Bons resultados da aplicabilidade da Inteligência Artificial após os primeiros meses da pandemia

Por Samuel Baccin*

Passaram-se aproximadamente seis meses desde que a pandemia do COVID-19 chegou ao Ocidente. Período mais do que suficiente para definir se as previsões da Inteligência Artificial (IA) e os prognósticos da Machine Learning (ML) foram eficientes para a logística e para as cadeias de suprimentos que foram interrompidas em todo o mundo, sem eventos históricos precedentes que possamos tomar como referência histórica. Para a Blue Yonder, os resultados foram satisfatórios, com vários exemplos que mostram que o teste foi aprovado.

Hoje um modelo de IA / ML otimizado para o varejo reage instantaneamente a novas situações e elimina a necessidade de correções manuais. Por exemplo, o sistema diferencia automaticamente entre locais suburbanos com a maior demanda e destinos de férias, onde a demanda é reduzida. O modelo capturou esta nuance adequadamente. Sem a necessidade de substituir as previsões e gerar pedidos manuais. Hoje, as equipes da cadeia de suprimentos têm mais tempo para se concentrar em fornecimento alternativo e a logística.

Após a pandemia, os modelos Luminate™ Demand Edge (LDE) e Luminate™ Store Fulfillment (LSF) reagiram tão bem que quando as correções eram feitas no sistema, elas precisavam ser removidas logo depois, porque os modelos já haviam reagido e as correções estavam gerando pedidos que eram muito grandes para a loja.

Experiências comprovadas

Foi o que aconteceu com uma cadeia de lojas da Holanda, presente em oito países que já tinha se beneficiado, antes da pandemia, do uso de algoritmos de IA / ML. Ela teve precisão da previsão com aumento de 30% e não teve necessidade de intervenções manuais para criar perfis sazonais e incrementos para promoções / eventos. Entre os benefícios, uma melhor disponibilidade do produto, perdas mais baixas, promoções mais efetivas e um inventário menos obsoleto em non-food que tinha risco de se converter em desperdício.

Os especialistas desta empresa não precisaram manter muito foco na previsão, porque o modelo de Machine Learning o faz. Eles hoje se concentram no fornecimento alternativo (ou seja, fornecedores de serviços de alimentação), logística e alocação dos produtos.

Com outro cliente da Blue Yonder, uma grande cadeia de supermercados no Reino Unido, aconteceu algo parecido. Reconheceu-se como ela respondeu ao que os algoritmos indicavam, teve de duas a três semanas de gôndolas bem abastecidas, em comparação com o vácuo de produtos da concorrência. Um prestigiado veículo de comunicação inglês referiu-se a esta empresa como “uma máquina logística bem polida, substancial numa cadeia de supermercados responsável por alimentar a nação”.

Outra sutileza detectada pela Inteligência Artificial, antes que fora submetida à análise de executivos de diferentes empresas do varejo, é a questão de achatar a curva de demanda semanal. Neste momento, na maioria dos países, o perfil das vendas é muito estável e distribui-se de maneira uniforme todos os dias. Entender isso é muito importante diante daqueles que aplicam um perfil semanal estático.

Se a pandemia atual, sendo um evento único, foi neutralizada pelo sistema de IA / ML da Blue Yonder, mais uma razão para ser aplicada a interrupções mais frequentes, como tempestades, lembrando que muitas empresas anteciparam a digitalização e utilização destas tecnologias em no mínimo cinco anos. Inovação no epicentro da estratégia de soluções de Supply Chain ajudando as empresas a serem mais ágeis, produtivas e rentáveis no meio de momentos de incerteza.

*Samuel Baccin é Partner Success Director Brazil da BlueYonder Inc. Ele é Administrador de Empresas com Mestrado em Sistemas da Informação pela PUC-SP. Participou do Programa Executivo em Estratégia e Organização em 2014, do Master of Technology (MTech), da Universidade de Stanford.