Se você usa Winthor, provavelmente já viveu esta cena: segunda-feira cedo, alguém abre o relatório, exporta, cruza com planilha e ainda precisa chamar “quem sabe onde olhar” para responder o básico: o que vai romper, onde a margem sangrou e qual loja está comprando errado.
Nos últimos dias, o mercado ficou mais barulhento com um sinal claro: a TOTVS está acelerando o movimento de agentes de IA, ou seja, IA que deixa de só “responder” e passa a agir dentro da rotina do ERP. Para nós, isso confirma uma virada importante: a próxima onda de produtividade não vai vir de mais dashboards. Vai vir de decisão e ação assistidas por agentes.
Só que no varejo existe um detalhe que separa valor real de frustração: especialização (ANI) + dados prontos. É aqui que a Maloka aposta em ser ainda mais “narrow”: agentes específicos para rotinas do varejo (vendas, estoque e clientes), conectando rapidamente os dados do TOTVS Winthor para tirar sua operação do modo relatório/planilha e colocar no modo decisão/ação.
TOTVS anuncia a LYNN
A TOTVS anunciou a LYNN como o seu foundation de IA B2B, uma “base” pensada para sustentar a construção de agentes especializados para o mundo corporativo. Traduzindo para o dia a dia: é um investimento para sair do estágio “IA como recurso pontual” e entrar no estágio “IA como infraestrutura” dentro das soluções da TOTVS.
Esse movimento é relevante para o varejo por um motivo simples: o ERP é onde a operação acontece. Quando a IA passa a viver “no coração” do sistema, ela pode reduzir o tempo entre:
- perceber o problema (ruptura, margem, compra errada)
- entender a causa
- e acionar a próxima ação
A TOTVS também sinalizou que pretende fortalecer essa aposta com investimento contínuo em IA nos próximos anos.
O que é um “foundation” B2B (sem buzzword)
Pense em foundation como uma base comum que permite criar várias aplicações em cima: modelos, infraestrutura, governança, segurança e capacidade de escalar.
No B2B, isso é ainda mais importante porque o ambiente tem requisitos que não cabem em “IA genérica”:
- auditoria e rastreabilidade (por que a IA sugeriu isso?)
- regras de negócio e permissões (quem pode fazer o quê?)
- integração com dados e sistemas (ERP, compras, CRM, fiscal)
- consistência e custo previsível (para não virar experimento eterno)
Em resumo: não é sobre “ter um chat”. É sobre industrializar agentes.
ANI (Artificial Narrow Intelligence): por que “IA de propósito específico” é o caminho natural dos agentes
A TOTVS posicionou a LYNN em cima de um conceito que a gente considera central para o varejo: ANI (Artificial Narrow Intelligence), ou inteligência artificial de propósito específico.
A gente gosta de simplificar: ANI é IA especialista.
Em vez de tentar resolver tudo, a ANI é construída para tarefas específicas, em um contexto definido. E isso não é uma limitação, é o que faz a IA funcionar bem quando o assunto é operação real.
A tese é simples:
Quanto mais crítico o processo, mais especialista a IA precisa ser.
Por quê? Porque processo crítico tem exceção, regra, “jeito da casa”, sazonalidade, restrição de fornecedor, política comercial, variação de custo, comportamento por loja… E um agente genérico, por melhor que seja, tende a:
- errar o que é “óbvio” para quem vive o varejo;
- não saber o que priorizar;
- sugerir ações que até parecem boas, mas não cabem no seu contexto.
ANI é sobre reduzir erro e aumentar resultado com segurança. No varejo, isso significa agente que entende o jogo e não só “faz texto”.
Agentes de IA no ERP: o que muda quando a IA deixa de “responder” e passa a “trabalhar”
Até pouco tempo atrás, ter IA na empresa significava, na prática, ter uma ferramenta que respondesse perguntas. Você pergunta, ela explica. Isso já ajuda, mas não resolve o que mais consome tempo no varejo: a sequência de decisões que acontece todo santo dia.
