A encomenda está embalada, a transportadora está quase a chegar e falta parte da morada. Alguém procura o contacto do cliente, o armazém espera e o comercial tenta perceber se aquela entrega era para a sede ou para outra instalação.
Não precisas de começar por um grande projeto de inteligência artificial. Podes começar por uma pergunta muito mais útil: quais das próximas dez expedições precisam de confirmação da morada antes de sair?
O resultado procurado é uma lista curta, com a referência da encomenda, o dado em falta e a pessoa que o vai confirmar. Não é uma morada completada por adivinhação. E nem todo este trabalho precisa de IA.
Estar no início é normal. Deixar o ensaio sem dono é que não ajuda
Num comunicado divulgado em maio de 2026, a SAS e a IDC apresentaram um inquérito a mais de 1.600 dirigentes de pequenas e médias empresas de 28 países. Cerca de 70% situavam-se nas fases experimental ou oportunista de adoção de IA. O comunicado não confirma participação portuguesa nem permite tratar esse valor como um retrato das microempresas nacionais.
Ainda assim, ajuda a pôr a conversa no sítio: experimentar sem ter a IA integrada no trabalho não é uma situação invulgar.
Numa PME, quatro obstáculos costumam aparecer juntos. Os dados estão espalhados entre o ERP, emails e folhas de cálculo. Faz-se uma demonstração que ninguém assume depois. Falta alguém que saiba configurar e verificar o resultado. E não se mede o esforço total, pelo que nunca se percebe se compensou.
A conferência de dez expedições permite enfrentar estes obstáculos sem reorganizar a empresa. Tem uma fonte delimitada, uma pessoa responsável e um momento de utilização: antes da saída da mercadoria. Se tens mais envios previstos para novembro ou dezembro, outubro pode ser uma boa altura para experimentar. Não é preciso presumir que todas as empresas têm um pico de fim de ano.
Primeiro, decidir qual é a morada que conta
A ficha do cliente pode ter uma morada de faturação correta e a encomenda ter outro destino. Pode também existir uma morada antiga copiada para o documento. Conferir apenas a ficha do cliente deixa passar precisamente o problema que interessa resolver.
O ensaio deve olhar para a morada de entrega que vai alimentar a expedição, no documento ou sistema usado pela equipa. Se a etiqueta for preparada noutro programa, é necessário perceber de onde esse programa recebe os dados.
Não é preciso começar por todo o histórico. Seleciona dez encomendas previstas para expedição, ainda a tempo de serem revistas. Para cada uma, usa a referência, o país de destino, os campos da morada de entrega e o estado do documento. Não juntes valores faturados ou informação comercial que não serve para esta tarefa.
Se a morada já mudou desde a consulta, a lista anterior deixou de ser uma base segura. Por isso, o resultado deve indicar quando foi obtido e permitir voltar ao documento de origem.
As regras detetam lacunas. A IA ajuda a fazer a pergunta
As orientações dos CTT sobre endereçamento identificam componentes como o código postal de sete dígitos e a designação postal. Para um destino português, verificar se o código tem a estrutura de quatro dígitos, hífen e três dígitos é uma regra simples. Não exige um modelo de linguagem.
O mesmo vale para um campo obrigatório vazio. Uma regra pode assinalá-lo de forma consistente e explicar porquê.
Mas há três distinções importantes:
- Campo preenchido não significa morada correta. Uma sequência inventada pode ter o formato esperado.
- Formato correto não confirma a correspondência com a rua. Essa confirmação exige uma fonte adequada ou contacto com quem conhece o destino.
- Campo vazio não significa sempre impossibilidade de entrega. A falta de número de porta pode ser legítima em determinados endereços. É um motivo para verificar, não para inventar um número.
As regras também dependem do país e dos requisitos do serviço de transporte. Aplicar o formato português a todas as encomendas internacionais cria alertas inúteis.
Onde entra então a IA? Na preparação de perguntas claras a partir das lacunas identificadas. Se falta a localidade, pode redigir um pedido de confirmação. Se há dois destinos candidatos, pode explicar a dúvida ao responsável. O rascunho continua sujeito a revisão e não é enviado automaticamente ao cliente.
Um modelo genérico foi treinado para produzir texto plausível. Perante uma morada incompleta, pode sugerir uma continuação convincente, mas errada. Neste processo, o dado em falta deve continuar em falta até existir confirmação. Uma sugestão provável não passa a ser um facto por estar bem escrita.
Um exemplo com dez expedições
Imagina este ensaio. É um exemplo construído para explicar o método, não um caso de cliente nem um resultado da Leiritech.
Das dez encomendas selecionadas, as regras assinalam quatro:
| Encomenda ilustrativa | O que aparece na origem | Próximo passo |
| — | — | — |
| EXP-01 | País Portugal; código postal sem os três últimos dígitos | Pedir o código postal completo, sem o completar automaticamente |
| EXP-02 | Localidade de entrega vazia | Confirmar o destino com o responsável pelo cliente |
| EXP-03 | Número de porta vazio; identificação de uma instalação nas restantes linhas | Verificar se essa identificação é suficiente para o serviço de entrega |
| EXP-04 | Destino fora de Portugal; código rejeitado pela regra portuguesa | Corrigir a regra do ensaio e aplicar os critérios do país de destino |
Este resultado não significa quatro entregas falhadas evitadas. Significa quatro situações para revisão. Uma delas revela um erro na configuração do próprio teste.
