Pick-to-Light vs. Voice Picking: uma comparação de precisão e velocidade orientada por dados

Todo ano percorro dezenas de módulos de separação e ouço a mesma pergunta: «Pick-to-light ou voice picking — qual é realmente o melhor?». O que torna a pergunta interessante não é a tecnologia em si, mas a resposta do mercado até aqui. Nos últimos dois anos, os dois lados engrossaram suas bibliotecas de estudos de caso: o pick-to-light (PTL) continua se expandindo em operações de alta densidade com peças pequenas — cosméticos, farmacêuticos, autopeças — enquanto o picking dirigido por voz aprofunda sua presença em câmaras frias, mercadorias volumosas e distribuição de alimentos. Nenhum eliminou o outro. Esse resultado, mais do que qualquer whitepaper de fornecedor, nos diz o que este debate realmente é: não uma disputa de desempenho, mas um problema de adequação.

Os números, lado a lado

Comecemos pelo que pode ser verificado em fontes públicas. Os números abaixo vêm de estudos de caso publicados e da literatura de produto dos principais fornecedores de PTL e de voz; os resultados reais variam com a similaridade dos SKUs e a densidade dos pedidos, então indico onde um número é declarado pelo fornecedor em vez de medido de forma independente.

Contra a referência do papel, ambos são vitórias esmagadoras — a separação de unidades no papel costuma rodar 150–250 linhas por hora, com uma taxa de erro uma ordem de grandeza pior. Então a pergunta real nunca foi «devemos adotar tecnologia», mas «qual se encaixa».

Dois casos de campo dão tridimensionalidade à tabela. Em 2023, um armazém terceirizado na Pensilvânia que atendia marcas de beleza e cuidado pessoal processava cerca de 30,000 SKUs e 8,000 pedidos por dia em sua zona de separação de unidades. Antes do PTL, dependia de papel mais uma segunda conferência manual; as taxas de erro de expedição permaneciam teimosamente altas, e o custo de devoluções e tickets de atendimento ao cliente não parava de subir. Após a conversão para PTL, a revisão publicada do projeto relatou precisão acima de 99.9%, devoluções caíram cerca de 40% e o treinamento de temporários da alta temporada despencou de três dias para meio dia. O líder do projeto foi direto: as luzes eliminaram «achar o endereço», a decisão que mais consumia tempo no processo, e deixaram às pessoas a pura execução.

O segundo caso é na Califórnia. Em 2024, um centro de distribuição de alimentos frescos equipou sua zona de congelados — operando bem abaixo de zero — com picking por voz. Trabalhadores de luvas grossas não conseguem operar scanners ou papel de forma realista, então a voz se tornou a única opção viável. Com as duas mãos livres, as linhas separadas por hora de trabalho subiram cerca de 15% em relação à era do papel, e os novatos trabalhavam de forma independente no segundo dia. O comentário do gerente foi refrescantemente honesto: escolheram a voz não porque era o mais rápido, mas porque naquele ambiente nada mais poderia funcionar.

Por que nenhuma abordagem consegue eliminar a outra

O PTL é rápido porque substitui o pensar pelo ver. Luz acesa, um olhar para a quantidade, pegar, apertar para confirmar — toda a cadeia de decisão se comprime em dois ou três segundos, quase sem necessidade de alfabetização ou treinamento. É por isso que sua precisão toca o teto. Mas o limite é igualmente nítido: ele prende o operador na frente das luzes. Passando de dezenas de milhares de SKUs para endereços esparsos e dispersos, o custo de fiação e retrofit das luzes sobe de forma íngreme enquanto a economia se deteriora rápido.

A voz é livre porque substitui o ver pelo ouvir. Os operadores podem andar e ouvir com as duas mãos no trabalho, e endereços dispersos ou formatos de produto difíceis simplesmente não importam. O preço é a verificação pelo dígito de controle falado: uma ida e volta conversacional extra por linha, o que torna o ciclo por linha inerentemente um pouco mais lento que o PTL. Ambientes ruidosos também limitam a precisão do reconhecimento de voz — um teto físico que algoritmos melhores podem se aproximar, mas nunca remover.

