IA de visão para classificação de devoluções: vale o dinheiro?

Um inspetor veterano olha um tênis devolvido, vira-o e anuncia o grau em dez segundos. A IA de visão quer automatizar esses dez segundos — mas parafusar uma câmera sobre um transportador é a parte fácil. Aqui vai a visão de um operador de armazém com vinte anos de experiência sobre padrões de classificação, seleção de câmera e iluminação, testes de precisão e se as contas realmente fecham.

Em novembro passado visitei um 3PL em Ontario que processa devoluções de vestuário. Pico de temporada: 12,000 devoluções por dia, 22 inspetores virando peça por peça — e cheirando-as. Sim, cheirando. Uma jaqueta que fede a perfume vai direto para o Grau C. O dono apontou para a fila de pessoas e perguntou: "Lao Mi, existe uma IA que possa ver por eles?" Não respondi na hora. No caminho de casa continuei fazendo as contas, e as anoto aqui para que você não precise aprendê-las no vídeo de demonstração de um vendedor.

Se seu armazém processa menos de 2,000 devoluções por dia, nem toque nisso. O volume não alimenta o modelo, e um investimento de $15K–$30K numa única estação nunca se paga. Acima de 5,000 devoluções por dia, com uma rota real de "recondicionar e revender" para a mercadoria classificada, vale um piloto sério — calçados, vestuário, acessórios 3C e pequenos eletrodomésticos são o ponto ideal.

Esqueça a IA por um minuto — escreva primeiro o padrão de classificação

Aqui é onde 90% dos armazéns tropeçam no passo um: tentam ensinar a IA antes de sua própria equipe concordar sobre o que significa um grau. A IA aprende "como os humanos julgam". Se três humanos dão três respostas diferentes, o modelo aprende sopa.

A tabela de classificação tem que estar escrita e colada na parede. Nas operações que vi funcionar bem, a condição da mercadoria devolvida se divide em quatro graus, e quanto mais específicas as definições, melhor:

• Grau A (revendável como novo): Etiquetas intactas, sem sinais de uso, sem odor, embalagem reutilizável como está. Fotografa-se e volta direto ao estoque principal.
• Grau B (defeitos menores, precisa de trabalho): Sem etiquetas, amassados leves ou poeira — vendável a preço cheio ou com pequeno desconto após limpeza básica ou reembalagem.
• Grau C (desgaste visível): Manchas, abrasão, odor. Só canais de liquidação ou desconto, ou desmonta-se para peças.
• Grau D (sucata): Danificado, faltando componentes, problemas de higiene. Direto para destruição ou reciclagem.

Anote para quem é esta tabela: para os humanos, não para a IA. Ponha sua equipe manual para operar nela de duas a quatro semanas primeiro, e acompanhe o tempo de classificação por unidade e as taxas de disputa. Se três inspetores veteranos não conseguirem concordar no mesmo lote pelo menos 90% das vezes, o padrão não é detalhado o suficiente — conserte o padrão antes de comprar IA. O teto de um modelo é a consistência de seus rótulos humanos — essa frase vale dinheiro.

E ponha o procedimento manual de classificação rodando liso primeiro: escanear, desembalar, inspecionar, atribuir um código de disposição — cronometre cada etapa. A maioria das operações que vejo roda 8–15 segundos por unidade no manual. O trabalho da IA não é substituir esses dez segundos; é comprimir a etapa de "olhar" para menos de um segundo enquanto os humanos cuidam da revisão e das exceções. Automatizar um processo bagunçado só lhe dá bagunça automatizada.

A câmera e as luzes importam mais que o algoritmo

Os vendedores gastam 80% da demonstração no algoritmo e 20% no hardware. Em implantações reais é o contrário: cerca de 70% do desempenho da inspeção por visão depende da iluminação e das câmeras; o algoritmo é os outros 30%. Iluminação ruim significa que rugas e manchas são invisíveis na imagem, e nenhum algoritmo do mundo recupera o que o sensor nunca capturou.

Algumas regras de seleção, cada uma paga com uma cicatriz:

A iluminação vem primeiro. A inspeção de devoluções tipicamente usa luzes de domo ou iluminação difusa de grande área para matar sombras e reflexos. Nunca ilumine a estação com fluorescentes pelados do teto do armazém — zíperes metálicos e embalagens plásticas vão estourar em manchas brancas. Mantenha a temperatura de cor consistente; luz balanceada para luz do dia em torno de 5500K é a escolha comum, e a estação inteira deve usar exatamente um tipo de fonte de luz.

Não persiga megapixels; compre o suficiente. Classificar condição não exige ver fibras individuais. Uma câmera industrial de 12–20 megapixels cobre a grande maioria das categorias. O que importa é a velocidade do obturador e o disparo: num transportador em movimento você precisa de pelo menos 1/500s ou tudo sai borrado. Numa estação manual fixa, um pedal ou um disparador fotoelétrico barateia muito os custos.

Decida de antemão quantas faces fotografar. Calçados precisam de pelo menos quatro vistas (ambos os lados, bico, sola); vestuário precisa de frente e verso mais detalhes (gola, punhos); pequenos eletrodomésticos precisam do exterior mais uma checagem de acessórios. A quantidade de vistas determina diretamente o tempo de takt da estação e a quantidade de câmeras — quatro vistas significam quatro câmeras ou uma câmera e quatro rotações, uma diferença de custo de 3x. Para um piloto recomendo uma estação fixa com virada manual e uma ou duas câmeras.

