IA no estoque: previsão e reposição
Onde a IA ajuda na gestão de estoque, por que previsão sem cadastro limpo não funciona e o que resolver antes de tentar prever demanda.
Estoque é dinheiro parado de um lado e venda perdida do outro, e quase toda empresa média erra nos dois ao mesmo tempo: sobra do que não gira e falta do que vende. A promessa de prever demanda com IA é sedutora justamente por isso. Ela é real, mas depende de um pré-requisito que costuma ser ignorado.
O pré-requisito que decide tudo
Previsão de demanda é um problema de dado histórico. Se o mesmo produto está cadastrado com três códigos, se devolução entra como venda, se transferência entre filiais aparece como saída, nenhum modelo vai acertar. Ele vai aprender a bagunça e devolvê-la com aparência de precisão, que é o pior resultado possível: um número confiante e falso.
Antes de qualquer previsão, três perguntas:
- Um produto tem um código só, em todos os lugares?
- As saídas estão classificadas por natureza, separando venda de transferência, perda e devolução?
- O histórico registra ruptura? Isto é, você sabe quando deixou de vender por não ter?
A terceira é a mais esquecida e a mais importante. Sem registro de ruptura, o histórico mostra que você vendeu 100 unidades quando na verdade venderia 160. O modelo aprende o limite da sua prateleira, não a demanda do mercado.
O que a IA faz bem aqui
Prever demanda com sazonalidade
Onde há histórico limpo e volume razoável, a previsão estatística funciona bem, principalmente para itens com padrão sazonal claro. Não é magia, é o que se faz há décadas, agora acessível para empresas que não têm equipe de dados.
Sugerir ponto de reposição por item
Mais útil e menos glamouroso que prever demanda: calcular, item a item, quando pedir e quanto pedir, considerando prazo de entrega do fornecedor e variação de consumo. Muda o resultado mais rápido que qualquer modelo sofisticado.
Classificar o que merece atenção
Curva de giro, itens parados, itens que só vendem junto com outros. Análise que existe há muito tempo e que quase ninguém faz, porque dá trabalho manual.
Ler o que chega em texto
Pedido de cliente em planilha ou PDF, confirmação de fornecedor por e-mail, nota de entrada. Aqui a IA entra na leitura, não na previsão.
O que continua sendo regra, não previsão
| Decisão | Como resolver |
|---|---|
| Quando emitir pedido de compra | Regra escrita: ponto de reposição e prazo do fornecedor |
| Quanto pedir | Cálculo, com previsão como entrada |
| Bloquear venda de item sem saldo | Automação determinística |
| O que fazer com item parado há um ano | Decisão humana, com dado na frente |
Previsão de demanda é entrada para decisão, não a decisão. Quem confunde as duas acaba com um sistema que compra sozinho aquilo que ninguém quer.
O caminho que funciona numa empresa média
- Limpar cadastro. Um item, um código. É chato e é o que destrava todo o resto.
- Separar as naturezas de movimentação. Venda, devolução, transferência, perda, ajuste.
- Registrar ruptura. Mesmo que seja uma anotação simples de "cliente pediu e não tínhamos".
- Calcular ponto de reposição por item, com o prazo real do fornecedor, não o prometido.
- Só então tentar previsão, começando pelos itens de maior giro.
Empresas que pulam do passo 1 direto para o 5 gastam dinheiro e concluem que "IA não funciona para o nosso caso". O que não funcionou foi prever sobre dado que não descrevia a realidade.
Perguntas frequentes
Meu ERP já tem previsão. Preciso de outra coisa?
Talvez não. Muitos ERPs têm cálculo de ponto de reposição subutilizado porque ninguém configurou os parâmetros. Vale conferir antes de contratar qualquer coisa nova.
Quanto histórico é necessário?
Para item com sazonalidade, o ideal é mais de um ciclo completo. Para item de giro constante, alguns meses de dado limpo já ajudam. Dado limpo de seis meses vale mais que dado sujo de três anos.
Vale para quem trabalha sob encomenda?
O foco muda: em vez de prever demanda, o ganho está em prever prazo e em controlar compra vinculada a pedido. É outro problema, com as mesmas exigências de cadastro.
O primeiro passo
Antes de olhar ferramenta, vale medir uma coisa só: quantos itens do seu estoque respondem pela maior parte do faturamento, e se o cadastro deles está limpo. Esse recorte pequeno costuma concentrar quase todo o ganho possível, e ele cabe numa planilha.
👉 Agende um diagnóstico estratégico
Fontes
<!-- link interno sugerido: como-organizar-os-dados-antes-de-usar-ia --> <!-- link interno sugerido: ia-em-compras-e-suprimentos --> <!-- link interno sugerido: ia-no-planejamento-de-producao-pcp -->Aplicar
Quer aplicar isso no seu negócio?
Uma conversa gratuita pra entender o seu contexto e decidir, juntos, se faz sentido seguir.
Agente de IA próprio ou plataforma pronta
Quando vale usar uma plataforma pronta de agente de IA e quando vale construir o seu, com os critérios que decidem a escolha.
ChatGPT pessoal ou plano de empresa: o que muda
O que realmente muda ao sair da conta pessoal de IA para um plano de empresa, e as perguntas a fazer ao fornecedor antes de assinar.
Minha empresa é pequena demais para IA?
O critério que decide se vale usar IA numa empresa pequena não é o tamanho, e o dado do Sebrae mostra que a adoção já é maior do que se imagina.