Nas restantes seis, a formulação correta é «sem lacunas detetadas pelas regras aplicadas», não «moradas garantidas». Uma rua errada, mas completamente preenchida, pode passar neste controlo.
Para a EXP-01, um rascunho útil seria: «Para preparar o envio da encomenda EXP-01, precisamos de confirmar o código postal completo da morada de entrega. Podes indicar os sete dígitos?» A mensagem não escolhe uma localidade, não consulta a memória do modelo e não promete uma data de entrega.
Depois, uma pessoa confirma a informação e corrige o documento no sistema de origem, com as permissões habituais. A consulta é repetida antes de preparar a etiqueta. O assistente não altera o ERP nem decide sozinho se a encomenda pode sair.
Medir o trabalho todo, incluindo os alertas errados
A primeira medida não deve ser o número de respostas produzidas pela IA. Deve ser o esforço necessário para chegar a uma lista utilizável.
Regista o tempo para obter os dados, executar a conferência, rever os alertas e tratar as confirmações. Se a preparação inicial demorou uma hora, essa hora também pertence ao custo do ensaio, mesmo que não se repita todos os dias.
Num exemplo meramente aritmético, a conferência habitual de um lote comparável poderia demorar 18 minutos. Se o novo processo exigisse cinco minutos de preparação, seis de revisão e quatro a tratar confirmações, seriam 15 minutos no total: três minutos a menos. Estes valores não são uma previsão. Servem para mostrar por que não basta dizer que a IA respondeu em segundos.
Na primeira amostra, alguém deve também rever as dez moradas, não apenas as assinaladas. Caso contrário, não descobres as lacunas que ficaram por detetar. Regista quantos alertas eram úteis, quantos eram falsos e quantos problemas escaparam.
As devoluções, reenvios e contactos adicionais são medidas posteriores. Dez expedições não chegam para estimar uma redução fiável de devoluções. E uma morada corrigida não prova que a transportadora teria falhado a entrega.
O resultado observável nesta semana pode ser mais modesto e mais útil: saber quais os campos que falham, quem os confirma e quanto custa fazer essa verificação antes da saída. Se a revisão der mais trabalho do que a conferência habitual, simplifica as regras ou interrompe o ensaio.
«Mas o meu ERP já não consegue fazer isso?»
Talvez consiga. E essa deve ser a primeira verificação.
Se o ecrã de expedições já permite identificar os campos vazios e exportar uma lista compreensível, usa-o. Não há mérito em acrescentar IA a uma verificação que uma regra resolve bem.
A camada de IA pode justificar-se quando a equipa precisa de transformar os alertas em perguntas claras ou de consultar a lista sem percorrer vários ecrãs. Mas deve acrescentar utilidade demonstrável, não apenas uma conversa agradável.
Uma demonstração interessante não chega. Para decidir, pede para ver o documento de origem, o motivo de cada alerta, os casos que o sistema não consegue validar e o tempo de revisão. É essa passagem da demonstração para um resultado conferível que costuma faltar na conversa comercial sobre IA.
Perguntar pelo WhatsApp, sem dar autorização para alterar
Com uma ligação autorizada ao sistema, a pergunta pode ser simples: «Das próximas dez expedições selecionadas, quais precisam de confirmação da morada?»
A resposta deve apresentar as referências, o campo em falta, a origem e a hora da consulta. Se não houver acesso à morada de entrega, deve dizê-lo. Não deve substituir esse dado pela morada de faturação só para conseguir responder.
Para o dono, interessa perceber quantas situações aguardam confirmação. Para o comercial, qual a pergunta a fazer ao cliente. Para o armazém, quais as referências a rever. Todos trabalham sobre a mesma lista, com acesso limitado à sua função.
Na abordagem da Leiritech, o acesso aos dados é só de leitura e auditado. Isto limita as ações e permite rastrear as consultas; não torna um modelo infalível. Continuam a ser necessários resultados verificáveis, regras de validação e confirmação humana.
No WhatsApp, o número de telefone não deve ser a única garantia de autorização. O acesso tem de estar associado a utilizadores autorizados. Sempre que possível, a mensagem apresenta referências e tipos de lacuna, deixando a morada completa no sistema protegido. Os dados usados no ensaio devem passar apenas por ferramentas aprovadas pela empresa.
Quer uses PHC, Sage, Primavera ou ARTSOFT, é necessário confirmar a versão, as permissões e a forma de acesso disponível. Não existe aqui uma promessa de ligação universal em horas. Preparar uma amostra já acessível é diferente de desenvolver e validar uma integração.
O primeiro resultado é uma lista em que a equipa pode trabalhar
Para começar, bastam dez expedições, regras acordadas e uma pessoa responsável pelas confirmações. O armazém não precisa de acreditar na IA. Precisa de conseguir verificar o motivo de cada alerta e saber o que fazer a seguir.
Se o teste funcionar, repete-o e observa o esforço ao longo de mais envios. Se um filtro resolver tudo, fica com o filtro. Se faltar informação, pede-a. Nunca deixes que uma resposta convincente se transforme numa etiqueta com uma morada inventada.
Queres testar esta conferência nas tuas expedições? Fala com a Leiritech em leiritech.pt e começa por uma amostra, não por uma promessa de transformação.
