Até 30 de outubro de 2026, o estudo global do BCG realizado com o Consumer Goods Forum mostra que 46 por cento dos varejistas tratam a combinação de preço, oferta e sortimento como uma das áreas mais estratégicas para aplicar inteligência artificial. Apenas 34 por cento conseguiram implementar essas soluções em escala, e mais da metade das empresas ouvidas não mede formalmente o retorno do investimento. A distância entre intenção e execução é o dado mais útil da pesquisa.
O que o estudo mede de fato
O número que chama atenção não é o 46 por cento, e sim o 34 por cento. Quase metade dos varejistas trata preço como prioridade estratégica de tecnologia, mas só um terço chegou à escala. A diferença entre os dois percentuais é o que separa um projeto de precificação dinâmica de uma planilha com regras fixas renomeada como inteligência artificial.
A pesquisa ouviu 39 executivos seniores de varejo e bens de consumo em mercados diferentes, o que é suficiente para identificar direção e insuficiente para estimar magnitude. Os percentuais devem ser lidos como sinal de movimento, não como retrato estatístico de um setor. Ainda assim, a direção é consistente com o que se vê na prática: muita ferramenta contratada, pouca decisão delegada ao sistema.
Do piloto à margem
A tabela fixa perde função
Durante anos a lógica promocional foi definida semanas antes da campanha, com uma tabela de descontos fechada e replicada em todas as lojas. Com mais dados e capacidade analítica, essa tabela passa a ser um ponto de partida em vez de uma decisão final. Um produto não precisa ter 30 por cento de desconto apenas porque essa foi a estratégia definida antes, se a demanda e o estoque apontam outro cenário.
Isso não significa desconto aleatório. Significa conectar velocidade de venda, disponibilidade, comportamento histórico e projeção de demanda para decidir quando um desconto pode ser mantido, ampliado ou reduzido. A diferença prática aparece no fim da campanha: a tabela fixa garante previsibilidade de execução, e a calibragem dinâmica garante margem, mas exige governança para não virar exceção por loja.
Medir retorno antes de escalar
Mais da metade das empresas não mede formalmente o retorno do investimento em inteligência artificial. Sem essa medição, o piloto que funciona não se prova, e a decisão de escalar vira disputa de percepção interna. O resultado é previsível: projetos promissores ficam parados no piloto enquanto iniciativas mais visíveis, e menos rentáveis, avançam por terem padrinho executivo.
O estudo projeta ainda que, com a maturação de aplicações de IA agêntica nos próximos dois a três anos, o potencial de valor identificado pode crescer até 1,7 vez. Esse número deve ser tratado com cautela: ele descreve potencial, não resultado, e depende justamente da capacidade de medir que hoje falta à maioria das empresas ouvidas.
Como calibrar desconto com dado
| Sinal | O que indica | Decisão que habilita |
|---|---|---|
| Velocidade de venda | Se o item gira acima ou abaixo do plano | Manter, ampliar ou cortar desconto |
| Disponibilidade | Se há estoque para sustentar a oferta | Evitar promoção sem lastro |
| Projeção de demanda | Comportamento esperado no pico | Antecipar ou postergar a oferta |
| Margem por faixa | Quanto sobra em cada nível de preço | Definir o piso aceitável |
Preço é o campo onde a distância entre dado e decisão fica mais visível, porque cada ponto de desconto sai direto da margem. Um sistema que recomenda desconto sem considerar disponibilidade gera promoção sem estoque, e um que ignora velocidade de venda mantém oferta em item que já giraria sozinho. A calibragem só funciona quando os quatro sinais entram juntos na mesma decisão.
Para quem acompanha ordem de preço no varejo, o estudo tem uma implicação prática. Quando a política de desconto deixa de ser uma tabela pública e passa a ser calculada por item e por momento, o preço praticado deixa de ser comparável entre lojas e entre datas. O monitoramento precisa registrar data, canal e condição para que a comparação continue fazendo sentido.
Roteiro de calibragem
Comece pelo piso, não pela ferramenta. Defina a margem mínima aceitável por categoria e por faixa de preço antes de qualquer automação, porque é esse número que limita o que o sistema pode decidir sozinho. Sem piso definido, a calibragem dinâmica aprende a otimizar volume e destrói margem com eficiência.
Depois, escolha uma data com pico real para testar. A Black Friday serve porque o volume expõe rapidamente se a regra aguenta pressão de demanda, e porque a janela é curta o bastante para comparar com o ano anterior. Campanhas longas escondem o efeito, já que o consumidor ajusta o comportamento ao longo das semanas.
Perguntas Frequentes
O que explica a diferença entre 46 por cento e 34 por cento?
A distância entre intenção e execução. Quase metade trata preço como prioridade estratégica de IA, mas só um terço chegou à escala, o que na prática separa projeto de precificação dinâmica de regra fixa renomeada.
Calibragem dinâmica de desconto é o mesmo que desconto aleatório?
Não. A calibragem conecta velocidade de venda, disponibilidade, histórico e projeção de demanda para decidir quando manter, ampliar ou reduzir a oferta, com piso de margem definido.
Por que a falta de medição de retorno impede o avanço?
Porque sem medição o piloto que funciona não se prova e a decisão de escalar vira disputa de percepção, deixando projetos rentáveis parados enquanto iniciativas mais visíveis avançam.
O que muda no monitoramento de preço quando o desconto é dinâmico?
O preço deixa de ser comparável entre lojas e datas. O registro precisa incluir data, canal e condição da oferta para que a comparação continue válida.
