IA na logística: onde ela paga a conta numa operação média

IA na logística é o uso de otimização, aprendizado de máquina e agentes de IA para planejar, conferir e executar o trabalho de transporte e armazenagem: montar rotas e cargas, endereçar o estoque, conferir o frete cobrado, ler documentos e avisar o cliente quando a entrega sai do previsto. Numa operação média, seja de quem embarca a mercadoria ou de quem transporta, a IA paga a conta onde há volume, regra conhecida e erro que vira custo.

Este guia mostra onde a inteligência artificial na logística dá retorno, o que exige um modelo matemático e o que um agente resolve no escritório, os dados que precisam existir antes e por onde começar. No exemplo ilustrativo, uma distribuidora descobre, conferindo cada CT-e contra a tabela contratada, que pagava 3,2% de frete a mais.

O que é IA na logística, na prática

As listas de tendências misturam tudo sob o nome de IA: veículo autônomo, robô de armazém, gêmeo digital, assistente de conversa. Para uma operação média, a pergunta útil é outra: que tipo de técnica resolve cada problema. São três, e elas não se substituem.

• Otimização matemática: encontra a melhor combinação dentro de restrições. Quais pedidos vão em qual veículo, em que ordem, respeitando janela de entrega, capacidade e jornada do motorista. É a base da roteirização e do planejamento de carga. Não precisa de modelo de linguagem.
• Aprendizado de máquina: aprende padrões com o histórico. Quanto tempo uma entrega leva de verdade naquele bairro, quais itens saem juntos, qual demanda esperar. O guia de machine learning explica o que ele faz e o que não faz.
• Agentes de IA: leem, conferem, classificam e preparam. Abrem o CT-e, comparam com a tabela, leem a foto do canhoto, redigem o aviso ao cliente. É o trabalho do escritório da logística, que hoje consome horas de analistas.

Muito do que se vende como IA no transporte é a primeira técnica, que existe há décadas e funciona bem. O que mudou nos últimos anos foi a terceira: agora dá para automatizar o trabalho que dependia de ler documento bagunçado.

Onde a IA na logística paga a conta

A tabela resume os seis usos que mais aparecem numa operação média, com a técnica e o dado que cada um pede.

Repare que dois dos seis não exigem modelo de IA nenhum para a decisão final. Na política de estoque e na auditoria de frete, quem faz a conta é código determinístico, com a regra da empresa. A IA entra para ler e preparar o que alimenta essa conta.

Roteirização com IA e planejamento de carga

Roteirizar é decidir a sequência de entregas de cada veículo. Planejar a carga é decidir o que entra em cada um, por peso, volume e ordem de descarga. Os dois são problemas de otimização clássicos, e o mercado tem roteirizadores prontos que resolvem bem o caso comum.

O ganho real depende menos do algoritmo e mais do dado que entra nele:

• Tempo de atendimento real em cada cliente, e não um tempo padrão igual para todos. Uma descarga com conferência demorada desmonta a rota inteira.
• Janelas e restrições verdadeiras: horário de recebimento, restrição de veículo grande, cliente que só recebe com agendamento.
• Peso e dimensões corretos no cadastro de produto. Sem isso, a carga planejada não cabe no caminhão.

É aí que o aprendizado de máquina ajuda: aprende com as entregas passadas quanto tempo cada parada leva, por cliente e por horário, e alimenta o roteirizador com números melhores. Construir um roteirizador do zero raramente compensa. Integrar o roteirizador ao pedido, ao cadastro e ao retorno das entregas, quase sempre.

Auditoria de frete: cada CT-e contra a tabela

Para quem embarca, o frete costuma ser uma das maiores linhas de despesa variável, e a conferência é quase sempre por amostragem. Cada transportadora tem sua tabela: frete peso por faixa e destino, fator de cubagem, ad valorem, GRIS, pedágio, taxas de entrega difícil, reajuste com data. O CT-e chega em XML com os componentes do valor cobrado, mas alguém precisa recalcular o que deveria ter sido cobrado e comparar.

Um agente faz esse trabalho em cada documento, sem amostra:

1. Lê o CT-e e liga ao pedido e à nota fiscal que ele transporta: peso, volumes, valor da mercadoria, origem e destino.
2. Busca a tabela vigente daquela transportadora na data do embarque, com a versão que o contrato define.
3. Recalcula o frete devido com código determinístico, componente por componente. O modelo de IA não faz conta: ele lê, organiza e explica.
4. Separa as divergências por motivo e prepara a contestação, com o CT-e, a cláusula da tabela e a diferença calculada.
5. Uma pessoa aprova a contestação e o bloqueio do pagamento. O que mexe na relação com o fornecedor e no caixa passa por alguém.

Para a transportadora, o mesmo raciocínio funciona ao contrário: conferir se o frete faturado bate com a tabela negociada com cada cliente, antes de emitir, e achar o que ficou de fora, como a taxa de reentrega que ninguém lançou.

Exemplo: a distribuidora que pagava 3,2% de frete a mais

Uma distribuidora de materiais elétricos trabalha com seis transportadoras e recebe cerca de 1.600 CT-e por mês. O exemplo é ilustrativo. A equipe conferia uma amostra de 5% dos documentos e nunca encontrava nada relevante. Num trimestre, o agente conferiu todos os 4.800 CT-e, que somavam R$ 1.920.000 de frete.

