O sistema diz que há estoque. A prateleira confirma?

Uma venda é prometida porque o ERP mostra doze unidades. O separador encontra oito, duas estão em devolução sem status correto e outras duas foram colocadas em outro endereço. A falha aparece no atendimento, mas começou muito antes: em um movimento físico que deixou de produzir o movimento digital correspondente.

IA pode escolher melhor o que contar, cruzar sinais de risco e organizar a investigação. Mas há uma fronteira decisiva: prever que um saldo está errado não prova qual é o saldo certo. A realidade física ainda precisa ser observada, identificada, registrada e reconciliada com alçada.

Por que a contagem cíclica entrou na agenda de IA

A documentação do Oracle Warehouse Management 26B descreve uma função de contagem cíclica inteligente que prioriza itens com maior probabilidade de divergência usando comportamento do estoque, histórico de acuracidade e movimentações. O exemplo sinaliza SKUs com ajustes frequentes, muitas separações ou devoluções e endereços de alto tráfego. É uma mudança importante: em vez de contar tudo com a mesma frequência ou olhar apenas o valor do item, a operação concentra trabalho onde o risco parece maior.

Um estudo publicado em 2026 na revista Logistics comparou classificação tradicional por Pareto com métodos multicritério e aprendizado de máquina em uma base industrial de 12.863 SKUs. No modelo econômico dos autores, a melhor configuração obteve redução de custo de até 43% em relação ao Pareto. É um resultado promissor, não uma promessa transferível: trata-se de uma empresa de manufatura, de preferências e custos definidos naquele estudo e de um modelo para priorizar classes de contagem — não de um robô que descobre sozinho a quantidade física.

O ponto de gestão é simples: a IA pode reduzir contagem desnecessária e antecipar divergências, desde que a empresa saiba definir risco, executar a verificação e tratar a origem do erro. Se o processo termina em “ajustar o saldo”, a contagem vira uma borracha cara que apaga sintomas e conserva a causa.

Previsão de demanda, saldo disponível e acuracidade são problemas diferentes

• Previsão de demanda: estima consumo ou venda futura para apoiar compra, produção e reposição.
• Saldo contábil: representa quantidade e valor mantidos nos registros conforme regras da empresa e normas aplicáveis.
• Saldo operacional: distingue disponível, reservado, bloqueado, avariado, em inspeção, em trânsito e outros estados que afetam a promessa.
• Acuracidade: mede se o registro corresponde à realidade física no mesmo item, unidade, lote, validade, série, status e endereço.

Um total pode estar matematicamente certo e operacionalmente errado. Dez unidades registradas no depósito não ajudam se cinco estão em outro endereço, duas venceram e três já foram reservadas. Por isso, “quantidade encontrada ÷ quantidade registrada” é insuficiente para itens controlados por lote, série, validade ou condição.

O CPC 16 (R1) estabelece o tratamento contábil dos estoques, incluindo custo, reconhecimento no resultado e divulgação. Ele não determina uma arquitetura de IA nem substitui política contábil, controles internos ou auditoria. Serve para lembrar que uma divergência física pode ter efeito financeiro e não deve ser tratada apenas como problema do almoxarifado.

Método SALDO: cinco controles da suspeita à prevenção

1. Selecionar por risco: combine histórico de divergências com valor, giro, criticidade, margem, devoluções, ajustes, transferências, endereço, lote, validade e impacto de ruptura. Registre por que cada item entrou na fila e qual versão do modelo ou regra gerou a prioridade.
2. Assegurar o recorte: defina item, unidade, lote ou série, endereço, proprietário, status e instante de corte. Pause ou capture separações, recebimentos e transferências que aconteçam durante a contagem. Sem corte, físico e sistema representam momentos diferentes.
3. Levantar evidência física: use leitor, etiqueta e procedimento compatíveis com o risco. O contador não deve receber uma sugestão que o induza a copiar o saldo esperado. Registre quem contou, quando, onde, em qual unidade e com qual evidência.
4. Diagnosticar e decidir: divergência relevante aciona recontagem independente e investigação de eventos: recebimento, armazenagem, separação, devolução, consumo, transferência, avaria ou unidade de medida. A alçada considera valor, quantidade, recorrência e possibilidade de fraude ou falha sistêmica.
5. Oficializar e observar: somente após aprovação, ajuste o sistema oficial, reconcilie reservas e documentos relacionados e confirme o efeito. Depois trate a causa, acompanhe recorrência e verifique se o item realmente deixou de voltar à fila pelo mesmo motivo.

