Glossário de IA no varejo: agentic commerce, GEO, previsão de demanda

O que é. Campo da computação que cria sistemas capazes de executar tarefas que normalmente exigiriam inteligência humana, como reconhecer padrões, prever resultados, entender linguagem e tomar decisões. No varejo, a IA deixou de ser projeto-piloto e virou camada operacional: cerca de 90% dos varejistas já a utilizam em alguma frente, de previsão de estoque a atendimento. Ela funciona aprendendo com dados históricos do negócio (vendas, cadastro, navegação) para gerar previsões e recomendações que orientam a operação no dia a dia.

O que é. Ramo da IA em que o sistema aprende padrões a partir de dados, sem ser programado regra por regra. Quanto mais histórico de vendas, devoluções e comportamento de compra ele recebe, mais preciso fica. É o motor das aplicações de maior valor no varejo: motores de recomendação, previsão de demanda e precificação dinâmica. Ao contrário de relatórios fixos, um modelo de machine learning se reajusta sozinho conforme novos dados chegam, capturando sazonalidade, tendências e mudanças de comportamento do consumidor.

O que é. Tipo de IA que cria conteúdo novo (texto, imagem, código, descrição de produto) a partir de uma instrução em linguagem natural, em vez de apenas classificar ou prever. No varejo, gera descrições de catálogo, respostas de atendimento, campanhas e resumos de relatório em escala. A McKinsey estima que a IA generativa pode destravar de US$ 240 a US$ 390 bilhões em valor para o setor, o equivalente a ganho relevante de margem. É a base dos copilotos e dos assistentes conversacionais usados por equipes e clientes.

O que é. Modelo de IA treinado em enormes volumes de texto para entender e gerar linguagem natural, como GPT, Gemini e Claude. É a tecnologia por trás de chatbots, copilotos e dos assistentes que respondem perguntas dos clientes. No varejo, um LLM lê uma pergunta ("tem essa camisa azul no tamanho M?") e produz uma resposta coerente, desde que conectado aos dados certos. Sozinho, porém, ele não conhece o estoque da loja: precisa ser ligado às bases do negócio por técnicas como RAG e MCP para responder com informação real.

O que é. Instrução em linguagem natural que se dá a um modelo de IA para obter o resultado desejado. A qualidade do prompt determina a qualidade da resposta: um pedido vago gera saída genérica, enquanto um prompt específico, com contexto e formato, gera resultado útil. No varejo, prompts bem construídos automatizam a redação de descrições de produto, a triagem de atendimento e a análise de relatórios. "Engenharia de prompt" é a prática de desenhar essas instruções de forma consistente para que a IA entregue padrões confiáveis em escala.

O que é. Quando um modelo de IA gera uma resposta que soa convincente, mas é falsa ou inventada, por não ter a informação correta. No varejo, é um risco direto: um assistente pode afirmar que um produto está disponível quando não está, ou citar uma política de troca que não existe. A principal defesa é não deixar o modelo responder de memória: técnicas como RAG conectam a IA aos dados reais do negócio (estoque, preço, regras), de modo que ela responda com base em fatos atuais, e não em suposições.

O que é. Sistema de IA que não apenas responde, mas age: recebe um objetivo em linguagem natural, planeja os passos, consulta ferramentas e dados, e executa uma sequência de ações para concluir a tarefa. Diferente de um chatbot, que conversa, o agente realiza, por exemplo, conferir estoque, abrir um pedido ou disparar um reabastecimento. A Gartner projeta que 40% das aplicações corporativas terão agentes de IA embarcados já em 2026. No varejo, agentes começam a operar tarefas repetitivas de back-office e atendimento com supervisão humana.

O que é. Modelo de comércio em que um agente de IA compra em nome do consumidor: recebe uma meta em linguagem natural, pesquisa opções, compara contra restrições do usuário, autoriza o pagamento dentro de limites e dispara o pedido. A McKinsey o define como a IA que antecipa necessidades, navega opções, negocia e executa transações. A Gartner projeta que, até 2030, 20% das transações de comércio digital ocorrerão via plataformas e agentes de IA. Para o varejista, isso muda quem é o cliente: cada vez mais, um agente, não só um humano navegando.

