Varejo sai do piloto e começa a escalar robôs de prateleira com IA

No Groceryshop 2026, a Simbe Robotics confirmou 3.000 robôs de prateleira em operação ao redor do mundo. Para quem decide investir, o desafio deixou de ser provar que o robô anda sozinho e virou medir o retorno real na loja.

Nota da redação: a seção "Segurança e contrato" descreve os robôs de Simbe, Badger e ShelfOptix como circulando em corredor aberto, entre cliente e funcionário, sem cerca de proteção. Essa descrição específica de operação não consta na fonte original nem em documentação oficial dos fabricantes; é uma inferência do autor sobre o comportamento físico do produto de terceiros. O leitor deve considerar essa seção como ponto de atenção a confirmar diretamente com cada fornecedor, não como fato checado.

No Groceryshop 2026, a Simbe Robotics confirmou 3.000 robôs de prateleira em operação ao redor do mundo. Para quem decide investir, o desafio deixou de ser provar que o robô anda sozinho e virou medir o retorno real na loja.

O que mudou no Groceryshop 2026

Georges Mirza ajudou a levar os primeiros robôs para dentro de lojas de varejo há mais de dez anos. No relato que publicou no site especializado The Robot Report sobre o Groceryshop 2026, realizado no mês anterior à publicação do texto, ele descreve uma virada: o medo de que o robô assuste criança, esbarre em cliente ou atrapalhe a experiência de compra já ficou para trás. A pergunta que ele foi responder no evento é outra: o resto do ecossistema de varejo, da reposição ao planograma, já está pronto para usar esse dado de prateleira quase em tempo real?

A resposta que ele traz é de dois gumes. Do lado da robótica física, sim, a tecnologia escalou. Do lado da gestão, ainda é incerto se os sistemas que já existem na rede vão absorver esse dado novo ou se vão ser substituídos por ele. Para quem decide onde investir, essa é a pergunta que interessa mais do que o robô em si.

Simbe prova que dá para escalar, mas sem número de retorno divulgado

O anúncio principal do evento veio da Simbe Robotics: a empresa concluiu o rollout de 3.000 robôs Tally, que escaneiam prateleira para detectar ruptura de estoque, preço errado e etiqueta trocada, distribuídos entre várias redes e países. Há ainda um rollout em andamento num varejista classificado como Tier 1 (grande rede, não nomeada na fonte), o que deve fazer esse número crescer rápido.

A Simbe também está construindo uma camada de dados em cima do robô: painéis analíticos e um recurso chamado de tour virtual da loja, que permite olhar a condição da prateleira remotamente. Mirza levanta uma dúvida que vale para qualquer gestor avaliando o fornecedor: até onde a Simbe consegue ir sozinha nessa camada de análise antes de competir com sistemas de gestão de categoria e planograma que a rede já usa, e quão rápido esses sistemas estabelecidos vão passar a consumir esse dado novo.

Vale separar o que é prova e o que é anúncio aqui. A escala de 3.000 robôs é fato verificável. Mas não há, no material divulgado, nenhum número de redução de ruptura de estoque, economia em reais ou tempo de retorno sobre o investimento medido numa rede específica, antes e depois do robô. É prova de que o robô funciona em volume, não prova de resultado financeiro. Quem for negociar com a Simbe ou concorrente direta deve pedir esse número medido na própria operação, não o número de unidades instaladas no mundo.

Badger Technologies troca o discurso de robótica por inteligência de varejo

A Badger Technologies está passando por uma mudança de posicionamento sob o comando do novo CEO, John Gehre, que descreveu a empresa, em conversa com Mirza no evento, como estando em transição de empresa de robótica para empresa de inteligência de varejo. O robô continua sendo a plataforma física que captura o dado de prateleira e de loja, mas o foco da empresa está migrando para transformar aquele dado em decisão na ponta, dentro da própria loja.

A Badger está testando se o fluxo contínuo de dado coletado enquanto o robô roda pelo corredor permite estimar quanto produto ainda resta na prateleira, quando é hora de repor e quando o item chega ao pico de frescor, relevante para hortifruti e padaria. A empresa segue com a vantagem de ter a engenharia e a manufatura da Jabil por trás, o que facilita produzir em escala. A questão em aberto, levantada pelo próprio Mirza, é se a Badger consegue usar essa vantagem industrial para avançar mais rápido que a concorrência nessa camada de inteligência.

ShelfOptix muda o modelo de negócio, não só a tecnologia

A ShelfOptix segue reforçando sua visão computacional (o software que interpreta imagem da prateleira) e a inteligência de prateleira rodando sobre a plataforma própria, chamada BrainOS. O diferencial mais interessante, porém, está no modelo de deployment: em vez de um robô fixo por loja, a empresa oferece um robô dobrável que viaja entre lojas escoltado por uma pessoa, mirando formatos menores como farmácia, loja de conveniência, loja de variedades e supermercado regional.

Esse modelo reduz a barreira de entrada. A rede não precisa comprar um robô por unidade, paga por auditoria recorrente num conjunto maior de lojas. Para o gestor de rede pequena ou média, isso muda a conta: o investimento vira custo por visita auditada, não custo por equipamento parado 24 horas numa única loja.

