O que deveríamos aprender nos “laboratórios” de interação humanos-robôs
Os centros de distribuição das empresas são a nova fronteira da colaboração entre máquinas e pessoas. Veja quatro diferentes cenários em que essa parceria se dá da melhor maneira possível, e entenda como a inteligência artificial é útil na jornada
Benedict Jun Ma e Maria Jesus Saenz
3 de novembro de 2025
19 min de leitura
O uso cada vez maior de robôs para atender à demanda por uma logística ultrarrápida está aumentando a automação nos armazéns. Equipes formadas por humanos e robôs serão cada vez mais comuns nesses ambientes.
Até 2028, 80% dos armazéns e centros de distribuição terão pelo menos algumas áreas automatizadas, segundo um levantamento da consultoria Gartner. Mas, embora essas colaborações tenham melhorado o desempenho operacional, elas estão muito longe de realizar todo o seu potencial.
A Amazon, empresa na vanguarda da automação de armazéns, enfrenta com frequência reclamações e críticas de funcionários que lutam para acompanhar a velocidade implacável de seus colegas robóticos. A pressão de trabalhar ao lado de robôs já causou acidentes graves.
A falha em abordar as preocupações de segurança entre os selecionadores de pedidos e outros funcionários que trabalham em sistemas robotizados pode corroer a confiança e a vontade de colaborar. Nesse caso, os próprios robôs acabam sendo subutilizados, prejudicando a eficiência e a produtividade geral.
Dado que automação e robótica envolvem grandes investimentos de capital e elevadas despesas operacionais, otimizar os recursos humanos e robóticos para melhorar o ROI é de suma importância. Estudos mostraram que ter uma mistura de humanos e robôs pode levar a uma maior eficiência, flexibilidade e melhor custo-benefício em comparação com a automação total, sem pessoas. Mas as empresas precisam observar cuidadosamente os respectivos papéis que humanos e robôs devem desempenhar.
Essas questões apontam para uma necessidade de inovação na maneira como humanos e robôs podem trabalhar juntos. As máquinas superam em velocidade e precisão, enquanto os humanos são mais flexíveis, adaptáveis e criativos. Mas, sem a colaboração eficaz, essas vantagens podem se perder, devido a ineficiências do sistema, trabalhadores insatisfeitos e riscos no local de trabalho.
Nossa pesquisa no MIT Digital Supply Chain Lab mostra que a IA tem um papel importante a desempenhar não apenas na automação de tarefas, mas também na facilitação da “colaboração humano-robô” (HRC, na sigla em inglês). Por exemplo, grandes modelos de linguagem (LLMs, na sigla em inglês) podem tornar a comunicação mais rica ao combinar texto, áudio, imagens e vídeos para transmitir informações ou ajudar os trabalhadores.
Funções humanas e funções robóticas em um armazém
Armazéns e centros de distribuição ainda dependem de mão de obra humana no comércio eletrônico, apesar da crescente importância das tecnologias de automação. Uma variedade de robôs surgiu para funções especializadas em armazéns, mas muitas vezes eles têm agilidade e adaptabilidade limitadas.
Os humanos normalmente superam os robôs, por exemplo, quando uma tarefa envolve itens de formatos, pesos e tamanhos variados. A combinação de conhecimento, habilidades e experiência também permite que os humanos tomem decisões com base nas informações disponíveis e se adaptem a ambientes em mudança.
A necessidade das capacidades humanas varia de acordo com o problema e sua complexidade. Nos armazéns modernos, muitas operações realizadas por pessoas, como separar itens de prateleiras e classificá-los em caixas, são cada vez mais feitas por equipamentos auxiliares. Afinal, são funções que exigem apenas que o trabalhador siga as determinações do sistema – ele não precisa aplicar sua própria cognição ou experiência.
Já operações que exigem um nível mais alto de capacidade humana podem incluir o empacotamento de pedidos complexos ou o processamento de devoluções. Esses casos pedem que os humanos tomem decisões e resolvam problemas com base em sua experiência.
O grau de autonomia do robô (ou seja, sua capacidade de executar tarefas com ou sem supervisão ou direção humana) varia muito. Alguns executam funções simples e pré-programadas, enquanto outros podem navegar pelas mudanças no ambiente e adaptar seu comportamento em tempo real.
Robôs com menor autonomia, como os veículos guiados automatizados (AGVs, na sigla em inglês), funcionam principalmente sob controle centralizado, em rotas predefinidas, para deslocamento e execução de tarefas. Existem ainda robôs móveis autônomos (AMRs), que têm sensores sofisticados que permitem planejar dinamicamente suas rotas.
