Eis minha previsão: até 2027, um copiloto de IA dentro do WMS passa de diferencial a requisito básico. Se um fornecedor não consegue mostrar um funcionando em ambiente real, vá embora. Não porque a IA seja mágica — mas porque os principais fornecedores já a incorporaram ao produto base, e os próximos doze meses serão uma onda de recuperação. Fique para trás e você começa a perder contratos.

Por que tenho tanta certeza. Em janeiro de 2026, os agentes de IA da Manhattan entraram em operação comercial, monitorando de forma autônoma as filas de trabalho e o inventário para detectar problemas de orquestração de tarefas antes que virem bola de neve. Na atualização de produto do Q4 de 2025, a Blue Yonder lançou o Warehouse Ops Agent — briefings diários pré-turno e monitoramento de exceções em tempo real para operadores. Depois, em maio de 2026, a Blue Yonder fez parceria com a NVIDIA em uma fábrica de treinamento de modelos, e os primeiros modelos miraram direto nos fluxos do WMS: faltas de alocação, exceções de inventário, urgência por prazo. Os dois maiores nomes do setor levaram assistentes de IA do palco das keynotes para a produção em 2026. Isso é inédito. O que vem depois não é difícil de prever.

Onde o copiloto de IA realmente está no fim de 2026?

Resposta honesta: estágio de protótipo utilizável. Útil, mas não o mitifique.

Três coisas que ele realmente faz hoje. Primeira, consulta de inventário em linguagem natural — perguntar "quantas posições de pallet vazias restam na Zona A?" em vez de fuçar três níveis de menu para um relatório. Segunda, alertas de exceções — risco de ruptura e atrasos de ondas detectados com antecedência, não descobertos na revisão pós-turno. Terceira, briefings pré-turno — o supervisor recebe as prioridades do dia antes do turno começar e sabe quais três incêndios apagar primeiro.

E três coisas que ele não faz. Decisões entre sistemas ainda são primitivas: o WMS levanta a bandeira, mas redirecionar o caminhão no TMS ainda exige a assinatura de uma pessoa. Sugestões complexas de otimização de ondas são consultivas, não decisórias. E o pior de tudo, a precisão é instável — num armazém com dados sujos, a maioria dos alertas são falsos positivos, e depois de três alarmes falsos o chão de fábrica para de olhar para eles.

No ano passado ajudei um 3PL de 60,000 pés quadrados no sul da Califórnia a avaliar sistemas, e eles testaram o recurso de consulta com IA de um fornecedor líder. A maior lição não foi o tempo economizado — foi o quão bagunçados se revelaram seus dados mestres de localização. Perguntava sobre estoque morto e cada resposta saía errada, porque metade dos códigos de localização não recebia manutenção há uma década. Esse é o estado real das coisas em 2026: sedoso na demonstração, e em produção ele é tão bom quanto sua base de dados.

O que exatamente muda em 2027?

O ponto de virada não é "a IA ficou mais inteligente". É "fornecedores sem ela começam a perder contratos". Três razões pelas quais acredito nisso.

Primeira, no fim de setembro de 2026 a Manhattan lançou o Editions — níveis Essentials, Enterprise e Enterprise Premier que levam explicitamente a plataforma para empresas em crescimento. A capacidade de IA não é mais exclusiva de grandes clientes. A barreira de preço desaba em 2027.

Segunda, a linguagem dos RFPs muda. "Assistente de IA / agentes de IA" sai da seção opcional e vira uma caixa marcada por padrão. Se o vendedor não souber responder a essa pergunta, não sobrevive à revisão técnica. A psicologia do comprador também muda: em 2026 a pergunta era "vocês têm IA"; em 2027 ela vira "o que seu copiloto de IA realmente faz?".

Terceira, os seguidores correm em 2027. Fornecedores de WMS de médio porte ou plugam capacidades de modelo ou ficam para trás, e veremos uma onda de anúncios de "nós também temos um assistente de IA" — qualidade irregular, mas barulhentos o bastante para cimentar a percepção de "padrão".

