IA no comércio eletrônico vai favorecer quem já tem operação forte?

Em 8 de novembro de 2026, uma análise do UBS BB sobre Mercado Livre, Magazine Luiza e Lojas Renner reacendeu uma pergunta importante para o varejo: a inteligência artificial vai nivelar a disputa ou ampliar a distância entre quem já tem uma operação forte e quem ainda luta para integrar seus canais?

A tese do banco, apresentada em reportagem do Valor Econômico, é que modelos de IA tendem a ficar mais acessíveis, mas transformar uma recomendação em uma venda continua dependendo de dados, estoque, pagamentos, prevenção a fraudes, logística e relacionamento com fornecedores e vendedores. A tecnologia pode se difundir depressa; a capacidade de executá-la bem, não necessariamente.

A IA não entrega o pedido sozinha

Um assistente pode interpretar uma busca vaga, comparar opções e sugerir o produto mais adequado. Mas, se o catálogo estiver desatualizado, o estoque não refletir a disponibilidade real ou o prazo de entrega estiver errado, a recomendação só acelera uma promessa que a operação talvez não consiga cumprir.

O mesmo vale para a personalização. Para recomendar bem, a empresa precisa de dados confiáveis e utilizáveis, regras comerciais claras e integração entre canais. Para concluir a compra, precisa processar pagamento, controlar fraude, separar o produto, entregar e resolver o problema se algo falhar. A IA atua dentro dessa cadeia; não substitui a cadeia.

É nesse ponto que uma vantagem operacional pode se acumular. Uma empresa com dados melhores consegue fazer recomendações mais pertinentes. Com estoque e logística integrados, pode prometer com mais precisão. Com mais interações e processos bem medidos, também pode aprender onde a experiência perde conversão. Mas escala, por si só, não é garantia: dados ruins em grande volume continuam sendo dados ruins, e uma operação complexa pode ampliar o custo dos erros.

Os exemplos são promissores, mas não provam retorno líquido

A reportagem sobre o relatório do UBS BB cita alguns sinais operacionais. O Mercado Livre atribui à busca com IA um aumento de cerca de 1 ponto percentual na conversão; vendedores que usam seu assistente de IA responderiam por quase metade do volume vendido na plataforma. No Magazine Luiza, o WhatsApp da Lu teria ultrapassado R$ 100 milhões em vendas acumuladas. Na Renner, o desenvolvimento de parte das coleções teria ficado até 35% mais rápido, com lotes de teste chegando aos clientes em cerca de cinco semanas.

Esses números ajudam a formular hipóteses, não a concluir que a IA, isoladamente, gerou lucro. Segundo a cobertura do Valor, parte das informações foi fornecida pelas próprias empresas ao banco e não consta de documentos públicos. Além disso, mais conversão, vendas acumuladas ou velocidade de desenvolvimento não mostram, sozinhas, o custo de aquisição, a margem, a canibalização de outros canais nem o custo total da tecnologia e da operação.

Um texto publicado pela Mercado&Consumo em 9 de novembro traz uma provocação complementar: faturamento e retorno sobre investimento em publicidade não revelam necessariamente quanto sobra em cada pedido. Descontos, cupons, cashback, comissões, mídia, logística, fraude, infraestrutura e manutenção podem mudar a conta. A matéria reúne falas de participantes de um encontro empresarial; é útil como alerta sobre custos a acompanhar, não como medição independente de impacto.

A disputa também é por onde começa a jornada

O relatório aponta outro desafio: assistentes de IA de grandes plataformas podem concentrar a descoberta de produtos e reduzir o tráfego e a receita publicitária dos marketplaces. Isso muda a posição de cada varejista na jornada. Uma empresa pode ganhar alcance ao abrir seu catálogo a canais externos; outra pode preferir manter a descoberta dentro de seu próprio ambiente. Nenhuma dessas escolhas é automaticamente superior.

Abrir o catálogo pode ampliar a possibilidade de ser encontrado, mas exige qualidade de dados, regras de acesso, atualização de preço e disponibilidade e clareza sobre quem mantém o relacionamento com o consumidor. Concentrar a experiência em um canal próprio pode preservar mais controle, mas não garante que o cliente iniciará ali a busca. A decisão depende do poder de distribuição da empresa, das margens, dos dados que pode compartilhar e da capacidade de acompanhar a transação até a entrega.

Como avaliar se a IA está fortalecendo a operação

Eu começaria por uma dor operacional concreta, não pela ferramenta. Pode ser ruptura, excesso de estoque, custo de atendimento, fraude, baixa conversão em uma etapa ou dificuldade para atualizar o catálogo. Antes do piloto, registraria a linha de base e definiria o que conta como sucesso. Depois, compararia grupos ou períodos equivalentes, incluindo sazonalidade e mudanças simultâneas no processo.

A avaliação precisa ir além da velocidade ou da taxa de conversão. Eu acompanharia a margem por pedido depois de descontos, comissões, mídia, frete, pagamentos e devoluções; a disponibilidade e a acurácia do estoque; o prazo e o custo de entrega; erros, cancelamentos e retrabalho; além dos custos de inferência, integração, monitoramento, revisão humana e manutenção. Se a IA vende mais, mas também aumenta devoluções, subsídios ou custo de atendimento, o crescimento pode não representar valor líquido.

Um artigo de opinião publicado pelo E-Commerce Brasil em 6 de novembro também defende que a aplicação deve partir de um problema mensurável. A recomendação faz sentido, mas cada varejista precisa testar a hipótese com seus próprios dados: os percentuais citados no artigo não vêm acompanhados, na página, de metodologia detalhada para extrapolação a todo o setor.

A vantagem sustentável não é simplesmente ter mais IA

A IA pode ampliar a vantagem de quem já executa melhor, mas também pode tornar capacidades antes caras mais acessíveis a operações menores. Um varejista regional, por exemplo, talvez não precise criar um modelo próprio para melhorar previsões ou atendimento. Pode começar com uma aplicação delimitada, dados de qualidade suficiente e integração com o sistema que já usa. O limite pode estar menos no tamanho da empresa e mais na clareza do processo, na disponibilidade de dados e na disciplina para medir o resultado.

O diferencial, portanto, não é comprar IA e esperar que a operação se reorganize ao redor dela. É conectar uma capacidade tecnológica a decisões reais, com processos, dados e responsabilidades definidos. Grandes empresas podem começar com vantagens de escala e infraestrutura, mas também carregam sistemas fragmentados, custos altos e decisões difíceis de coordenar. Empresas menores podem ter menos recursos, mas às vezes conseguem testar e corrigir com mais agilidade. O resultado não está garantido para nenhum dos lados.

A pergunta que eu faria não é apenas se a IA vai favorecer quem já é grande. É: na sua operação, qual etapa entre a recomendação e a entrega está pronta para transformar uma previsão melhor em uma venda rentável — e como você vai provar que foi a IA, e não outra mudança, que fez diferença?