Coreografia: previsão de demanda com pé no chão
A IA monta cenários de demanda rápido, mas a premissa de crescimento e sazonalidade é sua. Auditar o forecast antes de comprar, escalar ou contratar é o que separa previsão de chute confiante.
Segunda de manhã, e o diretor de operações quer saber quantas unidades vocês vão precisar processar no mês da Black Friday, pra fechar contrato de mão de obra temporária até quarta. Você pede à IA uma projeção de demanda com base no histórico, e em minutos vem um número redondo, com gráfico bonito e uma frase confiante sobre "crescimento esperado de 40% sobre o mesmo período do ano passado". Os 40% parecem razoáveis, até você lembrar que o ano passado teve uma ruptura de estoque que represou pedido, e não vai se repetir. Contratar mão de obra em cima desse número inflado significa pagar gente parada em dezembro. Contratar de menos significa fila e cliente insatisfeito na data que mais importa no ano. O forecast bonito não decide nada sozinho, a premissa por trás dele é sua, e é ela que você audita antes de assinar o contrato.
Você pede à IA a projeção de capital de giro necessário pro próximo trimestre, baseada no histórico de vendas. Ela devolve um número confiante assumindo crescimento de 15% ao mês, mas esse número parte de um mês atípico em que houve uma promoção pontual que não vai se repetir. Auditar a premissa antes de comprometer caixa evita represar dinheiro parado ou faltar fôlego na hora certa.
Para dimensionar a equipe jurídica do próximo semestre, a IA projeta o volume de contratos a revisar com base no crescimento recente da empresa, assumindo uma taxa de expansão que na verdade veio de uma aquisição pontual já concluída. Contratar advogado extra em cima desse número inflado custa uma folha que não se justifica quando o volume normalizar.
A IA projeta o volume de leads do próximo trimestre pra dimensionar o time de atendimento, assumindo que a taxa de conversão de uma campanha recente e pontual vai se repetir todo mês. Sem auditar essa premissa, o time contrata gente pra atender um volume que só existiu naquela campanha específica.
Para dimensionar quantas vagas abrir no próximo trimestre, a IA projeta o crescimento do headcount com base na expansão recente, sem separar o que foi contratação estrutural do que foi reposição pontual de um pico de turnover já resolvido. Contratar recrutador extra em cima desse número inflado custa orçamento de gente que não vai ser usado.
Para decidir a capacidade de infraestrutura do próximo lançamento, a IA projeta o volume de usuários simultâneos assumindo a mesma taxa de adoção de uma feature viral recente, que não é o padrão normal do produto. Provisionar servidor em cima desse pico pontual custa caro todo mês, pro resto do ano.
Para o forecast de comissão do próximo trimestre, a IA projeta o volume de vendas assumindo que a taxa de fechamento de um mês excepcionalmente bom vai se manter, sem checar que aquele mês teve uma feira setorial que não se repete. O orçamento de comissão montado em cima desse número infla o custo previsto sem necessidade.
Quinta-feira, reunião de capacidade do centro de distribuição, e você precisa decidir se abre um turno extra pro mês que vem. A IA projeta o volume de pedidos com base nos últimos seis meses e devolve um cenário base de 12 mil pedidos por dia, com a frase segura de que é "uma extrapolação direta da tendência recente". O problema é que esses seis meses incluem um mês em que um concorrente grande saiu do ar por dois dias e jogou pedido extra pro seu lado, um evento pontual que não deveria virar tendência. Se você abre o turno extra em cima desse número inflado, paga hora extra à toa pelo mês inteiro. Se você decide sem auditar a premissa, também corre o risco de subestimar e travar a operação numa demanda real que está, de fato, subindo. A projeção acelera a conta; saber qual pedaço do histórico é ruído e qual é tendência de verdade continua sendo seu trabalho.
Para dimensionar a equipe de auditoria interna do próximo ano, a IA projeta o volume de controles a revisar assumindo o mesmo ritmo de crescimento de um trimestre atípico, que incluiu a implantação pontual de um novo sistema. Auditar essa premissa evita superdimensionar uma equipe pra um volume que não se repete.
Para decidir se escala o time de suporte técnico, a IA projeta o volume de chamados assumindo que um pico recente, causado por um bug já corrigido, é o novo normal. Contratar suporte extra em cima desse número inflado custa uma folha que sobra assim que o bug some da conta.
Para dimensionar quantas sessões de teste de usabilidade agendar no próximo trimestre, a IA projeta a demanda de pesquisa assumindo o mesmo ritmo de um período de lançamento intenso, que não é o normal do time. Reservar orçamento de pesquisa em cima desse pico pontual desperdiça recurso que poderia ir pra outra prioridade.
Para o board decidir se entra num novo mercado, a IA projeta a demanda potencial assumindo uma taxa de adoção "razoável para o setor", sem nunca ter visto o histórico real de conversão da empresa em lançamentos parecidos. Auditar essa taxa antes da decisão de investimento evita apostar num mercado com um número que ninguém validou.
Putz, segunda de manhã, e o diretor quer o número de mão de obra pra Black Friday fechado até quarta. Você pede a projeção pra IA, ela devolve rápido, com gráfico bonito e uma frase segura sobre o crescimento esperado. O número parece pronto pra virar contrato. O problema é que "parecer pronto" e "estar certo" são coisas diferentes, e num forecast de demanda a diferença entre os dois custa gente contratada à toa ou fila de cliente insatisfeito na data que mais importa no ano.
A ideia central desta aula. A IA monta cenário de demanda rápido: estrutura o modelo, gera as variações, escreve a explicação. Isso é ganho real. Mas a premissa por trás do número, que crescimento é razoável pro seu negócio agora, o que no histórico é tendência e o que foi evento pontual que não se repete, continua sendo sua. Auditar o forecast antes de comprar, escalar ou contratar é o que separa previsão de chute com aparência de certeza.
