A PepsiCo aplica inteligência artificial para escalar vendas e inovação no Brasil, apostando primeiro em pessoas, processos e dados bem organizados.
É essa lógica que sustenta um dos cases mais expressivos de IA aplicada a negócio no país, apresentado por Francini Cristelo, CIO e Líder de Business Transformation da PepsiCo Brasil, no nosso episódio #354. O algoritmo entra por último. Antes dele, vem uma reorganização interna que poucas empresas fazem com disciplina.
A operação por trás do case ajuda a entender por que essa ordem importa. Atualmente, a PepsiCo movimenta mais de 500 SKUs (Unidade de Manutenção de Estoque), 2.500 vendedores e quase 200 mil pontos de venda no pequeno varejo brasileiro. Combinar essas variáveis manualmente seria inviável. Foi justamente aí que a inteligência artificial entrou, depois que a casa já estava organizada.
Um motor de IA para orientar vendedores em campo
O case central do episódio é um motor de inteligência artificial que direciona a força de vendas da PepsiCo. Nesse sentido, ao fazer check-in em um ponto de venda, o vendedor recebe as tarefas prioritárias daquele dia, calculadas a partir de centenas de variáveis cruzadas em tempo real.
Por isso, pontos de venda com adoção plena da ferramenta crescem mais que o dobro em relação aos demais. Esse tipo de retorno costuma convencer qualquer diretor comercial. A implementação, porém, exigiu um trabalho de adoção que raramente aparece nos cases de sucesso divulgados ao mercado.
A resistência cultural na adoção da IA
Em contrapartida, uma pesquisa da McKinsey mostra que 70% dos projetos de transformação falham por resistência cultural e falha de adoção, raramente por limitação técnica. A PepsiCo encontrou o mesmo padrão ao levar o motor de IA para a frontline de vendas.
A saída encontrada foi a transparência. Isso porque, o piloto começou em uma única região, com vendedores consultados continuamente sobre seus receios antes de qualquer escala. Além disso, a empresa também investiu em desmistificar a tecnologia: explicar que, no fundo, é matemática combinando variáveis ajuda a reduzir o medo de substituição.
Ainda assim, há ainda um detalhe que reforça esse compromisso. Parte da remuneração do vendedor está atrelada ao cumprimento das tarefas geradas pela ferramenta. Em outras palavras, isso sinaliza, que o investimento em adoção veio para ficar.
O treinamento que faz diferença
Nesse sentido, um dos pontos mais relevantes da estratégia está no treinamento. Na PepsiCo, o foco recaiu sobre o que fazer com o tempo que a IA libera, mais do que sobre como operar a ferramenta. Segundo Francini, a ideia lembra uma frase ouvida em um evento do setor: começar pelo porquê, não pela IA.
Ou seja, isso significa identificar o papel central de cada função e reforçá-lo, em vez de uniformizar todo mundo na mesma capacitação técnica. No caso do vendedor, o algoritmo assume a rotina operacional para que ele se torne um desenvolvedor de negócio, capaz de perceber oportunidades que nenhum modelo capta sozinho.
Por exemplo, um especialista fiscal que conferia notas manualmente em um centro de distribuição passou a treinar em IA e hoje programa parte da automação que substituiu um processo de sete pessoas e vinte dias por poucas horas. O Fórum Econômico Mundial estima que, até 2030, quase 60% da força de trabalho vai precisar de requalificação, o que reposiciona o reskilling como agenda estratégica para qualquer liderança.
Pessoas, processos e dados antes do sistema
O framework mais valioso do episódio também é o mais simples de lembrar: toda transformação passa por quatro camadas, nesta ordem: pessoas, processos, dados e sistemas. Ignorar essa sequência é o erro mais comum em programas de inovação aberta com startups, e a razão pela qual tantos pilotos nunca escalam.
Pessoas: a estrutura certa
Primeiramente, antes de implementar uma tecnologia, é preciso confirmar se a estrutura organizacional existe para operá-la. Uma base de dados de consumidor sem uma área de CRM capaz de acioná-la vira investimento sem retorno. Um data lake sofisticado tampouco ajuda se a equipe de dados ainda extrai tabelas dinâmicas, em vez de atuar como cientistas e engenheiros de dados.
