A rede de botas que fez um teste A/B nas lojas — e a IA vendeu 9,6% mais

Em março de 2026, no palco do Shoptalk Spring em Las Vegas, o CTO da Tecovas, Kevin Harwood, contou um número que resolve a maior briga interna de qualquer rede de lojas: "IA de estoque funciona ou é hype?". A Tecovas fez um teste A/B no terceiro trimestre de 2025, dividindo suas lojas em dois grupos, e registrou um aumento de 9,6% de receita nas categorias geridas por IA, além de 2% de melhora de disponibilidade nos produtos que importam — tudo isso com níveis de estoque reduzidos.

A Tecovas é uma marca de botas e roupa western do Texas que nasceu digital em 2015 e hoje opera mais de 60 lojas. Não é uma gigante com orçamento infinito — é exatamente o perfil de rede em crescimento que o dono brasileiro reconhece: expansão rápida, e a gestão de estoque começando a ranger.

O detalhe que faz a matéria valer não é o número. É o método. Em vez de trocar o sistema da rede inteira na base da fé, a Tecovas transformou a decisão em experimento controlado. O grupo A teve a categoria de botas gerida pela ferramenta de IA e a de acessórios pelo método tradicional; no grupo B, foi o inverso — cada grupo servindo de controle para o outro. Assim o ganho não pode ser confundido com sazonalidade ou marketing: as duas categorias rodaram no mesmo período, nas mesmas lojas.

Como funciona a técnica por trás

A ferramenta de IA usada foi a Invent.ai, especializada em alocação e reposição. Harwood explicou que ela usa "matemática de nível de hedge fund" na perspectiva de cada SKU individual, para descobrir a maior probabilidade de vender uma unidade específica, ao melhor preço, em uma loja específica. Na prática, o modelo cruza histórico de vendas por loja, tamanho, cor e canal, e prevê a demanda no nível mais granular possível.

Isso importa porque o produto da Tecovas é um pesadelo de estoque: cada cor de bota vem em 26 tamanhos, e o tamanho grande das caixas torna impraticável cada loja carregar todas as variações. É o mesmo problema de qualquer rede com muitas variações (grade de roupa, voltagem, sabor): você não cabe tudo em toda loja, então precisa acertar o que vai onde. A IA prevê demanda no nível SKU-loja e reajusta continuamente o estoque entre lojas, centros de distribuição e canais conforme a demanda muda, elevando a disponibilidade e as vendas enquanto reduz o excesso.

O segundo braço do caso é o app Boot Runner — e aqui está a parte que qualquer operador deveria copiar mentalmente. A Tecovas desenvolveu a plataforma em apenas 36 horas usando IA; ela permite que o vendedor peça o tamanho do estoque sem sair de perto do cliente, cortando o tempo de conectar o cliente ao produto certo de vários minutos para segundos. As botas chegam ao salão em uma média de 85 segundos , e o vendedor não abandona a venda no meio.

"Colocamos toda a nossa posição de estoque na mão do associado, para que ele possa fazer recomendações ao cliente no momento. E se não temos o tamanho que procuram, o associado pode recomendar imediatamente um produto que temos em estoque."

— Kevin Harwood, CTO da Tecovas (Shoptalk Spring, março de 2026)

O que você vai precisar

• Histórico de vendas por loja e por SKU dos últimos 12 meses (o que você já tem no seu ERP/PDV).
• Dois grupos de lojas comparáveis — semelhantes em faturamento, região e mix, para servirem de controle um do outro.
• Uma ferramenta de alocação/reposição por IA (Invent.ai é a do caso; há alternativas por porte) ou, no mínimo, uma regra de reposição nova a testar.
• Uma pessoa responsável por ler os números do teste sem viés — de preferência quem não criou a regra antiga.

Passo a passo pra aplicar na sua empresa

1. Escolha a categoria-teste e monte o controle (menos de 1 hora). Pegue no seu PDV a categoria com mais variações e mais ruptura — a que mais dá "não tem seu tamanho". Separe suas lojas em dois grupos pareados por faturamento e perfil. Isso já define o experimento sem gastar um real.
2. Fixe a métrica antes de começar. Defina o que vai medir: receita da categoria, disponibilidade (% de SKUs em estoque) e giro. Cuidado com atribuição de último clique, que dá 100% do crédito à IA e infla o número em 3 a 4 vezes — por isso o desenho A/B com grupo de controle é o que dá a resposta real.
3. Rode a IA (ou a regra nova) só em um braço. No grupo A, deixe a categoria-teste ser gerida pela ferramenta de IA de alocação; no grupo B, mantenha o método antigo. A ideia é transformar a gestão de estoque de um processo manual, baseado em planilha, num sistema automatizado que otimiza alocação e reposição em escala. Inverta as categorias entre os grupos, como a Tecovas fez, pra cada grupo controlar o outro.
4. Espere o tempo certo de calibragem. Ferramentas de previsão de estoque levam de 60 a 90 dias para acumular dados suficientes para previsões precisas; reserve uma janela de 90 dias antes de decidir. Não mate o teste na primeira semana ruim — a Tecovas mediu ao longo de um trimestre inteiro.
5. Digitalize a busca de estoque no salão (copie o Boot Runner). Se você tem grade grande e vendedor que some no estoque, crie um jeito de o vendedor consultar a posição de estoque e pedir o item sem largar o cliente — um app simples ou até uma automação no seu PDV. O ganho da Tecovas foi manter o vendedor presente na venda: o tempo de conectar o cliente ao produto certo caiu de vários minutos para segundos.
6. Só escale depois de o número aparecer. Se o braço com IA vencer com folga, aí sim leve pra rede inteira — foi essa disciplina que deu confiança à Tecovas. Após um piloto bem-sucedido, a rede passou a implantar a solução de IA em toda a rede de lojas, porque os resultados mensuráveis logo de cara deram a confiança para fazê-lo.

O que muda na operação

O ganho concreto tem duas camadas. Na primeira, você para de discutir IA com "achismo": um teste A/B por categoria custa quase nada e devolve um número que a diretoria não consegue contestar. Na segunda, o estoque vira máquina de faturamento em vez de custo parado — a ferramenta reduziu a carga de trabalho dos alocadores em 80% ao automatizar os fluxos, liberando a equipe de planejamento das planilhas para focar em iniciativas estratégicas.

Repare no que aconteceu: mais receita, mais disponibilidade e menos estoque, ao mesmo tempo. É o oposto do trade-off que a maioria das redes aceita como lei ("pra não perder venda, encho a loja"). A IA de alocação desmonta esse trade-off porque decide no nível SKU-loja, não na média da rede.

Comece pequeno esta semana: escolha uma categoria, separe dois grupos de lojas e defina a métrica. Você não precisa assinar nada pra dar o primeiro passo — precisa só desenhar o experimento com os dados que já tem. Quando o número aparecer, a decisão de escalar deixa de ser fé e passa a ser conta.