Claude for Supply Chain Onde usar e onde não
A promessa é enorme e a base instalada é quase zero. Entre uma coisa e outra existe um trabalho concreto, disponível hoje, que quase ninguém está fazendo. Este texto separa o que já funciona do que ainda não funciona, e diz em que ferramenta cada parte acontece.
A Gartner projeta que o software de gestão de cadeia de suprimentos com capacidade agêntica saia de menos de US$ 2 bilhões em 2025 para US$ 53 bilhões em 2030 (Forecast: SCM Software With Agentic AI, Worldwide, abril de 2026). Do outro lado da conta, o relatório The GenAI Divide, do projeto NANDA no MIT (2025), observou que cerca de 5% dos pilotos de IA generativa aceleram receita. A causa apontada é lacuna de aprendizado e integração malfeita, não a qualidade dos modelos.
Duas barras comparam o gasto mundial com software de cadeia de suprimentos com capacidade agêntica: menos de dois bilhões de dólares em 2025 e cinquenta e três bilhões em 2030, cerca de vinte e seis vezes mais. Ao lado, o dado do MIT: cerca de cinco por cento dos pilotos de IA generativa aceleram receita.
Gasto mundial em SCM com capacidade agêntica
- 2025US$ <2 biBase atual
- 2030US$ 53 biProjeção
26×Em cinco anos
Gartner, abril de 2026
5%
dos pilotos de IA generativa aceleram receita
A maioria estaciona sem impacto no resultado. A causa apontada é lacuna de aprendizado e integração malfeita, não a qualidade dos modelos.
MIT NANDA, The GenAI Divide, 2025
Muito dinheiro chegando, quase nada funcionando ainda. A distância entre as duas leituras é onde este artigo trabalha.
O motor calcula, o modelo interpreta.
É uma regra única e ela decide quase todas as perguntas deste artigo. Onde o resultado precisa ser exato, reprodutível e auditável, quem responde é um motor determinístico. Onde o trabalho é entender contexto, priorizar, explicar e coordenar, quem responde é o modelo de linguagem.
A evidência sobre o limite do modelo é consistente e vale citar sem inflar. Em programação combinatória descrita em linguagem natural, modelos de fronteira e de peso aberto falham em larga medida, e a resposta muda quando a mesma instância é reescrita com outras palavras (SCHEDBench, arXiv 2608.00991). Como solucionadores de otimização, modelos de propósito geral em geral não chegam a uma solução viável, e quando chegam a lacuna de otimalidade é substancial (arXiv 2509.16865). Em planejamento de múltiplos passos a leitura é a mesma, e a recomendação da literatura é delegar o planejamento a módulos externos (PlanBench, 2023).
O argumento mais forte, porém, não vem de benchmark. Vem de reprodutibilidade e auditoria. O mesmo insumo tem que devolver o mesmo número, todas as vezes, e alguém tem que conseguir reconstruir de onde aquele número veio meses depois, diante de um auditor ou de uma reunião de resultado.
A separação abaixo é a aplicação direta dessa regra ao trabalho de planejamento.
Duas colunas. À esquerda, o que o motor calcula: previsão estatística, estoque de segurança, capacidade finita, sequenciamento e MRP com netting e pegging. À direita, o que o modelo interpreta: contexto não estruturado, triagem de exceção, explicação do plano, narrativa e orquestração de rotina.
- Previsão estatística
- Estoque de segurança
- Capacidade finita
- Sequenciamento
- MRP com netting e pegging
- Contexto não estruturado
- Triagem de exceção
- Explicação do plano
- Narrativa
- Orquestração de rotina
A coluna da esquerda exige determinismo. A da direita exige julgamento sobre texto, contexto e prioridade. Misturar as duas é a origem da maior parte dos projetos que não saem do piloto.
Do e-mail ao agente autônomo.
Cinco degraus, em ordem de maturidade. Os três primeiros cabem no trabalho de um planejador em uma semana comum. Os dois últimos pedem arquitetura, integração e regra de decisão escrita antes de qualquer automação.
