IA em M&A logística: integrar frotas sem perder eficiência

A aquisição da Fagioli Group pela CEVA Logistics, anunciada em 19/12/2025, é o tipo de notícia que passa rápido no feed, mas deixa um recado bem prático para quem gere transporte e supply chain: crescer por M&A é fácil no PowerPoint — difícil é fazer a operação funcionar no dia 1.

A CEVA assinou um acordo para comprar 100% da Fagioli (cerca de 450 colaboradores e €216 milhões de receita em 2024) para reforçar capacidades de heavy lift e project cargo, com ambição explícita de oferecer ponta a ponta, do desenho à instalação em campo. Faz sentido. Só que, no terreno, a integração traz fricção: frota, planeamento, equipas, compliance, sistemas e — especialmente nesta época do ano — pressão para entregar com menos margem para falhas.

Na série “IA no Transporte e Logística”, gosto de ser direto: a diferença entre uma aquisição que acelera e uma que “empata” costuma estar na capacidade de integrar decisões do dia a dia. E é aí que entram IA para gestão de frotas, otimização de rotas, previsão de risco e orquestração de recursos.

O que esta aquisição sinaliza para o setor (e porquê agora)

Resposta direta: a CEVA está a comprar especialização operacional e capacidade técnica para projetos complexos; isso aumenta o valor do portefólio, mas também aumenta a complexidade que precisa de ser gerida com dados e automação.

O movimento reforça uma tendência que tenho visto em várias geografias: grandes operadores a acelerar crescimento em setores de alto valor acrescentado (projetos industriais, energia, infraestruturas, cargas especiais). O timing também não é inocente. Dezembro é um mês em que muitas empresas fecham planos de 2026, renegociam capacidade e tentam estabilizar custos. Uma aquisição perto do fim do ano é uma mensagem para o mercado: “vamos entrar em 2026 maiores e mais capazes”.

Heavy lift e project cargo: complexidade em estado puro

Project cargo não é “mais um transporte”. É:

• janelas de entrega com dependência de obra e equipas no local
• autorizações e restrições de peso/dimensões
• escoltas, rotas especiais, simulação de curvas, pontes e pisos
• risco operacional alto (um erro custa caro e atrasa tudo)
• integração com engenharia e instalação

Quando se compra uma empresa especialista, compra-se também um conjunto de micro-decisões que mantêm a excelência operacional. Se essas decisões ficam presas a processos manuais e a conhecimento tácito, a integração vira um gargalo.

O “lado B” do M&A: onde a eficiência se perde

Resposta direta: a eficiência costuma cair em integrações por quatro motivos: dados inconsistentes, processos diferentes, sistemas não conectados e falta de visibilidade operacional ponta a ponta.

M&A em logística é muito mais do que somar ativos. O problema real é que, durante meses, convivem duas formas de trabalhar. E enquanto isso acontece, surgem sintomas clássicos:

• mais quilómetros vazios (planeamento não consolidado)
• menos pontualidade (janelas e recursos mal sincronizados)
• custos variáveis a subir (subcontratação de última hora)
• risco de compliance (regras e documentação diferentes)
• KPIs que deixam de ser comparáveis (cada equipa mede de um jeito)

A integração começa antes da integração

Aqui vai uma ideia pouco popular, mas verdadeira: o “go-live” operacional começa na due diligence. Se o comprador não mapear cedo os fluxos críticos (rotas especiais, tempos de preparação, dependências com fornecedores, restrições legais), a integração vai depender de heroísmo.

A CEVA diz que quer “end-to-end” do desenho à instalação. Isso exige orquestração fina: gerir simultaneamente transporte, equipas, equipamentos, janelas e riscos. Sem dados e inteligência operacional, o modelo ponta a ponta vira apenas uma promessa comercial.

Como a IA acelera a integração de frotas, rotas e equipas

Resposta direta: IA reduz o “tempo até à eficiência” ao padronizar decisões, melhorar previsões e automatizar a alocação de recursos em operações combinadas.

Quando duas operações se juntam, não dá para esperar seis meses até “arrumar a casa”. Em transportes, seis meses é uma eternidade. A abordagem mais pragmática é usar IA para:

1. criar uma camada única de decisão (mesmo que os sistemas ainda não estejam 100% unificados)
2. detetar desvios cedo (antes de virarem atrasos e penalizações)
3. otimizar a utilização de ativos (frota, reboques, equipamentos de elevação, equipas)

1) Normalização inteligente de dados (o primeiro ganho real)

Na prática, o maior travão é sempre o mesmo: dados com “dialetos” diferentes. Um sistema chama “semi-reboque extensível”, outro chama “modular”; um mede tempo por viagem, outro por etapa.

Modelos de IA (combinando regras + machine learning) ajudam a:

• reconciliar catálogos de ativos e tipos de serviço
• criar correspondências entre códigos e descrições
• detetar outliers (ex.: tempos impossíveis, consumos incoerentes)

Este é o tipo de trabalho que, manualmente, consome semanas e sai com falhas. Com automação, torna-se um processo contínuo.

