Pense na última vez que você foi a um supermercado ou a uma loja procurar um produto específico e ele simplesmente não estava lá. A prateleira vazia. Ou o preço na etiqueta era um, e no caixa, outro. Para você, é um aborrecimento. Para o varejo, esses pequenos errinhos somam uma conta de proporções absurdas — e a inteligência artificial finalmente encontrou uma forma de atacá-los.

A novidade tem nome técnico: visão computacional. Na prática, são câmeras e sensores que “enxergam” as prateleiras e entendem o que está acontecendo nelas, em tempo real. Essa tecnologia, que já está rodando em grandes redes, está gerando ganhos concretos de produtividade no varejo — e revela uma lição valiosa sobre como usar IA que serve para qualquer negócio, do gigante ao pequeno empreendedor. Vamos entender.

O problema bilionário das prateleiras

Antes de falar da solução, vale dimensionar o problema — porque ele é maior do que parece.

Segundo um estudo da consultoria Coresight Research, feito em parceria com as empresas de tecnologia Simbe e RELEX Solutions, as ineficiências operacionais consomem 6,4% das vendas brutas do setor varejista. Traduzindo em dinheiro: as categorias de produtos para casa, mercadorias em geral e supermercados devem perder US$ 196,4 bilhões com essas falhas operacionais só em 2026. E esse rombo está crescendo 21% em relação ao ano anterior — muito acima dos 3% de crescimento de vendas projetado para o setor.

O que causa esse desperdício gigantesco? Coisas que parecem banais, mas se acumulam: prateleiras vazias e preços incorretos. De acordo com o estudo, nove em cada dez varejistas relatam dificuldades ativas para gerenciar o chão de loja, e a erosão das margens passa de 5% em 89% dos negócios. É dinheiro escorrendo pelo ralo, todo dia, por falhas que ninguém vê acontecer.

A solução: dar olhos à loja

É aqui que entra a visão computacional. A ideia é simples de entender: em vez de depender de funcionários passando de tempos em tempos para conferir manualmente se a prateleira está cheia e o preço está certo, câmeras e sensores fazem essa vigilância de forma automática e contínua.

A adoção já saiu da fase de experimento. Segundo o levantamento, plataformas de “inteligência de loja” já operam em escala completa em 60% das grandes redes — um salto de 18 pontos percentuais em um ano. Mas há um detalhe revelador: essa adoção está concentrada nas gigantes. Entre as varejistas que faturam mais de US$ 5 bilhões por ano, 73% já têm o sistema rodando em escala total. Já entre as empresas menores, que faturam menos de US$ 1 bilhão, apenas 42% chegaram a esse nível.

Essa diferença não é um detalhe — é justamente a oportunidade e o alerta que esse tema traz, como veremos adiante.

Os casos que já funcionam de verdade

Teoria é bonita, mas o que convence são os resultados reais. E eles já existem.

A rede atacadista BJ’s Wholesale Club usou robôs da empresa Simbe para monitorar estoque e precisão de preços em suas lojas. Mas foi além do óbvio: a partir desses dados, criou “gêmeos digitais” de cada loja — versões virtuais que espelham a loja física em tempo real. Com isso, melhorou em 40% a eficiência na separação de pedidos online e de retirada na loja em um ano. Segundo o CEO Bob Eddy, a tecnologia também permitiu elevar o padrão de qualidade nas categorias de produtos frescos.

A rede de supermercados Albertsons mira US$ 1,5 bilhão em ganhos de produtividade ao longo de três anos. A CEO Susan Morris explicou a visão da empresa de forma que ressoa com tudo que defendemos por aqui: a meta é equipar os funcionários com insights de IA e execução automatizada para otimizar preços, promoções e decisões de sortimento — liberando as pessoas para focar em estratégia e inovação. A automação inteligente guia as decisões; o humano cuida do que importa.

