Por que Implementações de Tecnologia Logística Falham — e Como Superá-las

A adoção por provedores logísticos de tecnologia moderna é um caso de aplicar soluções digitais a um mundo analógico.

Por sua natureza, logística é intensamente física: caminhões, reboques, navios, trens e armazéns. Não há nada "virtual" sobre isso — a única coisa que opera "na nuvem" é um avião — ainda provedores correm para abraçar sistemas consistindo apenas de bits e bytes.

O impulso é compreensível. Na era da internet das coisas, automação é chave para lidar com o fluxo implacável de dados, tudo voltado a satisfazer demandas crescentes de clientes por entregas rápidas e precisas. Para esse fim, avanços como machine learning e inteligência artificial tornam possível um grau de tomada de decisão "inteligente" muito além do alcance de gestores de carne e osso.

Tecnologia para logística faz todo sentido. Então por que tantas implementações falham em entregar sua promessa?

Ali Hasan Raza vem do mundo físico. Começou em operações, incluindo caminhões de 18 rodas. Uma década ou mais em sua carreira, começou a migrar para tecnologia, incluindo sistemas de rastreamento e monitoramento de movimento de caminhões. Hoje é co-fundador e CEO da ThroughPut Inc., fornecedora de software que usa IA para ajudar aliviar gargalos operacionais.

Como líder de uma empresa de tecnologia, Raza vê o valor da automação para provedores logísticos. Mas também está agudamente ciente do desconexão que acompanha sua implementação no mundo real. Simplificando, diz ele, a natureza e valor de tecnologias digitais "dependem de quem é o usuário final." Caminhoneiros buscam soluções baseadas em pontos que abordam operações diárias. Corretores são atraídos por marketplaces eletrônicos que ligam embarcadores a provedores de serviços físicos. Grandes varejistas como Walmart Inc. e Amazon.com Inc. favorecem sistemas que permitem fluxo de suprimento ponta a ponta.

Então, enquanto a palavra "digital" é abrangente, também pode ser maddeningly vaga, descrevendo uma ampla gama de "soluções" para usuários agrupados sob o termo igualmente nebuloso "logística".

Grandes sistemas orientados a enterprise começam com uma série de suposições-chave, nota Raza. São desenhados para modelar o mundo real, incluindo lead times esperados, capacidade de veículos, requisitos de embalagem, equipamentos de manuseio de materiais e mix de produtos. Mas sistemas de planejamento baseados digitalmente são mais confortáveis trabalhando com estado estacionário, em vez de modelo transitório. E o mundo da logística é decididamente transitório.

"Se você trabalha em logística e supply chain, todo dia muda", diz Raza. "Você não tem lead times e capacidade fixos. Gargalos estão sempre mudando, especialmente durante a COVID-19, onde armazéns e fábricas fecham, exigindo mudanças completas de otimização de rotas."

Em ambiente caótico, mesmo os sistemas mais cuidadosamente pensados acabam não refletindo o fluxo real de operações. "Por isso vemos essas transformações digitais falhando", diz Raza. "A única forma de construir algo é fazer suposições. Como na matemática, você começa com equações básicas. Mas quanto menos suposições você faz, mais liberdade você tem."

IA e machine learning não foram desenhados expressamente para lidar com tal incerteza? Raza concorda que IA pode ser empregada para detectar demanda real e mix de produtos, e planejar de trás para frente a partir disso. "Pode fornecer recomendações em tempo real", diz ele, "mas alguém ainda tem que executá-las." É quando as realidades do momento ameaçam invadir os planos mais bem traçados de uma máquina "inteligente".

Automação total de uma operação logística é rara em qualquer caso, restrita a armazéns "lights-out" manipulando produtos altamente especializados. Tal configuração convida a possibilidade do efeito chicote, onde pequenos erros de cálculo não corrigidos ao longo da supply chain podem escalar e resultar em falhas de serviço desastrosas downstream.

A ironia da tecnologia é que seu sucesso dentro de uma organização depende, na análise final, de humanos. O problema, diz Raza, é frequentemente um de cultura corporativa.

"Tecnologia só pode fazer o que você já está fazendo ir mais rápido", diz ele. "Se você não tem uma cultura data-driven para começar, e nunca fez nada com seus dados, não vai agregar valor algum."

Treinamento — de pessoas, não máquinas — é de igual importância. Qualquer organização que busque arrancar processos antigos sem escolar adequadamente a equipe no novo está fadada a ver sua iniciativa tecnológica cara falhar. Executivos topo, enquanto isso, precisam ser realistas sobre seu retorno sobre investimento, mesmo enquanto enfrentam pressão de investidores para mostrar lucros trimestrais crescentes. Em tal cenário, a adoção de ofertas software-as-a-service pode ajudar a aliviar custos iniciais.

Não há questão de que o mundo físico da logística precisa de capacidades virtuais, na forma de sistemas automatizados e preditivos, para obter o máximo de seu substancial investimento de capital. Mas a forma como essas "soluções" são aplicadas pode ditar a diferença entre sucesso e falha. Como Raza coloca: "Tecnologia é um habilitador — não uma solução."