Toda sexta à tarde, em uma empresa de médio porte, alguém abre um Excel para consolidar os números que vão para o relatório de segunda. Em uma multinacional do mesmo setor, a mesma operação acontece com ERP, Power BI e processo estruturado, com time menor, em menos tempo e com menos erros. Esse gap sempre existiu, e por décadas a explicação foi simples: a multinacional tem porte para investir em SAP ou Oracle, consultoria de implementação e time de TI dedicado, em patamar que empresa de médio porte raramente comporta no orçamento.
O que mudou é o custo de montar essa estrutura. Ferramentas de IA agêntica e workflows automatizados sobre ERP permitem chegar à mesma capacidade analítica em semanas, com investimento na casa de centenas de milhares de reais em vez de milhões. O processo passa de consolidação manual para orquestração de fluxo, com supervisão humana sobre exceções. A automação ponta a ponta ainda não é o padrão, mas deixou de ser o requisito para ganhar capacidade analítica equivalente.
O que o dado mostra
De acordo com o Supply Chain Technology User Survey do Gartner de 2025, 67% das grandes empresas já automatizaram ao menos parte das operações de Supply Chain. Nas empresas médias brasileiras, a proporção é significativamente menor, com custo de implementação como barreira histórica. A diferença está na equação de investimento que, até recentemente, nunca favoreceu o porte médio.
Esse cenário está mudando por uma razão estrutural: o custo de criação de camadas de orquestração sobre sistemas existentes caiu. Em vez de substituir o ERP, a empresa média pode construir uma camada agêntica sobre ele, com workflows que leem dados, tomam decisões parametrizadas, disparam aprovações e consolidam informações sem intervenção humana em cada passo. O que antes exigia um projeto de 18 meses e equipe dedicada, hoje é prototipável em semanas.
O que muda na prática
Em operações de Supply Chain onde esse tipo de estrutura foi implementada, o padrão observado é consistente: a pessoa que passava a tarde de sexta consolidando planilhas passa a supervisionar exceções que o sistema não conseguiu resolver automaticamente. O volume de trabalho manual diminui, mas o perfil muda de execução repetitiva para julgamento sobre casos fora do padrão.
Esse deslocamento tem implicação direta sobre produtividade e sobre o tipo de profissional que a operação precisa. Segundo relatório da McKinsey de 2024 sobre aplicações de Gen AI em manufatura e supply chain, a tecnologia tem potencial de liberar valor ao longo da cadeia, com maior impacto em planejamento, execução de compras e consolidação de dados operacionais. O ganho está em realocar capacidade analítica para onde ela cria valor, não em reduzir headcount.
O limite honesto
Implementar uma camada agêntica sobre um ERP é diferente de transformar a operação. O primeiro resultado visível é redução de trabalho manual em processos específicos e bem definidos: reconciliação de notas fiscais, follow-up de fornecedores, alertas de estoque abaixo de parâmetro. A transformação mais ampla, de como a operação toma decisões, acontece depois e depende de como o tempo liberado é reinvestido.
Há um risco real de agent sprawl: múltiplos fluxos automatizados criados sem governança, com permissões mal escopadas, que se tornam mais difíceis de manter do que o processo manual que substituíram. O princípio que reduz esse risco é começar por um processo com critério claro, com alta frequência, dados minimamente organizados e regra de decisão bem definida, medir por 30 dias e escalar apenas o que prova valor mensurável.
Implicação para gestores
O diretor de operações de empresa média já tem a adoção de IA agêntica em Supply Chain como dado entre seus concorrentes. A pergunta operacional é qual processo endereçar primeiro e com qual critério escalar.
Quem construir essa camada agora chega à próxima crise com uma estrutura que o concorrente ainda não tem. A vantagem competitiva passou a estar na qualidade da camada de decisão sobre processos já existentes, não no porte do sistema subjacente.