Como as circunstâncias operacionais nos armazéns podem variar, devido à demanda do mercado, à disponibilidade de recursos e às prioridades do cliente, é crucial que cada gestor entenda como ativar e combinar os recursos disponíveis. Desenvolvemos um framework para ajudar esses gestores a equilibrar a capacidade humana e a autonomia do robô.
Mesmo os robôs criados para funções especializadas em armazéns têm agilidade limitada
Colaboração humanos-robôs (HRC) em armazéns
Mapeamento da colaboração humano-robô
Destrinchamos os tipos de colaboração entre máquinas e pessoas com base no nível de capacidade humana e no nível de autonomia dos robôs. Vejamos cada um deles com mais detalhes:
Robôs na liderança Eles podem dominar as operações quando a autonomia é alta e o trabalho humano se limita a garantir seu funcionamento adequado. Por exemplo, a empresa americana de logística DHL aplicou robôs dedicados para automatizar o processo de descarga em seus armazéns para algumas operações de logística de materiais de saúde, que normalmente têm prazos de entrega curtos.
Esses robôs podem detectar, pegar e colocar as cargas de maneira autônoma com desempenho confiável e intervenção humana mínima. Além disso, trabalham mais rápido que os humanos.
Da mesma forma, varejistas online de moda, como as alemãs Zalando e Lloyd, empregam robôs móveis em seus armazéns de calçados para automatizar o processo de separação. Em cada um desses cenários, os robôs aplicam seu alto nível de autonomia para executar tarefas com maior precisão e consistência do que os humanos, reduzindo a probabilidade de erros e aumentando a eficiência operacional.
Humanos na liderança Pessoas assumem o comando nas operações quando a autonomia do robô é baixa e a capacidade humana é essencial. Isso é comum em armazéns onde o julgamento humano, a destreza e as habilidades cognitivas são necessárias para lidar com tarefas que os robôs ainda não podem executar de maneira autônoma.
No entanto, os robôs continuam sendo úteis, pois aumentam a eficiência em tarefas repetitivas e rotineiras. Por exemplo, nos armazéns da varejista chinesa JD.com, os humanos selecionam a caixa mais adequada de uma variedade de formatos e tamanhos para embalar os pedidos com precisão e escolhem os materiais de enchimento apropriados para um envio seguro. Depois, braços robóticos auxiliam na vedação das caixas e na afixação de etiquetas. Essa tarefa é direta e não requer robôs de alta autonomia, mas estes aliviam as pessoas do trabalho braçal.
Por outro lado, a maioria das operações de valor agregado depende muito da capacidade humana, principalmente em setores como moda de luxo, onde pequenos detalhes podem afetar a reputação da marca e promover a confiança e a lealdade do consumidor a longo prazo. A Hermès, por exemplo, usa materiais de embalagem premium, como papel de seda e fitas, e envolve embaladores humanos para garantir que a apresentação do produto esteja alinhada com as expectativas de sua clientela de elite.
HRC elementar Em comparação com as situações de robôs ou humanos na liderança, os cenários colaborativos oferecem um meio-termo dinâmico que combina a velocidade da robótica com a flexibilidade humana. Atualmente, a HRC em armazéns está em seus estágios iniciais – sua aplicação mais notável é a separação colaborativa de pedidos.
O sucesso da Amazon Robotics difundiu os sistemas robóticos de atendimento móvel, que se tornaram populares no atendimento moderno de comércio eletrônico. Nesses sistemas, os veículos guiados automatizados (AGVs) transportam racks, enquanto pessoas são responsáveis por separar os itens do pedido em bases de trabalho estacionárias. Esse arranjo melhora a produtividade do armazém e é escalável, pois o número de robôs e racks em uso pode ser ajustado conforme necessário.
Recentemente, a HRC também ganhou força no processo de classificação. A chinesa Deppon Logistics implementou um sistema de classificação robótica em seus centros de distribuição para aumentar a capacidade de produção. Nessa configuração, os robôs recebem encomendas ou itens de humanos nas estações de trabalho e os transportam para locais de entrega designados para envio posterior. Isso significa que os robôs reduzem o esforço físico e as distâncias percorridas pelas pessoas, que, por sua vez, usam seus conhecimentos para gerir tarefas de maneira eficaz.
HRC avançada Enquanto a HRC elementar prioriza a produtividade e a escalabilidade, a HRC avançada busca melhorar eficiência, adaptabilidade e segurança aplicando tecnologias de IA. Isso é especialmente relevante para a separação de pedidos no comércio eletrônico, considerada a operação mais trabalhosa e demorada no armazém (e responsável por mais da metade dos custos de armazenamento).
Ao usar IA para otimizar o processo de alocação de pedidos, levando em consideração a ergonomia, os robôs podem ser programados para corresponder ao trabalho dos humanos (em termos de velocidade ou correções de erros, por exemplo), o que reduz o tempo de espera e melhora as taxas de utilização. Além disso, a coexistência de humanos e robôs no local de trabalho melhora a capacidade de adaptação do sistema para lidar com interrupções inesperadas, como impasses e desligamentos de robôs.
