©2026 MIT Sloan Management Review Brasil. Todos os direitos reservados. A reprodução, total ou parcial, é proibida sem a autorização prévia e expressa do CNEX.

Varejo

Varejo e inteligência artificial: “mais dados não garantem decisões melhores”

Mais do que tecnologia, o uso de inteligência artificial nas empresas depende de clareza sobre quais decisões precisam evoluir e como conectá-las ao dia a dia do negócio.

Renato Franklin

13 de maio de 2026 e atualizado em 12 de maio de 2026

7 min de leitura

A quantidade de dados disponíveis no varejo nunca foi tão grande. Porém, na prática, mais dados não garantem decisões melhores. A diferença está na capacidade de transformar informação em ação, com velocidade, consistência e foco no que realmente impacta o resultado.

É nesse ponto que a inteligência artificial começa a redesenhar o setor. Não como uma camada adicional de tecnologia, mas como um instrumento para melhorar a qualidade das decisões no dia a dia da operação.

Ainda assim, a maior parte das empresas não captura esse valor. Hoje, 95% dos projetos de IA não avançam porque nascem sem um objetivo claro de negócio. Quando a tecnologia não está conectada a uma decisão concreta, ela se dispersa em iniciativas que não escalam e não geram retorno.

Esse não é um desafio apenas local. No varejo global, a inteligência artificial já deixou de ser uma camada de eficiência para se tornar parte da lógica operacional. Walmart e Sam’s Club são exemplos dessa evolução, ao aplicarem IA de ponta a ponta — do desenvolvimento de produtos ao atendimento. Na prática, isso se traduz em ganhos concretos: redução de até 18 semanas no tempo de criação de peças de moda e queda de até 40% no tempo de resolução de problemas no atendimento ao cliente.

No varejo, isso é decisivo. Crescer não depende apenas de atrair clientes, mas de tomar melhores decisões, de forma consistente e em escala. Foi a partir dessa lógica que passamos a trabalhar a IA no Grupo Casas Bahia, não como uma frente isolada de inovação, mas como uma alavanca direta de gestão. A pergunta que orientou nossa abordagem foi simples: em quais decisões a IA pode, de fato, melhorar o resultado?

Onde os dados começam a gerar resultado

No nosso caso, a resposta começou pelos fundamentos do varejo: sortimento e preço. Hoje, utilizamos modelos preditivos para entender o comportamento de demanda em diferentes regiões e, a partir disso, ajustar o mix de produtos por loja. Isso nos permitiu sair de uma lógica padronizada para uma operação mais precisa, que respeita as particularidades de cada praça e melhora a produtividade por SKU.sai

Na precificação, avançamos para modelos que combinam elasticidade de demanda com simulações de cenários. O preço deixa de ser uma definição estática e passa a ser ajustado de forma contínua, considerando o comportamento do consumidor, a concorrência e o contexto de mercado.

Mais recentemente, incorporamos também o uso de dados em tempo real para orientar campanhas comerciais. Em eventos de grande volume, como a Black Friday, conseguimos acompanhar sinais de intenção de compra e adaptar ofertas ao longo da execução, reduzindo fricção e aumentando a conversão.

Esse conjunto de aplicações tem algo em comum: transforma dados em decisões mais rápidas e mais precisas e, por consequência, em melhores resultados. Ao mesmo tempo, a inteligência artificial se tornou parte da lógica de funcionamento da operação. Hoje, ela está presente em toda a cadeia, do atendimento ao pós-venda, da precificação à logística, integrada ao processo decisório.

Na ponta comercial, isso se traduz em capacidade de personalização em escala. Mais de 10 mil vendedores são apoiados por um assistente virtual que sugere produtos e abordagens com base no perfil e no comportamento de cada cliente, ampliando a assertividade da venda. No atendimento, modelos de machine learning reduziram o tempo de espera e aumentaram a taxa de resolução, enquanto ferramentas de análise de voz permitem acompanhar, em tempo real, aspectos como emoção e risco nas interações.

Esse mesmo princípio se estende ao pós-venda, onde o uso de IA generativa elevou a precisão das respostas automatizadas, e à operação logística e comercial, com modelos preditivos que orientam desde o abastecimento até a definição do canal mais adequado para cada cliente.

O ponto em comum entre essas aplicações não é a tecnologia em si, mas a forma como os dados passaram a ser incorporados ao processo decisório. Com informações acessíveis e atualizadas em tempo real, a empresa reduz o tempo entre análise e ação, criando ciclos contínuos de aprendizado.

O que ainda está dando errado no setor

Ao longo dessa jornada, um ponto ficou claro: o maior erro das empresas não é tecnológico, é estratégico. Muitas organizações ainda tratam inteligência artificial como um projeto paralelo, normalmente concentrado em áreas de inovação, sem conexão direta com o negócio. Isso cria iniciativas interessantes do ponto de vista técnico, mas nem sempre do ponto de vista de resultado.

Outra armadilha comum é tentar escalar antes de resolver o básico. Sem dados organizados, governança definida e clareza sobre quais decisões precisam evoluir, a IA se torna uma camada de complexidade, e não de eficiência.

Por fim, existe uma tendência de superestimar o papel da tecnologia e subestimar o papel da cultura. IA exige mudança na forma de decidir, descentralização de informação e maior autonomia das áreas. Sem isso, o ganho técnico não se traduz em ganho real de negócio.

Quando decisão vira sistema

Ao longo dessa jornada, ficou claro que maturidade em inteligência artificial não tem relação com a quantidade de iniciativas em andamento, mas na forma como a tecnologia se integra à operação. Isso passa por três pontos. Clareza sobre onde aplicar, porque nem toda decisão precisa de IA. Integração com o negócio, para que a tecnologia faça parte da rotina. E escala, porque valor só aparece quando a aplicação influencia o dia a dia.

O próximo passo dessa evolução já começa a se desenhar. Se hoje usamos IA para apoiar decisões, caminhamos para um cenário em que sistemas passam a ter um papel mais ativo, recomendando e ajustando ações em tempo real. Isso amplia o potencial de ganho, mas também exige maior atenção a temas como governança, transparência e controle.

No fim, a inteligência artificial não muda o varejo por ser uma tecnologia nova, mas por permitir algo essencial: melhorar a qualidade das decisões. Empresas que conseguem transformar dados em decisão, e decisão em execução, constroem uma vantagem que não é pontual, mas estrutural. E, cada vez mais, é essa capacidade que define quem lidera e quem apenas acompanha essa transformação.