Escolher seu primeiro piloto de IA no armazém se resume a uma pergunta: se o sistema errar, o que acontece depois? Escolha a captura fotográfica de conferência de embalagem, os alertas de exceção ou o apoio à contagem de recebimento. Quando a IA deixa passar algo ali, uma pessoa no chão percebe em segundos e corrige. Nada é enviado errado, nada para a linha. Escolha, em vez disso, o reabastecimento automatizado ou o despacho de empilhadeiras sem motorista, e uma única decisão errada pode se espalhar por compras, estoque e segurança antes que alguém perceba.

Como consultor de implementação de WMS com mais de 30 go-lives no currículo, vejo o mesmo padrão repetidas vezes: os armazéns raramente fracassam em IA porque a tecnologia é ruim. Fracassam porque escolheram o primeiro trabalho errado. Se acertar, o gerente de operações vê a mudança no chão na segunda semana. Se errar, três meses depois o armazém é dono de mais um sistema que ninguém usa.

O que faz um bom primeiro piloto de IA

Avalio cada trabalho candidato por quatro testes. O primeiro é o custo de errar: se a IA deixar passar uma exceção, um conferente consegue perceber? E se ela rotular uma foto errado, alguém consegue corrigir com um toque? O segundo é a visibilidade: um gerente consegue ver o resultado sem abrir um relatório — uma câmera tirando fotos, uma tela sinalizando uma divergência, menos pedidos contestados? O terceiro é a prontidão dos dados. A captura de fotos, a leitura e a pesagem já acontecem no trabalho, então você não está construindo um novo processo de coleta de dados só para alimentar o modelo. O quarto é o escopo: você toca em um passo, não no fluxo inteiro.

As equipes costumam pular o primeiro teste e ir direto para o tamanho do prêmio. Isso é um erro. Os trabalhos com maior retorno tendem a ser os mais emaranhados. A previsão de reabastecimento toca compras, níveis de estoque e quem leva a culpa por uma ruptura, e uma previsão errada pode consumir uma tarde em discussões sobre culpa. A captura de fotos é diferente: a foto é a evidência, e o limite da responsabilidade está claro antes de a discussão começar.

Aqui está a parte contraintuitiva: o trabalho que não gera dinheiro diretamente costuma ser o melhor primeiro piloto. Um sistema de previsão pode levar semanas para mostrar qualquer coisa. Um registro fotográfico compensa na primeira vez que um cliente contesta um envio: puxe a foto, resolva a reclamação, siga em frente. Essa prova visível conquista o orçamento para o próximo piloto mais rápido do que qualquer estimativa de economia em um slide.

Trabalho candidato Custo de errar Visibilidade Prontidão dos dados Adequação como primeiro piloto
Captura fotográfica de conferência de embalagem Baixo, uma pessoa pode corrigir Alta, a foto é a evidência Pronta, a conferência já envolve leitura Bom ajuste
Alertas de exceção por divergência de peso ou quantidade Baixo, apenas um alerta, sem bloqueio Alta, o chão vê na hora Pronta, existem dados de pesagem e leitura Bom ajuste
Apoio à contagem de recebimento Baixo, uma contagem errada pode ser refeita Média, a velocidade de contagem é visível Razoável, primeiro é preciso padronizar as unidades de embalagem Vale tentar
Previsão de reabastecimento Alto, uma decisão ruim afeta compras e rupturas Baixa, os resultados levam semanas para aparecer Difícil, o histórico costuma ter lacunas Ainda não
Despacho de empilhadeiras sem motorista Alto, uma decisão ruim afeta segurança e produtividade Média, visível mas arriscado Difícil, exige mapas, tarefas e permissões conectados Ainda não

Você não precisa de uma pontuação precisa aqui. Um único custo alto de errar basta para riscar um trabalho da lista de primeiros pilotos. O baixo risco não é timidez. Ele compra tempo para a equipe aprender.

Um plano de duas semanas para seu primeiro piloto de IA

Tome a captura fotográfica de conferência de embalagem como exemplo. Os alertas de exceção seguem quase o mesmo cronograma.

Dias 1 a 2, fixe o escopo. Uma estação de conferência, um tipo de pedido — digamos, apenas pedidos com vários itens. Escreva e cole ao lado da estação: qual estação, qual tipo de pedido, quem é o responsável, quem chamar quando algo quebrar.

Dias 3 a 5, faça funcionar o menor ciclo. A câmera tira uma foto, a foto é armazenada, e qualquer pessoa pode encontrá-la pelo número do pedido, com a foto e os detalhes do pedido em uma só tela. Não persiga a precisão ainda. Persiga a tubulação: se as fotos não puderem ser encontradas pelo número do pedido, o reconhecimento mais inteligente não serve para nada. A cada turno, pego dez pedidos e confiro as fotos com a mercadoria à mão, anotando cada divergência.

