O que a IA generativa está realmente fazendo pelo planejamento de supply chain
Todo fornecedor de planejamento agora entrega um copiloto de IA. Depois de quatorze anos vendo capacidades serem renomeadas e revendidas, aqui está o que a tecnologia realmente muda e o que não muda.
Há quatorze anos observo o mesmo padrão na tecnologia de supply chain: uma capacidade é renomeada, reempacotada e revendida. "Demand sensing" virou "previsão com IA", virou "planejamento orientado por ML" e agora é IA "generativa" ou "agêntica". Os slides dos fornecedores mudam mais rápido do que a matemática de otimização por baixo deles.
Então comecei a pesquisa para este texto como cético. Saí dela um cético qualificado. A IA generativa em planejamento é real, está em produção, e é a melhoria mais genuína na usabilidade de software de planejamento em duas décadas. Mas o valor que ela realmente captura é mais estreito, e mais chato, do que o que as palestras prometem. É majoritariamente tempo de planejador economizado em análise e explicação. Não são planos melhores, e não é uma cadeia de suprimentos autônoma.
Aqui está a distinção, e por que ela importa para onde você gasta dinheiro em 2026.
O que ela realmente faz, sem o marketing
Tirando a linguagem, a IA generativa está fazendo sete coisas distintas em ambientes de planejamento em produção hoje. Nenhuma delas é "fazer uma previsão melhor".
O primeiro é analytics em linguagem natural sobre dados de planejamento. O lançamento da SAP para o Q2 2025 na IBP adicionou um add-in que permite aos planejadores gerar fórmulas de IBP no Microsoft Excel usando linguagem natural. O benefício é uma curva de aprendizado mais curta, não um número melhor.
O segundo é o resumo de exceções e disrupções. As capacidades de análise posteriores da SAP em 2025 resumem resultados complexos de otimização, estoque e previsão, traduzindo cálculos intrincados em linguagem natural clara. O plano continua o mesmo; a explicação dele é que fica mais rápida de ler.
O terceiro é a geração de cenários em linguagem natural: descrever uma disrupção ("nosso fornecedor primário de aço fecha por três semanas") e obter uma análise de impacto a jusante sem construir o cenário manualmente.
O quarto é o copiloto do planejador, ou "colega de trabalho digital". A Kinaxis lançou os Maestro Agents em outubro de 2025, posicionando-os como assistentes cientes de contexto embutidos no ambiente de planejamento ao vivo.
O quinto são os agentes compostos e multietapa que recuperam, raciocinam e agem entre sistemas. A o9 aprimorou sua plataforma Digital Brain com agentes compostos movidos a IA generativa construídos sobre seu knowledge graph corporativo.
O sexto e o sétimo (dados sintéticos para previsão de cold-start e sensoriamento de risco de fornecedores a partir de documentos não estruturados) estão em maturidade mais inicial, mas são reais. A Blue Yonder lançou novos agentes de IA e um knowledge graph de supply chain no seu evento ICON 2025 em maio de 2025, combinando abordagens preditivas, generativas e agênticas.
O que a IA generativa visivelmente não está fazendo em nenhuma implantação de produção crível: substituir o motor de otimização, gerar previsões numéricas defensáveis por conta própria, ou tomar decisões responsáveis de confirmação de plano. Todo fornecedor sério mantém um humano no loop e enfatiza a "explicabilidade", não por razões de marketing, mas porque indústrias reguladas não podem delegar a confirmação de um plano a um modelo que não consegue mostrar seu raciocínio.
