Nosso armazém tem 3,000 metros quadrados, um pouco mais de 400 posições de prateleira. Contagem física completa uma vez por mês: duas pessoas, dois dias — e mesmo assim perdemos coisas. Os sistemas de contagem por visão das grandes empresas, câmeras fixas mais conferência em tempo real? Olhei o orçamento e guardei. Nós, pequenos armazéns, não podemos queimar esse dinheiro.
Mas então chegaram os modelos de visão-linguagem, e percebi que existe uma versão artesanal que podemos roubar. A mesma ideia, por uma fração do custo.
VLM em palavras simples: é uma IA que consegue olhar uma foto e entender a linguagem humana ao mesmo tempo. Você fotografa uma prateleira e pergunta: «Este espaço deveria conter salgadinhos de mirtilo — é isso que está na foto?» Ela responde e circula as caixas erradas. A grande diferença em relação à antiga IA de visão: a antiga precisava de treinamento — era preciso ensinar como cada SKU se parece, e uma mudança de embalagem significava retreinar. O VLM não precisa de treinamento. Você alimenta os dados mestre de posições (o que deveria estar aqui) como o gabarito, e ele compara sozinho. Pequenos armazéns nunca tiveram ninguém para cuidar de treinamentos. Agora não precisamos mais.
Aqui está nossa versão artesanal, uma rodada por semana: imprima a lista de posições de alto giro, planeje uma rota de patrulha, uma pessoa com um telefone, uma foto por posição. De volta ao escritório, jogue as fotos em lote no VLM e faça sempre a mesma pergunta: «Este espaço deveria conter A. O A está na foto? Há algo fora do lugar ou faltando?» Sinalize os problemas e verifique à mão no dia seguinte. Sem código, sem integração — um telefone e um navegador.
Funciona? Duas histórias reais.
Neste março, uma de nossas posições deveria conter 12 caixas de mirtilos desidratados. Três caixas de cranberries desidratados tinham se infiltrado — embalagem quase idêntica. Três meses de contagens cíclicas manuais não viram; os contadores viram que a quantidade batia e seguiram em frente. A patrulha fotográfica do VLM circulou essas 3 caixas já na primeira semana. Quem opera 3PL sabe: um erro de separação é o erro mais caro que existe. Um embarque errado me custa mais do que meio ano de mão de obra de contagem.
Segunda história: posições fantasmas. O sistema diz que há estoque; a prateleira está vazia — ou o contrário. Agora fotografamos toda semana, e o VLM simplesmente relata «este espaço está vazio», conferimos com o sistema e a divergência aparece. Antes isso só aparecia quando um separador voltava de mãos vazias — quando o embarque já estava atrasado e o cliente já estava ao telefone.
Agora as contas. Antes: duas pessoas, dois dias, uma vez por mês, e mesmo assim com falhas. Versão artesanal: uma pessoa, meio dia por semana fotografando; zonas de alto giro verificadas semanalmente, zonas lentas mensalmente. Das posições que a IA sinaliza como «problema», a verificação manual confirma que cerca de setenta a oitenta por cento são problemas reais — o resto é luz ruim ou ângulo ruim enganando a IA. Na outra direção: posições que a IA aprova mas que têm problemas de verdade — digamos que de dez a vinte por cento passam. Então sejamos diretos: a IA é um primeiro filtro. Ela não substitui a verificação humana. Quem disser que substitui completamente a contagem manual está vendendo alguma coisa.
Quanto custa a versão artesanal? O telefone já tínhamos. O lado do VLM cobra por imagem, e nosso lote semanal soma algumas centenas de fotos — a conta mensal é menor do que gastamos com filme stretch em uma semana. O caro nunca foi a IA. Foi limpar o cadastro mestre de posições, o que levou duas tardes e uma jarra de café.
O que roubamos da cara instalação corporativa? O pensamento, não o hardware. Eles usam câmeras fixas filmando em tempo real; nós usamos um telefone com uma agenda — a mesma ideia de «fotografar e comparar». Eles treinam por SKU; nós usamos o cadastro de posições como gabarito — a mesma ideia de «sem treinamento». Ideias são grátis. Hardware não.
Duas descobertas contraintuitivas. Primeira: quanto mais «profissional» a foto, piores os resultados. Começamos com a equipe segurando o telefone nivelado, perfeitamente enquadrado, impecável — e a IA ia pior do que com fotos casuais. Aí caiu a ficha: os VLMs viram oceanos de fotos casuais. Sua foto posada está fora da zona de conforto deles. Fotografe do jeito mais natural. Não pose.
Segunda: não espalhe pelo armazém todo no primeiro dia. Comece pelos 20% de posições de alto giro — na nossa experiência, 80% dos problemas moram nesses 20%. Quando a rotina rodar liso, expanda. Pequenos armazéns têm pouca gente; coloque o aço onde está o fio da lâmina.
Mais um detalhe que nos poupou muito retrabalho: mantenha as etiquetas das posições legíveis. O VLM lê o número da posição na etiqueta no mesmo olhar — se a etiqueta caiu ou uma caixa a tampa, a IA não sabe de qual posição é a foto. Passamos uma tarde recolando cada etiqueta do armazém: endireitamos as tortas, trocamos as faltantes. O melhor dinheiro gasto no trimestre — chame de «infraestrutura da era da IA», ha.
Três conselhos para os colegas de pequenos armazéns: primeiro limpe seu cadastro mestre de posições — se o gabarito estiver errado, a IA não serve para nada. Mantenha a rota e os ângulos das fotos consistentes — não fotografe o lado esquerdo hoje e o direito amanhã. E verifique à mão cada alerta da IA em até 24 horas; o doca muda se você esperar.
O planejamento da rota importa mais do que parece: percorra as posições em ordem de serpentina, sem voltar atrás; fotografe na mesma ordem da lista impressa para que a conferência das fotos depois leve minutos, não uma hora. E sim, compramos dois paus de selfie para as prateleiras altas — ria se quiser, a IA enxerga mais quando a câmera sobe até lá.
As grandes empresas têm o manual delas. Os pequenos armazéns têm o nosso. Um telefone e uma IA que sabe ler fotos, e até um pequeno armazém como o nosso consegue manter suas prateleiras honestas.
Por Xiao Ma, proprietário de pequeno armazém
Traduzido do inglês. Em caso de divergência, prevalece a versão em inglês.
