Um tema, quatro vozes, nenhum consenso. Bem podia ser este o resumo da mesa redonda “Shaping the Future of Operations Through Digital Innovation”, moderada pela Supply Chain Magazine, em Madrid, no CSCMP EDGE Europe. Havia uma pergunta no ar que ninguém tinha colocado diretamente, mas que acabou por estruturar toda a conversa: para que serve exatamente a IA nas operações de supply chain? Não em teoria, mas na prática, agora, com os sistemas que existem e as organizações que temos.
E foi essa a questão central da mesa redonda “Shaping the Future of Operations Through Digital Innovation”, moderada por Filipe Barros, da Supply Chain Magazine, no primeiro dia do CSCMP EDGE Europe 2026, em Madrid. À conversa estiveram quatro vozes com origens e perspetivas deliberadamente distintas: Federica Stufano, analista sénior da Gartner; Joaquín Villalba, fundador da Wonderful AI e antigo responsável de operações na Inditex; Maria Martí, fundadora da ZeroError.ai; e Tuttu Thomas, da Breven.ai, com mestrado em supply chain pelo MIT e 20 anos de experiência em implementações no terreno.
O mote ficou dado de imediato: o que está realmente a criar impacto operacional nas supply chains hoje?
Federica Stufano respondeu estabelecendo uma distinção que surpreendeu parte da audiência: não é a IA generativa, é a IA física – automação que interage com o mundo real, principalmente robótica inteligente. “Porque esta tecnologia interage com o mundo físico, o valor é muito mais concreto”, explicou. A IA generativa cria entusiasmo e promessas. A IA física cria resultados mensuráveis.
Joaquín Villalba discordou e fê-lo com dados. A Wonderful AI trabalha com 70 por cento dos bancos israelitas, onde agentes autónomos processam já mais de 100 mil interações por dia, integrando sistemas, registando resultados e fechando ciclos operacionais completos sem intervenção humana. “Já começou. É muito recente, estamos a falar deste último trimestre, mas já estamos a ver uma mudança exponencial.” A IA generativa, nos contextos certos, já não é promessa: é operação.
A divergência entre os quatro foi real e produtiva. Federica manteve a posição inicial: o impacto em larga escala e em operações físicas ainda não é generalizado. Villalba concordou que não é universal, mas insistiu que já existem casos onde as condições necessárias estão reunidas. Dois pontos de vista sobre o mesmo fenómeno, medido com réguas diferentes.
Maria Martí não entrou no debate sobre qual das duas tinha razão. Entrou pela via que mais interessa: “Qual é o problema que estamos a tentar resolver? Sei que parece óbvio para toda a gente, mas é a questão mais importante. Vejo tantas empresas com estratégias de IA e, no final do dia, a pergunta é: o que é que estamos realmente a resolver aqui?” A tecnologia que cria impacto, disse, não é a mais sofisticada. É a que responde a uma pergunta clara.
A armadilha dos pilotos
A segunda grande questão da mesa foi sobre escala: o que separa as empresas que conseguem passar do piloto para a operação, das que ficam eternamente presas na experimentação?
Joaquín Villalba respondeu com uma teoria que resulta claramente de experiência acumulada e de muitas reuniões difíceis. O problema dos pilotos, disse, começa antes do piloto. Começa no momento em que alguém tem de assinar a responsabilidade pelo projeto. É aí que a ambição original começa a encolher e o escopo vai diminuindo até ao ponto em que, se o piloto falhar, ninguém seja verdadeiramente responsabilizado. “O que acontece é que vai falhar exatamente por isso, porque não tem o nível certo de escalonamento hierárquico, porque as decisões não chegam a ser tomadas, porque os dez por cento finais de autonomia que o sistema precisa nunca são autorizados.”
A responsável da Gartner, por seu turno, acrescentou uma dimensão que complementa o argumento: antes de automatizar, é preciso ter os processos maduros. “Temos de dar um passo atrás e olhar para os nossos processos sem digitalização, sem automação. Só quando esses processos são simples e maduros o suficiente é que faz sentido pensar em digitalização ou automação.” A tentação de automatizar o caos só produz caos mais rapidamente.
Dados: o problema que não é tecnológico
O tema dos dados atravessou toda a conversa e a mesa foi muito honesta sobre o estado real das organizações.
Maria Martí é direta: a maioria das empresas não começa pelo sítio certo. Começa pela tecnologia e descobre a meio do caminho que os dados que a alimentam não prestam. “Garbage in, garbage out. Toda a gente conhece este princípio. Mas na era agentic, o problema é maior: garbage in, disaster out. Porque já não tens controlo sobre para onde as coisas vão.” A solução não é ter dados perfeitos antes de começar. Essa é outra armadilha. É começar pelo objetivo, perceber o que é crítico saber e garantir que essa informação é fiável. O resto vem depois.
Já Federica Stufano aproveitou o momento para lembrar que há uma diferença entre agentes de IA – pequenos módulos autónomos que executam tarefas específicas – e IA agentic verdadeiramente end-to-end, que orquestra processos completos de forma autónoma. “Na Gartner, consideramos que a IA agentic end-to-end ainda não existe de forma generalizada. O que temos hoje são agentes semi-autónomos e sugestivos que fazem coisas simples e específicas.” É uma distinção que importa, disse, porque confundir os dois leva a expectativas irreais e a projetos que falham por razões erradas.