Processos e dados alinhados
O passo seguinte é revisar processos. É comum encontrar cinco áreas de uma mesma corporação executando sete versões diferentes do mesmo processo, cada uma guardada isoladamente. Só depois desse realinhamento os dados fazem sentido. Na PepsiCo, foram meses de discussão interna até chegar a uma única fórmula de sell-out, aceita por toda a companhia.
Sistemas por último
O sistema chega por último, mesmo quando é o de uma startup promissora trazida por um programa de inovação. Ele só funciona em escala se as três camadas anteriores estiverem sólidas. Um piloto pode até funcionar isoladamente e fracassar na escala, porque o problema estava nas pessoas, no processo ou no dado.
Como funciona o PepsiCo Labs
O Brasil foi escolhido como hub do PepsiCo Labs para a América Latina, plataforma global de inovação aberta da companhia. A metodologia começa com a equipe interna mergulhando na área de negócio para mapear o problema real, seguindo a máxima de se apaixonar pelo problema, e não pela solução pronta.
Só então entra o processo de scouting de startups. Nessa etapa, é comum que a própria startup escolhida ajude a reformular o problema original ao chegar na mesa. Desde o primeiro momento, o desenho da solução já considera escala, aplicando o mesmo framework de pessoas, processos e dados antes de validar qualquer sistema.
Menos tempo, mais hipóteses testadas
O centro de P&D da PepsiCo em Sorocaba recebeu investimento de R$ 25 milhões e é apontado como o maior das Américas. Com ele, a companhia reduziu o tempo de lançamento de novos produtos de 18 para 6 meses. O ganho real está em algo menos evidente: a capacidade de testar mais hipóteses dentro do mesmo ciclo.
Uma parceria recente com NVIDIA e Siemens já aponta para o próximo salto, usando Digital Twins de manufaturas para antecipar 90% dos problemas de uma fábrica antes que aconteçam. O mesmo princípio se aplica à inovação de produto: antecipar falhas e dispersões de energia antes de escalar qualquer teste, seja na fábrica, seja no laboratório de P&D.
Errar rápido como vantagem competitiva
Times de tecnologia carregam historicamente uma cultura de estabilidade absoluta, bem distante do que a inovação costuma exigir. O telefone tocando sempre significou problema, nunca aprendizado, o que torna mais difícil instalar ali uma cultura que celebra encontrar erros cedo, antes que cheguem à produção.
A entrada de startups nesse ecossistema ajuda a acelerar essa mudança, já que elas trazem naturalizado o ciclo de tentar, errar e tentar de novo. A IA aplicada aos próprios times de tecnologia também torna a construção de produtos digitais mais rápida e barata, o que reduz o custo de errar cedo e amplia o espaço para experimentação controlada.
O futuro da inovação no Brasil
Olhando para frente, a transformação em curso na PepsiCo aponta para uma mudança de modelo que ultrapassa a própria empresa. As companhias vinham de uma lógica de discurso pronto, com meses de planejamento para uma campanha fechada antes de qualquer lançamento. Hoje o diálogo com o consumidor acontece em tempo real nas redes sociais, o que exige menos roteiro e mais capacidade de resposta.
O mesmo vale para o ecossistema de inovação do país: quanto mais indústrias, startups, governo e universidades sentarem à mesma mesa, maior a velocidade coletiva de inovação. Para lideranças que tratam IA como vantagem competitiva de longo prazo, essa articulação entre diferentes atores tende a pesar tanto quanto o investimento interno em tecnologia.
Conclusão
O case da PepsiCo deixa uma lição de sequência mais do que de tecnologia: organizar pessoas, alinhar processos, limpar dados e só então implementar sistemas. Empresas que invertem essa ordem tendem a esbarrar no que a própria McKinsey chama de purgatório do piloto, projetos que funcionam pequenos e morrem antes de gerar retorno.
Para lideranças que avaliam onde investir em IA no próximo ciclo, vale menos perguntar qual ferramenta escolher e mais perguntar se a organização já resolveu suas próprias camadas de pessoas, processos e dados.
Quer receber uma curadoria mensal com os melhores insights ágeis? Assine a Newsletter Agilistas, onde você tem acesso a tendências e reflexões do mundo ágil. Inscreva-se grátis no formulário no fim dessa página com seu melhor e-mail.
