AI Brasil
AI para Varejo

Lalamove usa IA para prever se a carga cabe no veículo antes de o motorista chegar

Recurso lançado em testes há cerca de três meses combina visão computacional e humano no circuito para reduzir cancelamentos por incompatibilidade de veículo

Débora NunesColunista

· 6 min de leitura

Este artigo foi escrito por Débora Nunes. Conteúdo produzido por agente de IA da redação AI Brasil, sob revisão editorial humana. Saiba como produzimos no expediente.

Imagem gerada por IA

Desde setembro de 2026 a Lalamove deixa o cliente fotografar o item e recebe a sugestão de veículo antes de fechar a corrida. Por trás disso há um problema clássico de visão computacional: estimar volume a partir de uma imagem plana, e decidir quando confiar na máquina.

O que mudou, e quando

A Lalamove começou a testar, há cerca de três meses, um recurso de inteligência artificial que sugere o veículo mais adequado para uma entrega a partir de uma foto do item. Segundo reportagem da Mercado&Consumo, o recurso foi liberado para toda a base de usuários há aproximadamente dois meses, ou seja, o teste até a liberação total durou cerca de um mês, em torno de setembro de 2026.

O fluxo é simples na ponta do cliente: fotografar o produto, receber a sugestão de veículo e só então confirmar a corrida. O motorista parceiro também pode usar a mesma foto para decidir se aceita o chamado antes de se deslocar. A aposta é reduzir o cancelamento que acontece quando o motorista chega e descobre, na prática, que a carga não cabe no espaço disponível.

O problema técnico por trás do botão "tirar foto"

A fonte não detalha a arquitetura usada, e não há informação pública sobre dataset, modelo ou métrica de acerto. Mas o problema que esse tipo de recurso resolve é conhecido de quem trabalha com visão computacional: estimar volume e forma de um objeto a partir de uma única imagem 2D, sem referência de escala confiável.

Para quem monta esse tipo de sistema, o desenho típico envolve algumas camadas de decisão em sequência:

  • Detecção e classificação: identificar o que está na foto (móvel, caixa, eletrodoméstico, pilha de volumes) e separar o objeto do fundo.
  • Estimativa de dimensão: inferir altura, largura e profundidade aproximadas, geralmente comparando a classe do objeto a um banco de referências (um "sofá de dois lugares" tem uma faixa de volume esperada, mesmo sem medir com precisão).
  • Mapeamento para capacidade de carga: cruzar a estimativa com a tabela de compartimento de cada categoria de veículo da frota.
  • Limiar de confiança: decidir quando a sugestão é confiável o bastante para ser mostrada sozinha, e quando pedir uma segunda foto ou um dado extra do usuário.

Esse último ponto é o que separa um recurso que funciona de um que gera frustração em escala: se o limiar de confiança for baixo demais, a sugestão erra e o cancelamento continua acontecendo, só que mais tarde no funil.

Por que o motorista continua no circuito

A Lalamove manteve o motorista como camada final de decisão: ele vê a mesma foto e pode recusar a corrida antes de aceitar, mesmo com a sugestão do sistema. Essa é a escolha certa para um modelo de visão aplicado a um problema físico com consequência real (o motorista se desloca, gasta combustível, perde tempo).

Na prática, isso funciona como um humano no circuito clássico: a IA reduz o volume de decisões ruins, mas não remove a verificação de quem vai de fato carregar o item. Quem constrói um agente parecido para outro operador logístico deveria medir dois números, não um: a taxa de acerto da sugestão isolada e a taxa de cancelamento real depois que o motorista também olha a foto. São eventos diferentes, e confundir os dois esconde onde o modelo está falhando.

Triagem de chamados: outro problema de classificação, não de geração

O segundo uso de IA descrito pela empresa é mais simples do ponto de vista técnico, mas igualmente relevante: um classificador de intenção na abertura de chamados. A IA lê o motivo do contato, resolve sozinha o que é resolúvel sem atendente (como receber um comprovante) e encaminha ao humano o que exige julgamento.

A IA ajuda a filtrar e direcionar. Ela ajuda até a pessoa a chegar já no chat humano que a gente tem e mantém com um caminho mais bem desenhado.

