Mapeamento da maturidade digital na adoção de inteligência artificial em back office logístico de transporte: aplicação em indústria de motores

Abstract

A transformação digital na logística tem impulsionado a busca por modelos estruturados de avaliação da maturidade digital como etapa preparatória à implementação de tecnologias emergentes, em particular a Inteligência Artificial (IA). Esta dissertação tem como objetivo mapear a maturidade digital para adoção de IA no back office logístico de uma indústria de motores elétricos, combinando revisão sistemática da literatura, aplicação de quatro modelos de maturidade consolidados na literatura e mapeamento observacional da carga de trabalho. Os modelos, voltados respectivamente à Logística 4.0, às dimensões organizacionais e de processos logísticos, à capacidade de implementação de IA em empresas manufatureiras e à Logística 5.0, tiveram seus diagnósticos triangulados entre si e integrados ao Diário de Bordo, que mapeou atividades realizadas no departamento analisado. Os resultados indicam maturidade intermediária com escores entre 2,90 e 3,98 em escala de 0 a 5, com a infraestrutura tecnológica como principal lacuna e o fator humano como dimensão mais central do sistema, e apontam a conferência e auditoria de fretes como oportunidade prioritária de adoção de IA. A integração desses dois diagnósticos é sintetizada em uma matriz que cruza o volume de horas consumido por cada categoria de atividade, medido pelo Diário de Bordo, com a prontidão digital da dimensão correspondente, apurada pelos modelos de maturidade. Atividades de alto volume e alta prontidão são identificadas como candidatas prioritárias à adoção de IA e ordenadas em um roadmap de implementação. O percurso constitui método replicável para o diagnóstico estruturado da adoção de IA em back offices logísticos.

Abstract: Digital transformation in logistics has driven the search for structured digital maturity assessment models as a preparatory step for the implementation of emerging technologies, particularly Artificial Intelligence (AI). This dissertation aims to map digital maturity for AI adoption in the logistics back office of an electric motor manufacturer, combining a systematic literature review, the application of four maturity models well established in the literature, and observational workload mapping. The models, addressing respectively Logistics 4.0, organizational and logistics process dimensions, AI implementation capability in manufacturing companies, and Logistics 5.0, had their diagnoses triangulated with one another and integrated with the Logbook, which mapped the activities performed in the department under analysis. The results indicate intermediate maturity with scores ranging from 2.90 to 3.98 on a 0?5 scale, with technological infrastructure as the main gap and the human factor as the most central dimension of the system, and point to freight verification and auditing as the priority opportunity for AI adoption. The integration of these two diagnoses is synthesized in a matrix that plots the volume of hours consumed by each activity category, measured through the Logbook, against the digital readiness of the corresponding dimension, assessed through the maturity models. High-volume, high-readiness activities are identified as priority candidates for AI adoption and ordered into an implementation roadmap. This constitutes a replicable method for the structured diagnosis of AI adoption in logistics back offices.