E tem o caso da Lowe’s, uma rede de materiais de construção, que talvez seja o mais interessante para o nosso público. Com uma iniciativa de melhoria de produtividade, a empresa eliminou tarefas redundantes dos funcionários e economizou 80 horas de trabalho não-produtivo por loja, por semana. O detalhe humano: a empresa distribuiu bônus financeiros aos funcionários com base nos ganhos de produtividade documentados — US$ 5.000 para gerentes de loja, e valores variados para os horistas. A produtividade da máquina virou dinheiro no bolso das pessoas.

A lição que vale ouro: a ordem importa

Aqui está a parte mais valiosa do estudo, e a que tem aplicação direta para qualquer empreendedor — não só para gigantes do varejo.

Muitas empresas estão cometendo um erro de sequência. Elas correm para instalar o software mais “vistoso” — como o de otimização de preços —, mas ignoram a base que alimenta esse software com dados. Segundo o levantamento, 43% dos líderes de tecnologia direcionam o investimento para softwares de precificação, mas apenas 33% investem no hardware de digitalização da prateleira — os sensores e câmeras que verificam o estoque físico de verdade.

O resultado dessa inversão é desastroso: os algoritmos de preço acabam processando contagens de estoque desatualizadas, e a taxa de erros de precificação chegou a 13% em 2026, quatro pontos a mais que em 2024. Em outras palavras: a empresa investe na tecnologia sofisticada, mas como a base de dados é falha, o resultado também é falho. Lixo entra, lixo sai.

Como resumiu Kim Anderson, vice-presidente de operações da rede Schnucks Markets, os dados da prateleira precisam vir antes de todas as outras implementações. Primeiro você digitaliza a prateleira (a base), depois instala a análise de dados, depois o rastreamento de estoque e, só no fim, a automação de preços. Pular etapas é construir sobre areia.

Essa lição transcende o varejo. Vale para qualquer negócio que queira adotar IA: não adianta correr para a ferramenta mais avançada se a base — os dados confiáveis que a alimentam — não estiver pronta. A tecnologia mais cara do mundo não conserta um alicerce ruim.

O que isso significa para o varejo brasileiro

Trazendo para a nossa realidade, algumas reflexões práticas se destacam.

A vantagem competitiva está se concentrando — por enquanto. Como vimos, as grandes redes estão muito à frente das menores na adoção. Isso significa que, no curto prazo, os gigantes ganham uma vantagem operacional real. Mas também significa que há uma janela: o varejista médio ou pequeno que entender essa tecnologia antes dos concorrentes do seu porte sai na frente.

Nem todo mundo precisa de robôs. É importante não se assustar com os exemplos de robôs caros das gigantes americanas. A lógica de fundo — usar tecnologia para ter dados confiáveis sobre o que está acontecendo no seu negócio em tempo real — pode ser aplicada em escalas menores e mais acessíveis. O princípio importa mais que o equipamento de ponta.

O retorno vai além de cortar custos. Os dados mostram que fazer isso direito aumenta o valor do cliente ao longo do tempo em 11%, melhora as taxas de conversão para metade dos operadores, e eleva a adesão a programas de fidelidade. Ou seja: não é só economia — é cliente mais satisfeito, que volta mais e compra mais. Prateleira cheia e preço certo são, no fim das contas, uma questão de respeito com o cliente.

Conclusão

A visão computacional no varejo é um exemplo perfeito de como a inteligência artificial está saindo das telas e entrando no mundo físico, resolvendo problemas concretos que custam bilhões. Câmeras que enxergam prateleiras podem parecer um detalhe técnico distante, mas representam uma transformação real na forma como as lojas funcionam — e em quanto dinheiro elas deixam de perder.

Mas a lição mais importante não é sobre câmeras nem sobre o varejo especificamente. É sobre sequência e fundamento: a IA mais avançada só entrega resultado se for construída sobre dados confiáveis. Quem inverte essa ordem, por mais que invista, colhe frustração. Quem respeita a base, colhe vantagem.

E essa é uma verdade que vale para o supermercado de bairro, para a grande rede e para qualquer profissional ou empresa pensando em adotar inteligência artificial: comece pela fundação, não pela vitrine. A tecnologia brilhante só funciona quando o que está por baixo dela é sólido.