguém teve que reajustar o modelo. Pior de tudo, ninguém no armazém queria ficar olhando alertas o dia todo, então, quando os alertas se acumularam, as pessoas começaram a aprová-los em massa e voltamos exatamente ao ponto de partida. Ao longo de três meses, as contas ficaram assim, todos os valores são hipotéticos: hardware mais software mais integração somaram cerca de $40,000 adiantados, aproximadamente $1,100 por mês distribuídos ao longo de três anos; o tempo de rechecagem manual que economizamos valia cerca de $900 por mês; menos pagamentos por erros de picking economizaram cerca de $400 por mês. No papel, isso dá $200 por mês de vantagem, o que parece bom, até você perceber que o piloto cobria apenas dois bancos de embalagem. Expandir para todo o armazém dobraria o investimento, e os retornos não necessariamente dobrariam junto.
Aqui está a parte contraintuitiva: um piloto bem-sucedido prova quase nada sobre uma implantação completa. Quanto menor e mais limpo o piloto, melhores parecem os números. Um armazém real é dados sujos, embalagem nova, alta temporada e rotatividade de pessoal, tudo ao mesmo tempo. As demonstrações dos fornecedores sempre rodam com dados limpos. Como são realmente os dados do seu armazém, só você sabe.
ROI de projeto de IA em armazém: preencha esta tabela antes de assinar
Minha regra agora é simples. Antes de assinar qualquer coisa para um projeto de IA, preencho a tabela abaixo, e se não consigo preenchê-la, não assino. Cada número nela é um exemplo hipotético: substitua-os pelos números reais do seu armazém e calcule novamente.
| Item | Valor (exemplo hipotético) | | Custo único: software, hardware, integração, treinamento | Cerca de $40,000 | | Custo mensal: assinatura, manutenção, reajuste | Cerca de $800 | | Economia mensal: tempo de rechecagem manual | Cerca de $900 | | Economia mensal: menos erros de picking e devoluções | Cerca de $400 | | Período de retorno | Cerca de 30 meses |
Se o período de retorno passar de dois anos, geralmente desisto. O raciocínio é simples: os produtos de IA evoluem rápido, e daqui a dois anos a mesma capacidade provavelmente custará metade do preço e será duas vezes melhor. Amarrar-se a um contrato de três anos agora significa pagar para financiar a pesquisa do fornecedor. Há mais um custo que quase todo mundo deixa de fora: o custo oculto do próprio piloto. Engenheiros indo e vindo, funcionários retirados de seus turnos para ajudar nos testes, bancos de embalagem parados para recalibração, tudo isso é dinheiro. Em um exemplo hipotético, três meses de apoio ao piloto por parte do armazém podem facilmente somar $3,000 em mão de obra, e esse número nunca aparece em nenhum orçamento, mas sai direto da sua margem. É por isso que o ROI de um projeto de IA em armazém precisa ser calculado sobre o quadro completo, não apenas sobre a linha da assinatura.
Aqui está um exemplo hipotético que mostra por que o volume muda tudo. Um armazém pequeno que processa 800 pedidos por dia com uma taxa de erro de picking de 0.3 por cento só paga por dois ou três pedidos por mês, e a economia nem cobriria a assinatura. Um armazém que processa 8,000 pedidos por dia com a mesma taxa de erro enfrenta mais de vinte pedidos problemáticos por dia, com indenizações e atendimento ao cliente custando bem mais de $10,000 por mês, e de repente o mesmo sistema de IA faz sentido. O mesmo produto, dez vezes o volume, resposta oposta. O ROI nunca é uma propriedade do produto. É uma propriedade do seu volume. Três perguntas vêm antes da tabela. Primeiro, esse problema acontece todos os dias? Um problema que aparece uma vez por semana não vale um projeto de IA. Segundo, os dados estão prontos, ou você precisa de três meses de limpeza primeiro? Se a limpeza vem primeiro, dobre o orçamento. Terceiro, se falhar, você pode voltar ao trabalho manual? Se não há volta, não vou tocar nisso, por mais barato que pareça.
Três armadilhas em projetos de IA, e eu caí em duas delas
A primeira armadilha são os dados sujos. A demonstração do fornecedor usava fotos tiradas com luz perfeita e ângulos perfeitos. No seu armazém, metade das luzes está quebrada, a fita dos pacotes ofusca e a câmera não vê nada além de manchas brancas. Ninguém coloca a limpeza de dados no orçamento. No fim, você paga por ela.
A segunda armadilha é contar apenas o preço do software e esquecer o preço da integração. Uma assinatura de algumas centenas de dólares por mês parece barata, mas conectá-la ao seu WMS, mudar o layout do banco de embalagem e treinar a equipe muitas vezes custa mais do que o próprio software. O que falta no orçamento geralmente é o maior item.
A terceira armadilha é tratar o piloto como a linha de chegada. Muitos vendedores veem números de piloto lindos, correm para uma implantação completa e assistem tudo desmoronar durante a alta temporada. O custo de voltar atrás é maior do que o próprio piloto. A alta temporada é o melhor detector de mentiras: dobre o volume, acelere a esteira, e cada problema que a demonstração escondeu aparece de uma vez. Escalar antes de um piloto sobreviver a uma alta temporada é como pular sem verificar a água. Minha regra é que um piloto precisa sobreviver a uma alta temporada completa com os números ainda de pé antes de alguém falar em escalar.
Esta aqui realmente funcionou para mim: da próxima vez que alguém trouxer uma proposta de IA, pule o vídeo de demonstração e peça para preencherem a tabela acima. Se os números não fecharem, mande-os de volta para refazer as contas. Um fornecedor que consegue mostrar o trabalho é o único tipo com quem vale a pena continuar conversando.
Por Ah K, Vendedor de comércio eletrônico (5 anos) Traduzido do inglês. Em caso de divergência, prevalece a versão em inglês.