Quando falamos de agentes de IA, estamos falando de um salto: em vez de só responder, o agente é desenhado para executar tarefas dentro de limites, seguir regras, checar dados, sugerir ações e, dependendo do nível de governança, até acionar fluxos (por exemplo: gerar uma fila de reposição, priorizar alertas, montar listas de verificação, disparar recomendações para as áreas).
E por que isso virou pauta agora? Porque o ERP sempre foi o “sistema do que aconteceu”. A promessa dos agentes é transformar o ERP também em um “sistema do que fazer agora”, com velocidade e consistência.
No varejo, isso é ouro. Porque tempo de resposta não é luxo: é margem, ruptura e caixa.
Onde a Maloka é mais narrow: agentes desenhados para o contexto do varejo
Na Maloka, a gente não está tentando construir “um agente para tudo”. A nossa proposta é direta: ser a camada de IA conversacional e preditiva focada em Varejo, em cima de dados operacionais de vendas, estoque e clientes.
Isso muda a forma como os agentes são desenhados. Em vez de começar pelo ERP, a gente começa pela rotina do varejo:
- ruptura e reposição (o que vai faltar, onde, quando e o que fazer primeiro)
- margem e preço (o que mudou, por quê, e qual alavanca mexer)
- clientes (quem vale mais, quem está esfriando, como recuperar)
O diferencial é posicionamento e execução:
- agentes por dor do varejo, não um agente genérico para o ERP inteiro
- priorização e ação, não só “resposta”
- contexto varejista (giro, ruptura, sazonalidade, mix, cadastro e exceções)
E a gente sustenta isso com base técnica e foco: somos o primeiro AI Lab focado em varejo no Brasil, com mais de 20 modelos analíticos em produção e um NVIDIA DGX Spark na infraestrutura. Na prática, isso nos permite evoluir agentes mais rápido, testar hipóteses com agilidade e entregar mais precisão nas rotinas que mais doem no varejo: ruptura, margem e clientes.
Por que quem já usa TOTVS Winthor tem vantagem
Se você já usa Winthor, você já tem um ativo valioso: histórico operacional. Vendas, compras, estoque, movimentações, cadastro. O desafio é transformar isso em decisão sem virar refém de exportação e planilha.
O gargalo não é “ter IA”; é conectar e organizar os dados
A maioria das iniciativas de IA trava no mesmo lugar:
- dados espalhados (ERP, BI, planilhas)
- cadastros inconsistentes
- indicadores calculados de formas diferentes por área
- tempo de projeto indo embora antes de aparecer valor
Por isso, o caminho mais curto para ROI geralmente é este:
- conectar dados com velocidade
- organizar o mínimo viável para bons agentes
- priorizar 1–2 casos de uso que gerem resultado rápido
- escalar com governança
Integração em 48h: o que isso muda na prática
Quando você encurta a integração, você muda a dinâmica do projeto: menos tempo em “obra” e mais tempo em operação.
Na Maloka, em muitos cenários, conseguimos conectar e organizar os dados de varejistas que usam TOTVS Winthor em até 48 horas, acelerando o início dos casos de uso e encurtando o caminho até a operação sentir ganho real.
O impacto prático disso:
- você começa mais rápido por um agente que dói de verdade (ruptura, margem, compra, cliente)
- você reduz dependência de “quem sabe montar o relatório”
- você testa, ajusta e coloca em rotina em ciclos curtos
- você mede ganho de produtividade por semana, não por trimestre
Em resumo: a integração deixa de ser o projeto. Ela vira o começo do resultado.
A pergunta certa para o varejista que usa o Winthor
Agentes de IA no ERP são um sinal forte de mudança e o varejo brasileiro vai se beneficiar muito disso.
Mas a pergunta que define quem ganha não é “vou ter um agente no ERP?”. A pergunta é:
Você quer um agente genérico… ou um agente que fala varejo fluente, entende suas rotinas e transforma seus dados do Winthor em ação no dia a dia?
Se o objetivo é produtividade real, a resposta costuma ser a mesma: quanto mais crítico o processo, mais narrow a IA precisa ser.