01A coreografia: quem faz o quê
Montar forecast sempre foi trabalho pesado: puxar histórico, ajustar sazonalidade, rodar a conta pros três cenários, e ainda escrever a explicação pra quem vai decidir em cima. A IA muda essa conta de verdade. Ela estrutura o modelo, organiza o histórico em base, tendência e sazonalidade. Ela gera as variações, otimista, base e pessimista, a partir de uma premissa que você fornece. E ela escreve a explicação, transformando número em texto que o diretor entende rápido.
O que continua seu, e fica mais caro justamente porque a parte braçal sumiu, é a premissa. Qual crescimento é razoável pro seu negócio, agora, não em geral. O que no histórico é tendência de verdade e o que foi um evento pontual, uma ruptura de estoque, uma campanha isolada, um concorrente fora do ar, que não deveria se repetir na conta. Isso é leitura da sua operação, não cálculo, e é exatamente o que a IA não tem quando você não entrega pra ela.
02A árvore de cenários: otimista, base, pessimista
Demanda não é um número, são três caminhos plausíveis a partir do seu histórico auditado. O cenário base é a sua aposta mais honesta pro volume do próximo período, unidades a processar, pedidos a entregar, chamados a atender. O otimista é o galho de cima, a demanda vem mais forte que o esperado. O pessimista é o galho de baixo, a demanda desacelera ou um fornecedor falha.
A graça de montar os três não é acertar o futuro, é desenhar a faixa dentro da qual a sua operação provavelmente vai precisar responder. Se até o seu cenário pessimista deixa a operação de pé, sua decisão de capacidade pode ser mais enxuta. Se o cenário base já aperta a operação no limite, você decide com mais gordura de segurança. A IA monta essa árvore inteira num pedido, mas cada galho depende de uma premissa que você precisa ter dado de propósito, senão ela preenche com um crescimento genérico que parece razoável e não é o seu.
03Sensibilidade: qual variável move mais a demanda projetada
Todo forecast de demanda carrega várias variáveis, uma promoção grande programada, a ruptura possível de um fornecedor-chave, a sazonalidade de uma data comemorativa, o risco de perder um cliente grande. Elas não pesam igual. Descobrir qual delas move o resultado de verdade é o que separa quem decide com método de quem só olha o número final.
A coreografia é direta: fixe o cenário base e teste uma variável de cada vez. E se a promoção programada for cancelada, o volume cai quanto? E se o fornecedor-chave atrasar duas semanas, o impacto é grande ou pequeno perto do total? E se o cliente grande reduzir o pedido em 20%, isso muda o volume total ou é um detalhe no meio da curva? A IA recalcula cada caso rápido. Sua energia de leitura de mundo deve ir pra variável que move mais o resultado, a alavanca, e não se espalhar igualmente por todas.
04O perigo central: a IA inventa demanda com cara de certeza
Aqui mora o risco que dá nome à aula. A IA não erra como uma calculadora quebrada. Ela erra com confiança total, entregando um crescimento "razoável pro setor" quando a sua operação tem um padrão bem diferente, ou assumindo que um pico pontual do histórico é a nova tendência. Ela não tem instinto pra desconfiar do próprio número, porque nunca viu a ruptura de estoque, o concorrente fora do ar, a campanha isolada que inflou o mês passado.
No forecast de demanda, isso vira decisão cara. Contratar mão de obra temporária, comprar estoque, abrir turno extra, tudo isso em cima de um número que ninguém auditou é apostar dinheiro real numa premissa que talvez nem seja sua. E a decisão costuma ser pouco reversível: gente contratada e estoque comprado não se devolvem fácil quando o pico não vem. Quanto menos reversível a decisão que o forecast alimenta, mais forte precisa ser a sua auditoria antes de assinar embaixo do número.
Faça agora
Pegue uma decisão real de capacidade que depende de previsão de demanda, a sua tarefa real serve bem: contratar temporário, abrir turno extra, comprar estoque, escalar atendimento. Rode a coreografia completa em quatro passos:
- PREMISSA SUA: antes de abrir a IA, escreva à mão a taxa de crescimento ou sazonalidade que você considera razoável pra sua operação agora, e uma frase de por que esse número é defensável no seu caso.
- ÁRVORE: peça à IA para montar o cenário de demanda com otimista, base e pessimista usando exatamente a sua premissa, sem deixar ela escolher o crescimento sozinha.
- SENSIBILIDADE: fixe o cenário base e teste, uma de cada vez, as duas ou três variáveis que mais te preocupam. Anote qual delas move mais o volume projetado.
- AUDITORIA: olhe o histórico que alimentou o modelo e marque qualquer evento pontual (ruptura, campanha isolada, concorrente fora do ar) que não deveria virar tendência. Só depois disso o forecast tem permissão de virar decisão de capacidade.
Pratique
1. Na previsão de demanda com IA, o que continua sendo seu e fica mais caro justamente porque a parte braçal do cálculo sumiu?
2. Você testou a sensibilidade do forecast e viu que um atraso do fornecedor-chave move o volume projetado muito mais do que uma possível redução de pedido de um cliente grande. O que isso te diz?
Para o quadro
Sobre parecer prontoparecer pronto e estar certo são coisas diferentes. Num forecast, a diferença custa gente contratada.
Sobre o que é seua IA não distingue pico causado por ruptura de estoque de tendência de verdade. Essa leitura é sempre sua.
Sobre a sensibilidadea variável que mais move o volume merece a premissa mais defensável e a sua atenção primeiro.
Valeu pelo feedback. Isso ajuda a afiar a próxima aula.