Ambev opta por fazer tecnologia e analytics dentro de casa

Otimizar a roteirização dos caminhões não é algo novo na Ambev, companhia que, desde os anos 1990, tem produtos de ciências de dados. Mas, mediante à jornada de transformação digital, que a gigante de bebidas iniciou em 2015, analytics ganhou mais peso a partir de 2018. “Vimos que fazia sentido desenvolver soluções dentro da companhia”, explicou Gabriela Madia Marques, gerente de analytics de logística da Ambev Tech. Com cerca de 2 mil colaboradores, a Ambev Tech atende a todas as demais áreas da Ambev, produzindo e fornecendo a tecnologia para a companhia.

Em 2019, se deu a construção do data lake com objetivo de, tendo um repositório único, conseguir construir mais modelos preditivos e, assim, aumentar o diferencial competitivo no mercado. “Quando a gente começa a trazer informação para um local único e mais confiável, precisamos atacar o que dói, entender o que é necessário, o que vamos validar. Nem tudo tem de se transformar em solução de IA”, ponderou a executiva, acrescendo que muitos dos dashboards viram tomada de decisão.

Os desenvolvimentos internos de IA datam de 2019, quando a Ambev Tech começou a Ambev Tech começou a responder a algumas perguntas mais prescritivas. “A partir do momento que começamos a ter informações confiáveis e disponíveis, os times de negócios e de tecnologia começaram a ter questões e a testar hipóteses”, detalhou.

A área de analytics tem uma capilaridade muito alta dentro da companhia, estando em quase todas as áreas de negócios. “É preciso entender a dor, saber como resolver e começar a trabalhar no discovery e exploratório para desenvolver as soluções de IA preditivas e prestativas”, explicou.

Com esse fundamento, a Ambev Tech desenvolveu, por exemplo, sistemas de recomendação de produtos para os pontos de vendas que levam em conta a previsão de demanda por produto — quanto cada fábrica vai produzir. Além disso, um algoritmo define o melhor dia para se visitar o ponto de venda e a otimização dos caminhões aponta quais produtos levar para quais rotas. Há soluções ainda aplicadas para fazer a previsão do custo da cevada no mercado de commodities e, no financeiro, para score dos pontos de vendas e previsão do risco de inadimplência.

Tecnologia muda o negócio, mas pessoas são estratégicas

Em logística, o primeiro modelo de machine learning foi entender e prever o tempo de rota dos produtos para chegar aos pontos de venda, para prever o tempo de entrega. Quando implantado, a solução era, à época, muito importante, porque, quanto menor dispersão, melhor. Era o início da pandemia da Covid-19 e foi definido que dentro do caminhão não poderia ter mais de duas pessoas — antes, a média era de três.

“Quando testamos o modelo e ele teve resultados positivos para a operação, começamos a redefinir os colaboradores para as rotas. Ajudamos a operação a não capotar na Covid”, ressaltou. A Ambev atua no off trade (supermercados, hipermercados, mercearias, açougues, quiosques e lojas de varejo em geral) e on trade (pontos de venda nos quais o consumidor consome na hora, como bares, restaurantes, cafés, padarias, casas noturnas, hotéis etc.”

Gabriela Marques disse que, com mais de 1 milhão de pontos de vendas no Brasil, avaliar o tempo de rota e entregar na ordem fazem a diferença. “A gente tem rotas definidas, então, quando a gente entende a quantidade de pedidos daquele dia que caem naquela rota, precisamos avaliar quantos caminhões precisamos. Cada vez que predizemos, minimizamos as dispersões e construímos melhores rotas. Isso contribui para melhorar os resultados”, explicou. 

Questionada sobre quais das iniciativas têm maior impacto nos negócios e por que, Gabriela Madia Marques disse que todos os exemplos transformam muito a cadeia e ressaltou que a IA sozinha ou uma solução isolada não transformam 100%. São necessários também processos bem-definidos e dados ricos.

O caminho é na direção de produtos preditivos que tomem decisão sem interferência humana. Áreas como de supply chain, logística e vendas já têm alguns produtos de tecnologia que chegam à essa maturidade, disse Marques, citando o processo, produção e recomendações de SKUs (sigla que significa stock keeping unit ou unidade de manutenção de estoque, em português), de produtos para ponto de venda, da otimização de caminhão (com apontamentos de riscos de parada, de segurança do motorista) e de estoque de insumo. 

A transformação é um caminho e, para ser data-driven, é a cultura que fará a diferença. “A companhia passou por uma mudança cultural; é uma companhia que olha sempre à frente e entende que tem de estar à frente. A parte principal foi mudar a cultura: o que fazer e o que vamos deixar de fazer. Está muito voltado à estratégia da companhia”, disse a gerente.

Fazendo um balanço do futuro da inteligência artificial aplicada aos negócios, Gabriela Madia Marques ponderou que existem alguns processos e soluções cujo uso de IA é natural, mas não será para tudo, ainda que haverá uma adaptação das soluções para incorporar algoritmo e machine learning. “Sempre vamos depender das pessoas. Muitas vezes, os algoritmos podem ter viés e nos processos precisamos ter pessoas para isso e para suportar a tomada de decisão”, avaliou.