Robôs humanoides com IA no armazém: o que muda

No dia 17/12/2025, o Mercado Libre confirmou que vai colocar um robô humanoide — o Digit, da Agility Robotics — para trabalhar num armazém em San Antonio, Texas. Não é “demo para vídeo”: é operação real, com foco em tarefas de apoio ao fulfilment (separação, movimentação e abastecimento de fluxos internos).

Para quem acompanha a série “IA no Transporte e Logística”, esta notícia é um daqueles sinais claros de mercado: a automação deixou de ser só esteiras, sorters e AMRs. A próxima camada é a de sistemas que andam em corredores existentes, pegam em contentores (totes) e aprendem rotinas com IA, sem obrigar a redesenhar o armazém do zero.

O que interessa aos decisores de logística não é o “formato humanoide” por si só. O que interessa é isto: quando a IA e a robótica entram em funções com alta rotatividade e baixa atratividade, a operação ganha fôlego — e isso repercute-se em prazos, custo por encomenda, segurança e até na capacidade de absorver picos (como Natal, Black Friday e saldos de janeiro).

Porque é que um robô humanoide faz sentido (e quando não faz)

Um robô humanoide só faz sentido quando resolve um problema concreto: variabilidade. Armazéns têm variabilidade todos os dias: mudanças de SKU, layouts “vivos”, urgências, rework, devoluções, faltas de pessoal e exceções que um sistema rígido não lida bem.

A promessa do Digit — e de outros humanoides industriais que estão a entrar em testes — é simples: operar em ambientes desenhados para humanos, usando corredores, portas, áreas de staging e contentores existentes. Segundo a Agility Robotics, o Digit já moveu mais de 100.000 totes em operações comerciais ao vivo, e integra-se com software de gestão de frotas robóticas.

O “ponto doce” de uso

Na prática, o melhor encaixe inicial tende a ser:

• Movimentação repetitiva de contentores entre zonas (receção → buffer → picking → pack)
• Reposição interna e alimentação de linhas (abastecer postos de trabalho)
• Transferências curtas e frequentes que consomem muitas horas de marcha do operador

É trabalho essencial, mas muitas vezes:

• cansa,
• gera lesões por repetição e esforço,
• tem alta rotatividade,
• e é difícil de escalar em picos.

Onde eu teria cuidado

Most companies get this wrong: tentam começar pelo “mais difícil” para provar tecnologia. Humanoides ainda podem falhar em:

• manuseamento de itens soltos muito variados (objetos frágeis, deformáveis, irregulares)
• ritmos extremos sem estabilidade operacional
• ambientes com piso irregular, molhado ou muito congestionado

O acerto do Mercado Libre aqui é começar com tarefas de suporte ao fulfilment, onde o impacto é grande e o risco é controlável.

O que o caso Mercado Libre diz sobre IA na logística

A decisão de testar o Digit não é apenas “automação”. É uma peça de uma estratégia maior: IA como motor de eficiência na cadeia logística.

Quando falamos de IA no transporte e logística, a conversa costuma ficar em roteirização, ETA, otimização de rotas e gestão de frotas. Tudo isso continua crítico. Só que há um detalhe: o armazém é o coração do tempo de ciclo. Se o armazém atrasa, o transporte só “carrega” o atraso.

Uma regra que funciona: a melhor otimização de rotas não compensa um fulfilment lento.

A ponte armazém–transporte (onde a IA realmente paga)

Humanoides e outros robôs ganham valor quando conectados a decisões de IA que orquestram a operação ponta a ponta:

• Previsão de procura para dimensionar turnos e buffers
• Otimização de ondas (waves) e prioridades de picking com base em SLAs
• Alocação dinâmica de tarefas (humanos vs robôs) em tempo real
• Gestão de pátio (yard) e docas para reduzir tempos mortos
• Planeamento de carga e cut-off alinhados com transportadoras

O Digit é “corpo”. A IA é “cérebro” — e o ROI aparece quando cérebro e corpo trabalham no mesmo plano operacional.

O que muda na operação do armazém (métricas que importam)

O impacto real de um humanoide não se mede por quantos vídeos virais ele gera. Mede-se por KPIs de chão de armazém. Eu olharia para cinco, nesta ordem:

1. Custo por encomenda (cost per order)
2. Throughput por hora (encomendas/hora, totes/hora, linhas/hora)
3. Tempo de ciclo (pedido → expedido)
4. Taxa de incidentes de segurança (quase-acidentes, ergonomia, afastamentos)
5. Qualidade (erros de separação, danos, devoluções por falha)

O ganho menos óbvio: previsibilidade

Armazéns sofrem quando o desempenho varia muito entre turnos, equipas e períodos do dia. Robots trazem uma vantagem prática: ritmo estável. E previsibilidade é ouro para transporte:

• melhor sequenciamento de docas,
• menos espera de camiões,
• menor risco de perder janelas,
• ETAs mais fiáveis.

