IA sem aprovação avança em compras e logística, mostra pesquisa da SAP

A inteligência artificial já ajuda a analisar cotação de fornecedor, montar justificativa de compra e rascunhar e-mail de negociação em muitas áreas de procurement brasileiras, só que sem que a diretoria tenha aprovado nada disso. É o que mostra a pesquisa da SAP em parceria com a Oxford Economics, divulgada em 6 de outubro de 2026, que ouviu 2.600 líderes em 13 países, 200 deles no Brasil: em 82% das organizações do país, funcionários recorrem ao menos de vez em quando a ferramentas de IA de terceiros sem supervisão formal (Exame).

Para quem responde por custo total e risco da cadeia, o número isolado de shadow AI é menos revelador do que o que vem ao lado dele. A IA já apoia 26% das tarefas nas empresas brasileiras consultadas, mas só 18% dizem usá-la de forma integrada aos processos. O modelo mais comum, citado por 48%, ainda é o de projetos isolados e pontuais. Entre o comprador que acelera sozinho e a empresa que de fato ganha produtividade, existe um vão onde decisões de sourcing e estoque passam a depender de ferramenta sem dono, sem auditoria e sem rastro.

O gargalo não desaparece, ele muda de lugar

Para Juliana Velozo, vice-presidente sênior para a América Latina da Thoughtworks, a distância entre os 82% de uso informal e os 18% de uso integrado explica por que times inteiros trabalham mais rápido sem que a cadeia como um todo produza mais. A lógica se aplica direto a procurement: um analista que hoje processa em minutos uma base de cotações de fornecedores que levava horas para consolidar não muda o tempo total do ciclo de compra se a próxima etapa (aprovação, validação jurídica, cadastro no ERP) continuar manual.

Só que a próxima etapa continua funcionando exatamente como antes. Eu não transformei o processo, apenas transferi o gargalo de lugar.

Juliana Velozo, vice-presidente sênior para a América Latina da Thoughtworks

Para o gestor de supply chain, isso tem um efeito direto no S&OP e no ciclo de sourcing: o ganho de velocidade de um planejador de demanda que monta sozinho um agente de previsão não acelera a reposição se compras, logística e finanças seguem no mesmo ritmo de antes. A pergunta que falta, segundo Juliana, não é como cada profissional trabalha mais rápido com IA, mas como o fluxo de ponta a ponta (da previsão à entrega) deveria ser redesenhado agora que a tecnologia existe.

O que vaza quando ninguém governa o uso

A exposição de dados é o risco mais citado, e em supply chain ela tem um endereço específico: preço negociado com fornecedor, cláusula contratual, volume de pedido, dado de capacidade logística. Entre as empresas brasileiras ouvidas pela SAP, 43% já relataram vazamento de dados ou de propriedade intelectual ligado ao uso de IA de terceiros, 32% citaram vulnerabilidades de segurança e 31% relataram violações de compliance.

Um comprador que cola a planilha de cotações de três fornecedores num chatbot gratuito para comparar preços não está fazendo nada malicioso. Mas se esse dado trafega por um modelo de terceiro sem contrato de confidencialidade, a empresa perde controle sobre informação que normalmente estaria protegida por NDA com o fornecedor. É exatamente o tipo de falha que auditoria de compliance de terceiros e políticas de sanções (sanctions screening) deveriam capturar, e que passa batido quando o uso de IA não está mapeado.

Conhecimento que sai pela porta junto com quem criou o agente

Há ainda um risco de continuidade que afeta diretamente a inteligência de sourcing acumulada por um time. Quando agentes, prompts e automações ficam em contas pessoais, parte do ganho de produtividade pertence, na prática, a quem os criou. Se um analista de supplier risk constrói um fluxo próprio para classificar fornecedores por criticidade e sai da empresa, esse critério de decisão pode desaparecer com ele, caso não esteja documentado nem ligado à infraestrutura corporativa.

O problema se agrava quando duas áreas resolvem o mesmo problema duas vezes: compras e logística podem contratar ferramentas diferentes para avaliar risco de fornecedor, sem que nenhuma das duas saiba da outra. Isso não aparece como vazamento nem como incidente de segurança nos relatórios, mas tem custo real em licenças duplicadas e em critérios de decisão que não conversam entre si.

Onde está a lacuna entre TI e as áreas de negócio

Juliana atribui parte da dispersão a uma falta de definição clara: muitas empresas ainda não disseram o que pode ser feito com IA, que dados podem ser compartilhados, quais ferramentas estão autorizadas e quando a tecnologia de fato agrega valor a um processo específico.

Existe quase um 'cada um por si'. As pessoas sabem que precisam aprender a usar IA, as lideranças dizem que a empresa precisa usar IA, mas entre essas duas pontas ainda falta uma definição muito clara de como isso entra no trabalho.

Juliana Velozo, vice-presidente sênior para a América Latina da Thoughtworks

Em supply chain, essa lacuna tem um formato conhecido: a área de tecnologia entende infraestrutura e segurança, mas não domina os fluxos de procure-to-pay, de planejamento de demanda ou de gestão de transportadoras. As áreas de negócio conhecem esses fluxos de cor, mas raramente têm repertório para avaliar o que um modelo de IA realmente permite e qual risco ele introduz num processo de aprovação de fornecedor ou num critério de alocação de estoque.

O que fazer antes de escalar o uso de IA na cadeia

A pesquisa mostra que o caminho de maturidade ainda está no começo: só 15% das empresas brasileiras consultadas consideram seus processos totalmente preparados para governar IA, cerca de 29% não têm controles de permissão e acesso para agentes, e apenas metade mantém um registro formal dos sistemas que usa. Para quem decide sourcing, estoque e contrato de serviço, isso aponta um roteiro prático antes de qualquer promessa de escala:

1. Mapear o shadow AI que já existe: levantar, por área (compras, planejamento, logística), quais ferramentas de IA os times já usam no dia a dia, mesmo informalmente.
2. Classificar o dado antes da ferramenta: definir o que pode trafegar por um modelo de terceiro (dado público) e o que não pode (preço negociado, cláusula contratual, volume de pedido, dado de fornecedor sob NDA).
3. Redesenhar o fluxo, não só a tarefa: se um elo do processo ficou mais rápido com IA, revisar a etapa seguinte em vez de aceitar que o gargalo apenas mudou de lugar.
4. Centralizar em ambiente corporativo governado: migrar agentes e automações relevantes para uma infraestrutura da empresa, com permissão de acesso e trilha de auditoria, em vez de deixá-los em contas pessoais.
5. Formar par entre TI e a área de negócio: decidir junto quais etapas de sourcing, estoque ou transporte ainda fazem sentido como estão, quais podem ser automatizadas e quais decisões devem continuar humanas.

O levantamento da SAP e da Oxford Economics não indica, por ora, queda na pressão por adoção de IA nem desaceleração do uso informal: aponta que a distância entre os 82% que já usam e os 18% que usam de forma integrada tende a persistir enquanto compras, logística e TI não decidirem juntas como o fluxo inteiro deveria funcionar. Até lá, cada ganho individual de velocidade continua competindo com o ritmo do processo como um todo, e é nesse meio-termo que o risco de compliance, de dado exposto e de conhecimento sem dono se acumula.

Fonte: Exame