De comprador a gestor: o que muda quando você passa a responder por um time de compras

A promoção parece uma continuação natural da carreira, mas exige um conjunto de habilidades diferente: dados confiáveis, pessoas preparadas e tecnologia bem adotada passam a ser entrega do gestor, não do comprador.

O resultado deixa de ser individual

Um comprador é avaliado pelo que executa: savings da categoria que negocia, lead time das cotações que conduz, qualidade dos contratos que fecha. Um gestor de compras é avaliado pelo que o time inteiro entrega, mesmo nas categorias que ele nunca tocou diretamente. Essa é a mudança estrutural descrita num artigo do blog da ME, empresa de tecnologia para gestão de compras, que reúne dados de Gartner, Fórum Econômico Mundial e The Hackett Group para mapear essa transição.

O risco mais comum, segundo o material, é o gestor recém-promovido continuar competindo pelas próprias categorias. Isso produz boas negociações pontuais e uma área sem direcionamento, porque o tempo que deveria ir para priorização, desenvolvimento de pessoas e remoção de travas fica preso na operação individual.

O que muda, lado a lado

A linha mais sensível da tabela é a última. O comprador fala com quem compra e com quem vende. O gestor passa a apresentar o mesmo conjunto de dados em formatos diferentes para diretoria, finanças, jurídico e TI, sem mudar o critério de medição entre um relatório e outro. É um trabalho de tradução que não existia antes.

Dados: o obstáculo é real, e está mapeado

Antes de decidir qualquer coisa como gestor, é preciso confiar no histórico da área inteira, não só de uma categoria. Essa é a parte que menos funciona hoje: segundo o relatório Trends for Chief Procurement Officers (2025), da Gartner, 74% dos líderes de compras afirmam que os dados da área não estão prontos para uso em inteligência artificial. A mesma pesquisa mostra que apenas 14% dos líderes acreditam ter o talento necessário para atingir os objetivos futuros da função.

Isso classifica dois estágios distintos. Usar IA generativa para apoiar análise pontual de spend já funciona em empresas com base de dados organizada. Já alimentar agentes autônomos com decisão de compra a partir de histórico consolidado ainda é promessa para a maioria, porque a Gartner mostra que a base que sustentaria isso simplesmente não existe em três de cada quatro áreas.

Na prática, o trabalho do gestor começa no operacional mais básico: padronizar conceitos de savings e cost avoidance, estabelecer um baseline único e alinhar KPIs entre compradores que hoje medem a mesma coisa de formas diferentes. Sem isso validado junto à área financeira, nenhum número apresentado à diretoria resiste à primeira pergunta difícil.

Pessoas: o gap de competências chegou em compras

O Future of Jobs Report 2025, do Fórum Econômico Mundial, projeta mudança em 39% das principais competências exigidas no mercado até 2030, e aponta que 63% dos empregadores veem a falta de competências como a principal barreira para transformar o negócio. Liderança e influência social estão entre as habilidades que mais ganham peso nesse período.

Em compras, o recorte é mais apertado que a média do mercado: a mesma pesquisa da Gartner que mediu a prontidão de dados também apurou que só 14% dos líderes têm o talento necessário disponível hoje. A carreira do comprador passou a combinar ferramenta digital, leitura de dados e relacionamento, e formar esse conjunto no time é tarefa do gestor, não um efeito colateral da operação.

Duas práticas aparecem como mais diretamente aplicáveis: distribuir categorias complexas por critério de desenvolvimento (e não só por quem já domina o assunto), e dar retorno individual durante o ciclo, em vez de concentrar tudo na avaliação anual. Nenhuma das duas exige investimento em ferramenta; exigem agenda, que é o recurso mais escasso do gestor recém-promovido.

Tecnologia: automação já entrega, agente autônomo ainda pede supervisão

O 2026 Procurement Key Issues Study, da The Hackett Group, mostra que 76% das organizações relatam ganhos de 25% ou mais em indicadores principais conforme avançam na adoção de inteligência artificial. É o dado mais forte do conjunto, mas vale uma ressalva: a leitura que faço é que esse grupo provavelmente já avançou mais na adoção do que a média do mercado, o que pode não refletir o cenário típico de quem está começando agora, especialmente diante do limite de maturidade de dados que a Gartner aponta em 74% dos casos.

Isso sugere uma leitura em dois estágios. Automatizar requisição, cotação e aprovação manual já funciona e libera tempo comprovadamente, porque são processos com regra fechada. Usar agentes inteligentes para executar etapas do processo de compra com autonomia maior ainda está em teste: o próprio material recomenda que o gestor estabeleça pontos de validação humana antes de ampliar o uso, o que é outra forma de dizer que a confiança ainda não é total.

Nenhuma dessas camadas produz resultado sozinha. O uso consistente depende de rotina definida, treinamento do time e cobrança dentro da área, e essa cultura é construída pela liderança, não pela ferramenta escolhida. Isso vale tanto para suítes de procure-to-pay maiores quanto para módulos de IA vendidos à parte: o gargalo raramente é o software, é a adoção.

Os primeiros 90 dias, em sequência

1. Levantar o retrato atual da área: spend sob gestão, volume de processos por comprador, lead time médio, aderência a contratos e savings do último ciclo.
2. Padronizar conceitos com finanças, acordando metodologia de savings e cost avoidance antes de reportar qualquer número.
3. Mapear o time por competências técnicas, competências de dados, categorias dominadas e potencial de desenvolvimento.
4. Identificar os três processos que mais consomem tempo manual: são os candidatos naturais à automação.
5. Estabelecer rotina de acompanhamento: reunião semanal de operação, revisão mensal de indicadores, conversa individual quinzenal.
6. Alinhar com a diretoria prioridades, metas e recursos disponíveis, registrados por escrito.

Brasil ainda está no estágio anterior

Os três dados centrais do material (prontidão de dados, gap de talento e ganho com IA) vêm de pesquisas globais. Não há dados específicos sobre o Brasil neste material, mas é razoável supor, para quem acompanha o mercado local, que o desafio de padronizar conceitos entre compradores tende a ser pelo menos tão relevante aqui quanto no recorte global levantado pela Gartner.

Para quem está assumindo a gestão agora, isso significa que o passo 2 da lista (padronizar conceitos com finanças) pode consumir mais tempo do que o material sugere, e que qualquer plano de adoção de IA deveria ser precedido por essa limpeza, não acompanhá-la em paralelo. Prometer resultado de IA generativa antes de resolver a base de dados é um erro comum nessa transição, e também um dos mais fáceis de evitar.

Fonte: blog.me.com.br