Vou começar com uma conta. Em outubro de 2024, um 3PL de Dallas que operava um e-commerce de autopeças a partir de um armazém de 50,000 pés quadrados me mostrou a proposta de um fornecedor que dizia "3.2-year payback" em um sistema goods-to-person. O dono me pediu para auditar a conta. Risquei três premissas e rodei de novo: 6.8 anos. Os 3.6 anos extras estavam escondidos em três linhas de letra miúda: estações de picking sempre operando em plena capacidade, custos de mão de obra congelados no nível deste ano e nenhuma mudança de instalação por três anos.

Este artigo faz uma coisa só: desmonta o cálculo de payback do ROI de goods to person para que você possa rodá-lo sozinho — e contestá-lo.

A fórmula do payback é simples. Os insumos não são.

A fórmula é uma linha, nada de misterioso:

Payback (years) = Total Investment ÷ Annual Net Savings

O problema é que os dois lados dessa equação são "otimizados" — pelo fornecedor e às vezes pela sua própria equipe. Comece pelo numerador. O investimento total não é a cotação do equipamento. Toda planilha de payback que já auditei deixa de fora os mesmos itens:

Item de investimento O que costuma ficar de fora
Hardware (porta-paletes, shuttles, robôs CTU, estações de picking) A cotação inclui impostos e frete? Quantos anos de peças sobressalentes estão incluídos?
Software (licenças de WES / orquestração) Anual ou perpétua? A assinatura do segundo ano está na conta?
Integração Quem paga os homens-dia para integrar com o seu WMS atual?
Obra na instalação Capacidade de carga do piso, reavaliação dos sprinklers de incêndio, iluminação — muitas vezes "cotado à parte"
Financiamento Se você está pagando em parcelas, os juros vão para o numerador

No projeto de Dallas, a assinatura do software e a reavaliação dos sprinklers somavam sozinhas 11% do investimento total — e a planilha original não listava nenhuma das duas. Encolha o numerador em um ano de custo oculto e o payback magicamente parece um ano mais curto.

Agora o denominador. Economia líquida anual = custo de mão de obra evitado + economia com redução de erros + economia de espaço − os novos custos operacionais que o sistema cria. Esse último termo importa: um sistema GTP não é mão de obra zero. As estações de picking precisam de operadores, o sistema precisa de técnicos, a reposição precisa de pessoal. Já vi planilhas "esquecerem" dois técnicos do sistema — dezenas de milhares de dólares por ano.

Estação de picking goods-to-person baseada em shuttles em operação

Três premissas de entrada que decidem tudo

Três números do denominador decidem se o payback é de três anos ou de sete. E nas planilhas dos fornecedores, os três tendem a ser definidos nos seus valores mais otimistas.

Primeiro, a utilização da taxa da estação de picking. O folheto diz 300 a 500 UPH (unidades por hora) por estação. Em condições de laboratório, pode ser verdade. Seu armazém não é um laboratório: um planejamento de ondas ruim faz o sistema esperar pelos pedidos; uma reposição que não acompanha deixa posições vazias; o perfil de SKU errado — itens grandes demais ou desajeitados — mata a taxa. Nas revisões pós-implementação que fiz, menos de um em cada três sites sustenta mais de 70% da taxa do folheto ao longo do tempo. A maioria fica entre 50% e 65%.

Segundo, o headcount evitado. O "18 FTEs eliminados" da planilha é calculado em três turnos completos, 365 dias. Seu prédio realmente opera três turnos? E a baixa temporada? Muitos armazéns de e-commerce operam a todo vapor quatro meses por ano e deixam o sistema GTP parado os outros oito — enquanto a conta de mão de obra evitada conta os doze meses a valor cheio. Desconte pelos seus turnos reais e pela sazonalidade.

Terceiro, a inflação do custo de mão de obra. As planilhas adoram "os salários sobem 5% ao ano, então a economia se capitaliza". Os salários de armazém nos EUA vêm subindo, mas 5% é o seu número ou um chute? Puxe sua folha de pagamento dos últimos três anos e tire a média aritmética. Poucas operações que vi passam de 4%.

Cada um desses três se movendo dez pontos desloca o payback em um a dois anos. Esta é a tabela de sensibilidade do meu recálculo de Dallas:

Cenário Utilização da taxa Mão de obra evitada (descontada) Payback
Original do fornecedor 90% 18 FTE (quadro completo) 3.2 years
Conservador 65% 12 FTE (ajustado por sazonalidade) 5.1 years
Pessimista 55% 10 FTE 6.8 years

Mesmo equipamento, mesmo fornecedor, premissas diferentes, payback dobrado. Um cálculo de payback GTP nunca precifica de verdade o equipamento. Ele precifica as premissas.

A parte contraintuitiva: o que mata o payback não é o preço

A maioria dos compradores se preocupa em pagar caro demais pelo hardware. Preocupação errada. Equipamento 10% acima do orçamento adiciona três a quatro meses ao payback. Uma queda de dez pontos na utilização adiciona um ano ou mais. O throughput é a única alavanca real deste sistema. Todo o resto é troco.

