Da gestão por categorias à comparação de propostas, passando pelo tail spend e pela automatização de tarefas administrativas, a Procurement Conferência mostrou que a inteligência artificial já começa a ocupar um lugar concreto nos processos de compra. Contudo, deixou também um aviso: quando a base está errada, a tecnologia limita-se a acelerar o problema.
A inteligência artificial atravessou várias intervenções da Procurement Conferência 2026, mas nem sempre com o mesmo papel. Numas situações surgiu como instrumento para organizar e classificar informação; noutras, permitiu comparar propostas, encaminhar pedidos de compra ou retirar trabalho administrativo às equipas. Mais do que promessas sobre o futuro, a conferência apresentou utilizações concretas da tecnologia. E revelou uma condição comum a todas elas: antes de automatizar, é preciso saber o que se pretende melhorar.
Da contratação processo a processo à gestão por categorias
Paulo Ferreira, procurement transformation leader da TetraPod, e Lise Barbeaux, senior procurement advisor da ORAZ Consulting, mostraram como a inteligência artificial pode apoiar a transição de uma contratação conduzida processo a processo para uma abordagem de category management na contratação pública.
A tecnologia pode ser usada para tratar grandes volumes de informação, apoiar a análise de despesa, classificar dados, resumir entrevistas, mapear processos e avaliar o grau de maturidade de uma organização. Pode também ajudar a identificar competências existentes nas equipas e aquelas que terão de ser desenvolvidas para sustentar a transformação.
A pergunta de partida, porém, continua a ser organizacional: a entidade está preparada para trabalhar por categorias? A resposta não depende apenas da ferramenta disponível, exige perceber onde está a organização, onde pretende chegar e que mudanças serão necessárias ao nível das pessoas, dos processos, dos dados e da governação.
A inteligência artificial permite acelerar esse diagnóstico e estruturar a informação recolhida, mas a transformação mantém uma dimensão humana que não pode ser comprimida. Como sintetizou Lise Barbeaux, a IA é um poderoso acelerador, mas as pessoas continuam a ser a parte mais exigente de qualquer mudança.
Comparar propostas sem comparar realidades diferentes
Parilhar a experiência da aplicação da inteligência artificial à comparação de propostas para a frota automóvel na Syensqo foi a proposta de Tiago Cruz para esta edição da Procurement Conferência, que começou por explicar que o desafio começa antes da escolha do fornecedor. Uma proposta de renting não contém apenas um valor mensal: integra variáveis como pneus, viaturas de substituição, seguros, rede de oficinas, limites de responsabilidade e outras condições que influenciam o custo final.
Quando estas componentes não estão estruturadas da mesma forma, comparar preços pode significar comparar soluções diferentes como se fossem equivalentes. A ferramenta desenvolvida permite extrair informação das propostas, identificar elementos em falta e organizar os dados de acordo com parâmetros comuns. Ora, ao reduzir o tempo dedicado à recolha, validação e introdução de informação, a equipa pode concentrar-se na análise, na negociação e na procura de oportunidades de criação de valor. A tecnologia não toma a decisão. Prepara melhor o terreno para que essa decisão seja tomada.
“A IA não faz tudo, mas dá-nos a visibilidade de que precisamos para usar o nosso tempo onde podemos criar valor”, resumiu Tiago Cruz.
Retirar fricção ao tail spend
Wolfgang Rueth, diretor da Efficio Consulting, levou a discussão para o tail spend, uma área frequentemente marcada por pedidos dispersos, elevado esforço administrativo e processos desproporcionados face ao valor ou ao risco das compras.
A inteligência artificial pode interpretar o pedido do utilizador, reconhecer a categoria, avaliar o contexto e o risco e encaminhar a compra para o canal e para o nível de aprovação adequados. Os pedidos simples e de baixo risco podem avançar de forma automatizada, enquanto os especialistas se concentram nas exceções, na negociação e nas decisões que exigem intervenção humana.
Esta abordagem altera também a experiência do utilizador interno. Em vez de lhe exigir que conheça a estrutura do procurement, os canais existentes e o percurso correto para cada pedido, é o sistema que interpreta a necessidade e conduz o processo. Não se trata, sublinhou Wolfgang Rueth, de retirar pessoas ao procurement, mas de as colocar onde realmente criam valor: mais tempo na negociação e na decisão, menos tempo na administração.
Mais visibilidade, menos burocracia
Romeu Klug, da Devlop Leviahub, mostrou como a digitalização permite integrar num único ambiente requisições internas, fornecedores, pedidos de cotação, contratos, encomendas, documentos financeiros, aprovações e pagamentos.
A utilização de workflows, dashboards, reconhecimento ótico de documentos e inteligência artificial permite automatizar tarefas, acompanhar o percurso de cada processo e tornar a informação mais acessível.
O ganho não está apenas na rapidez. Está na possibilidade de saber se uma compra foi aprovada, se existe orçamento, em que ponto está o processo e que informação pode ser usada para comparar decisões com o histórico da organização. Para Romeu Klug, quem conduz um processo de compra deve dedicar o seu tempo a analisar qual é a melhor proposta, não a tratar da burocracia necessária para que essa proposta chegue à decisão.
Um mau modelo, só que mais rápido
Os quatro exemplos mostram aplicações diferentes da inteligência artificial, mas convergem numa mesma condição: a tecnologia precisa de dados minimamente fiáveis, processos compreendidos e critérios claros.
Automatizar antes de definir estas bases pode tornar o processo mais rápido sem o tornar melhor, além de poder dar uma aparência de rigor a decisões construídas sobre informação incompleta, classificações erradas ou regras que já não respondem às necessidades da organização.
Foi Wolfgang Rueth quem deixou o aviso mais direto aos profissionais presentes na sala: “Um bom modelo torna-se um modelo muito melhor. Um mau modelo torna-se apenas um mau modelo mais rápido.”
A vantagem estratégica não está, portanto, em adotar inteligência artificial primeiro e sim em saber onde aplicá-la, que problema deve resolver e em que momento a decisão tem de regressar às pessoas.
