Casey's cresceu 30,9% no lucro sem drama de IA — só afinou preço, escala e oferta

Enquanto muita rede corre atrás de "IA revolucionária", a Casey's General Stores fez o oposto: usou algoritmo por baixo do pano e deixou o resultado falar. A Casey's reportou forte crescimento no ano fiscal de 2026, puxado por combustível, vendas na loja, aquisições e ganhos de eficiência — receita total subiu para US$ 17,56 bilhões, o lucro líquido cresceu 30,7% para US$ 714,4 milhões e o lucro por ação chegou a US$ 19,16. Não foi sorte. Foi execução afinada em três alavancas que qualquer rede — de 3 ou 300 lojas — consegue copiar.

O número que mais interessa ao gestor de rede é a margem por unidade. A margem de combustível trimestral se expandiu para 46,9 centavos por galão e a margem de loja atingiu 42,4%, mostrando precificação e controle de custo eficazes apesar de despesas operacionais maiores. Traduzindo: a Casey's não vendeu necessariamente muito mais volume — ela vendeu melhor, capturando centavos a mais em cada transação, replicados por milhões de vendas.

A análise da WisdomTree destrinchou o mecanismo. Em seu trimestre mais recente, a Casey's entregou resultados de destaque, incluindo 19% de crescimento de lucro por ação e vendas robustas em lojas comparáveis, ao empregar IA discretamente para otimizar operações em comida, combustível e mão de obra — enquanto QSRs tradicionais correm atrás de tecnologia vistosa, a Casey's usa algoritmos de bastidor para promoções personalizadas, escala eficiente e precificação dinâmica de combustível.

Como funciona a técnica por trás

São três modelos distintos cruzando dados diferentes. O primeiro é preço dinâmico por loja. Modelos de precificação dinâmica digerem dados competitivos, demanda local e sinais macro e ajudam a Casey's a manter margens acima de quarenta centavos por galão, enquanto concorrentes frequentemente lutam para manter volume e lucro andando na mesma direção. A lógica: em janelas de baixa concorrência, o preço sobe um pouco; quando um concorrente corta, o sistema responde antes do gerente humano perceber.

O segundo é escala de pessoal orientada por demanda. A mão de obra é outro exemplo sutil — a gestão notou que as horas de trabalho em lojas comparáveis caíram mesmo com o tráfego subindo, o que não acontece sem otimização; ferramentas de escala com IA ajudam a balancear níveis de pessoal, reduzir horas extras e cortar necessidade de treinamento, e para uma rede de milhares de lojas, economizar poucas horas por loja por semana se traduz em milhões de dólares por ano. O modelo lê ponto de venda, tráfego de pessoas e calendário promocional para montar turno em cima da demanda projetada — não do volume do ano passado.

O terceiro é oferta personalizada em cima do dado de fidelidade. Saber quais clientes pedem pizza na sexta à noite, quais preferem itens de padaria com o café da manhã e quais respondem a promoções compre-um-leve-outro cria oportunidade de personalização — modelos de machine learning convertem histórico de transação bruto em ofertas dirigidas que soam surpreendentemente relevantes. Na prática da Casey's: se um cliente que normalmente pede pizza por volta das 18h de sexta não pede, a Casey's dispara um lembrete com código promocional pelo app naquela mesma noite.

O que você vai precisar

• Seu dado de vendas por loja e por SKU — histórico do POS já basta para começar; é o combustível dos três modelos.
• Uma ferramenta de precificação na nuvem que integre no seu POS — não precisa de time de dados nem servidor local.
• Programa de fidelidade ou app com identificação do cliente — para ligar a compra ao perfil e personalizar a oferta.
• Um responsável interno (você mesmo, no começo) para revisar as recomendações e manter o controle de override.

A boa notícia para quem tem rede pequena: a barreira caiu. Para operadores independentes que gerenciam de uma a dez lojas, a barreira de entrada despencou — plataformas de IA na nuvem agora integram direto no POS Passport da Gilbarco Veeder-Root, controladores Verifone Commander e a maioria dos sistemas, sem servidores no local nem cientistas de dados, e o que era software só para grandes em 2022 hoje está em assinatura mensal acessível a um operador de loja única no interior de Ohio.

