Os quatro degraus entre o piloto de IA e a operação no varejo

O varejo tem o maior volume de experimentação com IA de todos os setores medidos, e a menor taxa de conversão em resultado.

"Escalar" aparece em toda conversa e quase nunca é definido, o que permite chamar de escala coisas muito diferentes. Este artigo fixa quatro degraus, cada um com um obstáculo próprio. Saber em qual você vai parar é o que permite orçar corretamente.

Degrau 1: de uma loja para dez

O obstáculo é operacional. Quem instala, quem treina, quem atende quando quebra.

Nesse degrau tudo ainda se resolve com atenção humana: o time do projeto conhece as dez lojas pelo nome, o fornecedor está por perto e qualquer problema vira uma ligação. Quase todo piloto funciona por isso, e prova pouco pelo mesmo motivo.

O erro clássico: escolher as dez melhores lojas. Elas têm link bom, gerente engajado e equipe estável, e o resultado obtido nelas não se reproduz. A correção custa nada: inclua duas lojas ruins de propósito.

Degrau 2: de dez para toda a rede

O obstáculo é infraestrutura, e é onde a maioria para.

Aqui aparece o CAPEX que ninguém orçou: rede, computação de borda e dispositivos dimensionados para a carga errada — um descompasso que o IHL Group detalha em quatro frentes específicas (26/08/2026).

Também é onde o suporte deixa de ser artesanal. Trezentas lojas exigem monitoramento, processo de substituição e alguém respondendo quando cinco lojas param ao mesmo tempo.

Os 7% a 10% com deployment em toda a empresa estão neste degrau.

Degrau 3: de um caso de uso para vários

O obstáculo é dado.

O segundo caso de uso precisa de fontes que o primeiro não usava, e a integração feita sob medida para o piloto não serve. Se a primeira foi construída como um cano direto entre dois sistemas, a segunda recomeça do zero.

É o que explica um achado consistente: varejistas em estágio avançado de IA usam quase o dobro de fontes de dados que os de estágio básico. Maturidade é integração, não modelo.

O custo do terceiro caso de uso muda se a integração do primeiro foi tratada como plataforma, com dado disponível para quem precisar, definição e dono, em vez de como entrega.

Degrau 4: de projeto para operação

O obstáculo é propriedade. Quem mantém, quem responde quando o número muda, quem decide retreinar.

É o degrau que quase nunca é planejado e o que determina se o ganho sobrevive ao segundo ano. Um modelo sem dono degrada em silêncio: muda o mix, muda o comportamento de compra, muda a operação da loja, e o que era bom vira ruído sem que ninguém perceba.

Os 5% com ROI claro e escalável provavelmente estão aqui. A distância entre os 7-10% e os 5% é exatamente a diferença entre estar instalado e estar funcionando.

O fator que multiplica tudo por zero

Há uma condição que atravessa os quatro degraus, e ela é organizacional: em 54% dos casos a estratégia de IA pertence a líderes de tecnologia, não a donos de P&L.

Quando a iniciativa pertence à tecnologia, ela é medida como projeto de tecnologia: entrega no prazo, disponibilidade, adoção de ferramenta. Nunca como linha de resultado. A consequência é mais grave do que uma métrica mal escolhida, porque ninguém perde nada se o piloto não escalar. Não há bônus atrelado, não há meta comprometida, não há conversa difícil no fim do trimestre.

O que "dono de P&L" significa na prática, e é mais exigente do que parece:

• Responsabilidade por número, e não patrocínio. Dono é quem tem o indicador na própria meta do ano.
• O indicador é do negócio. "Redução de ruptura na categoria X", não "adoção da ferramenta".
• O orçamento sai da área que ganha, não de um fundo de inovação. É o teste mais honesto: se a área que colheria o benefício não quer pagar por ele, ela não acredita no benefício.
• Existe uma decisão de encerramento, com critério e data definidos no começo.

Os quatro juntos explicam por que apenas 16,5% conseguem quantificar o retorno. Quantificar retorno é consequência de alguém precisar do número.