Lista curta de categorias para o piloto, da mais fácil: calçados > vestuário > bolsas e malas > acessórios 3C > pequenos eletrodomésticos. O fio comum: defeitos que vivem na superfície — manchas, abrasão, deformação — coisas que uma câmera pode ver. Deixe em espera os itens macios irregulares e tudo em que o defeito seja cheiro ou tato. A IA de visão é cega para "cheira mal" e "não volta à forma".

Para onde vai o dinheiro, e como as contas funcionam

Um piloto de estação única, na minha experiência, tipicamente fica em $15K–$30K: uma ou duas câmeras industriais mais lentes ($3K–$8K), iluminação e montagem ($2K–$5K), um PC industrial ou caixa de computação de borda ($1.5K–$3K), licenciamento de software ou preço por unidade (a grande variável — $5K–$15K por ano; confira as cotações atuais dos vendedores), e instalação mais rotulagem das primeiras 3,000–5,000 imagens de treinamento (não subestime esta; duas a quatro semanas de trabalho).

O retorno vem de três lugares. Primeiro, velocidade de mão de obra: a pré-classificação por IA mais revisão humana baixa o manuseio por unidade de 10 segundos para 3–4. Um armazém fazendo 8,000 devoluções por dia pode cortar o pessoal de inspeção de 20 para 8–10, e a economia anual de mão de obra sozinha cobre o investimento.

Segundo, taxa de recuperação de Grau A: sob a pressão do pico, inspetores humanos "matam em vez de arriscar" — muita mercadoria de Grau B vai parar na liquidação de Grau C, perdendo 30–50% de valor por unidade. Uma classificação consistente por IA pode elevar a recuperação A/B em 5–10 pontos, e esse dinheiro costuma ser maior que a economia de mão de obra.

Terceiro, disputas e estornos. Fotografe cada unidade. Quando um cliente reclama "devolvi em perfeitas condições", você mostra a foto e a discussão acaba. Os 3PL também ganham evidência para seus clientes de marca.

Como testar a precisão — não confie nos slides do vendedor. Só aceito um método de aceite do piloto: prepare 500–1,000 unidades cobrindo os quatro graus, faça seus inspetores especialistas classificarem às cegas e selarem as respostas, rode a IA e compare. Observe de perto dois números: a taxa de erro na fronteira B/C (a decisão mais difícil, e onde está a maior parte do dinheiro) e a taxa de vazamento do Grau D (sucata voltando para o estoque principal é um desastre). Precisão geral acima de 92%, com acima de 85% na fronteira B/C, é minha régua para produção — testado na sua própria mercadoria, não na biblioteca de amostras do vendedor.

Como conectá-lo ao seu fluxo de devoluções e ao WMS

Um grau de IA que nunca chega ao sistema é truque de festa. A integração padrão roda em cinco etapas:

1. A devolução é escaneada na entrada e o WMS cria uma tarefa de devolução ligada ao número de RMA.
2. A estação de inspeção fotografa a unidade; a IA devolve um grau e uma pontuação de confiança em 1–2 segundos.
3. Tudo acima do limiar de confiança (digamos 95%) flui direto; o que ficar abaixo vai para uma tela de revisão humana — mantenha a estação de revisão humana, é sua válvula de segurança.
4. O grau é gravado no campo de disposição do WMS, e as fotos são arquivadas por número de RMA (90 dias costuma bastar; confira seus acordos de marca).
5. O WMS roteia automaticamente por disposição: Grau A de volta a localizações principais, Grau B para a área de recondicionamento, Grau C para liquidação, Grau D para destruição.

Duas coisas para confirmar do lado do WMS: se o campo de disposição pode se expandir para quatro graus (muitos sistemas legados só têm "bom/ruim" — isso exige uma mudança), e se o armazenamento de fotos aguenta o ritmo (8,000 unidades por dia a quatro fotos cada uma é quase um milhão de imagens por mês — inclua o preço do armazenamento de objetos no caso de negócio).

Três coisas que você pode fazer amanhã

Não ligue para um vendedor ainda. Faça primeiro estas três:

1. Puxe três meses de dados de devoluções e olhe seu mix A/B/C/D e para onde foi de fato a mercadoria de Grau B. Se o Grau B estiver abaixo de 15% do volume, a IA tem pouco espaço para agregar valor.
2. Fotografe 200 unidades com um celular na mesa de inspeção e faça três inspetores veteranos classificarem de forma independente. Se a taxa de acordo tripla estiver abaixo de 90%, padronize primeiro os humanos.
3. Faça as contas: salário médio por hora do inspetor × pessoal × um ano, versus um piloto de $20K–$30K. Se o retorno se estender além de 18 meses, espere.

IA de visão para classificação de devoluções não é óleo de cobra — mas é um negócio de escala. Volume suficiente, as categorias certas e padrões primeiro: isso é uma máquina de fazer dinheiro. Faltando qualquer um dos três, é uma decoração cara juntando poeira no canto do seu armazém.

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