Agentes superinteligentes para varejo: lojas e abastecimento

Agentes superinteligentes para varejo são agentes de IA que fazem mais do que responder perguntas. Eles guardam o conhecimento de cada loja, percebem exceções de estoque, aplicam regras locais e agem por meio de ferramentas aprovadas, enquanto as pessoas continuam no controle. Para uma rede de varejo, essa capacidade vem menos de um modelo maior e mais do contexto operacional em que o agente pode se apoiar: o que cada loja é, o que ela pode fazer e o que costuma dar errado ali.

Principais pontos

• Um agente de varejo capaz se apoia em conhecimento de loja mantido e atualizado, não em um roteiro genérico. Cada unidade tem fatos, hábitos e restrições que o agente precisa conseguir consultar.
• Exceções de estoque (as diferenças entre o registro, o planejado e o que está na gôndola) são o melhor território inicial, porque são frequentes, custosas e fáceis de descrever.
• Regras locais devem ser escritas com um responsável, para que o agente aplique a regra certa na loja certa e escale o caso quando nenhuma regra servir.
• Os limites de aprovação definem o que o agente faz sozinho, o que ele apenas redige para uma pessoa e o que ele só encaminha. Defina esses limites antes de conectar a primeira ferramenta.
• Comece com uma função, um grupo de lojas e um critério de sucesso observável. Amplie quando o registro de exceções mostrar que o agente se comporta como esperado.

O que separa um agente de varejo capaz de um chatbot?

Um chatbot responde a partir de um roteiro genérico. Um agente de varejo capaz trabalha dentro do negócio. Ele sabe qual loja está perguntando, qual fornecedor e qual janela de entrega atendem essa loja, quais regras valem ali e quais ações ele pode executar sem pedir autorização a ninguém.

Três camadas fazem a diferença. A primeira é a memória: conhecimento estruturado e escrito sobre lojas, produtos, fornecedores e exceções passadas. A segunda são as ferramentas: acesso de leitura aos registros de estoque e entrega, e acesso de escrita cuidadosamente limitado a itens como pedidos de transferência ou chamados. A terceira são as permissões: uma definição clara do que o agente pode fazer sozinho e do que exige um aprovador nomeado.

O modelo importa, mas é o contexto ao redor que decide se uma resposta está correta para esta loja, neste dia. As notas de engenharia da Anthropic sobre engenharia de contexto descrevem a mesma ideia em termos gerais: a qualidade de um agente depende muito de quais informações são colocadas diante dele e em que momento. No varejo, isso significa curar fatos das lojas, não despejar todos os documentos em um prompt.

Que conhecimento das lojas o agente realmente precisa?

A maioria das redes já tem esse conhecimento, mas ele mora na cabeça das pessoas, em e-mails antigos e nos hábitos de um subgerente de longa data. O agente não consegue usar o que não está escrito. Um perfil de loja prático cobre:

• Fatos básicos: formato, horário de funcionamento, exceções em feriados e quem são o gerente da loja e o substituto.
• Restrições físicas: capacidade do estoque, limites da câmara fria, uma doca de descarga compartilhada, um elevador que limita o tamanho do palete.
• Fatos de abastecimento: qual centro de distribuição atende a loja, dias de entrega, horários de corte e fornecedores locais permitidos para determinadas categorias.
• Particularidades conhecidas: um refrigerador que falha no calor, uma gôndola que nunca bate com o planograma, um vizinho que bloqueia a doca nos dias de feira.
• Contexto local: eventos, padrões de turismo e picos sazonais que mudam o que a loja precisa.
• Caminhos de escalonamento: quem decide quando o estoque precisa circular entre lojas, quem aprova uma remarcação, quem cuida de um bloqueio por recall.

Os fatos das lojas mudam com frequência. Por isso, devem ficar em documentos e registros mantidos, que o agente consulta na hora da necessidade, e não em um modelo retreinado com eles. A comparação da AWS entre recuperação de informação e ajuste fino (fine-tuning) defende esse ponto: a recuperação serve para informações que mudam e precisam ser rastreáveis até uma fonte. Cada fato de loja deve ter um responsável e uma rotina de revisão. Um perfil que ninguém mantém vira uma fonte confiante de respostas erradas.

Por que exceções de estoque são o melhor ponto de partida?