Por que o varejo experimenta mais que todo mundo

Quatro forças explicam por que este setor lidera em experimentação e fica por último em conversão, e a explicação muda o que fazer.

• O ciclo competitivo é curto. Novidade que funciona no concorrente aparece na sua rede em meses.
• Há fornecedor demais. Cada categoria tem dezenas de fornecedores, todos com piloto gratuito. Dizer sim custa quase nada.
• A operação é fragmentada. Sempre existe um recorte onde um piloto roda sem atravessar ninguém e, pelo mesmo motivo, sem escalar para lugar nenhum.
• A margem é apertada, o que explica os 0,5% da receita.

Somadas, descrevem uma máquina de gerar prova de conceito: testar é barato, fácil de aprovar e não atrapalha ninguém. Escalar exige atravessar centenas de lojas, integrar sistemas e ter alguém respondendo pelo resultado, e nenhuma das quatro forças empurra nessa direção.

Como orçar o degrau que vem

A consequência prática de nomear os degraus é que cada um tem um custo próprio que pode ser estimado antes, e é isso que o business case do piloto não faz.

Do 1 para o 2, o custo é de infraestrutura e de suporte: quantas lojas estão abaixo do mínimo de link, quantos nós de borda são necessários, quantas gerações de dispositivo existem na frota, e quem atende quando cinco lojas param juntas. É um levantamento de dias e costuma ser da mesma ordem de grandeza do software.

Do 2 para o 3, o custo é de integração: quais fontes o segundo caso de uso precisa e se a primeira integração foi feita como plataforma ou como cano. Se foi cano, o segundo caso de uso custa quase o mesmo que o primeiro.

Do 3 para o 4, o custo é de operação contínua: monitoramento, retreino, e alguém com nome respondendo pelo indicador. É o mais barato em reais e o mais caro politicamente, porque exige alocar uma pessoa a algo que já foi dado como entregue.

Qual desses custos aparece no business case que está na mesa hoje? Na maioria das vezes, nenhum, e o projeto para no degrau em que o custo apareceu.

O descompasso entre discurso e alocação

75% dos executivos de varejo chamam a IA de prioridade estratégica máxima, metade investe menos de 0,5% da receita nela, e 82% prometem aumentar o orçamento nos próximos 12 meses (Deloitte, 200 executivos).

Prioridade máxima com meio por cento da receita é uma contradição administrável, porque margem fina torna cautela racional. O problema é o terceiro número combinado com os 16,5%: promete-se aumentar o orçamento sem ter resolvido como medir o que o orçamento anterior produziu.

E o ceticismo interno já é medido: 83% dos executivos de varejo acreditam que o boom de investimento em IA vai terminar antes de 2030, contra 66% na média de todos os setores (valantic + Handelsblatt Research Institute + techconsult, 1.000 executivos DACH, 26/03/2026).

O setor que mais experimenta é o que menos acredita que isso vai durar. As duas coisas têm a mesma causa: não está conseguindo provar retorno.

O padrão se repete por caso de uso: 57% usam otimização de preços e 32% veem valor mensurável; 60% usam marketing personalizado e 29% veem valor mensurável (valantic, 2026). Pouco mais da metade de quem usa consegue enxergar valor.

O recorte brasileiro

No Brasil, comércio e reparação está em 17% de adoção e as grandes empresas em 50%, com o abismo por porte crescendo de 28 para 35 pontos percentuais em um ano (Cetic.br/NIC.br, TIC Empresas 2025, 4.174 entrevistas).

Metade das grandes empresas brasileiras ainda não usa IA. O discurso de saturação não corresponde ao dado representativo: a janela competitiva ainda está aberta, e está se fechando pelo topo.

A pergunta que substitui "isso escala?"

Para quem está desenhando o próximo projeto, a pergunta útil não é se escala. É:

"Em qual degrau este projeto vai parar, e o que custaria passar dele?"

Respondida antes, quando ainda dá para mudar a arquitetura, e junto com a outra que decide tudo: quem perde bônus se este projeto não escalar?