Aprofundando a análise um nível, a lógica de seleção fica clara: nunca foi sobre escolher a «melhor» tecnologia, mas aquela cuja economia e ergonomia combinam com o perfil do pedido. O número de SKUs determina se uma tecnologia consegue se pagar; o número de linhas por pedido e o formato do produto determinam se o movimento humano pode ser comprimido. Forçar o PTL em um armazém de mercadorias volumosas, ou a voz em uma zona densa de peças pequenas, é usar a força de uma tecnologia para compensar a fraqueza de um cenário — uma luta que termina mal para os dois.

Há também uma camada de custo que a maioria das análises pula: o custo de um erro. Um erro de expedição custa muito mais que a mão de obra e o frete de reenvio — há tickets de serviço, penalidades de marketplaces para vendedores de e-commerce e o custo invisível dos clientes perdidos. Compartilhamentos públicos de vários operadores 3PL colocam o custo total de um erro de separação entre três e cinco vezes o custo de fulfillment daquele pedido. É por isso que cada 0.1 ponto adicional de precisão se traduz em dinheiro real em escala — uma decisão de tecnologia só está completa quando os «erros» aparecem como item na conta.

O que leva ao ponto contraintuitivo que merece ser dito à parte: a solução mais precisa geralmente não é nem a mais rápida nem a mais cara — pelo menos não a mais cara em custo total de propriedade. Em mercados de salários altos, o PTL, que parece caro de entrada, costuma entregar o menor custo por pedido uma vez amortizado sobre três anos de volume. Em mercados de salários baixos e alta volatilidade, a voz — precificada por pessoa e escalável sob demanda — vence na flexibilidade. O primeiro princípio da seleção é o TCO de três anos dividido pelo total de pedidos, não cujo vídeo de demonstração parecia mais bonito. Muitos armazéns erram essa aritmética e acabam comprando ansiedade em vez de tecnologia.

Um modelo de seleção em três perguntas

Os dados e a análise acima se comprimem em um modelo prático de três perguntas.

Primeira: os SKUs estão abaixo de cerca de dez mil, as linhas médias por pedido superam cinco e os endereços são densos? Três sins significam que o PTL merece o primeiro olhar — sua economia nessa faixa é quase imbatível.

Segunda: há um freezer, itens volumosos ou irregulares, endereços dispersos ou trabalho que exige genuinamente duas mãos? Um único sim aponta para a voz; não discuta com a física.

Terceira: dezenas de milhares de SKUs com uma curva de velocidade fortemente enviesada? Não se apresse num tudo-ou-nada. Aplique a estratificação ABC — PTL para os A de alta velocidade, pistolas RF mais voz para a cauda longa dos C — e a rota híbrida costuma produzir o TCO mais baixo. Na prática, os armazéns de melhor desempenho raramente são implementações «puro-sangue» de uma única tecnologia.

O que a IA de visão muda

Segundo o que os fornecedores mostraram em feiras do setor e em roadmaps publicados nos últimos dois anos, uma terceira via está se formando: câmeras acima da face de separação rodando IA de visão para verificar, em tempo real, se o operador pegou o SKU certo na quantidade certa, sinalizando erros na hora. A lógica separa a «orientação» da «verificação» — a orientação (luz ou voz) pode usar o meio mais barato disponível, enquanto a verificação passa para as máquinas e deixa de depender da atenção humana. Alguns fornecedores já estão pilotando orientação por voz combinada com verificação por visão, eliminando por completo o dígito de controle falado.

Minha leitura é que nos próximos três a cinco anos nem o PTL puro nem a voz pura desaparecem, mas veremos mais «PTL sem lâmpadas» (projeção ou telas substituindo módulos de luz físicos) e híbridos de «orientação por voz verificada por visão». O desfecho das rotas tecnológicas nunca é a substituição de uma pela outra; é que, uma vez que as máquinas levam o custo de verificação a zero, a orientação volta ao que for mais barato. O padrão da história é consistente: qualquer elo que dependa de que «as pessoas não cometam erros» acaba nas mãos das máquinas.

Se a verificação por visão realmente empurrar as taxas de erro de separação para a irrelevância, a maioria das linhas da tabela comparativa atual pode deixar de importar em cinco anos. A variável a acompanhar não é de quem são as luzes mais brilhantes, mas quando a «verificação» desaparece por completo do movimento humano — e como é um armazém do outro lado dessa mudança.

Por Dr. Chen, Pesquisador em cadeia de suprimentos

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