Passo a passo pra aplicar na sua empresa

1. Escolha UM item de alto giro e teste preço por loja (menos de 1 hora). Pegue seu produto campeão de volume, defina uma regra simples em linguagem natural — tipo "iguale o menor concorrente num raio de meio quilômetro, menos um centavo" — e monitore por uma semana. Esses sistemas ajustam preço várias vezes ao dia em vez de checagem manual duas vezes por dia, melhorando a margem em 2 a 4 centavos por unidade — o que, num ponto de alto volume, vale dezenas de milhares por ano.
2. Conecte uma ferramenta de precificação ao seu POS. Use uma plataforma que puxe preço de concorrente automaticamente e cruze com seu custo atual, calculando se a mudança mantém sua margem-alvo. Operadores independentes reportam aumento de volume de 3 a 8% e ganho de margem de 1 a 3 centavos por unidade após 90 dias de precificação por algoritmo — num ponto de 150 mil galões/mês, 2 centavos de ganho equivalem a US$ 3.000 a mais por mês, suficiente para pagar a maioria das plataformas várias vezes.
3. Ligue sua escala de turnos à demanda real, não ao histórico do ano passado. Alimente o sistema de escala com dados de POS, fluxo de pessoas e calendário promocional para montar turnos sobre demanda projetada. O resultado esperado é o mesmo da Casey's: horas de trabalho por loja caem mesmo com o tráfego subindo, cortando hora extra e liberando o gerente do balcão.
4. Ative segmentos simples no seu dado de fidelidade. Comece marcando grupos óbvios ("compradores de café da manhã", "clientes de sexta à noite"). Usando dados unificados, a Casey's ativa segmentos de audiência com IA e envia mensagens quando os clientes têm mais chance de agir — antes disparava mais de 300 mil e-mails em massa por mês sem personalização, e hoje envia cerca de 170 milhões de mensagens personalizadas em e-mail, SMS e app. Espere subir a conversão da oferta e o ticket médio.
5. Automatize o gargalo de pessoas da rede. Se recrutar e escalar consome o tempo do seu gerente, teste um assistente de contratação. A parceria da 7-Eleven com a Paradox oferece uma assistente de IA chamada Rita, recrutadora 24/7 para cada líder de loja, que automatiza triagem de candidatos e agendamento e cortou o tempo de contratação pela metade, economizando cerca de 40 mil horas de trabalho por semana em todas as lojas.
6. Institua a revisão mensal das decisões do algoritmo. Peça relatório de quantas mudanças de preço, quantas foram revertidas por humanos e qual foi o resultado de margem e volume. Executivos devem esperar relatório mensal das decisões do agente — quantas mudanças de preço, que percentual foi revertido por humanos, que resultados de margem e volume seguiram; sem esse ciclo de feedback, os agentes derivam e a confiança se erode.

O que muda na sua operação

A lição da Casey's é que o dinheiro não estava numa tecnologia mágica — estava numa operação mal afinada. A agenda de tecnologia da Casey's mira tornar uma rede de lojas tradicional mais orientada a dados e mais personalizada, não transformar a empresa num negócio de software; a tecnologia é um facilitador da economia do varejo. Você não precisa reinventar sua rede. Precisa parar de precificar no chute, escalar pessoal pelo histórico e mandar promoção genérica para todo mundo.

Comece pelo passo 1 ainda hoje: um item, uma regra de preço, uma semana de observação. Se você tem 5 lojas e captura 2 centavos a mais por unidade nos seus dez SKUs de maior giro, o ganho se multiplica sozinho, sem contratar ninguém e sem trocar seu sistema. O que a Casey's provou com US$ 17,56 bilhões de receita, sua rede pode provar em escala menor — a matemática é a mesma, só muda o número de zeros.