Foram 312 documentos com divergência, 6,5% do total, e R$ 61.400 cobrados a maior, 3,2% do frete do trimestre. Num ano, no mesmo ritmo, são cerca de R$ 245 mil. A amostragem não achava porque o erro estava concentrado: a cubagem errada vinha de uma única transportadora, que aplicava um fator antigo, e o reajuste antecipado aparecia só na primeira quinzena após cada aniversário de contrato. Ninguém errou de má-fé. O problema era que a tabela vivia num PDF e a conferência dependia de alguém lembrar dela.

O passo seguinte não foi técnico: as tabelas das seis transportadoras viraram cadastro com vigência e dono, e a contestação passou a sair no mesmo dia em que o CT-e chega.

Armazém e estoque: endereçamento, separação e política

No armazém, a IA trabalha sobre o deslocamento. O endereçamento, ou slotting, decide onde cada item fica: o que sai muito vai para perto da expedição e na altura da mão, o que sai junto fica junto. A curva ABC por giro é o ponto de partida, e o aprendizado de máquina refina com o que o histórico mostra: itens que aparecem no mesmo pedido, sazonalidade, mudança de mix. Na separação, a mesma lógica define ondas e a ordem de coleta.

Na política de estoque, a conta é conhecida: ponto de pedido, estoque de segurança e lote de compra, a partir do consumo, do prazo de reposição e do nível de serviço que a empresa quer dar. Essa conta deve ser código, com parâmetros que alguém aprovou. A IA entra em dois lugares: aponta itens cujo parâmetro ficou velho, porque o consumo ou o prazo do fornecedor mudou, e alimenta a conta com uma previsão melhor.

Previsão de demanda é um tema à parte, com técnica e cuidados próprios. O guia de IA para previsão de demanda cobre como montar e medir uma previsão que o estoque e as compras consigam usar.

Exceções de entrega e aviso ao cliente

A maior parte das entregas sai como planejado. O custo está no resto: o cliente ausente, o endereço errado, a avaria, a carga retida na fiscalização. Cada transportadora informa a ocorrência de um jeito, por portal, planilha ou e-mail, e o analista descobre o problema quando o cliente liga.

Um agente lê as ocorrências de todas as transportadoras, traduz para um código único da empresa e cruza com o prazo prometido no pedido. Com isso ele:

• Avisa o cliente do atraso antes do prazo vencer, com o motivo e a nova previsão, quando a regra da empresa já define a mensagem. Prometer prazo novo fora da regra passa por uma pessoa.
• Abre a tratativa com a transportadora e cobra a resposta, com o histórico anexado.
• Separa o que é recorrente: o mesmo destino, a mesma transportadora, o mesmo motivo. É isso que vira decisão de contrato.

Leitura de documentos: CT-e, NF-e e canhotos

CT-e e NF-e chegam em XML, que um sistema lê sem IA. O trabalho difícil está em volta deles: o PDF da fatura da transportadora que agrupa dezenas de CT-e, a tabela de frete enviada como anexo, a foto do canhoto assinado, que comprova a entrega e libera a cobrança. O agente lê o canhoto, confere data, assinatura e número da nota, e marca a entrega como comprovada ou devolve para a transportadora o que veio ilegível. O mesmo tipo de agente aparece em compras e no financeiro, como mostra o guia de agentes de IA no back office.

No comércio exterior, a leitura de documento pesa ainda mais. Na Heyship, o agente de IA lê a invoice em PDF, classifica o NCM de cada produto com 98% de precisão e monta a simulação do custo de importação conversando com o usuário. As alíquotas são atualizadas duas vezes por semana, e o número final sai sempre do motor de cálculo, nunca do modelo.

Os dados que precisam existir antes

A maioria dos projetos de IA na logística emperra no dado, não no modelo. Antes de começar, confira quatro coisas:

1. Tabelas de frete em formato estruturado, com vigência, e não em PDF na caixa de e-mail de alguém.
2. Cadastro de produto com peso e dimensões confiáveis. Cubagem, carga e endereçamento dependem disso.
3. Ocorrências com código padronizado, mesmo que cada transportadora use o seu e a empresa mantenha a tradução.
4. Os sistemas conversando: pedido, nota, CT-e e entrega ligados pelo mesmo número. Quase sempre isso se resolve com integração com o ERP que a empresa já usa, sem trocá-lo.

Se um desses itens não existe, o primeiro projeto é criá-lo. Ele já paga parte da conta, porque a mesma tabela digital que alimenta o agente serve para cotar frete e para negociar o próximo contrato.

Por onde começar com IA na logística

Comece pelo indicador que mais pesa e pelo trabalho que mais consome analista. Para quem embarca, quase sempre é a auditoria de frete: o dado já chega em XML, a regra está no contrato e o resultado é dinheiro. Para a transportadora, costuma ser o faturamento conferido e o tratamento de ocorrências. Meça antes: frete sobre faturamento, entregas no prazo, custo por entrega, horas de conferência. Os indicadores de desempenho logístico ajudam a escolher o que medir e a provar o ganho depois.

Roteirização e armazém vêm em seguida, normalmente com ferramenta de mercado integrada aos sistemas da empresa. O que costuma ser sob medida é a camada do escritório: a conferência, as exceções e os documentos, onde a regra é da empresa. É o tipo de sistema que a Northern constrói com agentes de IA ligados ao ERP, com a regra versionada e a conta feita por código.

Por onde seguir

A IA na logística segue a mesma regra das outras áreas: o agente lê e prepara, o sistema calcula, a pessoa aprova. Para essa lógica aplicada à fábrica, o guia de inteligência artificial na indústria. Antes de qualquer projeto, vale ler como preparar os dados para IA. Para o panorama das áreas em que a IA paga numa empresa média, IA para empresas. Antes de contratar, vale ver como definir o escopo de um projeto para que o orçamento caiba no problema.

Perguntas frequentes