O placar dos fornecedores
A corrida armamentista é real e aconteceu rápido. Aqui está o que de fato foi lançado, em oposição ao que foi apenas demonstrado.
| Vendor | Product | Shipped | Headline claim (vendor-stated) |
|---|---|---|---|
| SAP | Joule + Joule Agents, in IBP | 2024–25 | 350 AI features, 2,400+ Joule skills by Q4 2025 |
| Kinaxis | Maestro Agents | Oct 2025 | Inventory-risk steps cut from 40 clicks to 4 (pharma) |
| o9 | Specialized AI Agents | Jun 2025 | First genAI pilot moved into production |
| Blue Yonder | Cognitive Solutions + 5 agents | May 2025 | Built on a $2B AI investment; knowledge-graph backed |
| Anaplan | CoPlanner for Demand Planning | Sep 2024 | Context-aware generative AI in planning |
| OMP | UnisonIQ | Oct 2025 | Orchestration framework + always-on gen AI assistant |
| Microsoft | Copilot in Dynamics 365 SCM | 2025 | Demand insights + cell-level explainability |
O padrão em todos eles é idêntico: a IA fica na camada de interface e orquestração. Ela ajuda o planejador a fazer perguntas, ler resultados e disparar fluxos de trabalho. O motor de previsão e o otimizador por baixo são, em grande parte, a mesma matemática determinística que eram três anos atrás.
Os números, tratados com honestidade
É aqui que a honestidade intelectual separa análise de estenografia. A estatística mais citada nessa categoria inteira (a de que a IA reduz o erro de previsão de 20 a 50%) remonta a um único artigo da McKinsey. A McKinsey constatou que a previsão orientada por IA pode reduzir erros, e que os custos de armazenagem podem cair de 5 a 10%, e os custos administrativos de 25 a 40%. Essa faixa é real, mas é reciclada em apresentações de fornecedores, volta para slides de analistas e para a imprensa especializada, frequentemente despida de seu contexto original. Trate-a como um teto ilustrativo, não como um benchmark que você deveria esperar.
A camada de estudos de caso de 2025 é mais concreta, mas quase inteiramente atribuída a fornecedores:
- Kinaxis × top-10 farmacêutica: produtividade do planejador até 10x maior, com identificação de risco de estoque reduzida de 40 cliques para 4.
- SAP IBP × Joule: produtividade do planejador na análise de execuções de previsão melhorada em 25%, segundo o fornecedor.
- SAP Digital Manufacturing: redução de até 25% no tempo de análise de erros.
Leia isso com cuidado. "Produtividade 10x do planejador" e "40 cliques para 4" são a mesma alegação dita duas vezes, e o que elas descrevem é redução de cliques, não qualidade da previsão. É um ganho de produtividade genuíno e que vale a pena. Também não é a mesma coisa que um plano melhor.
Que tamanho, e que velocidade
O dimensionamento de mercado nessa categoria é quase inútil, a menos que você se ancore em quem está contando e como define a categoria. As âncoras defensáveis:
O Gartner prevê que o software de gestão de supply chain com capacidades de IA agêntica crescerá de menos de US$ 2 bilhões em 2025 para US$ 53 bilhões em gastos até 2030. Separadamente, o mercado mais amplo de "IA em supply chain" é estimado em cerca de US$ 13,9 bilhões em 2025, subindo para US$ 50,4 bilhões até 2032, segundo a MarketsandMarkets, com a América do Norte segurando a maior fatia.
Sobre adoção, a pesquisa State of AI 2025 da McKinsey constatou que 88% das organizações agora usam IA em pelo menos uma função de negócio, ante 78% no ano anterior. Mas a mesma pesquisa contém o detalhe que deveria manter você honesto: apenas uma minoria atribui a ela algum impacto mensurável no resultado até agora. A adoção é quase universal; a captura de valor não é.
Onde eu ainda não implantaria
A literatura de previsão é incomumente franca sobre os pontos fracos da IA generativa, e a franqueza vem de pessoas sem incentivo para subestimar. O dado mais sóbrio: na competição de previsão de varejo M5, o benchmark público mais rigoroso da disciplina, o método vencedor não foi um grande modelo, mas uma combinação com pesos iguais de árvores de gradient boosting, submetida por um estudante de graduação. Esse resultado deveria temperar qualquer alegação de fornecedor de que grandes modelos de linguagem melhoram a acurácia da previsão. Eles melhoram a explicação da previsão.