Dias 6 a 8, faça o chão usar de verdade. Após cada leitura, o conferente olha a foto e sinaliza qualquer coisa que pareça estranha — essas sinalizações viram a rotulagem para melhorias posteriores. Mantenha dentro da tela de conferência que eles já usam: um botão a mais, nada além disso. Cada passo extra que você adiciona a um trabalho de chão é ignorado sob pressão.

Dias 9 a 11, reconcilie. Pegue os pedidos sinalizados e descubra se o problema é o ângulo da câmera, a luz ruim ou uma embalagem genuinamente difícil de ler. Mova a câmera uma vez, mude uma regra de alerta e rode por mais dois dias. O que mata um piloto é ninguém olhar os dados.

Dias 12 a 14, escreva a lista de verificação da véspera do go-live. Apenas itens concretos: quem verifica uma câmera que sai do ar, o que acontece quando uma foto não é encontrada, se a conferência para quando a rede cai, de quem são o nome e o telefone na folha de turno. Peça ao líder da equipe de conferência para lê-la em voz alta. Qualquer linha que ele não consiga seguir precisa ser reescrita até que ele consiga executá-la sem você.

Expanda somente se três coisas forem verdadeiras após duas semanas: as fotos podem ser encontradas por pedido, os conferentes usam a ferramenta todos os dias e os pedidos contestados agora têm um registro rastreável. Se alguma falhar, corrija essa primeiro. Não escale um piloto que não passou no próprio teste.

Três formas de um primeiro piloto de IA dar errado

O primeiro fracasso é escolher o trabalho mais difícil pela glória. Já vi isso três vezes, e o roteiro quase não muda: a reunião inicial escolhe o caso de uso mais impressionante, passa um mês, e a equipe descobre que os dados, o processo e a responsabilidade nunca estiveram prontos. O projeto trava no meio do caminho e a equipe perde a fé na própria IA. O verdadeiro trabalho de um primeiro piloto não é provar o quão poderosa a IA é. É provar que este armazém consegue rodar uma.

Um armazém 3PL no leste da China me ensinou o outro lado dessa lição em outubro de 2024. Sua equipe de conferência recebia sete ou oito reclamações de clientes por semana por envios incompletos ou em excesso. Pulamos o reconhecimento e começamos com a captura de fotos em duas estações de conferência. Na terceira semana, as reclamações haviam caído para duas ou três por semana. As câmeras não ficaram mais inteligentes. A responsabilidade ficou mais clara, e os conferentes ficaram mais cuidadosos porque o processo agora era visível.

O segundo fracasso é o trabalho oposto, escolhido pelo mesmo motivo. Em março de 2025, um armazém de e-commerce em Guangdong escolheu a previsão de reabastecimento por IA como primeiro piloto. A dor era real — as rupturas doíam. Mas os dados históricos misturavam promoções, devoluções e transferências manuais, e compras não confiava nas recomendações. Dois meses depois, o modelo ainda estava sendo ajustado e o chão ainda reabastecia pela experiência. Mudamos o piloto para o apoio à contagem de recebimento e o colocamos no ar em duas semanas. A previsão não era inútil. Era o primeiro trabalho errado.

O terceiro fracasso é tratar o piloto como uma compra a ser assinada. O contrato é assinado, o equipamento é instalado, o formulário de aceite é carimbado e o projeto é declarado concluído. Um piloto é um teste, não um aceite. Minha regra é rodar duas semanas de pedidos reais antes de qualquer um assinar qualquer coisa. O que os conferentes usam todos os dias é o sistema que você está aceitando. Uma demonstração fluida prova tanto quanto um apartamento decorado prova sobre uma casa.

Mais um fracasso silencioso: ninguém é dono da manutenção diária. A lente de uma câmera suja e ninguém limpa. As fotos deixam de ser recuperáveis e ninguém avisa. As regras de alerta disparam cada vez mais à toa e ninguém as ajusta. Três meses depois o sistema está abandonado. Nomeie o responsável diário no dia em que o piloto começa e coloque-o na folha de turno. Um piloto sem responsável diário se apaga, por melhores que tenham sido as duas primeiras semanas.

O equilíbrio por trás de tudo isso é simples: um primeiro piloto troca ambição por reversibilidade. Um trabalho modesto que você pode reverter em uma tarde ensina mais ao armazém do que um trabalho ambicioso que leva um trimestre para desfazer. Comece onde um erro é barato, o resultado é visível, os dados já existem e a mudança é pequena. Rode por duas semanas. Depois escolha o próximo.

Por Lin Xiao, consultor de implementação de WMS Traduzido do inglês. Em caso de divergência, prevalece a versão em inglês.