Com base no histórico operacional do armazém, a rede de robôs poderia usar a IA para gerar cenários prospectivos para ajudar a HRC avançada a lidar com a interrupção. Os avanços na tecnologia devem render mais robôs colaborativos (cobots) projetados com medidas de segurança como limite de força e controle de velocidade, promovendo um ambiente de trabalho mais seguro.
Importante: os robôs desempenham cada vez mais funções nos armazéns, mas os humanos continuam insubstituíveis
O papel da IA na HRC avançada
A IA promete ser uma ferramenta vital para apoiar a interação humano-robô, principalmente em seus níveis mais avançados. Ela pode melhorar a compreensão do contexto dos robôs e a comunicação entre máquinas e pessoas, personalizando o comportamento do robô de acordo com as necessidades humanas. Vejamos cada um desses fatores mais de perto.
Contextualização A IA aumenta a consciência contextual dos robôs no armazém e os ajuda a responder melhor ao ambiente físico. Por exemplo, os robôs móveis autônomos (AMRs) geralmente são implantados em zonas designadas de baixo tráfego para minimizar os riscos de colisão. Mas, com os avanços na visão computacional, estão surgindo robôs que podem detectar movimentos humanos com maior precisão.
Além disso, os sensores com suporte de IA podem ajudar os robôs a reconhecer necessidades especiais de manuseio, como mercadorias frágeis ou perecíveis, e ajustar sua velocidade e pressão durante o transporte. Esses avanços reduzem a necessidade de supervisão humana nas operações de rotina, permitindo que as pessoas se concentrem na gestão de exceções e na tomada de decisões complexas e de alto nível.
Durante os principais eventos de comércio eletrônico, como a Black Friday, a britânica Ocado, uma rede de supermercados online, usa modelos preditivos de demanda de IA que permitem que os robôs priorizem tarefas como reabastecer produtos de alta demanda e agilizar o atendimento de pedidos urgentes.
Comunicação A IA permite uma comunicação mais eficiente entre humanos e robôs. Quando se usam técnicas avançadas de processamento de linguagem natural, os trabalhadores não precisam de comandos complexos: eles podem enviar instruções de voz para robôs quando suas mãos estão ocupadas.
Além disso, os LLMs permitem interações multimodais, em que os humanos podem se comunicar com robôs usando imagens ou vídeos. Por exemplo, na gigante dinamarquesa de logística Maersk, os trabalhadores podem fazer upload de informações de vídeo para se comunicar com robôs, e uma interface LLM gera instruções detalhadas que as máquinas podem executar com precisão. Isso contribui para um fluxo sincronizado de operações, em que vários robôs coordenam tarefas internamente, reduzindo assim a complexidade da comunicação.
Customização A IA permite que os robôs adaptem seu comportamento a preferências e fluxos de trabalho de cada humano. Ao levar em conta fatores como fadiga, eles podem ajustar seu ritmo para corresponder ao pique das pessoas com as quais estão colaborando.
A alocação de tarefas orientada pelo deep learning pode melhorar a eficiência colaborativa nas operações do armazém. Nos centros de atendimento da Amazon, os movimentos dos robôs Kiva são otimizados com base na rapidez com que as pessoas podem escolher itens. Esse nível de adaptação garante o aproveitamento máximo da flexibilidade humana, enquanto as máquinas lidam com tarefas repetitivas ou pesadas.
A IA também facilita a transição entre diferentes funções para os humanos, à medida que o sistema se adapta às suas habilidades em evolução e fornece o suporte necessário. Por exemplo, separadores humanos qualificados que estão familiarizados com o layout do armazém e os fluxos de trabalho do robô podem fazer a transição para funções como técnicos, em que podem monitorar o desempenho da frota de robôs por meio de painéis, ou como gestores, que treinam novos funcionários para trabalhar com mais eficiência.
Desempenho de tarefas A IA melhora o desempenho nos armazéns, aprendendo com os dados operacionais e melhorando a execução das tarefas. Por exemplo, no processo de separação de pedidos, ela analisa dados históricos para determinar as rotas mais rápidas e precisas que os robôs devem seguir ao buscar itens, reduzindo o tempo a cada percurso.
Empresas de logística como as americanas DHL e Americold usam IA para prever picos de demanda e ajustar a capacidade operacional e as operações robotizadas em tempo real, minimizando o tempo de inatividade e garantindo um atendimento mais rápido dos pedidos.
