Resumo

O aumento da complexidade da cadeia de suprimentos traz aos gestores a necessidade de usar ferramentas cada vez mais sofisticadas, capazes de lidar com grande volume e tipos de variáveis. A diversificação de mercado, a multiplicação de canais de distribuição, a busca por rapidez de resposta e a minimização de custos e riscos justificam o crescente uso de ferramentas capazes de tratar grandes quantidades de dados buscando relações entre as variáveis. Neste contexto é que se enquadra a machine learning.

Este artigo tem por objetivo identificar, por meio de entrevistas com gestores, os impactos do uso de machine learning no desempenho das cadeias de suprimentos e se estes impactos se estendem para o desempenho organizacional dentro do contexto de custos de transação.

Neste tópico são apresentados os conceitos dos construtos do modelo teórico proposto ao final, composto de orientação estratégica da cadeia de suprimentos (ágil ou enxuta), custos de transação, com seus pressupostos (racionalidade e oportunismo) e suas dimensões (frequência, incerteza e especificidades de ativos), desempenho da cadeia de suprimentos, desempenho da organização, uso de machine learning, que faz a mediação entre os demais construtos.

Esta pesquisa é de cunho exploratório e qualitativo. Foram realizadas entrevistas com nove gestores, de diversos segmentos.Os entrevistados foram selecionados por sua experiência com a aplicação de machine learning em processos de cadeia de suprimentos. As entrevistas seguiram um roteiro semiestruturado, para permitir maior interação entrevistador/entrevistado (SILVA; RUSSO, 2019), de forma remota, por Skype, Google Meets ou Teams, conforme a conveniência do entrevistado.

Foi utilizado o software VOSviewer para realizar o agrupamento de palavras que apresentaram frequência mínima de 2 vezes, para cada construto, para identificar a relação entre elas. Houve pontos em comum entre a teoria e a visão dos respondentes, mesmo que de forma parcial, o que valida o modelo proposto.

As análises das entrevistas demonstram a presença dos construtos (orientação estratégica da cadeia, custos de transação, desempenho da cadeia e desempenho da organização, com mediação do uso de machine learning) e de suas variáveis nos processos empresariais e das relações entre eles. Também ficou evidenciada a influência de machine learning na melhoria dos resultados do desempenho da empresa, mostrando a ligação com o desempenho da cadeia de suprimentos, o que valida o modelo teórico proposto.

CARBONNEAU, R.; LAFROMBOISE, K.; VAHIDOV, R. Application of ML techniques for supply chain demand forecasting. European Journal of Operational Research 184, p. 1140–1154. 2008. ELLINGER, A.; SHIN, H.; NORTHINGTON, W. M.; ADAMS, F. G. The influence of supply chain management competency on customer satisfaction and shareholder value. Supply Chain Management: An International Journal. 17/3. 2012. FARINA, E. M. M.Q.; AZEVEDO, P. F.; SAES, M. S. M. Competitividade: Mercado, estado e organizações. Ed. Singular. São Paulo. 1997. WILLIAMSON, O. E. The economic institutions of capitalism. The Free Pre