Blue Collar Robotics mira o degrau seguinte: pegar o produto, não só olhar

A startup Blue Collar Robotics foi finalista na competição de pitch do Groceryshop e está atacando um problema mais difícil: em vez de escanear a prateleira, seu robô é projetado para pegar fisicamente o produto e movê-lo entre prateleira e carrinho. A empresa planeja testes iniciais com clientes a caminho da comercialização, mas ainda não tem data de disponibilidade comercial divulgada.

Isso exige que navegação, visão computacional, manipulação física do item, controle de movimento e integração com o sistema de retaguarda da loja funcionem juntos, de forma confiável. Mirza, que acompanha o setor desde o início da robótica em loja, considera esse o papel de longo prazo do robô no varejo: sair de observar a execução da loja para de fato executá-la. Ele também pondera que é uma tarefa exponencialmente mais difícil, que vai levar tempo até entregar com precisão, repetição, escala e velocidade.

MUSE expande módulos e já tem piloto numa rede dos EUA

A MUSE, vencedora do pitch de startups do evento no ano anterior, voltou ao Groceryshop 2026 ampliando sua plataforma robótica modular. O robô movimenta produto pela loja, liberando a equipe local para focar em reposição. A empresa adicionou módulos para guiar o cliente até a localização de um item e dar suporte a promoções dentro da loja, além de estar desenvolvendo módulos de picking e reposição, segurança e limpeza de piso.

Com aporte adicional de capital (valor não divulgado) e um piloto em andamento numa pequena rede de lojas dos Estados Unidos (nome não revelado na fonte), a MUSE busca ganhar espaço no mercado americano com um roadmap que Mirza descreve como agressivo e amplo.

Os cinco players lado a lado

O que muda para quem decide: o dado de prateleira vai bater na gestão

A tese central de Mirza é que o próximo campo de disputa não é mais coletar mais um feed de dado. É transformar aquele dado em ação na execução da loja. Sistemas antigos de gestão de categoria, que hoje dependem de dado de planograma, checagem de compliance amostral e dado de ponto de venda sem entender qual prateleira gerou aquela venda, tendem a ficar mais relevantes quando passarem a consumir dado real de prateleira coletado por robô. Alguns desses sistemas, segundo ele, vão ficar obsoletos; outros vão se fortalecer.

Isso significa que a decisão de comprar um robô de prateleira é, antes de tudo, uma decisão de arquitetura de dado. O ponto a checar é se o sistema de gestão de categoria, o sistema de reposição ou o software de planograma que a rede já usa aceita receber o feed do robô por integração direta, ou se o resultado vai ser mais um painel isolado que ninguém abre depois da segunda semana.

Segurança e contrato: o que exigir antes de assinar

Os robôs de prateleira de Simbe, Badger e ShelfOptix são robôs móveis autônomos que circulam em corredor aberto, entre cliente e funcionário, sem cerca de proteção. A regulamentação aplicável a esse tipo de robô em área de atendimento ao público no Brasil ainda não é um ponto consolidado; cabe ao gestor verificar com a própria assessoria jurídica qual norma se aplica ao caso concreto e quais exigências de segurança, como parada de emergência e sensor de presença, precisam constar no contrato.

Na ausência de um enquadramento regulatório claro para varejo, a responsabilidade por sensor anticolisão, velocidade segura e botão de parada de emergência precisa estar explícita no contrato com o fornecedor, não presumida. Quando o robô evolui para pegar o produto fisicamente, como propõe a Blue Collar Robotics, o risco sobe um degrau: manipulação perto de gente e perto de prateleira cheia de produto exige validação de que o mecanismo de pega não derruba item sobre cliente nem funcionário.

A fonte não traz valor de contrato nem decomposição de custo para nenhum dos cinco fornecedores. Antes de negociar, o gestor deve pedir a quebra em quatro itens separados: o robô (hardware), a licença de software de análise, a integração com o sistema de reposição ou planograma já em uso, e a pessoa, interna ou terceirizada, que vai operar e dar manutenção ao robô no dia a dia. Preço fechado sem essa quebra costuma esconder custo de integração que só aparece depois da assinatura.

Como testar isso numa loja só, sem comprometer a rede

1. Escolher uma loja de porte médio com histórico de ruptura de estoque já documentado nas últimas semanas, para ter uma base real de comparação, não genérica.
2. Negociar o contrato por semanas de piloto, não por robô comprado, com cláusula de saída se a meta combinada não for atingida.
3. Fixar uma única métrica antes de ligar o robô, como redução percentual de ruptura numa categoria específica, medida pelo time que já audita a loja hoje, não só pelo painel do fornecedor.
4. Checar se o dado do robô chega de fato ao sistema de reposição ou ao planograma em uso via integração real, e não por planilha exportada manualmente.
5. Rodar o piloto por pelo menos quatro a seis semanas, o tempo de um ciclo completo de reposição, antes de decidir expandir para outras lojas da rede.

Fonte: The Robot Report, AI & Cognition (https://www.therobotreport.com/groceryshop-2026-shows-retail-robots-ready-scale-use-ai/)

Fonte: The Robot Report — AI & Cognition