O que é. Compra que se concretiza sem o consumidor navegar páginas ou clicar em botões de checkout: o pedido é fechado dentro de uma conversa com IA ou executado por um agente que já conhece preferências, endereço e meio de pagamento. É a face visível do comércio agêntico para o consumidor. Para o varejo, exige que catálogo, preço e estoque estejam expostos de forma legível por máquina, para que a venda aconteça mesmo quando o cliente nunca abre a sua loja. Reduz o atrito a quase zero, mas tira a vitrine tradicional do caminho.

O que é. Assistente de IA que trabalha ao lado da pessoa, sugerindo, redigindo e executando tarefas sob supervisão, em vez de agir de forma totalmente autônoma. No varejo, um copiloto pode resumir o desempenho de vendas do dia, sugerir reposição, redigir uma descrição de produto ou responder a uma dúvida operacional dentro do próprio sistema de gestão. A diferença para o agente é o grau de autonomia: o copiloto mantém o humano no comando da decisão, acelerando o trabalho da equipe sem substituí-la.

O que é. RPA (automação robótica de processos) usa robôs de software para executar tarefas repetitivas e baseadas em regras, como conferir notas, atualizar planilhas ou lançar pedidos entre sistemas. Combinada com IA, a automação ganha capacidade de lidar com exceções e linguagem natural, evoluindo da regra fixa para a decisão assistida. No varejo, automatiza conciliação, importação de catálogo, atualização de preço e triagem de atendimento, liberando a equipe para o que exige julgamento humano. É a ponte entre o ERP e os ganhos de produtividade da IA.

O que é. Arquitetura que conecta um modelo de linguagem a uma base de dados externa: antes de responder, o sistema recupera a informação atual e só então gera a resposta. Tornou-se o padrão dominante de IA corporativa em 2026 porque permite usar dados próprios (catálogo, políticas, histórico) sem retreinar o modelo, reduzindo drasticamente alucinações. No varejo, é o que faz um assistente responder com o preço, o estoque e a regra de troca reais da loja, e não com uma suposição genérica do modelo.

O que é. Representação numérica de um texto, produto ou imagem como uma lista de números (vetor) que captura seu significado. Itens parecidos ficam próximos nesse espaço matemático, o que permite à máquina comparar por sentido, e não por palavra exata. É a base da busca semântica e dos motores de recomendação: dois produtos descritos de formas diferentes, mas equivalentes, têm embeddings próximos. No varejo, embeddings ligam buscas como "tênis para corrida" a itens cadastrados como "calçado esportivo de performance".

O que é. Busca por significado, não por correspondência exata de palavras. Em vez de exigir que o termo digitado coincida com o cadastro, ela usa embeddings para entender a intenção e trazer resultados relevantes mesmo com sinônimos, erros de digitação ou descrições diferentes. No varejo digital, é o que evita a "busca vazia": o cliente procura "vestido para casamento" e encontra peças cadastradas como "traje de festa", aumentando a conversão. É um dos usos mais diretos de IA para melhorar a descoberta de produtos na loja online.

O que é. Processo de especializar um modelo de IA já treinado, ajustando-o com dados específicos de um domínio ou empresa para que ele adote o vocabulário, o tom e os padrões daquele negócio. Difere do RAG, que injeta dados na hora da resposta: o fine-tuning altera o próprio modelo. No varejo, pode ser usado para que um assistente fale na voz da marca ou classifique produtos com a taxonomia da operação. É mais custoso que o RAG e indicado quando o comportamento desejado é estável e recorrente.

O que é. Prática de estruturar o conteúdo e a infraestrutura técnica da marca para que motores de IA como ChatGPT, Gemini, Perplexity e Claude citem e recomendem seus produtos nas respostas. Enquanto o SEO otimiza para a lista de links do buscador, o GEO otimiza para como os modelos recuperam, avaliam e referenciam marcas em respostas conversacionais. No varejo, decide se a sua loja aparece quando o cliente (ou o agente dele) pergunta à IA onde comprar determinado produto, uma nova fronteira de descoberta.

O que é. Padrão aberto que permite a agentes de IA se conectarem a ferramentas e dados externos de forma estruturada, funcionando como a ponte entre o raciocínio do modelo e os sistemas operacionais da empresa. No varejo, é o que pode permitir a um agente consultar estoque, preço e disponibilidade diretamente nas bases do negócio, em vez de adivinhar. Em 2026, expor dados via MCP é comparado a ter um site responsivo em 2012: requisito de base para participar do comércio operado por agentes.