Sete estados para não confundir contagem com correção

• Sinalizado: regra, pessoa ou modelo apontou risco de divergência.
• Programado: escopo, janela, responsável e condição de corte foram definidos.
• Contado: existe observação física identificada, mas o registro ainda não mudou.
• Recontado ou confirmado: tolerância e segregação previstas foram aplicadas.
• Investigado: hipótese de causa, eventos relacionados e impacto foram registrados.
• Aprovado e reconciliado: ajuste autorizado chegou ao sistema oficial e aos saldos derivados.
• Causa tratada e monitorada: processo de origem recebeu ação, dono e verificação de recorrência.

O estado “IA encontrou divergência” não existe. A IA encontra um padrão ou uma suspeita; pessoas e sistemas de execução produzem a evidência necessária para aceitar, bloquear ou corrigir o saldo.

Matriz: probabilidade de erro × consequência

• Baixa probabilidade e baixa consequência: mantenha amostra de controle e frequência econômica. Contar em excesso também consome operação.
• Alta probabilidade e baixa consequência: conte por evento ou oportunidade e corrija a causa de processo em lote, como um endereço com muitas movimentações manuais.
• Baixa probabilidade e alta consequência: aplique contagem preventiva, identificação mais granular, recontagem independente e aprovação. Um erro raro em item crítico ainda é material.
• Alta probabilidade e alta consequência: bloqueie promessa ou movimentação quando necessário, faça contagem imediata e envolva estoque, comercial, fiscal, qualidade ou segurança conforme o caso.

A consequência não é apenas valor unitário. Inclua interrupção de obra, perda de uma cirurgia agendada, venda cancelada, risco de validade, descumprimento de lote, cliente estratégico e tempo para reposição.

Dados mínimos para priorizar sem criar uma caixa-preta

Para cada unidade de análise, registre: SKU; descrição; unidade de medida e conversões; endereço; lote, série e validade quando aplicável; quantidade física; quantidade registrada; status operacional; reservas; último movimento; tipos e volumes de movimento; última contagem; divergências e ajustes anteriores; devoluções; avarias; valor e margem; criticidade; tempo de reposição; origem do sinal; pontuação de risco; regra ou versão do modelo; responsável; resultado da primeira e da segunda contagem; hipótese de causa; alçada; ajuste aprovado; evidência; e data de verificação posterior.

Identificação consistente é pré-requisito. A diretriz de etiqueta logística da GS1 explica que o SSCC identifica de forma única uma unidade logística e permite relacionar seu movimento físico às mensagens eletrônicas correspondentes. Isso não resolve sozinho a acuracidade, mas reduz ambiguidade sobre qual pallet, caixa ou unidade foi observada.

Exemplo: 40 unidades no ERP, 36 disponíveis de verdade

Uma distribuidora mantém um item de alto giro em dois endereços. O ERP mostra 40 unidades disponíveis. Um agente prioriza a contagem porque o SKU acumulou devoluções, transferências e ajustes nas últimas semanas.

1. A operação delimita SKU, unidade de venda, dois endereços e uma janela de corte. Movimentos durante a janela ficam registrados em uma fila separada.
2. A primeira contagem encontra 38 unidades: 34 regulares e quatro em uma área de devolução sem status reconciliado.
3. A recontagem independente confirma 38. A equipe cruza os eventos e identifica duas unidades expedidas após separação manual sem baixa concluída.
4. As quatro devolvidas passam por inspeção: duas voltam ao disponível e duas são bloqueadas por avaria. O saldo vendável correto é 36, não 38 nem 40.
5. O ajuste segue a alçada, atualiza o estoque e libera as reservas válidas. O comercial recebe a nova quantidade prometível.
6. A causa gera duas ações: impedir expedição manual sem evento de baixa e exigir status de inspeção nas devoluções. Nas semanas seguintes, a operação mede se a divergência reaparece.

O ganho não veio de “contar com IA”. Veio de usar IA para escolher o ponto certo, preservar o corte, distinguir condição do item e fechar a diferença entre físico, registro e promessa ao cliente.