Por que a taxa nunca se sustenta? Vi três causas reais. Primeira, a reposição. O GTP transforma "pessoas até a mercadoria" em "mercadoria até as pessoas", mas o estoque nessas estruturas não se repõe sozinho. No início de 2025, um armazém de e-commerce transfronteiriço no leste da China instalou um sistema goods-to-person estilo CTU com capacidade de 400 UPH por estação e o rodou a 220 por meses — a equipe de reposição continuava dimensionada e escalada como nos dias do picking manual, e a taxa de posições vazias rondava acima de 15%. Equipamento de um milhão de dólares, esperando trabalho de salário por hora.

Segunda, o perfil de pedidos. O GTP odeia duas coisas: itens grandes demais e SKUs extremos de cauda longa. Itens grandes destroem a ergonomia da estação e cortam a taxa pela metade; SKUs de cauda longa significam estruturas cheias de "posições zumbis" ocupando posições caras de armazenagem automatizada, tocadas poucas vezes por ano. No site de autopeças de Dallas, 40% dos SKUs se movimentavam menos de 12 vezes por ano — esses produtos não tinham nada a fazer dentro da zona GTP. Retirá-los para o armazenamento convencional teria encolhido o sistema em um nível inteiro.

Terceira, as ondas e o ramp-up. Nos primeiros três meses após o go-live, a lógica de ondas WES-para-WMS e o tratamento de exceções ainda estão sendo ajustados. Atingir 50% de utilização nesse período já é ir bem. "Produção plena desde o primeiro dia" é o otimismo mais caro que conheço.

Um trade-off que você precisa encarar: sistemas baseados em shuttles, CTU/AMR shelf-to-person e sistemas de caixas estilo miniload não são melhores nem piores — são apostas diferentes. Shuttles dão densidade e throughput forte por estação, mas prendem você a corredores fixos. O estilo CTU adiciona ou remove bots livremente, o mais flexível, mas ocupa mais piso. Escolher a arquitetura errada e depois afinar o payback é reformar a fundação errada — Dallas escolheu o estilo CTU por um motivo: quatro anos restantes de aluguel, e um sistema de shuttles parafusado no piso vira custo afundado no dia em que você se mudar.

Onde estão as alavancas reais de economia

Com a conta auditada, aqui é onde você pode realmente mover a agulha.

Primeiro, a triagem de SKUs. Faça uma análise ABC rigorosa e deixe entrar na zona automatizada apenas SKUs A — e alguns B. Cada posição automatizada tem um preço: depreciação do equipamento mais assinatura do software. Estacionar produtos de baixo giro ali é queimar dinheiro. Encolha o sistema em 20% e o payback cai cerca de um ano.

Segundo, o dimensionamento da reposição. A reposição GTP roda a duas ou três vezes a intensidade dos dias do picking manual — precisa de headcount próprio e de KPIs próprios, não de um trabalho paralelo. O site da China que transformou a reposição em uma equipe dedicada reduziu sua taxa de posições vazias de 15% para 6% e recuperou doze pontos de utilização. Nenhum gasto novo em equipamento.

Terceiro, trate a economia com redução de erros separadamente e com conservadorismo. O GTP genuinamente reduz as taxas de erro de picking da faixa manual de 1%–3% para perto de 0.1%, e devoluções, atendimento ao cliente e custos de reenvio são dinheiro de verdade. Mas é nesta linha que as planilhas se inflam: "os erros vão a zero", ou uma devolução custeada em trinta dólares. Use seus dados reais de devoluções dos últimos doze meses e modele a melhoria como "cortada pela metade", não "eliminada".

Uma conclusão que você pode calcular sozinho

Não confie em nenhum "payback de 3 a 5 anos" pronto. Rode estes três números você mesmo:

  1. Seu UPH real por estação. Não o do folheto. Pegue seu UPH atual de picking manual, multiplique por 2.5 — um fator empírico que achei conservador e confiável — e depois aplique 65% de utilização.
  2. Seu custo totalmente carregado por FTE. Salário por hora × 2,080 horas mais benefícios e encargos (tipicamente outros 25%–30% nos EUA), vezes o headcount que você pode realmente evitar, ajustado pela sazonalidade.
  3. Seu investimento total. Equipamento mais cinco anos de assinatura de software mais integração mais obra — item por item, e faça o fornecedor preencher cada campo.

Payback = Investimento total ÷ (economia anual de mão de obra + economia anual de erros × 0.5 − novos custos operacionais). Menos de 4 anos, vale a pena negociar. De quatro a cinco anos significa que você está apostando na sua confiança no throughput e no perfil de pedidos. Mais de cinco anos, volte e corrija primeiro seu slotting ABC e seu planejamento de ondas — a conversa do equipamento pode esperar até o ano que vem.

Se o dinheiro foi bem gasto não é a planilha que te diz. São as premissas. Escreva-as, substitua cada uma pelos seus próprios dados — esse é todo o método.

Por Lao Zhou, Analista de Custos Logísticos

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