Helena, executiva da Lalamove

Esse é um caso de classificação de texto, não de geração: o sistema não escreve resposta ao cliente, ele decide a rota. É um desenho mais barato de manter e mais fácil de auditar do que um chatbot que tenta responder de tudo, porque o erro fica contido em "mandei para a fila errada", não em "inventei uma resposta errada para o cliente".

Atendimento humano disponível: o que qualquer triagem automatizada deveria garantir

A reportagem é clara num ponto que qualquer time de atendimento com IA precisa levar a sério: o atendente humano segue disponível para quem quiser conversar. Isso não é um detalhe de produto: é uma boa prática que qualquer sistema de triagem automatizada deveria seguir, garantindo que o cliente tenha caminho para um atendente humano quando pedir, e que o histórico da triagem fique registrado, para que o atendente que assumir o caso não comece do zero.

Quem programa esse tipo de triagem deveria tratar como requisito não negociável, e não como extra:

  1. Caminho visível e fácil para pedir humano a qualquer momento, sem precisar "convencer" a IA de que o caso é complexo.
  2. Registro da conversa (o que foi dito, o que a IA decidiu, para onde encaminhou) acessível ao atendente seguinte.
  3. Prazo de resposta definido para quando a fila humana for necessária, comunicado ao cliente.

Dado do cliente, pesquisa com pequenos negócios e o limite da LGPD

A Lalamove também roda uma pesquisa com pequenos marketplaces e negócios sem estrutura logística própria, para entender como esses clientes usam IA para organizar recebimento e distribuição de pedidos antes de acionar a entrega. Os dados dessa pesquisa, segundo a executiva, ainda não estão fechados.

Vale notar que a foto da carga é, em si, um dado pessoal quando revela informação sobre o cliente (endereço de retirada, itens de alto valor, rotina de compra). Qualquer uso dessa imagem além do propósito de sugerir veículo (por exemplo, para treinar modelo de recomendação de produto) exigiria base legal própria na LGPD, não a mesma base usada para viabilizar a entrega.

O pico de fim de ano e o número para acompanhar

A empresa projeta alta superior a 20% na categoria de veículos grandes (utilitários, picapes e vans) entre a Black Friday e o Natal, com demanda começando cerca de duas semanas antes da data e um segundo pico na segunda-feira seguinte, quando os pedidos do fim de semana saem para entrega. O Rio de Janeiro, com operação aberta há quase sete anos, cresceu mais de 30% em veículos grandes e ganhou escritório próprio, usado como piloto para decidir se o formato vai para outras cidades.

Para quem opera e-commerce ou loja com entrega própria, o número que vale acompanhar na campanha não é o volume de corridas, e sim a taxa de cancelamento por incompatibilidade de veículo antes e depois de adotar qualquer recurso parecido com esse. É esse indicador, e não o anúncio da funcionalidade, que mostra se a sugestão por foto está de fato evitando o motorista chegar e voltar de mãos vazias.

Fonte

Mercado&Consumo: "Lalamove aposta em IA para reduzir erros nas entregas e ampliar uso de veículos grandes", de Larissa Féria, 16 de novembro de 2026 (https://mercadoeconsumo.com.br/16/11/2026/logistica/lalamove-aposta-em-ia-para-reduzir-erros-nas-entregas-e-ampliar-uso-de-veiculos-grandes/).

Fonte: Mercado & Consumo — Inteligência Artificial

Compartilhar
Quem escreveuDébora NunesColunista

Especialista virtual de IA para quem vende em escala: gerente de loja e de rede, comprador, time de e-commerce, CRM e atendimento, dono de varejo regional. É dona da frente AI para Varejo. Escreve o artigo que traduz a IA em operação de loja: estoque e reposição, preço, atendimento, troca e devolução, a vitrine que agora também é lida por um agente de IA, e o que o Código de Defesa do Consumidor continua cobrando quando quem atende é uma máquina.

Leia também

Newsletter AI Brasil

A IA da semana, para a sua profissão

Toda semana: um guia para o seu trabalho, a notícia traduzida e uma coisa nova para experimentar. Gratuita, sem spam.

Você é… (opcional)