Villalba e Martí não concordaram completamente e sublinharam-no. “Está a acontecer hoje”, insistiu Martí, com exemplos de Fortune 500 a correr processos end-to-end sem intervenção humana, de forma incremental e com humanos no ciclo até as organizações estarem prontas para mais autonomia. “Não é de um dia para o outro. Mas está a acontecer.”
O maior equívoco sobre a transformação digital
Quando Filipe Barros perguntou qual o maior equívoco que os líderes de supply chain ainda têm sobre transformação digital, as respostas convergiram num ponto que provavelmente nenhum dos quatro esperava.
Federica foi à raiz: o equívoco é pensar que a automação resolve processos que não estão prontos para ser automatizados. A tecnologia não simplifica processos complexos, amplifica o que já existe, para o bem e para o mal.
Joaquín Villalba foi mais longe. O equívoco mais profundo, disse, é continuar a pensar nos novos processos com as restrições dos antigos. “Estamos a trabalhar com CEO de grandes telecomunicações e bancos europeus numa abordagem diferente: em vez de pegar no processo existente e melhorá-lo dentro das suas limitações históricas, perguntamos o que queremos que este processo alcance para o nosso cliente e depois deixamos os trabalhadores digitais redesenhar o processo desde o início.” Não é ainda prática comum mas é, na sua visão, o modelo que vai definir a próxima geração de empresas.
Maria Martí trouxe a discussão de volta ao plano humano: “O talento e a atitude das equipas são mais críticos do que nunca. Em cada revolução tecnológica, quem saiu à frente não foi quem injetou esteróides no processo antigo, foi quem redesenhou o processo de raiz.” A IA, disse, é precisamente esse momento: a oportunidade de começar com uma folha em branco e perguntar qual é a melhor forma de ir de A a B. “Mas isso exige um tipo de talento que muitas organizações ainda não têm ou não contratam.”
O músculo da IA e as organizações que não o desenvolvem
A conversa sobre capacidades internas trouxe à mesa uma metáfora que Villalba usa sistematicamente com os seus clientes e que ficou na sala.
Construir capacidade de IA numa organização é como construir massa muscular num ser humano. Não acontece de um dia para o outro. Exige consistência, os parceiros certos e a consciência de que quem não começa cedo vai ter mais dificuldade em recuperar. “Aos 14 anos é uma boa altura para começar a construir músculo, porque aos 60 ou 70 já é tarde para compensar o que não foi feito. O mesmo para as organizações: quem não desenvolver o músculo da IA agora, vai ter muito mais dificuldade em competir quando a mudança for exponencial.”
A Wonderful AI posiciona-se, nas suas palavras, como “personal trainer de grandes corporações”, fornecendo a infraestrutura técnica, mas também acompanhando o processo de mudança organizacional que nenhuma ferramenta faz sozinha.
Tuttu Thomas acrescentou uma dimensão frequentemente esquecida nos fóruns mais otimistas sobre IA: a resistência real no terreno. “Nas aciarias e nos estaleiros de sucata com que trabalhamos, a resposta inicial é muitas vezes “não queremos IA no sistema”. Mudámos o nome para automação só para conseguirmos entrar na conversa.” A tecnologia mais sofisticada do mundo não funciona se as pessoas no terreno não a adotarem. E adotam-na quando veem que resolve um problema que têm, não um problema que alguém de fora decidiu que têm.
2030: o que vai desaparecer e o que permanece
O debate final foi um exercício de rapidez e honestidade intelectual: o que vai mudar mais profundamente até 2030?
Sobre quais das funções – planeadores, compradores ou analistas – vão desaparecer primeiro, Federica Stufano apostou nos analistas, por terem menos responsabilidade de decisão. Tuttu Thomas discordou: nenhuma das três vai desaparecer, vão todas evoluir para formas diferentes das atuais.
Sobre tecnologias sobrevalorizadas, Federica escolheu os humanoides: caros, lentos, pouco flexíveis, muito promovidos. Joaquín Villalba preferiu nomear o que está subvalorizado, os agentes de IA, que já estão a tratar processos completos em setores como os seguros, da participação do sinistro à marcação da reparação, da reserva de viatura de substituição à transferência de crédito ao cliente, sem intervenção humana.
A pergunta final pediu a cada um que completasse a frase “Em 2030 vamos olhar para trás e não acreditar que ainda fazíamos…”. Villalba respondeu sem hesitar: “Mudar fontes e cores em apresentações de PowerPoint.” Stufano: “Mover fisicamente objetos com as mãos, porque tudo vai estar automatizado.” Thomas foi a Marte – literalmente, evocando a ficção científica da infância que se tornou notícia corrente. E Martí escolheu São Francisco e os táxis autónomos como símbolo do que está a mudar mais depressa do que conseguimos acompanhar.
A mesa terminou como começou: sem consenso fácil, com mais perguntas do que respostas e com a sensação de que essa é precisamente a postura certa para quem quer perceber o que está realmente a acontecer. A IA não é uma resposta. É uma ferramenta ao serviço de quem souber fazer as perguntas certas.
Começar por “Que problema estamos a resolver?” continua a ser o passo mais difícil. E também o mais decisivo.
A Supply Chain Magazine esteve no CSCMP EDGE Europe 2026 a convite da organização
📌 LEIA TAMBÉM:
🔗 Entre a visão e o espelho: o que Madrid revelou sobre o futuro da supply chain
🔗 Carol Ptak e a anatomia da resiliência: “Ou aprendemos a adaptar-nos ou morremos”
🔗 Simplicidade como estratégia: o que a Mango ensina sobre o valor real da supply chain