Uma exceção de estoque é qualquer diferença entre o que o sistema diz, o que o planejamento espera e o que está na gôndola ou no caminhão. Toda rede tem exceções todos os dias, e as equipes das lojas gastam tempo real resolvendo-as por telefone e mensagem.

Os tipos mais comuns incluem:

• O registro diz que o item está em estoque, mas a gôndola está vazia.
• Uma entrega chega incompleta, avariada ou com substituições.
• Uma promoção começa em lojas que ainda não receberam o produto.
• Há estoque parado em uma loja enquanto uma loja próxima fica sem o item.
• Produtos com validade curta exigem decisão de remarcação ou transferência.
• Um recall ou bloqueio de qualidade precisa chegar rápido às lojas certas.

O trabalho do agente diante de uma exceção é uma sequência: detectar, classificar, reunir o contexto que um humano teria de correr atrás, propor uma ação e encaminhar ao aprovador certo. O valor está em reunir o contexto. Um planejador que recebe uma mensagem já com o registro da entrega, a posição de estoque da loja, a posição das lojas próximas e a regra de transferência aplicável consegue decidir rápido.

Isso se parece com o trabalho descrito em agentes de IA para logística e exceções de entrega, onde o padrão é o mesmo: o agente prepara a decisão e uma pessoa é dona dela. Para o lado do planejamento da cadeia de suprimentos, vale ter alertas e anotações de fornecedores organizados com o mesmo cuidado.

Toda exceção tratada deve deixar um registro com um código de motivo e a ação tomada. Com o tempo, esse registro mostra quais fornecedores, lojas e categorias geram mais problemas, e se torna o melhor material de teste para melhorar o agente.

Como definir regras locais e limites de aprovação?

Redes de varejo funcionam com padrões centrais e realidade local. A política de trocas varia por região, produtos com restrição de idade seguem a lei local, o horário muda em feriados e algumas lojas têm acordos com fornecedores que as outras não têm. Um agente que aplica a mesma regra em todo lugar vai errar em algum lugar. O artigo sobre agentes de IA para redes de franquias discute essa mesma tensão entre padrão central e prática local.

Escreva as regras locais em um formato que o agente consiga consultar: a regra, as lojas às quais ela se aplica, o responsável e o que fazer quando a regra não cobre claramente o caso. Essa última parte é a mais importante. O comportamento correto diante de um caso não coberto é escalar, não improvisar.

Depois, defina os limites de aprovação com um guia de decisão simples:

• O agente age sozinho quando a ação é reversível, de baixa consequência e coberta por uma regra escrita, como atualizar uma nota interna, abrir um chamado ou enviar uma mensagem padrão de status a uma loja.
• O agente redige e pergunta quando a ação altera a movimentação de estoque, a comunicação com fornecedores ou qualquer coisa que o cliente vá ver, como um pedido de transferência ou uma reclamação a fornecedor.
• O agente apenas encaminha quando a ação envolve dinheiro acima de um limite definido, segurança, exposição jurídica, um recall ou uma decisão que cria precedente entre lojas.
• O agente para e sinaliza quando suas fontes entram em conflito ou falta uma regra.

Esses limites devem ser garantidos pelas permissões das ferramentas, não apenas por instruções em um prompt. A orientação de autorização da OWASP sobre privilégio mínimo se aplica diretamente: dê ao agente apenas o acesso que a função exige e verifique a autorização na ferramenta, não na conversa.

Como isso funciona na prática? Um cenário ilustrativo

Este é um cenário ilustrativo, não a descrição de um cliente real.

Uma rede regional tem uma loja perto de uma praça que recebe uma feira nos fins de semana. Na quinta-feira, o gerente da loja avisa que a entrega de um produto sazonal chegou incompleta. O agente começa pelo perfil da loja e encontra a observação de que fins de semana de feira aumentam a demanda dessa categoria. Ele lê o registro da entrega e confirma a falta, depois consulta a posição de estoque de duas lojas próximas e encontra uma com excedente. Também recupera a regra de transferência, que diz que transferências entre essas lojas precisam da aprovação do planejador regional e devem chegar antes de um horário de corte.

O agente redige um pedido de transferência com as quantidades, o motivo, a observação sobre a feira e o horário de corte, e o envia ao planejador regional. O planejador ajusta a quantidade e aprova. O agente avisa as duas lojas, registra a exceção com seu código de motivo e agenda uma verificação para o sábado de manhã, para confirmar que o estoque chegou.