É aqui que a narrativa “IA no transporte” encaixa perfeitamente: um armazém previsível alimenta um transporte inteligente.

Como preparar um armazém para robôs humanoides (sem reinventar tudo)

A notícia destaca que o Digit consegue encaixar em instalações padrão “sem mudanças caras”. Eu concordo, mas com uma ressalva: sem mudanças estruturais não significa sem preparação.

Checklist prático para um piloto bem feito

Se eu estivesse a desenhar um piloto de humanoides (ou AMRs avançados) para 2026, eu exigiria:

• Mapeamento de processos: onde existe marcha desnecessária? onde há gargalo recorrente?
• Definição de tarefas com fronteiras claras: início/fim, exceções, regras de segurança
• Padronização de contentores e pontos de pickup/drop: menos variação, mais estabilidade
• Dados operacionais limpos: WMS atualizado, localização confiável, cadastros consistentes
• Integração mínima com WMS/WES: não precisa ser “perfeito”, mas tem de ser robusto
• Métricas de sucesso desde o dia 1: baseline antes do piloto, metas semanais, governança

Segurança não é “compliance”, é produtividade

Robôs em corredores com humanos exigem disciplina: rotas, sinalização, regras de ultrapassagem, zonas de cruzamento, e procedimentos de paragem.

O ponto é simples: se a equipa não confiar no robô, a operação trava. E aí o projeto morre por atrito, não por tecnologia.

“E os empregos?” A conversa que líderes precisam ter

Há um jeito honesto de abordar isto: robôs não chegam porque “faltam pessoas”, chegam porque faltam pessoas para certos tipos de trabalho, a certos preços, com certas exigências físicas.

O próprio discurso de mercado tem sido focado em funções “difíceis de preencher” e “alta rotatividade”. Na prática, o que costuma acontecer nos projetos bem geridos é:

• menos pessoas em marcha e carga repetitiva,
• mais pessoas em qualidade, exceções, supervisão, melhoria contínua,
• necessidade maior de formação técnica (operações + tecnologia).

Se a sua empresa está a pensar em automação com IA, trate isto como um programa de transformação, não como compra de equipamento.

O que esperar em 2026: do piloto ao portfólio de casos de uso

O Mercado Libre disse que vai explorar casos adicionais para ampliar o uso em armazéns da América Latina. Faz sentido por três motivos bem concretos:

1. Escala: mais sites = mais dados = melhor curva de aprendizagem operacional.
2. Repetição: as tarefas “de totes” e movimentações internas repetem-se em quase todo armazém.
3. Pressão sazonal: fim de ano é prova de stress. Se ajuda em picos, vira prioridade.

Eu aposto que a evolução natural (para Mercado Libre e para o mercado) vai passar por:

• humanoides a operar em turnos estendidos (noite e madrugada)
• coordenação com frotas de AMRs (humanoide para zonas mistas; AMR para rotas dedicadas)
• IA a fazer orquestração em tempo real (tarefas, filas, prioridades, energia, manutenção)

A empresa que ganhar aqui não é a que tem “mais robôs”. É a que tem melhor sistema de decisão.

Próximos passos: como transformar esta tendência em projeto (e leads)

Se a sua operação está a considerar IA aplicada à logística, este caso é um bom gatilho para fazer três perguntas internas, ainda este mês:

1. Onde o armazém está a “quebrar” nos picos? (mão de obra, fluxo, docas, exceções)
2. Que tarefas têm alta rotatividade e baixa estabilidade? (as candidatas naturais à automação)
3. Quais decisões hoje são “no feeling” e podiam ser suportadas por dados? (prioridades, waves, alocação)

Se quiserem, eu recomendo começar com um diagnóstico rápido de 2 semanas: baseline de KPIs, mapeamento de fluxo e desenho de um piloto com metas objetivas (custo por encomenda, throughput, incidentes). A partir daí, sim, faz sentido discutir robôs humanoides, AMRs, WES, visão computacional e a camada de IA.

O recado final para quem acompanha a série IA no Transporte e Logística é direto: o transporte inteligente precisa de um armazém inteligente. E, em 2026, “armazém inteligente” vai significar cada vez mais IA a coordenar pessoas, robôs e transporte como um só sistema.

A pergunta certa para 2026 não é “vamos ter robôs humanoides?”. É: qual parte do nosso fluxo ainda depende de improviso?