De Gargalo a Eficiência: Como a IA da Niteo Otimizou Checklists Complexos na Importação da China

Resumo

Uma importadora de insumos alimentícios e farmacêuticos do interior de São Paulo automatizou a conferência dos documentos e fotografias enviados por fornecedores chineses. Com o agente de IA da Niteo, quatro profissionais deixaram a conferência manual e passaram a se dedicar ao planejamento logístico e ao relacionamento com fornecedores. Resultados informados no relato do projeto.

Contexto

A empresa é uma distribuidora europeia de insumos com mais de um século de história e gestão familiar. Atende as indústrias de nutrição animal, alimentos, farmacêutica e técnica. No Brasil, opera há mais de uma década, com sede no interior de São Paulo, e importa e distribui ingredientes alimentícios e insumos farmacêuticos de uso humano e veterinário.

Grande parte do portfólio vem da Ásia. O grupo compra de fabricantes selecionados na China, na Índia e na Europa. Antes de entrar na base, cada fabricante passa por auditoria, questionários, análise documental e avaliação de risco. A operação segue padrões de boas práticas de fabricação e de distribuição (GMP/GDP), e cada lote só é liberado depois que o certificado de análise é revisado.

A cada ciclo, a empresa importa da China uma média de 2.000 produtos diferentes. Antes de autorizar os embarques, precisava conferir se as evidências enviadas pelos fornecedores cumpriam as Shipping Instructions, documentos com até 200 requisitos por produto: especificações técnicas, embalagem, rotulagem, marcação, documentação de qualidade e condições de transporte.

Essa verificação acontecia antes de a carga chegar ao Brasil, e não podia ser adiada. Os insumos para alimentos, rações e fármacos passam pela anuência de órgãos como ANVISA e MAPA. Além disso, a fatura comercial (Commercial Invoice) e o romaneio de carga (Packing List) fazem parte dos documentos de instrução do despacho aduaneiro. Qualquer diferença entre o que foi exigido, o que o fornecedor comprovou e o que consta nos documentos pode gerar exigências fiscais, atrasos e custos extras. Por isso, a consistência entre documentos e evidências era central para a operação.

Problema de negócio

A preparação dos embarques dependia de uma conferência manual intensiva. Especialistas em comércio exterior analisavam cada novo lote de e-mails, documentos e fotos dos fornecedores e comparavam essas evidências com os requisitos das Shipping Instructions.

O modelo funcionava enquanto a operação era menor. Com cerca de 2.000 produtos por ciclo, cada um com até 200 requisitos, o esforço para liberar os embarques crescia junto com a variedade de itens. Para crescer, a empresa precisaria contratar mais especialistas na mesma proporção, e o processo manual passou a limitar a expansão.

Impacto do problema

Quatro profissionais dedicavam, juntos, 800 horas por mês a essa rotina. Grande parte desse tempo ia para tarefas de baixo valor: localizar informações espalhadas em e-mails e anexos, inspecionar fotografias, cobrar complementos dos fornecedores e reabrir verificações já feitas.

O retrabalho pesava bastante. No exemplo relatado, faltavam três evidências em um checklist de 200 itens. Quando o fornecedor respondia, a equipe voltava a conferir também os outros 197 itens, que já tinham sido aprovados. Uma pendência pequena gerava uma nova conferência completa.

Havia também risco financeiro. Nas operações pelo Porto de Santos descritas no relato, atrasos na liberação podiam aumentar as despesas logísticas. A principal é a sobreestadia de contêineres (demurrage), cobrada, em geral por dia, quando o contêiner fica com o importador além do prazo gratuito de devolução. Essa cobrança vem do uso do contêiner e é paga ao armador. Não é uma multa da Receita Federal.

Desafio

O desafio não era só o volume. As informações chegavam sem um padrão único. Cada fornecedor enviava e-mails com estrutura própria, documentos com layouts variados e fotografias que precisavam de interpretação visual. Já se sabia o que precisava ser validado, porque estava no checklist. A dificuldade era reconhecer cada evidência nos muitos formatos em que ela chegava.

Por isso, as tentativas anteriores de automação com regras fixas não funcionaram de forma consistente. Uma regra que lê bem o documento de um fornecedor falha no seguinte. E nenhuma regra fixa consegue dizer, olhando uma foto, se o pallet está protegido corretamente.

Um exemplo do projeto mostra o nível de detalhe exigido. Para um produto classificado como tóxico, era preciso confirmar nas fotos a proteção plástica cinza-metálica no pallet, etiquetas com dados específicos e a orientação correta de uma seta. Nos documentos, também era preciso conferir requisitos como código do produto e validade. Esses itens vêm do checklist daquele produto e não são uma regra geral para produtos tóxicos.