2) Otimização de rotas que respeita restrições reais

Em heavy lift, “rota mais curta” raramente é a rota certa. Otimização de rotas com IA aqui significa incorporar restrições como:

• limites de altura e largura
• carga por eixo
• restrições de horários urbanos
• pontos de viragem e raios mínimos
• risco meteorológico e obras

A vantagem é que a IA consegue avaliar milhares de combinações rapidamente e sugerir rotas e janelas com melhor equilíbrio entre custo, risco e prazo.

3) Gestão de frota orientada a disponibilidade, não só a capacidade

Depois de uma aquisição, a pergunta muda. Em vez de “temos capacidade?”, passa a ser “temos capacidade disponível no dia certo, no local certo, com as licenças certas?”.

Sistemas de IA para gestão de frotas conseguem priorizar alocações com base em:

• manutenção preditiva (evitar indisponibilidades surpresa)
• histórico de fiabilidade por tipo de missão
• compatibilidade entre motorista/equipa e operação especial
• probabilidade de atraso em rotas críticas

Resultado: menos replaneamento e menos subcontratação de emergência.

4) ETA preditivo e gestão ativa de exceções

Uma integração bem-feita não elimina incidentes. Ela reduz o impacto. O que funciona é uma lógica de gestão por exceção:

• prever atrasos com antecedência (ETA preditivo)
• sugerir alternativas (rotas, paragens, janelas)
• acionar stakeholders certos (cliente, obra, escolta, armazém)

Em project cargo, uma hora de atraso pode significar perder uma janela de guindaste ou uma autorização. A IA vale mais pelo que evita do que pelo que acelera.

Um plano prático de 90 dias para integrar operações (com IA)

Resposta direta: nos primeiros 90 dias, o objetivo não é “unificar tudo”, é garantir visibilidade, decisão consistente e melhoria mensurável.

Se eu estivesse a desenhar um plano de integração operacional para um caso como CEVA + Fagioli, eu estruturaria assim:

Dias 0–30: visibilidade e controlo mínimo viável

• inventário único de ativos (frota, equipamentos, competências)
• mapa dos fluxos críticos (projetos em curso, rotas especiais, clientes-chave)
• dashboard comum de KPIs (OTIF, km vazios, utilização, incidentes)
• camada de dados para consolidar eventos (mesmo que parcial)

Dias 31–60: otimização e previsões

• modelos de previsão de atrasos e riscos por corredor/rota
• regras de priorização de alocação de recursos (quem faz o quê e porquê)
• otimização de rotas com restrições (piloto em 1–2 regiões)
• primeiros “playbooks” de exceção (o que fazer quando X acontece)

Dias 61–90: escala e padronização

• expandir pilotos para mais operações
• automatizar replaneamentos simples
• integrar manutenção preditiva e disponibilidade
• padronizar SLAs e indicadores para clientes globais

O indicador que eu colocaria no topo da parede é simples: tempo até recuperar (e superar) os KPIs pré-aquisição. Esse tempo precisa de cair a cada M&A.

O que muda para clientes, parceiros e concorrentes

Resposta direta: clientes ganham mais oferta ponta a ponta, mas vão exigir previsibilidade; parceiros vão sentir pressão por integração digital; concorrentes vão responder com especialização ou tecnologia.

Para o cliente industrial, a promessa é atraente: um operador capaz de desenhar, mover e instalar. Só que o cliente não compra “capacidade”; compra certeza.

• Se a integração correr bem, a CEVA aumenta poder de negociação e reduz dependência de subcontratação.
• Se correr mal, o mercado aprende rápido: atrasos em projetos grandes viram referência negativa.

Para transportadores e parceiros, cresce a exigência de:

• partilha de dados (tracking, eventos, documentação)
• conformidade e evidências digitais
• resposta rápida a exceções

A leitura para 2026 é objetiva: quem crescer por M&A sem uma camada forte de IA e dados vai pagar em custo e reputação.

Próximo passo: transformar crescimento em eficiência mensurável

A aquisição CEVA–Fagioli mostra bem o ponto central desta série “IA no Transporte e Logística”: crescer é estratégia; integrar é execução. E execução, hoje, depende de IA para tomar decisões melhores com mais variáveis, mais cedo e com menos esforço humano.

Se a sua empresa está a avaliar uma aquisição, a integrar uma nova frota, ou simplesmente a lidar com mais rotas e mais complexidade em 2026, a pergunta que fica é prática: quanto tempo a sua operação demora a “aprender” depois de mudar de escala — dias, semanas ou trimestres?

Uma boa integração não é a que dá menos trabalho. É a que recupera desempenho mais depressa — e com menos dependência de improviso.

Se quiser discutir um desenho de integração orientado por IA (rotas, frota, ETA, exceções e KPIs), vale a pena começar por um diagnóstico curto: dados disponíveis, decisões críticas e onde está o custo do caos hoje.