Cinco modos de falha que eu consideraria reais em implantações de 2025-26:
- Alucinação em raciocínio numérico. LLMs são fracos em aritmética e otimização com restrições. Fornecedores mitigam roteando a matemática para motores determinísticos, mas no momento em que o modelo narra o resultado, ele pode se afastar dele.
- Dependência da qualidade dos dados. Pilotos têm sucesso em dados curados e morrem em produção na bagunça de dados-mestre por baixo. O trabalho difícil a montante (governança, dados-mestre) é a pré-condição, não a reflexão tardia.
- Lacunas de responsabilidade. É por isso que todo fornecedor enfatiza a explicabilidade. Um planejador em setor regulado não pode confirmar um plano que não consiga defender em uma auditoria.
- O precipício entre piloto e produção. O Gartner prevê que mais de 40% dos projetos de IA agêntica serão cancelados até o fim de 2027, citando custos crescentes, valor pouco claro e controles de risco inadequados.
- A ilusão da capacitação: comprar a capacidade sem preparar a força de trabalho ou os dados para usá-la.
A conclusão desconfortável
A IA generativa é a melhor melhoria de usabilidade que o software de planejamento teve em vinte anos. Um planejador que consegue perguntar "por que a previsão mudou para este centro de distribuição na semana passada?" e obter uma resposta coerente em trinta segundos é genuinamente mais produtivo, e esse ganho se acumula em uma equipe inteira.
Mas esse mesmo planejador não está automaticamente produzindo uma previsão mais precisa ou um plano de suprimentos melhor. O motor que gera o número não mudou. O modelo apenas explica mais rápido e permite que você o interrogue em português.
Então a lógica de compra para 2026 é direta. Pague pela produtividade: ela é real, e está disponível com o seu fornecedor atual sem precisar de um moonshot. Não pague pela autonomia, porque o que está sendo vendido como autonomia é, na maior parte, redução de cliques com um nome mais caro. E faça primeiro o trabalho pouco glamouroso de governança de dados, porque é essa a variável que realmente determina se qualquer parte disso sobrevive ao contato com a produção.
A tecnologia é real. A transformação é mais modesta do que a palestra. As duas coisas são verdadeiras ao mesmo tempo.
Sources
- SAP News Center. (2025). SAP Business AI: Release Highlights Q2 2025; Q4 2025. news.sap.com
- Kinaxis. (2025). Kinaxis Accelerates Agentic Era for Supply Chain Orchestration with the Launch of Maestro Agents. kinaxis.com
- o9 Solutions. (2024–2025). Composite Agents; Specialized AI Agents for Planning and Execution. o9solutions.com
- Blue Yonder / Business Wire. (2025). Blue Yonder Transforms Supply Chain Management With New AI Agents at ICON 2025. businesswire.com
- Anaplan. (2024). Anaplan CoPlanner for Demand Planning. anaplan.com
- OMP. (2025). OMP Unveils UnisonIQ. omp.com
- Microsoft Learn. (2025). Dynamics 365 Supply Chain Management 2025 Release Wave 1. learn.microsoft.com
- McKinsey & Company. (2021). AI-driven operations forecasting in data-light environments. mckinsey.com
- McKinsey & Company. (2025). The State of AI in 2025: Agents, Innovation, and Transformation. mckinsey.com
- Gartner. (2025). Gartner Predicts Over 40% of Agentic AI Projects Will Be Canceled by End of 2027. gartner.com
- Gartner. (2026). Gartner Forecasts Supply Chain Management Software with Agentic AI Will Grow to $53 Billion in Spend by 2030. gartner.com
- MarketsandMarkets. (2026). AI in Supply Chain Market. marketsandmarkets.com
- Makridakis, S., Spiliotis, E., & Assimakopoulos, V. (2022). The M5 Accuracy Competition: Results, Findings and Conclusions. International Journal of Forecasting.