Anais
Resumo do trabalho
Operações · Novas Tecnologias e IA em Operações e Desenvolvimento de Produtos
Título
PERSPECTIVAS TEÓRICAS DA INTELIGÊNCIA ARTIFICIAL NA GESTÃO SUSTENTÁVEL DA CADEIA DE SUPRIMENTOS: UMA REVISÃO INTEGRATIVA
Palavras-chave
Inteligência Artificial
Gestão Sustentável da Cadeia de Suprimentos
Revisão Integrativa
Agradecimento:
O presente trabalho foi realizado com apoio da Coordenação de Aperfeiçoamento de Pessoal de Nível Superior – Brasil (CAPES) – Código de Financiamento 001.
Autores
-
Julio Cezar AriasUNIVERSIDADE FEDERAL DO PARANÁ (UFPR)
-
Farley Simon Mendes NobreUNIVERSIDADE FEDERAL DO PARANÁ (UFPR)
-
Ubiratã TortatoPONTIFÍCIA UNIVERSIDADE CATÓLICA DO PARANÁ (PUCPR)
Resumo
Introdução
As empresas enfrentam pressão crescente para alinhar eficiência logística a metas de sustentabilidade. A convergência entre inteligência artificial (IA) e gestão sustentável da cadeia de suprimentos desponta como resposta estratégica: algoritmos preditivos, sensores IoT e análise de dados em tempo real prometem reduzir resíduos, emissões e custos, identificando práticas regenerativas, transparência e eficiência em cadeias globais. Portanto, esta pesquisa tem como objetivo verificar como a Inteligência Artificial pode facilitar a gestão da cadeia de suprimentos e promover práticas sustentáveis.
Problema de Pesquisa e Objetivo
Problema de Pesquisa: Como a IA pode facilitar a gestão da cadeia de suprimentos e promover práticas sustentáveis em suas operações.
O objetivo do presente estudo é verificar como a IA pode facilitar a gestão da cadeia de suprimentos e promover práticas sustentáveis em suas operações.
O objetivo do presente estudo é verificar como a IA pode facilitar a gestão da cadeia de suprimentos e promover práticas sustentáveis em suas operações.
Fundamentação Teórica
A literatura sobre IA e Gestão Sustentável da Cadeia de Suprimentos divide se em três blocos principais: (1) IA e tecnologias emergentes que otimizam fluxos e monitoram a emissão de carbono; (2) modelos decisórios e de governança que inserem critérios sustentáveis na seleção de fornecedores; (3) estudos setoriais e de crise que evidenciam lacunas de infraestrutura, dados e capacitação. A IA serve como um recurso potente para fomentar a gestão sustentável da cadeia de suprimentos, desde que sua implementação seja estratégica e fundamentada em princípios de responsabilidade socioambiental.
Discussão
Os resultados mostram consenso de que a IA eleva os níveis de sustentabilidade. Algoritmos cognitivos reduzem desperdício e energia (Bourke 2019); IA generativa antecipa gargalos logísticos e emissões de resíduos (Li et al. 2024). Durante a pandemia de COVID-19, modelos preditivos garantiram abastecimento com menor impacto social (Tariq 2023). Blockchain acoplado à IA aprimora o monitoramento de emissão de carbono (Chen et al. 2025). Já a transição industrial 4.0 para 5.0 exige integrar talento humano à automação (Samuels & Pelser 2025).
Conclusão
Esta revisão confirma que a IA é alavanca vital para cadeias mais verdes, eficientes e transparentes. Tais benefícios emergem quando dados robustos, infraestrutura digital e competências humanas convergem em estratégia sustentáveis de longo prazo. Adoções pontuais produzem ganhos táticos; integrações sistêmicas habilitam redução de emissões, circularidade e valor compartilhado. Pesquisas futuras devem validar frameworks em múltiplos setores e economias emergentes, mensurando impactos socioambientais e financeiros através de modelos de maturidade.
Contribuição / Impacto
O estudo fornece uma síntese compacta das evidências que ligam IA e sustentabilidade na gestão da cadeia de suprimentos, com o intuito de sintetizar as principais teorias acerca do tema em evidência e sinalizar práticas sustentáveis que poderão moldar os negócios e a vida dos seres humanos e do meio ambiente. Orienta ainda políticas de transparência de emissão de carbono e delimita lacunas para investigação da Indústria 5.0. Espera se influenciar o roteiro de inovação em cadeias emergentes e estimular cooperação entre academia, empresas e governos.
Referências Bibliográficas
BOURKE, E. (2019); BOWERSOX, Donald; CLOSS, David; COOPER, M. B. (2007); CATALDO, I. et al. (2022); CHEN, Y. et al. (2025); DANACH, K.; DIRANI, A. E.; RKEIN, H. (2024); GÓMEZ GANDÍA, José Andrés, et al. (2025); GONZALEZ, E. D. R. S. et al. (2015); HADDUD, Abubaker (2024); KANNAN, D. (2018); LI, L. et al. (2024); NISHAR, S. (2024); QENAAT, B. et al. (2025); SAMUELS, A. B.; PELSER, A. M. (2025); SNYDER, Hannah. (2019); SUMARLIAH, E.; AMRULLAH, N. I. H.; AL-HAKEEM, B. (2023); TARIQ, M. U. (2023); USMAN, S. (2024); YADAV, A.; GARG, R. K.; SACHDEVA, A. (2024).