Com isso, a solução precisava fazer três coisas ao mesmo tempo: interpretar texto, documentos e imagens no formato em que os fornecedores já enviavam, sem exigir que mudassem a forma de trabalhar; relacionar cada evidência ao requisito certo, entre até 200 itens por produto; e, quando chegasse um complemento, analisar apenas o que ainda estava pendente.

Estratégia

A estratégia partiu de uma constatação simples: o que precisava ser validado já estava escrito. A Shipping Instruction de cada produto definia os requisitos. O que faltava era uma forma de reconhecer essas evidências em e-mails, documentos e fotos que chegavam em formatos diferentes. A Niteo escolheu usar a Shipping Instruction como referência central da análise e adaptar a leitura ao material recebido, em vez de exigir que os fornecedores mudassem o modo de enviar.

Essa escolha explica o uso de inteligência artificial. Regras fixas dependem de um layout previsível. A IA interpreta informação não estruturada (texto, tabelas, imagens) e a relaciona ao requisito correspondente. Assim, a solução funciona com a comunicação que os fornecedores já praticavam, sem impor um modelo único de e-mail ou documento.

O segundo ponto decisivo foi atacar o retrabalho. Quando um fornecedor envia um complemento, a análise deve continuar a partir dos itens ainda abertos, e não recomeçar do zero. Era esse recomeço que consumia a capacidade dos analistas. Essa leitura da estratégia foi feita a partir do funcionamento relatado no projeto.

A cautela na escolha do caso tem respaldo no mercado. O Gartner prevê que mais de 40% dos projetos de IA agêntica serão cancelados até o fim de 2027, por custos crescentes, valor de negócio pouco claro ou controles de risco inadequados, e recomenda adotar agentes onde houver valor ou retorno claro (Gartner, 25/06/2025). Aqui, o ponto de partida foi um processo com esforço conhecido e requisitos já escritos.

Solução

A Niteo desenvolveu um agente de inteligência artificial que combina processamento de linguagem natural e visão computacional. Com isso, o mesmo fluxo de validação lê textos, extrai dados de documentos e analisa evidências visuais. O agente atua em quatro etapas:

1. Recebe o material do fornecedor e interpreta o e-mail e seus anexos, qualquer que seja o formato usado.
2. Extrai os dados documentais relevantes e analisa nas fotografias elementos como embalagem, etiquetas e sinalização.
3. Confronta cada evidência com os requisitos da Shipping Instruction e aponta os itens ausentes ou inconsistentes.
4. Ao receber o complemento do fornecedor, valida apenas as pendências, sem repetir as conferências já concluídas.

Transformação

Com o agente em operação, a equipe deixou de abrir e-mails e inspecionar fotos uma a uma. O trabalho passou a se concentrar na resolução das pendências apontadas e nas atividades que dependem do conhecimento dos especialistas.

Resultados mensuráveis

Os indicadores abaixo foram informados no relato do projeto. O período de apuração e os registros de medição não foram disponibilizados.

Impacto estratégico

O ganho mais concreto foi devolver à operação a capacidade de quatro especialistas em comércio exterior. Com a conferência repetitiva absorvida pelo agente, a importadora passou a usar esse conhecimento onde ele faz diferença: no planejamento logístico e na relação com os fornecedores.

Para o negócio, isso reduz a dependência de trabalho manual a cada novo lote de evidências e cria espaço para ampliar o portfólio sem ampliar a equipe na mesma proporção. Outro efeito do fluxo é a identificação de inconsistências ainda na origem, quando o fornecedor pode corrigir documentos e fotos antes do embarque e antes de o contêiner chegar ao porto. Essas são implicações do processo descrito; o material recebido não traz medição de crescimento de receita nem de redução de despesas portuárias.

A contribuição da Niteo foi conectar os requisitos do processo às informações que os fornecedores realmente enviavam, sem exigir que eles mudassem. Essa ponte entre o checklist e a realidade da comunicação foi o que liberou a equipe.

Próximo capítulo

O caso abre espaço para uma evolução natural: medir. Tempo de validação por embarque, frequência de pendências por fornecedor e qualidade das análises automatizadas são indicadores que a operação passa a poder acompanhar.

Com esses dados, a importadora pode melhorar as instruções enviadas aos fornecedores, priorizar os que mais geram pendências e avaliar a expansão do agente para outros checklists. A evolução também pode incluir critérios explícitos para revisão humana e para reabrir itens já validados quando documentos, fotos ou requisitos mudarem. São oportunidades sugeridas a partir do caso, sem indicação de que já tenham sido implementadas.