Se sua empresa fatura mais de R$ 100 milhões por ano e ainda convive com excesso de estoque, ruptura frequente e projeções que ninguém confia — este artigo explica por quê. E mostra o que precisa mudar.
O problema que ninguém admite em voz alta
A maioria das empresas industriais brasileiras já tem um ERP rodando há anos. Já investiu em módulos de planejamento de demanda. Já passou por pelo menos um projeto de BI. E, mesmo assim, convive com um cenário que se repete todo mês: o comercial reclama que faltou produto; o financeiro reclama que sobrou estoque; e o supply chain fica no meio, tentando explicar por que a projeção não bateu.
Esse não é um problema de tecnologia. É um problema de arquitetura de decisão.
A cadeia de suprimentos de uma empresa industrial depende de duas decisões que se alimentam mutuamente: o que vai vender (previsão de demanda) e para onde vai o estoque (alocação). Se a primeira está errada, a segunda herda o erro. Se a segunda é feita no automático — e quase sempre é — o erro se multiplica.
Este artigo conecta as duas pontas. Se você é diretor de supply chain, gerente de PCP, controller ou CFO, vai reconhecer cenários que já viveu. E vai entender por que as soluções que tentou até agora não resolveram.
Por que o ERP não resolve — e nunca foi feito para resolver
Todo ERP moderno tem um módulo de planejamento. SAP, TOTVS, Oracle — todos oferecem alguma forma de projeção. A lógica é sempre parecida: o sistema olha para o histórico de vendas e projeta o futuro com base em médias ou tendências simples.
O problema é que o ERP foi desenhado para registrar transações, não para prever comportamento. O módulo de forecast é um acessório — não o motor principal. Ele usa uma única lógica de cálculo, sem competição, sem validação cruzada, sem nenhum mecanismo que permita ao gestor entender por que a projeção errou.
Pesquisas com gestores de supply chain no Brasil indicam que mais de 60% das empresas que usam o módulo nativo de forecast do ERP ainda trabalham com erro médio acima de 20%. Em categorias sazonais, esse número pode passar de 35%.
O resultado? Planilhas paralelas. Ajustes manuais. Reuniões semanais de S&OP onde o consenso importa mais do que a evidência. E um ciclo que se repete: projeção ruim, ajuste tardio, estoque mal posicionado.
Se você quer entender em detalhe por que o forecast do ERP não melhora com o tempo, leia: Seu ERP prevê demanda. Por que o erro não cai?
Previsão de demanda: o que realmente deu errado
A previsão de demanda é, ao mesmo tempo, a decisão mais impactante e a menos auditada na cadeia de suprimentos. Uma projeção ruim contamina tudo: compras, produção, logística, capital de giro. Mas a maioria das empresas não tem como saber onde a projeção falhou, por que falhou e se poderia ter sido melhor.
Existem três falhas estruturais que se repetem em quase toda empresa industrial:
1. Usar uma única lógica de cálculo
A maioria dos sistemas — do ERP ao Excel — trabalha com uma única abordagem de projeção. Média móvel, suavização exponencial, alguma variante de tendência linear. O problema é que nenhuma abordagem funciona bem para todas as famílias de produto. Uma lógica que acerta sazonalidade erra tendência. Uma que captura picos erra em estabilidade.
Quando existe competição entre múltiplas abordagens — cada uma tentando provar que é a melhor para aquele produto naquele período — o resultado melhora porque a seleção é baseada em evidência, não em premissa. Saiba mais em: Como 9 abordagens competem para prever sua demanda.
2. Confundir média com inteligência
Muitas empresas acreditam que já usam inteligência artificial porque o sistema faz “projeções automáticas”. Mas média móvel não é IA. É aritmética. A diferença não é semântica — é operacional. Média não aprende, não se adapta a mudanças de padrão, não identifica quando o comportamento do mercado mudou.
Entender essa distinção é o primeiro passo para sair do ciclo de erro repetitivo. Leia: Por que média móvel não é IA — e o que é.
3. Aceitar a caixa-preta
Talvez a falha mais grave: confiar em um sistema que não mostra como chegou ao resultado. Se o gestor não consegue ver qual lógica foi usada, qual foi o erro histórico e como a projeção foi validada, ele não tem como melhorar. Não tem como questionar. Não tem como aprender.
É por isso que o conceito de IA Auditável está ganhando espaço entre gestores que cansaram de depender de números que não conseguem explicar. Entenda a diferença entre uma IA que esconde e uma que mostra: IA Cega vs. IA Auditável: qual você está usando?
Alocação de estoque: a decisão invisível que custa milhões
Se a previsão de demanda é a decisão mais impactante, a alocação de estoque é a mais negligenciada. A maioria das empresas nem percebe que está tomando essa decisão — porque o sistema toma por elas, no automático, sem critério explícito.
Quando o estoque chega ao centro de distribuição, ele precisa ser direcionado: qual cliente recebe primeiro? Qual pedido tem prioridade? A resposta mais comum é “quem pediu antes, recebe antes” — a lógica de fila. Parece justo. Mas justo e eficiente são coisas diferentes.
