Greve dos caminhoneiros: o que 2018 ensinou sobre planejamento de demanda — e o que está em jogo com a nova greve

Em 21 de maio de 2018, um planejador de demanda de uma grande indústria de alimentos no interior de São Paulo foi trabalhar como qualquer outra segunda-feira.

Às 10h da manhã, o telefone não parava: caminhões com matéria-prima bloqueados na rodovia, linha de produção ameaçada de parar, cliente grande pedindo posição de estoque para amanhã.

Em três dias, a Ceasa do Rio de Janeiro registrou queda de 70% na entrada de carga. Uma saca de batata de 50kg que valia R$ 60 passou a custar R$ 350. O setor de laticínios perdeu R$ 1,1 bilhão em uma semana.

Hoje, anos depois, os caminhoneiros voltam a se mobilizar — e a ameaça de uma paralisação de grande escala volta ao radar.

A questão para qualquer gerente de planejamento em uma indústria de F&B não é se isso pode acontecer.

É o que você faz com essa informação agora.

O que 2018 revelou sobre os limites do planejamento tradicional

A greve de 2018 durou dez dias. Bloqueou rodovias em praticamente todo o país. Paralisou cadeias inteiras de abastecimento.

Mas o maior problema para os planejadores de demanda não foi o desabastecimento em si.

Foi a velocidade.

O planejamento tradicional opera em ciclos mensais ou quinzenais.
A greve virou a operação de cabeça para baixo em menos de 48 horas.

Quando o forecast era revisado:

o estoque de segurança já tinha acabado
o cliente já tinha comprado do concorrente
a produção já tinha sido interrompida

O problema não foi falta de esforço.

Foi falta de visibilidade antecipada e de um processo capaz de reagir na velocidade que o mercado exige.

O que a IA enxerga que o Excel não vê

Nenhum sistema prevê uma greve com precisão absoluta.

Mas isso não é o ponto.

O que muda com inteligência artificial é a capacidade de captar sinais antes da ruptura acontecer.

Na prática, isso acontece de três formas.

Variáveis externas entram no planejamento

Modelos tradicionais trabalham quase exclusivamente com histórico de vendas.

Modelos de Machine Learning podem incorporar sinais externos como:

preço do diesel
custo logístico
indicadores de transporte
alertas de paralisação
variáveis macroeconômicas

Quando esses sinais começam a se mover juntos, o sistema identifica padrões que indicam risco — antes que ele se materialize na operação.

Cenários deixam de ser exceção

No modelo tradicional, cenários são difíceis de construir.

No modelo moderno, eles são parte do processo.

Perguntas como:

"e se o lead time dobrar por 10 dias?"
"e se perdermos 30% da capacidade logística?"

podem ser simuladas rapidamente.

Isso permite que a empresa tome decisões antes da crise — não durante.

Monitoramento contínuo do plano

O planejamento tradicional é periódico.

A realidade é contínua.

Com IA, o plano passa a ser monitorado o tempo todo.

Se um insumo crítico começa a sair mais rápido do que o previsto, ou se a reposição atrasa, o sistema gera alertas automaticamente.

O planejador não descobre o problema na reunião.

Ele descobre enquanto ainda pode agir.

O que fazer com a próxima ameaça

A situação atual traz paralelos claros com 2018.

Mas existe uma diferença fundamental:

desta vez, o aviso está sendo dado antes.

Isso cria uma janela de ação.

Algumas perguntas que fazem diferença agora:

Quais SKUs dependem de cadeias logísticas mais vulneráveis?
O estoque atual suporta quantos dias de ruptura?
Existe um plano de priorização de produção?
Qual a velocidade de resposta para compras emergenciais?

Essas respostas não dependem exclusivamente de tecnologia.

Mas dependem de tempo, dados e capacidade de análise.

E é exatamente isso que define quem reage — e quem antecipa.

Planejamento de demanda não é sobre o passado

Grande parte das ferramentas ainda olha para trás:

histórico
sazonalidade
médias

Isso funciona em ambientes estáveis.

Mas eventos como a greve mostram que o papel do planejamento de demanda é outro.

É antecipar o que ainda não aconteceu.

E isso exige:

integração de sinais externos
capacidade de simulação
monitoramento contínuo
velocidade de decisão

Sem isso, o planejamento vira registro do passado — não instrumento de decisão.

Se esse cenário faz sentido para a sua operação, vale uma conversa.

Em poucos minutos, é possível entender onde estão os principais riscos do seu planejamento atual — e qual o potencial de evolução com uma abordagem orientada por inteligência artificial.