Como aplicar nas verticais da V7 Agents

• v7 Carteira: priorizar SKUs e endereços com devolução, alto giro, ruptura aparente e ajustes recorrentes; reconciliar estoque disponível antes de prometer prazo ou quantidade.
• v7 Obras: conferir materiais críticos, ferramentas e itens recebidos por frente de serviço, sem confundir material no canteiro com material liberado para uso.
• v7 Agro: separar produto, lote, validade, armazém e condição; tratar defensivos, sementes e outros itens conforme regras técnicas, regulatórias e responsabilidades aplicáveis.
• v7 Imob: controlar chaves, equipamentos, materiais de manutenção e itens de unidades decoradas; aqui o “estoque” pode ser um ativo ou objeto sob custódia.
• v7 Clínicas Retorno: apoiar inventário administrativo e de suprimentos com lote e validade, sem automatizar decisão clínica ou substituir os controles próprios de medicamentos e materiais críticos.
• v7 Custom: conectar WMS, ERP, leitores, planilhas e filas de aprovação quando a operação ainda depende de conferência manual distribuída.

Placar: acuracidade que melhora a operação

• Cobertura de risco: proporção dos itens críticos contados dentro da política; tempo entre sinal e contagem.
• Qualidade da contagem: divergência entre primeira e segunda contagem; leituras sem identificação completa; movimentos ocorridos durante o corte.
• Acuracidade multidimensional: quantidade, endereço, lote, validade, série e status corretos — não apenas o total agregado.
• Fechamento: tempo da contagem ao ajuste aprovado; ajustes pendentes; reservas e pedidos ainda baseados no saldo anterior.
• Causa: divergências por evento de origem; recorrência em 30 e 60 dias; ações corretivas verificadas.
• Resultado: cortes de pedido por falta física, reentregas, compras emergenciais, parada, perda por validade e capital imobilizado.

Evite celebrar apenas “quantidade de contagens” ou uma acuracidade média. Um indicador agregado pode esconder poucos itens de alta consequência. Leia o placar por classe de risco, local, processo de origem e tipo de divergência.

Piloto assistido de 20 dias úteis

1. Dias 1 a 4: escolha uma família de itens e um local; defina unidade, status, corte, alçadas e indicadores de base.
2. Dias 5 a 8: extraia movimentos e divergências; construa uma regra de risco legível antes de qualquer modelo mais complexo.
3. Dias 9 a 12: execute contagens cegas, recontagens e reconciliação em casos normais e anormais.
4. Dias 13 a 16: compare a fila orientada por risco com a política atual: divergências encontradas, horas consumidas, impacto e falsos alertas.
5. Dias 17 a 20: trate duas causas recorrentes, confirme o efeito no sistema e decida se o piloto deve parar, ajustar ou ampliar.

Comece com recomendação, não com ajuste automático. A automação só deve avançar quando identidade, corte, evidência, tolerância, alçada e reversão forem testados no ambiente real.

Doze perguntas para a direção

1. Quais saldos, quando errados, realmente interrompem venda, obra, atendimento ou caixa?
2. Nossa acuracidade compara apenas quantidade ou também endereço, lote, validade e status?
3. O contador vê o saldo esperado antes de registrar o físico?
4. Como tratamos movimentos que ocorrem durante a contagem?
5. Qual divergência exige recontagem independente?
6. Quem aprova ajustes por valor, recorrência e criticidade?
7. Um ajuste de estoque atualiza reservas, disponibilidade comercial e documentos relacionados?
8. Conseguimos explicar por que a IA priorizou cada item?
9. Quais causas geram mais divergência: recebimento, transferência, separação, devolução ou unidade de medida?
10. Estamos medindo causas eliminadas ou apenas saldos corrigidos?
11. Há segregação suficiente entre contar, aprovar e investigar?
12. Se o modelo parar hoje, existe uma política operacional de reserva?

Fontes consultadas

• Oracle Warehouse Management 26B — Intelligent Cycle Counting.
• Vaccari, Balugani, Lolli e Gamberini — A Machine Learning and Multi-Criteria Decision-Making Approach to Cycle Counting, Logistics, 2026.
• Oracle Warehouse Management 26A — Opportunistic Cycle Count.
• GS1 — Logistic Label Guideline.
• Comitê de Pronunciamentos Contábeis — CPC 16 (R1), Estoques.