A ordem em que o estoque é alocado define diretamente três variáveis financeiras que o CFO monitora:
- Quando o caixa entra — clientes com prazos de pagamento diferentes recebem em momentos diferentes. A ordem de alocação define quando a empresa converte estoque em receita.
- Quanto de estoque fica parado — se o estoque vai para pedidos de baixo giro antes de atender pedidos de alto giro, o capital fica imobilizado por mais tempo.
- Qual o risco de ruptura — alocar sem priorização inteligente aumenta a chance de faltar produto para clientes estratégicos enquanto sobra para clientes de baixo volume.
A maioria das empresas nunca parou para questionar a lógica de alocação que o sistema usa por padrão. E esse silêncio custa caro. Entenda por que a abordagem mais comum de alocação destrói margem: Por que alocar por FIFO custa dinheiro.
O custo real: ruptura, excesso e capital parado
As consequências de prever mal e alocar no automático não aparecem em uma única linha do P&L. Elas se espalham por toda a operação:
Ruptura de estoque não é só uma venda perdida. É um cliente que procura o concorrente, um contrato que não renova, uma cadeia de confiança que se rompe. Em setores como autopeças e farmacêutico, uma ruptura pode significar parada de linha ou desabastecimento regulado. O impacto financeiro vai muito além do faturamento perdido — inclui penalidades contratuais, custo de frete emergencial e deterioração de relacionamento comercial. Leia a análise completa: O custo real de uma ruptura de estoque (e como evitar).
Excesso de estoque é capital parado. É espaço de armazém ocupado. É risco de obsolescência. Em indústrias de alimentos e cosméticos, é produto que vence na prateleira. Em papel e embalagens, é bobina que perde especificação. O custo de carregar estoque excedente no Brasil — incluindo custo de capital, armazenagem e seguro — pode representar de 18% a 30% do valor do estoque por ano.
Capital de giro comprimido conecta tudo. Quando o estoque está mal posicionado, a empresa precisa de mais capital para operar. Quando o forecast erra para cima, a compra antecipa matéria-prima que não vai girar. Quando erra para baixo, a produção emergencial custa mais. O CFO sente o impacto no fluxo de caixa, mas raramente consegue rastrear a causa até a projeção de demanda ou a lógica de alocação.
Se você precisa construir o business case para justificar investimento em inteligência aplicada a demanda e estoque, comece por aqui: ROI de previsão de demanda: como calcular e o que esperar.
O que muda quando a inteligência artificial é auditável
O mercado está cheio de soluções que prometem “IA para supply chain”. A maioria funciona como caixa-preta: entra dado de um lado, sai projeção do outro, e o gestor tem que confiar sem entender o que aconteceu no meio.
Existe uma alternativa: inteligência artificial que mostra o caminho. Que permite ao gestor ver qual lógica de cálculo foi usada, qual foi o erro em cada período, como diferentes abordagens se compararam e por que uma foi escolhida em vez de outra.
Esse conceito — IA Auditável — muda a relação entre o gestor e o sistema. Não é mais uma questão de confiar ou não confiar. É uma questão de verificar. O resultado é aberto. A inteligência por trás é protegida. Mas a transparência do processo permite que o gestor aprenda, questione e melhore junto com o sistema.
Se você quer entender o conceito em profundidade, leia o artigo que inaugurou esta série: O que é IA Auditável — e por que você deveria se importar.
Cada setor tem suas particularidades — e sua dor específica
Previsão de demanda e alocação de estoque não funcionam da mesma forma em todos os setores. Uma indústria farmacêutica tem restrições regulatórias que uma fábrica de autopeças não tem. Uma indústria de alimentos lida com perecibilidade que uma indústria química não enfrenta. Uma rede hoteleira sequer tem “estoque” no sentido tradicional — tem quartos que expiram toda noite.
As dores, no entanto, são estruturalmente parecidas: erro de projeção, capital mal alocado, decisões no escuro. O que muda é a intensidade de cada variável e as consequências específicas do setor.
Conheça como esses desafios se manifestam no seu setor:
Onde começar
Se você chegou até aqui, já sabe que o problema não é falta de sistema. É falta de arquitetura de decisão. É previsão sem competição. É alocação sem critério. É resultado sem explicação.
A próxima pergunta é prática: como sair disso?
O primeiro passo é simples — e revelador. Pergunte ao seu sistema atual três coisas:
- Qual lógica de cálculo foi usada na última projeção de cada família de produto?
- Qual foi o erro dessa projeção nos últimos 6 meses, mês a mês?
- Existia alguma outra abordagem que teria errado menos?
Se o seu sistema não responde essas perguntas, você está operando no escuro. E cada mês no escuro custa dinheiro — em excesso, em ruptura, em capital parado.
A Direção e Sentido tem mais de 20 anos ajudando empresas industriais a transformar dados em decisão. Se você quer ver como inteligência artificial auditável funciona na prática — com seus dados, suas famílias de produto, seu setor — fale conosco.
Resultado aberto. Inteligência protegida.