O aumento dos custos de mão-de-obra e as margens de entrega mais estreitas estão a levar grandes operadores de plataformas como a Grab a olhar para a automação. Ela decidiu trazer capacidade robótica internamente com a aquisição da Infermove.
O Grab opera em uma escala onde pequenos ganhos de eficiência podem ter efeitos descomunais. A sua plataforma suporta milhões de entregas no Sudeste Asiático, muitas delas realizadas por condutores de scooters e bicicletas em áreas urbanas densas, produzindo uma complexidade que limita a quantidade de automação que poderia substituir o trabalho humano. Ao adquirir uma empresa focada em robôs projetados para ambientes não estruturados, Grab vê a IA do mundo físico como madura o suficiente para ser usada em casos fora dos programas piloto.
Automação de entrega próxima às operações principais
Em vez de depender de sistemas prontos para uso, Grab está optando por internalizar o ciclo de desenvolvimento. A tecnologia da Infermove foi projetada para aprender com dados de movimento do mundo real, incluindo informações geradas por veículos de entrega não motorizados. Em termos práticos, isso significa robôs treinados em como as pessoas realmente navegam em calçadas, cruzamentos e pontos de desembarque lotados, e não em como esses espaços aparecem nas simulações.
Para um operador de entrega como o Grab, essa distinção é importante. Ambientes simulados podem apoiar o desenvolvimento inicial, mas muitas vezes enfrentam dificuldades com os casos extremos que definem as cidades reais. Trazer esse processo de aprendizagem internamente permite que a Grab molde como a automação se comporta sob suas próprias restrições operacionais, em vez de adaptar sua rede de distribuição para se adequar a um sistema de terceiros.
Do ponto de vista empresarial, o valor estratégico está no controle. Possuir a tecnologia dá à Grab mais influência sobre o ritmo de implantação, escopo operacional e compensações de custos. Também reduz a dependência a longo prazo de fornecedores cujas prioridades podem não corresponder à presença regional ou às realidades económicas da Grab.
A automação, no entanto, não está posicionada como um substituto para os passageiros humanos. Mesmo que os robôs assumam partes do fluxo de trabalho, as pessoas continuam a ser fundamentais para a prestação de serviços. O interesse de Grab parece focado no uso seletivo, como segmentos estruturados de primeira ou última milha, onde as tarefas são repetitivas e as distâncias são curtas. Nestas áreas, os robôs podem ajudar a suavizar os picos de procura, reduzir os atrasos durante as horas de ponta e aliviar a pressão durante a escassez de mão-de-obra.
Gerenciando a pressão de custos sem interromper o serviço
Durante uma reunião interna em dezembro, o diretor de tecnologia da Grab, Suthen Thomas, descreveu o progresso do Infermove como “impressionante”, destacando tanto a tecnologia quanto seu uso comercial inicial. Ele também disse que a empresa continuará a operar de forma independente, com seu fundador reportando-se diretamente a ele. A estrutura sugere que Grab está priorizando a execução e a continuidade, em vez da rápida integração organizacional.
A abordagem reflete uma mudança mais ampla entre as grandes plataformas digitais. Em vez de tratar a IA como uma camada adicionada aos sistemas existentes, as empresas estão a incorporá-la mais profundamente nas operações principais. Na entrega e na logística, isso muitas vezes significa ir além do software de otimização para a automação física, onde os riscos e custos são mais elevados, mas os ganhos potenciais são mais estruturais.
O momento também é revelador. Os volumes de entrega sob demanda continuam a crescer, mas as margens permanecem sob pressão. Os clientes esperam um serviço mais rápido e taxas mais baixas, enquanto os operadores enfrentam aumentos salariais, custos de combustível e regulamentações mais rigorosas. Nesse ambiente, a automação passa a ser menos uma questão de novidade e mais uma questão de sustentar níveis de serviço sem diminuir a lucratividade.
Aproximar o desenvolvimento da robótica das operações também pode ajudar a alinhar os incentivos em torno da utilização de dados. O treinamento de sistemas físicos de IA requer grandes quantidades de dados do mundo real, que as plataformas de entrega já geram em escala. Manter esse ciclo de feedback interno pode acelerar a iteração e reduzir a necessidade de compartilhar dados operacionais confidenciais externamente.
Ainda existem limites. É improvável que os robôs projetados para calçadas e rotas curtas substituam os mensageiros humanos em uma rede inteira tão cedo. O clima, as regras locais e a aceitação do cliente continuarão a determinar onde a automação poderá operar de forma realista. A expansão em vários países acrescenta ainda mais complexidade, uma vez que a infra-estrutura e os regulamentos variam amplamente.
As previsões da indústria sugerem um rápido crescimento na robótica de entrega de última milha, mas esses números oferecem uma orientação limitada para os operadores. A questão mais imediata é se a automação pode reduzir o custo por entrega sem introduzir novos pontos de falha. Isso depende menos do tamanho do mercado e mais do desempenho em ambientes ao vivo.
Vista através de lentes empresariais, a aquisição da Infermove não é uma aposta na robótica como categoria de produto. É uma medida para estreitar o vínculo entre IA, dados e operações físicas. Para as empresas de plataforma baseadas na logística e na mobilidade, essa integração pode tornar-se um factor-chave na gestão do crescimento sob pressão sustentada de custos.
(Foto de Afif Ramdhasuma)
Veja também: The Law Society: As leis atuais são adequadas para a era da IA
Quer saber mais sobre IA e big data dos líderes do setor? Confira a AI & Big Data Expo que acontece em Amsterdã, Califórnia e Londres. O evento abrangente faz parte da TechEx e é realizado junto com outros eventos líderes de tecnologia. Clique aqui para obter mais informações.
AI News é desenvolvido pela TechForge Media. Explore outros eventos e webinars de tecnologia empresarial futuros aqui.
Fontesartificialintelligence