A IA também aumenta a precisão da tarefa: por exemplo, robôs equipados com sistemas de visão de IA podem detectar defeitos de produtos ou erros de rotulagem antes que os pedidos sejam enviados. Isso permite que os robôs refinem seu desempenho enquanto alertam os supervisores humanos sobre quaisquer anormalidades que exijam intervenção manual.
Melhoria contínua A melhoria contínua orientada por IA permite que robôs e humanos aprimorem a colaboração analisando dados de desempenho e fazendo ajustes. Nos armazéns, os sistemas de IA podem monitorar KPIs, como precisão de pedidos, eficiência do robô e tempos de interação humano-robô e, em seguida, sugerir intervenções conforme necessário, como otimizar layouts para reduzir tempo de deslocamento, reatribuir tarefas com base nos pontos fortes humanos ou treinar operadores por meio de padrões repetitivos.
Por exemplo, no armazém inteligente do Alibaba, os robôs não apenas melhoram seus próprios fluxos de trabalho ao longo do tempo, mas também fornecem feedback aos humanos sobre como administrar o estoque com mais eficiência. Ao promover uma cultura de aprendizado contínuo, a IA ajuda humanos e robôs a cumprir melhor suas funções.
Desenvolvimento de recursos avançados de HRC
As empresas que buscam avançar em suas práticas de HRC devem se concentrar no progresso incremental, investindo em sistemas em que robôs e humanos possam assumir gradualmente funções mais sofisticadas. Por exemplo, aumentar a autonomia da máquina em tarefas repetitivas, como escolher e classificar, enquanto treina as pessoas para assumirem funções que exigem mais pensamento lógico, ajudará a criar uma força de trabalho mais confiável e eficiente.
A adoção da IA deve ser uma jornada contínua, não um investimento único. Além disso, o desenvolvimento de plataformas baseadas em IA que integram dados de várias fontes – incluindo robôs, trabalhadores humanos e parceiros da cadeia de fornecimento – pode aumentar a eficiência operacional e apoiar a tomada de decisões táticas e estratégicas.
Os robôs estão assumindo um número crescente de papéis nos armazéns, mas os humanos seguem insubstituíveis, especialmente nas tarefas focadas no cliente. Os gestores de armazém devem ter cautela ao buscar operações totalmente automatizadas, uma vez que os custos de substituição da flexibilidade humana podem ser significativos. Ao mesmo tempo, eles devem incentivar os trabalhadores do armazém a priorizarem o desenvolvimento de novas habilidades, como se tornar fluentes no uso de LLMs.
O papel dos humanos na HRC mudará da supervisão manual para a gestão estratégica e tratamento de exceções. À medida que a HRC avança, os stakeholders devem treinar e aprimorar a força de trabalho humana.
Essa visão centrada nas pessoas permite que elas colaborem com robôs em níveis avançados, garantindo que a integração da automação refine as capacidades humanas, e não as elimine. Investir em programas de treinamento que ajudam os trabalhadores nessa transição de tarefas operacionais de baixo nível para funções de gerenciamento e melhoria de fluxos de trabalho orientados por IA será crucial para o sucesso a longo prazo.
O FUTURO DAS OPERAÇÕES DAS EMPRESAS DEPENDE DE UM DELICADO EQUILÍBRIO entre a capacidade humana e a autonomia do robô, capacitado pela IA. Stakeholders que entendem essa dinâmica obterão vantagens competitivas significativas. Embora a jornada para a HRC avançada possa ser gradual, a chave está em reconhecer o papel da IA na melhoria de todas as etapas da colaboração. Assim, como vemos no caso de armazéns e centros de distribuição, é possível evoluir para ecossistemas altamente produtivos, onde humanos e robôs trabalham em harmonia.
Sobre a pesquisa
Os autores basearam-se em várias publicações e projetos de pesquisa conduzidos por ou em cooperação com o MIT Digital Supply Chain Lab, incluindo:
Estudos de operações de armazéns e aplicação de tecnologias realizados com empresas de logística, bens de consumo embalados e varejo.
Artigos acadêmicos e profissionais sobre aplicativos de machine learning e inteligência coletiva humano-IA.
4. B. Zou, R. De Koster, Y. Gong, et al., “Robotic Sorting Systems: Performance Estimation and Operating Policies Analysis,” Transportation Science 55, no. 6 (November-December 2021): 1430-1455, https://doi.org/10.1287/trsc.2021.1053.
Você leu o post?
Então faça login
e tenha acesso ao recurso de “Marcar como lido”.
Benedict Jun Ma e Maria Jesus Saenz
Benedict Jun Ma é associado de pós-doutorado no MIT Digital Supply Chain Lab. Maria Jesus Saenz é diretora do MIT Digital Supply Chain Lab e diretora executiva dos programas de mestrado em gerenciamento da cadeia de fornecimento do MIT.