O que é. Catálogo de produtos exposto em formato estruturado e legível por máquina (preço, atributos, disponibilidade, condições), para que agentes de IA consigam ler, comparar e transacionar sem intervenção humana. É o pré-requisito técnico do comércio agêntico: sem dados claros e atualizados, o agente não consegue escolher nem comprar o seu produto. No NRF de janeiro de 2026, o Google lançou um protocolo de comércio universal para que agentes interajam com catálogos de lojistas e concluam compras por um padrão aberto, acelerando essa exigência.

O que é. Uso de modelos de IA para estimar quanto de cada produto será vendido em um período, por canal e por ponto de venda, considerando sazonalidade, tendência, preço e até clima. É um dos usos de maior retorno no varejo: operações que adotam previsão por IA relatam de 30% a 50% de redução no erro de previsão e queda relevante no estoque parado. No dia a dia, isso significa menos ruptura de itens que vendem e menos capital preso em itens que encalham, conectando a compra à demanda real.

O que é. Conjunto de técnicas que usam dados históricos para prever eventos futuros, como vendas, churn, reposição ou risco de ruptura. Diferente do BI tradicional, que descreve o que já aconteceu, a análise preditiva antecipa o que tende a acontecer e sugere ação. No varejo, alimenta desde a previsão de demanda até a antecipação de quais clientes vão deixar de comprar. É a ponte entre o relatório passivo e a decisão proativa, transformando o dado acumulado pelo ERP em vantagem operacional.

O que é. Modelo que estima a probabilidade de um cliente parar de comprar, com base em sinais como queda na frequência, ticket menor ou tempo desde a última compra. Permite agir antes da perda, com oferta, contato ou ajuste de experiência direcionados aos clientes em risco. No varejo, é especialmente valioso porque reter custa menos que conquistar: identificar o cliente prestes a sair e reengajá-lo preserva receita recorrente. Depende de um histórico unificado de compras, terreno natural para quem já centraliza o dado no ERP.

O que é. Sistema de IA que sugere produtos relevantes a cada cliente com base em seu comportamento e no de perfis semelhantes, alimentando o clássico "quem comprou também levou". É um dos usos de maior valor no varejo, ligado diretamente a aumento de ticket médio e conversão. Funciona cruzando histórico de navegação, compra e atributos de produto, muitas vezes via embeddings. Aplicado na vitrine digital, no e-mail e na loja física assistida, personaliza a oferta em escala, sem depender de curadoria manual produto a produto.

O que é. Uso de IA para ajustar preços de forma contínua conforme demanda, concorrência, estoque e elasticidade, em vez de tabelas fixas revisadas esporadicamente. Estudos de mercado apontam que a precificação dinâmica por IA pode melhorar a margem bruta em torno de 8% a 15% em diversas categorias do varejo. O sistema testa, mede e reage, protegendo margem em itens de baixa elasticidade e acelerando o giro de itens parados. Exige governança para evitar guerras de preço e percepção de injustiça pelo cliente.

O que é. O NPS (Net Promoter Score) mede a propensão do cliente a recomendar a marca; a análise de sentimento usa IA para ler avaliações, mensagens e atendimentos e classificar a emoção e os temas por trás deles. Juntas, transformam texto solto em indicador acionável: a IA lê milhares de comentários e aponta onde a experiência trava (entrega, troca, atendimento). No varejo, isso fecha o ciclo entre a voz do cliente e a operação, revelando causas de insatisfação que pesquisas estruturadas não capturam.

O que é. Área da IA que permite a sistemas interpretar imagens e vídeo. No varejo físico, é aplicada na prevenção de perdas, no monitoramento de prateleira (detecção de ruptura e de preço errado), na contagem de fluxo de clientes e em checkouts mais ágeis no PDV. Em vez de depender só de conferência manual, câmeras e modelos identificam padrões anômalos em tempo real, como falhas de reposição ou comportamento suspeito. Conecta o mundo físico da loja à mesma camada de dados que já governa estoque e vendas.

O que é. Técnica de IA que identifica padrões fora do esperado em dados de operação, como divergência de estoque, pico incomum de cancelamentos, falha de integração entre canais ou inconsistência em pedidos. Diferente de uma regra fixa de alerta, o modelo aprende o comportamento normal da operação e sinaliza o que destoa, mesmo sem alguém ter previsto aquele cenário. No varejo, antecipa rupturas, erros de cadastro e perdas operacionais antes que virem prejuízo, atuando como um vigia automático sobre o fluxo de dados do negócio.