Cinco cards numerados, do nível um ao cinco: conversar, padronizar, materializar, construir e agente autônomo. Cada card traz um ícone, a etiqueta do que produz (prompt, skill, artefato, workflow e agente), um exemplo e um marcador em uma régua que vai de hoje até a fronteira. Os três primeiros níveis estão agrupados como sem TI.
Nenhum nível selecionado. Os três primeiros não dependem de TI.
Nível 01
Conversar
É o degrau de entrada e ele resolve mais do que parece. A lista de exceções do MRP vira um e-mail ao fornecedor pedindo antecipação, com o impacto escrito na linguagem do cliente e não na do sistema. Um texto já pronto passa por revisão de clareza e de gramática antes de sair. A gravação do S&OP vira uma ata separada em decisão, premissa e dono, que é o formato que sobrevive à reunião seguinte.
A piora do MAPE vira uma lista de hipóteses a testar. A preparação da reunião de consenso vira um levantamento das objeções que o comercial vai trazer, escrito antes de entrar na sala. E um tema que o time ainda não domina, uma política de estoque que a empresa nunca usou ou uma norma que passou a valer, vira um resumo do que se sabe, com as perguntas que ficaram em aberto.
Erro típico
Pedir o número. O modelo responde, a resposta parece boa e ninguém consegue refazer a conta depois.
Nível 02
Padronizar
O que funcionou uma vez precisa funcionar toda semana, do mesmo jeito. Um prompt salvo faz a crítica do forecast do comercial contra o baseline estatístico e devolve sempre o mesmo formato. Um playbook por domínio registra a fórmula de referência, os erros comuns e a fronteira entre o que é cálculo e o que é linguagem. Empacotado como skill, esse playbook passa a ser do time e não da pessoa que o escreveu.
Aqui entra uma evidência que muda o desenho do processo. Fildes, Goodwin, Lawrence e Nikolopoulos (International Journal of Forecasting, 2009) mediram o ajuste judicial de previsões por SKU e encontraram empresas em que ele chega a 80% das previsões. Os ajustes para cima melhoram a acurácia com menos frequência que os ajustes para baixo, e são feitos na direção errada mais vezes, o que sugere viés de otimismo.
Conclusão prática
Ajuste positivo exige justificativa escrita, com autor e data. O formato padronizado é o que torna essa exigência sustentável.
Nível 03
Materializar
Neste degrau o resultado deixa de ser texto e vira artefato. De uma vez: o histórico de demanda vira uma página compartilhável, com o gráfico, o padrão que apareceu e a saída de um modelo preditivo, sem entrar na fila do BI. Reutilizável: um simulador de política em que o planejador move o nível de serviço e vê capital e ruptura se moverem juntos; um visualizador de carga-máquina que aceita o arquivo exportado do APS; um comparador de dois cenários de plano mestre.
A diferença para o BI é o tempo verbal. O BI mostra o que aconteceu. O artefato deixa perguntar o que acontece se.
Nuance obrigatória
O artefato pode calcular, desde que a fórmula esteja em código determinístico e revisável. Quem calcula é o código, não o modelo a cada execução.
Nível 04
Construir
O que se constrói neste degrau é automação, e automação é software determinístico. Chega uma mensagem do fornecedor, por e-mail ou por WhatsApp. Um passo de IA lê aquele texto solto e extrai a ordem e a data confirmada. Daí em diante é regra: confere contra a carteira, calcula o desvio, verifica se ele passa do limiar e dispara a notificação para quem precisa agir. De cinco ou seis passos, um ou dois usam o modelo.
É essa proporção que sustenta o resultado. Os passos determinísticos podem ser testados, repetidos e auditados linha a linha, e o passo de IA fica confinado ao que ele faz melhor, que é transformar texto solto em campo estruturado. A ordem também importa. Primeiro o fluxo só lê, conectado ao APS e ao ERP, e a resposta deixa de depender de um arquivo que alguém baixou ontem. Escrever de volta vem depois e com coleira: criar cenário e ajustar parâmetro, sim; alterar o plano oficial sem aprovação registrada, não.