Então minha previsão de cronograma: até o fim de 2027, produtos de WMS em nuvem convencionais lançados sem alguma forma de copiloto de IA serão minoria. Não porque sejam todos bons — mas porque quem não tiver um vai parecer um produto da era anterior na mesa de seleção.

Painel de dados do armazém

Para armazéns pequenos e médios: ganho inesperado ou nova barreira?

Os dois. O dilema exige contas honestas.

O ganho é real. Preços SaaS mais edições em camadas colocam as capacidades ao alcance de operações com menos de 50,000 pés quadrados que jamais poderiam pagar por elas antes. Consultas em linguagem natural cortam custos de treinamento — os novatos perguntam em vez de decorar caminhos de menu. Para um armazém pequeno que não pode contratar um supervisor veterano, um assistente que responde "onde está este embarque?" o tempo todo vale dinheiro de verdade.

Mas a barreira é mais sorrateira. Um copiloto de IA é um amplificador de dados: dados limpos entram, alertas precisos e respostas rápidas saem. Alimente-o com bagunça — três nomes para o mesmo SKU, códigos de localização que só existem na cabeça de um veterano — e ele amplifica os erros, e você ainda paga uma assinatura pelo privilégio. Já vi armazéns pequenos demais culparem "a IA não funciona" quando o problema real eram seus dados mestres.

Então, para o operador menor, a verdadeira barreira não é se você pode pagar pela IA. É se seus dados mestres de SKU, sua codificação de localização e suas regras de lote sobrevivem a ser interrogados pela IA. A ordem importa: passe dois ou três meses limpando primeiro os dados mestres, depois fale de IA. Inverta a ordem e você está comprando uma decoração cara.

A demonstração foi impecável — o que verificar depois do go-live?

Três armadilhas, e já vi gente cair em todas.

Armadilha um: a demonstração roda com os dados limpos e selecionados do fornecedor. O que acontece com seus dados sujos é a única pergunta que importa, e o POC tem que rodar com seus próprios dados históricos. Aceitar os dados de demonstração do fornecedor como prova é assinar de olhos fechados.

Armadilha dois: não há padrão da indústria para precisão de alertas, e nenhum fornecedor divulga voluntariamente sua taxa de falsos positivos. Coloque por escrito o período de teste e os termos de saída, com linguagem atrelada a limites de falsos positivos. Não espere até o prédio inteiro ficar insensível aos alarmes.

Armadilha três: crave o modelo de preços. A maioria dos copilotos de IA é cobrada à parte — por usuário ou por volume de chamadas. Se a "capacidade de IA" está incluída ou é um complemento tem que estar em preto e branco na cotação. Não descubra o item extra três meses depois do go-live.

Minha recomendação para o POC: faça exatamente uma coisa. Pegue 30 dias de exceções reais do seu próprio histórico e faça a IA reproduzi-las — quão cedo ela teria detectado cada uma, e quantos alarmes falsos no caminho? Esse número diz mais do que qualquer demonstração.

O cronograma 2026–2028

  • 2026: a estreia comercial. Os principais fornecedores colocam agentes de IA em produção — alertas de exceções, briefings pré-turno e consultas em linguagem natural existem em forma de protótipo. Mas "existe" não é "funciona bem", e os resultados dependem da base de dados de cada site.
  • 2027: o ponto de virada. O copiloto de IA vira equipamento padrão no WMS em nuvem convencional, passando de opcional a obrigatório no checklist do RFP. Fornecedores sem um começam a perder contratos. A onda de recuperação traz uma enxurrada de lançamentos de qualidade irregular — aprenda a distingui-los.
  • 2028: as águas profundas. A competição passa de "vocês têm IA" para "sua IA é precisa". Armazéns com má qualidade de dados são forçados à limpeza, e o verdadeiro diferencial passa a ser o quão bem o copiloto se conecta com ondas, mão de obra e automação.

Um conselho de seleção: em 2027, escreva "reproduza 30 dias do nosso histórico de exceções com nossos próprios dados" no POC. Se o copiloto de IA não souber responder a isso, não assine — por melhor que o preço pareça.

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