IA na ponta: como levar a recomendação para quem executa na loja

96% dos times executivos de varejo e bens de consumo usam IA. Na linha de frente de varejo, 33% (IBM IBV, 1.500 executivos, 2024; UKG, 8.200 funcionários).

Esse número circula errado. Os 38% que costumam ser citados são a média da linha de frente de todos os setores no estudo da UKG; a linha de frente de varejo é 33%, e é esse o recorte que importa aqui.

Sessenta e três pontos separam quem decide de quem executa. Este artigo é sobre fechar essa distância, e a resposta não é treinamento genérico.

Por que o varejo tem a maior distância do mercado

A estrutura do setor explica o número antes de qualquer análise de adoção:

• Algumas centenas de pessoas decidem; dezenas de milhares executam. Nenhum outro setor tem essa proporção.
• A rotatividade é alta. Treinamento que depende de curso longo perde validade a cada trimestre.
• Não há tempo de tela. O repositor não senta na frente de um computador: ele está em pé, num corredor, com um coletor na mão.
• O dispositivo não é dele. É compartilhado, carregado no fim do turno, com aplicativo instalado por TI.

A consequência está medida: 60% dos trabalhadores de loja dizem que não existe treinamento disponível para eles (Epicor, 1.038 trabalhadores), e a adoção ampla fora de TI nunca ultrapassa 36% (Deloitte, 200 executivos).

A IA foi comprada como ferramenta de escritório e entregue a uma população sem dispositivo adequado, sem tempo de tela e sem treinamento.

O que é uma recomendação "aterrissada"

A diferença entre uma recomendação que vira ação e uma que não vira é estrutural. Uma tarefa executável na loja tem cinco atributos, e a maioria dos pilotos entrega dois:

Sem registro de conclusão não existe taxa de execução, e sem taxa de execução não há como provar que o caso de uso funcionou nem como aprender por que ele não funcionou.

Onde a tarefa deveria aparecer

Três destinos possíveis, com resultados muito diferentes:

Num painel para a equipe de categoria. Alguém precisa abrir, ler, decidir e transformar em instrução para a loja. Some no meio do turno, e a informação chega tarde quando chega.

Num aplicativo novo no dispositivo do repositor. Chega na ponta, mas concorre com o que ele já estava fazendo. Exige que ele lembre de abrir, e a adoção depende de disciplina individual.

Como item no roteiro de reposição que ele já executa. É o mesmo coletor e a mesma lista, priorizada de forma diferente. A integração com o sistema de gestão de tarefas da loja custa menos que o modelo que gerou a recomendação.

A terceira opção é quase sempre a de maior retorno, porque remove a decisão de usar. O que o repositor faz não muda; muda a ordem.

Três detalhes de implementação que decidem a adoção

Funcionar sem rede. A loja tem pontos cegos de cobertura: estoque, câmara fria, fundo de corredor. Uma tarefa que não abre ali é uma tarefa que não é feita. O padrão que funciona é baixar o roteiro do turno e sincronizar quando houver sinal.

Caber no tempo que existe. Uma lista de 80 itens no início do turno é ignorada inteira. Seis itens priorizados são executados. A priorização é parte do produto, não um detalhe de interface.

Explicar em uma linha. "Ruptura prevista hoje às 16h" muda o comportamento; um score de 0,87 não. A explicação precisa ser a razão, e não o modelo.

O sistema que falta entre o modelo e o repositor

Há uma peça de software que quase nenhum projeto de IA no varejo orça e que decide o resultado: o sistema de gestão de tarefas da loja.

É ele que já distribui o trabalho do turno: conferência de preço, reposição programada, troca de material de ponto de venda, contagem. Se ele existe, a recomendação do modelo entra como mais um item priorizado e a adoção vem junto. Se não existe, o projeto precisa criar um, e aí passa a comprar operação de loja em vez de IA.

Vale checar três coisas antes de desenhar qualquer caso de uso de loja:

• Existe um sistema de tarefas, ou o trabalho é distribuído verbalmente pelo encarregado? Se for verbal, a recomendação vai concorrer com uma instrução dada por uma pessoa, e perde.
• Ele aceita tarefa criada por outro sistema, via integração? Muitos só aceitam tarefa criada pela sede, em lote, no dia anterior. Isso inviabiliza qualquer recomendação intradiária.
• Ele registra conclusão com carimbo de tempo? É a matéria-prima da taxa de execução.

Quando o sistema de tarefas não suporta integração, um caminho intermediário entrega a recomendação como a lista priorizada do turno, gerada de madrugada e baixada no coletor no início do dia. Perde-se a reação intradiária e mantém-se a aterrissagem, que já é a maior parte do ganho.

O treinamento que funciona nesse contexto

Curso não resolve um problema de rotatividade alta e tempo de tela zero. O que funciona é mais barato:

• Treino no próprio fluxo, de dois minutos, dentro do aplicativo que ele já usa, na primeira vez que a tarefa nova aparece.
• Um multiplicador por loja, em geral o encarregado, que é quem responde a dúvida no turno, em vez do material de apoio.
• Retorno visível. Mostrar o resultado da semana da própria loja (quantas rupturas evitadas) faz mais pela adoção do que qualquer explicação sobre IA.

O levantamento traz um contraponto que raramente é citado: quem usa IA reporta 41% de burnout contra 54% de quem não usa. A ferramenta ajuda quando alcança.

O ativo brasileiro que já está na operação

No Brasil há um dado que muda a ordem das prioridades: 52,6% dos profissionais já usam ferramentas de IA no trabalho e 29,1% usam diariamente (Serasa Experian, 1.081 participantes, 31/08/2026). Entre pequenos negócios, 52% usaram IA nas duas semanas anteriores à entrevista (Sebrae + Meta).

Mas 32,7% dos que usam não recebem preparação nenhuma, e apenas 26,5% têm acesso a treinamento formal.

O maior retorno disponível hoje é formalizar, treinar e capturar o uso de IA que já roda na operação sem governança e sem registro, e não comprar um caso de uso novo. Isso significa saber o que as pessoas já usam, decidir o que é permitido, dar a ferramenta oficial equivalente e registrar o uso.

É trabalho de semanas, não exige fornecedor, e resolve um risco de dado que hoje corre solto.

O que medir

Três indicadores que atravessam a distância entre a sede e a loja:

• Taxa de execução: das recomendações enviadas, quantas viraram ação registrada. É o indicador central.
• Tempo até a ação: da geração da tarefa até a conclusão. Se for maior que a janela útil, a recomendação é histórica.
• Cobertura de lojas: em quantas lojas a taxa de execução está acima do mínimo aceitável. Média de rede esconde que dez lojas fazem tudo e trezentas não fazem nada.

Três perguntas antes do próximo piloto

• Quem na loja foi treinado, e em quê? A distância entre 96% na sede e 33% na ponta é onde o valor evapora entre a decisão e a execução.
• A recomendação entra na rotina que a equipe já executa? Se for uma tela nova, o resultado já está decidido.
• O sistema registra a conclusão da tarefa? Sem isso não há taxa de execução, nem prova de valor.