É também aqui que entra o desenvolvimento propriamente dito, que é onde o modelo entrega mais: construir a plataforma, cobrir o motor de cálculo com teste automatizado, migrar uma tela de relatório para uma aplicação de verdade.
Condição
O passo de IA tem a saída validada pelo passo seguinte antes de virar ação, e toda escrita em sistema transacional precisa de aprovação registrada e log. Sem isso, o ganho de velocidade vira risco de integridade.
Nível 05
Agente autônomo
Aqui o modelo deixa de responder quando é chamado e passa a rodar sozinho, decidindo o que merece atenção. Um agente lê a caixa de entrada dos fornecedores, extrai a data confirmada, compara com a data da ordem e abre exceção só onde as duas divergem. Uma triagem percorre as exceções do MRP, ordena por impacto e entrega doze em vez de quatrocentas. Uma rotina de S&OE detecta o desvio, monta a narrativa e propõe o encaminhamento, com um humano aprovando antes de qualquer efeito.
O pré-requisito é a parte que todo mundo pula. A Gartner posiciona decision-centric planning, autonomous planning e agentic AI no Hype Cycle for Supply Chain Planning Technologies de 2026 e argumenta que não se automatiza uma decisão que não foi definida. A maioria dos roteiros está invertida: dá orçamento a agentes antes de escrever quem decide o quê e em que limiar.
Pré-requisito
Autoridade, limiar e log escritos antes do agente. O humano no circuito é a regra, não a exceção: o agente decide o que levantar e o que propor, a aprovação do efeito continua sendo de uma pessoa com nome.
A superfície certa é a que já é o ambiente de trabalho da pessoa.
O erro mais comum é tirar o planejador do Excel para levá-lo ao chat. O trabalho de planejamento já tem um lugar onde acontece, e a ferramenta rende mais quando entra nesse lugar em vez de criar outro.
Bloco 1
Onde o analista já trabalha
O chat resolve redação, ata, hipótese e preparação de reunião, que são os níveis 1 e 2 inteiros.
O Claude for Excel é o mais subestimado da lista, porque a planilha é o ambiente real de planejamento na maioria das empresas. Ele faz a crítica do forecast na própria aba, a segmentação ABC/XYZ, a auditoria de parâmetros de item e a checagem de consistência entre lead time e lote mínimo. Sempre com o modelo escrevendo a fórmula e a fórmula calculando. Cobre dos níveis 1 ao 3.
O Claude for PowerPoint entrega o pacote de S&OP e a devolutiva sempre na mesma estrutura. É a skill do nível 2 virando o deck de segunda-feira.
Bloco 2
Quando o trabalho atravessa arquivos e sistemas
Claude Desktop e Cowork são a ponte para automação sem programação. O Desktop transforma a conversa em artefato e em rotina agendada; o Cowork manipula arquivo e conector. Extrair o relatório do ERP, cruzar com a planilha de cobertura, montar o pacote de exceções e deixar o rascunho dos e-mails pronto para revisão. É o nível 5 sem código, com aprovação humana no fim, e é até onde um planejador chega sozinho.
É daí que saem também os artefatos do nível 3: o simulador de política, o visualizador de carga e o comparador de cenário nascem nessa superfície e depois podem ser publicados como página.
O MCP é a peça que deixa o Claude pilotar as outras ferramentas da empresa, como o NPLAN. Ele é infraestrutura, mas quem colhe o resultado é o planejador, que passa a acionar o sistema de planejamento sem sair de onde já trabalha.
Bloco 3
Quem constrói
Claude Code é a superfície de plataforma, motor, integração e BI virando aplicação. Nível 4, com TI e produto.
Claude API e Agent SDK sustentam workflow e agente em produção, nos níveis 4 e 5.
Claude Design tem pouca aplicabilidade específica aqui: serve à comunicação do planejamento e não ao planejamento.
Os níveis 1 a 3 cabem inteiros nos blocos 1 e 2, que não exigem TI. Só os níveis 4 e 5 precisam do bloco 3.