O agente não alterou preços, não emitiu pedido de compra nem contatou o fornecedor sobre um crédito. Essas ações estão fora das suas permissões. Se o planejador não tivesse respondido antes do horário de corte, o agente teria escalado para o substituto nomeado do planejador, em vez de agir por conta própria.

Como começar sem atrapalhar as lojas?

O primeiro projeto deve ser pequeno e mensurável. Um plano viável:

• Passo um: escolha uma função, como um assistente de operações de loja que trata exceções de entrega e estoque de um grupo definido de lojas.
• Passo dois: reúna as exceções reais de um período recente, com a forma como cada uma foi resolvida e quem decidiu. Isso vira contexto de treinamento e material de teste.
• Passo três: escreva os perfis de loja e as regras locais desse grupo, atribuindo um responsável a cada documento.
• Passo quatro: defina os limites de aprovação com o guia de decisão acima e conecte primeiro o acesso de leitura aos registros de estoque e entrega.
• Passo cinco: adicione ações de escrita limitadas, como redigir pedidos de transferência, com aprovação humana em todas no início.
• Passo seis: rode o agente em paralelo ao processo atual e compare as propostas dele com o que as pessoas realmente decidiram.
• Passo sete: defina um critério de sucesso observável, por exemplo que as exceções cheguem ao aprovador certo com o contexto necessário anexado, e revise-o com as lideranças de loja e de planejamento.
• Passo oito: amplie para mais lojas ou tipos de exceção apenas quando o registro mostrar comportamento consistente.

Se a rede também vende online, a mesma precisão de loja e de estoque sustenta o catálogo e o atendimento ao cliente. Vale tratar essa frente como uma segunda etapa, com os mesmos cuidados de memória, ferramentas e permissões.

Os testes merecem atenção desde o início. O material da Anthropic sobre avaliações (evals) de agentes sugere construir testes a partir de casos realistas e verificar resultados, não apenas a redação das respostas. Exceções passadas com resolução correta conhecida são exatamente esse tipo de material.

Como a Be Human trabalha com redes de varejo?

A Be Human projeta, implementa e opera infraestrutura de IA personalizada. Um primeiro projeto define uma função útil, a memória e as ferramentas de que ela precisa, os limites de aprovação e um critério de sucesso observável. Para uma rede de varejo, isso normalmente significa uma função de loja ou de abastecimento, com perfis de loja mantidos, acesso de leitura aos registros relevantes, ações limitadas e aprovadores nomeados. A operação gerenciada pode então incluir monitoramento, avaliações recorrentes com casos reais de exceção, manutenção de integrações, revisão de permissões, resposta a incidentes e melhorias controladas, com as pessoas da rede mantendo o controle de identidade, memória, canais e permissões. O serviço é remoto, em inglês e português.

Perguntas frequentes

O que significa superinteligente para um agente de varejo? Descreve um agente mais capaz porque tem a memória, as ferramentas e as permissões certas, e não porque alega inteligência geral. Ele conhece as lojas, percebe exceções, propõe ações e trabalha dentro de limites definidos por pessoas. A palavra deve ser avaliada pelo que o agente faz de forma confiável, não pelo que ele promete.

O agente deve poder fazer pedidos ou movimentar estoque sozinho? Não no começo. Comece redigindo e encaminhando, com um aprovador nomeado para toda ação que afete estoque, fornecedores ou clientes. Se o registro mostrar propostas consistentes e corretas para uma ação específica de baixo risco, você pode ampliar a autoridade do agente de forma deliberada, com limites garantidos pelas permissões das ferramentas.

E se o conhecimento das nossas lojas estiver quase todo sem documentação? Isso é comum, e é um motivo para começar pequeno. Registre os perfis e as regras locais de algumas lojas, peça que os gerentes corrijam e atribua responsáveis. O simples ato de escrever isso costuma melhorar o funcionamento das lojas antes mesmo de um agente usar o material.

Como saber se o agente está se comportando corretamente entre as lojas? Mantenha um registro de cada exceção com seu código de motivo, as fontes usadas, a ação proposta e a decisão humana. Rode avaliações recorrentes com casos passados e revise as diferenças com as lideranças de loja e de planejamento. As divergências entre o agente e as pessoas são o sinal mais útil para melhorar as regras e o contexto.

Orientação editorial Be Human. Exemplos são ilustrativos, salvo atribuição explícita. Fontes oferecem contexto; a implementação depende do seu processo.