A indústria de distribuição de alimentos movimenta trilhões de dólares em mercadorias todos os anos e ainda funciona em grande parte com planilhas, telefonemas e papel. Uma nova geração de startups nativas de IA aposta que o custo dessa ineficiência finalmente se tornou alto demais para ser ignorado.
A Anchr, uma plataforma de agentes de IA criada para distribuidores atacadistas de alimentos, levantou uma nova rodada de financiamento para ampliar sua presença em um setor no qual operadores frequentemente trabalham com margens líquidas de apenas 3%.
A empresa sediada em Nova York, fundada por amigos de infância Tzar Taraporvala e Smayan Mehra, enfrenta um problema que não está dentro dos sistemas ERP nos quais a maioria dos distribuidores confia, mas no trabalho manual e desorganizado que acontece ao redor deles. A empresa faz parte da turma do acelerador Speedrun da a16z.
O momento é importante. Entre pressões tarifárias, escassez de mão de obra e compressão persistente de margens, os distribuidores de alimentos estão sendo pressionados por todos os lados. O argumento para investir em software de eficiência operacional tornou-se existencial.
Onde o trabalho realmente acontece
Os sistemas de planejamento de recursos empresariais (ERP) servem como a espinha dorsal da distribuição atacadista há décadas. Porém, como descreve Taraporvala, “o ERP sempre foi um livro contábil, criado para registrar transações, não para executar o trabalho”.
O trabalho operacional real do negócio, desde redigir pedidos de compra até coordenar pagamentos a fornecedores e gerenciar inventário de entrada, sempre aconteceu em outro lugar: em cadeias de e-mails, em abas de planilhas e no conhecimento institucional de funcionários que passaram anos memorizando o que o software nunca aprendeu.
Um dos primeiros clientes da Anchr, um distribuidor de frutos do mar sediado em Boston com cerca de US$ 150 milhões (R$ 750 milhões na cotação atual) em receita anual, tinha uma equipe de vendedores que chegava às 3h da manhã todos os dias e passava quase 40% do dia inserindo dados manualmente.
“O trabalho que realmente acontece em todos esses distribuidores atacadistas ocorre entre o momento em que um pedido de venda é criado e o momento em que a fatura é registrada”, disse Mehra. “Todo esse trabalho não acontece no ERP. Acontece em e-mails, em planilhas, às vezes até em pedaços de papel.”
A abordagem da Anchr envolve a implantação de agentes de IA que se conectam aos sistemas existentes, incluindo ERP, CRM e canais de comunicação, para automatizar esse trabalho intermediário. A proposta para os operadores é direta: expandir o negócio sem aumentar o número de funcionários. Para um distribuidor com margens apertadas, essa conta é atraente.
O problema de dados que trava o setor
A Anchr não está sozinha ao identificar essa oportunidade. Em toda a cadeia de suprimentos de alimentos, um conjunto mais amplo de empresas de infraestrutura trabalha para estabelecer a base de dados da qual as ferramentas de IA dependem.
Wiggs Civitillo, CEO e fundador da Starfish, uma rede de rastreabilidade da cadeia de suprimentos que ajuda empresas de alimentos a compartilhar dados entre parceiros, afirma que o gargalo está menos na capacidade da IA e mais no acesso aos dados.
“A maior barreira para a IA nas cadeias de suprimentos de alimentos não são os modelos, é o acesso a dados consistentes entre parceiros comerciais”, disse Civitillo.
“A maioria das cadeias de suprimentos ainda está fragmentada em milhares de sistemas, o que limita o que a IA realmente consegue enxergar.”
Civitillo aponta para uma mudança que já ocorre entre operadores mais avançados: a IA deixa de apenas gerar relatórios e passa a participar de decisões operacionais ativas, sinalizando automaticamente riscos de fornecedores, ajustando planos de compras e redirecionando estoques em resposta a condições em tempo real.
Ele observa que as empresas que conseguem implantar IA com mais sucesso são aquelas que primeiro investem em interoperabilidade de dados, garantindo que as informações possam circular entre parceiros de forma padronizada antes de esperar que a IA extraia conclusões relevantes.
Em um setor no qual até pequenas melhorias na previsão de demanda se traduzem diretamente em menos desperdício e custos mais baixos, o ganho financeiro potencial é significativo. Porém, a oportunidade vai além do back office. No nível da prateleira, a IA física começa a fechar o ciclo entre o que os distribuidores enviam e o que os varejistas realmente colocam à venda.
Um olhar para o que vem a seguir
Implantar novas ferramentas sem compreender primeiro as operações atuais também representa um risco. Irina Kukuyeva, PhD, líder em operações de negócios e IA que orienta mais de 100 startups por ano em aceleradoras nos Estados Unidos e no mundo, é direta sobre esse ponto:
“Otimização sem uma linha de base é apenas adivinhação cara. Pare de adivinhar e comece a auditar. Mapeie o estado atual: defina as etapas, cronometre as transições e some os custos. Isso não é apenas um mapa; é o grupo de controle para os testes A/B que realmente geram resultado.”
A questão, à medida que a atual onda de investimentos em infraestrutura de IA acelera, é quais operadores farão essa auditoria primeiro e quais continuarão passando outra década digitando números manualmente às 3h da manhã.
Reportagem publicada originalmente em forbes.com