Matriz com as superfícies do Claude nas linhas, cada uma com seu ícone, um exemplo de uso e a exigência de quem opera. As linhas vão da exigência mais baixa para a mais alta. Uma faixa superior separa as superfícies que o planejador usa sozinho das que exigem engenharia.
Claude (chat)
Redação, ata e preparação de reunião
Básico
Claude for PowerPoint
Pacote de S&OP sempre na mesma estrutura
Básico
Claude for Excel
Crítica de forecast e auditoria de parâmetro na própria aba
Intermediário
Claude Desktop
Simulador de política como artefato, em rotina agendada
Intermediário
Cowork
Cruza arquivos e conectores para montar o pacote de exceções
Intermediário
MCP
Pilota outras ferramentas pelo Claude, como o NPLAN
Intermediário
Claude Code
Plataforma, motor e BI virando aplicação
Avançado
Claude API e Agent SDK
Workflow e agente em produção
Avançado
Claude Design fica fora da matriz de propósito: serve à comunicação do planejamento e não ao planejamento.
Seis coisas que o modelo não deve fazer.
A lista é curta de propósito. Cada item tem uma razão de uma linha, e as seis razões saem da mesma regra: o motor calcula, o modelo interpreta.
Seis cards de restrição: rodar previsão estatística no chat, calcular estoque de segurança ou cobertura, resolver capacidade finita e sequenciamento, rodar MRP, deixar o modelo sugerir ajuste de previsão sem justificativa registrada e deixar uma decisão autônoma cara sem responsável.
- 01Rodar a previsão estatística dentro do chatReprodutibilidade.
- 02Calcular estoque de segurança ou coberturaÉ fórmula, e fórmula mora em código.
- 03Resolver capacidade finita e sequenciamentoÉ a falha mais documentada, inclusive na instabilidade da resposta a reformulações do mesmo enunciado.
- 04Rodar MRPNetting e pegging exigem exatidão, não plausibilidade.
- 05Deixar o modelo sugerir ajuste de previsão sem justificativa registradaAutomatiza o viés que a literatura mediu.
- 06Decisão autônoma cara sem responsávelAutoridade, limite e log antes do agente.
Quem calcula e quem interpreta
A fronteira que importa separa quem calcula de quem interpreta. Ela não opõe IA e algoritmo: os dois trabalham no mesmo plano, em funções distintas.
Os níveis 1 a 3 estão disponíveis hoje, custam horas de trabalho e é neles que está quase todo o valor ainda não capturado. Os níveis 4 e 5 são reais e chegam, mas pedem arquitetura e governança antes de entusiasmo.
Fontes e leituras que embasam este artigo
Na ordem em que os temas aparecem no texto. Onde o material é de acesso público, o endereço está indicado.
- 01
Gartner. Forecast: SCM Software With Agentic AI, Worldwide, 2026.
gartner.com
Usada em: Abertura
- 02
Gartner. Hype Cycle for Supply Chain Planning Technologies, 2026.
gartner.com
Usada em: Nível 5
- 03
MIT NANDA. The GenAI Divide: State of AI in Business, 2025.
Usada em: Abertura
- 04
Fildes, Robert; Goodwin, Paul; Lawrence, Michael; Nikolopoulos, Konstantinos. Effective forecasting and judgmental adjustments: an empirical evaluation and strategies for improvement in supply-chain planning. International Journal of Forecasting, 2009.
Usada em: Nível 2
- 05
Valmeekam, Karthik; Marquez, Matthew; Olmo, Alberto; Sreedharan, Sarath; Kambhampati, Subbarao. PlanBench: An Extensible Benchmark for Evaluating Large Language Models on Planning and Reasoning about Change, 2023.
Usada em: A linha que atravessa tudo
- 06
SCHEDBench. Avaliação de modelos de linguagem em programação combinatória descrita em linguagem natural.
Usada em: A linha que atravessa tudo; Onde não usar
- 07
arXiv. LLMs as End-to-end Combinatorial Optimization Solvers.
Usada em: A linha que atravessa tudo
As leituras aplicadas a supply chain planning são nossas. Erro de interpretação, se houver, é nosso e não da fonte.