A maioria das empresas brasileiras ainda está na fase do experimento
Criam um piloto aqui, testam uma ferramenta ali, produzem um case interno para apresentar em reunião de diretoria. O problema é que experimento não paga conta. E a pressão por resultado concreto em IA nunca foi tão alta quanto agora.
O Grupo Boticário está resolvendo essa equação de um jeito que merece atenção. Não porque é o maior grupo de beleza do país, mas porque a abordagem deles ilustra com clareza o que separa as empresas que capturam ROI das que ficam presas no ciclo do hype.
A distinção que poucos fazem
Quando executivos falam em IA hoje, a conversa costuma misturar duas coisas muito diferentes. De um lado, a IA generativa, que entrega ganhos de produtividade em marketing, atendimento, criação de conteúdo e rotinas de equipe. É real, é útil, mas o impacto tende a ser incremental. Do outro lado, a IA preditiva, que age sobre as engrenagens do negócio, e é aí que os ponteiros se movem de verdade.
Essa distinção não é semântica. É estratégica. Empresas que não a fazem correm o risco de investir na camada errada e concluir, equivocadamente, que IA não funciona para o seu negócio.
Supply chain como campo de batalha
Um dos casos mais reveladores do Grupo Boticário está na previsão de demanda. À primeira vista, parece um problema técnico de logística. Na prática, é um problema que toca receita, capital de giro e experiência do consumidor ao mesmo tempo.
Quanto melhor uma empresa parametriza a demanda, mais o processo de abastecimento, produção e distribuição se otimiza em cascata. Reduz ruptura de venda. Melhora a disponibilidade do produto na gôndola. Diminui a necessidade de carregar capital imobilizado em estoque. E, talvez mais importante, elimina a solução preguiçosa que muitas empresas adotam para esconder ineficiências: simplesmente jogar mais estoque no sistema.
Estoque não é buffer de dados. É capital parado. E modelos preditivos bem calibrados atacam o problema na raiz, não no sintoma.
Aqui, o argumento de entidades como a Associação Brasileira de Ciência de Dados e IA ganha peso: a maturidade em dados é pré-condição para que IA gere valor estrutural, não apenas automação pontual.
Inovação de produto com previsibilidade
Outro número que contextualiza a urgência: cerca de 30% do GMV do Grupo Boticário vem de produtos lançados há menos de um ano. Em um negócio com esse perfil, velocidade de ciclo não é vantagem competitiva, é sobrevivência.
Cada novo item precisa passar por baterias de testes de performance, segurança e qualidade antes de chegar ao mercado. Aplicar modelos preditivos nesse processo significa encurtar o tempo de ciclo, reduzir custo e diminuir a complexidade operacional sem abrir mão dos padrões técnicos que o negócio exige.
É um exemplo que mostra como a IA preditiva pode atuar em frentes que não são as primeiras que vêm à cabeça quando o assunto é tecnologia, mas que têm impacto direto em inovação, receita e competitividade.
O que separa aplicações reais de pilotos eternos
As duas aplicações descritas acima têm um denominador comum: foram desenvolvidas internamente pelo time de Tech do Grupo Boticário. Isso não é detalhe.
Desenvolvimento proprietário significa que o modelo está ajustado à realidade dos dados da empresa, não a um benchmark genérico de mercado. Significa que o time entende o que está rodando, consegue iterar, corrigir e escalar. E significa que o conhecimento fica dentro de casa, e não dependente de um fornecedor externo que pode mudar preço, descontinuar produto ou simplesmente não entender o contexto do negócio.
Para quem está estruturando uma estratégia de IA com foco em resultado, ferramentas como a plataforma de IA para desenvolvimento da Replitfy ou uma consultoria de tecnologia com visão de CTO as a Service podem ser o caminho para construir essa capacidade interna com mais velocidade e menos risco.
O que as empresas precisam mudar
O Grupo Boticário não chegou a esse estágio por acaso. Chegou porque tomou algumas decisões que a maioria das empresas ainda adia: separou claramente o que é produtividade do que é transformação estrutural, investiu em dados antes de investir em modelos, e construiu capacidade interna em vez de terceirizar o entendimento.
A pergunta que fica para qualquer executivo que está navegando essa transição é direta: sua empresa está usando IA para parecer moderna ou para mudar o resultado?
A diferença entre as duas respostas é exatamente onde o ROI aparece, ou some.
Para quem quer aprofundar o tema na prática, vale assinar a newsletter gratuita sobre Vibe Coding, que cobre semanalmente o avanço da IA aplicada ao desenvolvimento e aos negócios.
