Wildberries: IA em operações de marketplace — visão de máquina em armazéns, busca neural e processamento de avaliações

• Корпоративный блог Wildberries: масштаб платформы, Техношкола, ML Meetup — Habr (блог Wildberries), 2024
• Warehouse robots at Wildberries — TAdviser, 2025-03
• Wildberries начал тестировать роборуки для сортировки товаров на складах — Habr (новости), 2025-03-11
• Автоматизация складов — опыт Wildberries — RoboTrends, 2025
• Wildberries объявила о запуске в Красном Бору нового роботизированного склада — Ведомости. Северо-Запад, 2025-12-25
• Wildberries теперь имеет право самостоятельно распределять товары продавцов по разным складам и регионам — Oborot.ru, 2026
• Wildberries тестирует нейросети, которые помогут покупателю искать и выбирать товары прямо в мобильном приложении — Oborot.ru, n/a
• Wildberries создала ИИ-помощника (ответы продавцов на отзывы) — CNews, 2026-02-20
• Возвраты на Wildberries: как сократить потери (отраслевые оценки доли возвратов) — Uniseller, n/a

Contexto

A Wildberries é o maior marketplace da Rússia, operando desde 2024 como parte da empresa fusionada RVB (Wildberries & Russ). De acordo com o blog corporativo da empresa no Habr, a plataforma processa dezenas de bilhões de eventos de usuários e cerca de 15 milhões de pedidos por dia. Para treinar talentos em ML, a empresa abriu sua própria Tech School (data science, analytics) e realizou seu primeiro ML Meetup em setembro de 2024.

Em robótica de armazém, porém, a Wildberries é uma entrante tardia: segundo o portal do setor RoboTrends, a empresa só começou a levar a sério a automação de armazém e a robotização em 2024, mais tarde que muitos líderes do setor. Isso dá ao caso uma dinâmica particular: este não é um programa de automação de vinte anos como o da Amazon, mas um esforço forçado para fechar a lacuna em dois a três anos — com desenvolvimento de software interno em vez de compras prontas.

Um enquadramento importante: a Wildberries divulga notavelmente menos sobre sua IA do que bancos ou Ozon fazem. A empresa publica fluxos de trabalho, especificações de robôs e objetivos — mas quase nunca as métricas de negócios de impacto. Portanto, este caso inclui apenas o que está documentado: posts técnicos no blog corporativo, notícias de lançamento e declarações públicas de líderes de unidades. Tudo além disso marcamos explicitamente como ausente do registro público.

Problema

Dois desafios operacionais nesta escala são visíveis nos materiais públicos. Primeiro, a dependência da logística de trabalho manual: classificação de milhões de pacotes de vários tamanhos em armazéns. Quinze milhões de pedidos por dia é um fluxo contínuo de itens de todas as formas e tamanhos, cada um dos quais deve ser reconhecido, agarrado e encaminhado para a célula correta; historicamente as mãos faziam isso. A empresa sentiu a fragilidade do modelo literalmente: em janeiro de 2024 um incêndio destruiu o armazém de Shushary — e com ele uma parcela substancial da capacidade do hub do Noroeste.

O segundo desafio é o posicionamento de inventário: os vendedores lutam para prever quais armazéns regionais terão demanda por seus produtos. Um erro de posicionamento significa entrega longa e cara através de metade do país ou estoque congelado em um armazém indesejado.

O contexto do setor aumenta as apostas: segundo estimativas de terceiros de serviços de vendedor, cerca de 30% dos pedidos do marketplace são devolvidos em média, e em roupas e calçados as devoluções chegam a 70%. Cada devolução é outro ciclo de manuseio em armazém — a primeira e a terceira dores se amplificam.

Finalmente, Andrey Ulyanov, chefe do departamento de automação de armazém da Wildberries, traçou publicamente o limite do possível: a automação completa de armazém, em sua avaliação, permanece uma utopia — o objetivo realista é um híbrido em que a automação cobre cerca de metade dos processos. Este é um estabelecimento de objetivos inusitadamente sóbrio para um mercado acostumado com promessas de 'armazéns completamente automatizados'.

Solução

Quatro fluxos de trabalho são confirmados publicamente — e para armazenagem os detalhes técnicos agora são conhecidos.

Armazéns. Desde 2024 a Wildberries está construindo um portfólio de automação: robôs de prateleira goods-to-person (o item viaja para a pessoa, não o contrário), empilhadeiras robóticas para movimentação de paletes, um classificador automático de correia transversal (segundo RoboTrends, recuperado em cerca de 6 meses graças aos volumes de remessa) e robôs industriais de visão de máquina transferindo bens entre linhas de correia. Em março de 2025 a empresa começou a testar braços robóticos de seis eixos com software de IA proprietário: a visão de máquina reconhece os limites de cada item, classifica itens por probabilidade de 'melhor preensão', determina a posição e o número de ventosas e escolhe uma trajetória eficiente e livre de colisões. Segundo TAdviser, a produtividade do manipulador é de pelo menos 950 unidades por hora com taxa de sucesso de preensão acima de 97%; a operação industrial começou em uma linha de classificação ativa em Koledino. 'Nossos robôs são um passo em direção a uma logística mais inteligente e eficiente', diz Andrey Fomin, chefe do departamento de robótica WB Automation. O próximo passo anunciado é um robô móvel autônomo para transporte de carga.

O lançamento do armazém Krasny Bor mostrou o escalonamento da abordagem (primeira fase — 26 de dezembro de 2025, 95.000 m² de 154.000 planejados): três linhas automáticas de classificação vertical, sistemas de correia e robôs para movimentação autônoma de paletes; o complexo substitui a instalação Shushary destruída pelo incêndio e se torna o hub de todo o Distrito Federal do Noroeste.

Posicionamento. A partir de 2026 (uma mudança de termos de oferta) a empresa redistribui os bens dos vendedores entre armazéns e regiões com base na demanda — a previsão de posicionamento é retirada do vendedor e tratada por algoritmos de plataforma que, segundo RoboTrends, levam em conta o histórico de vendas e a sazonalidade.

Experiência do comprador. A empresa está testando busca neural e seleção de produtos dentro do aplicativo e usa sumarização de IA e filtragem de avaliações.

Vendedores. Em fevereiro de 2026 um assistente de IA para responder a avaliações foi lançado: o vendedor configura parâmetros uma vez (por exemplo, publicação automática de respostas apenas a avaliações de 4–5 estrelas), então a rede neural trabalha por conta própria — analisando a ficha do produto, o texto da avaliação e as respostas anteriores do vendedor, opcionalmente adicionando recomendações de produtos complementares com números de artigo. Se a ficha do produto não possui dados, a avaliação é deixada sem resposta — uma salvaguarda deliberada contra alucinações.

Resultado

A Wildberries ainda divulga quase nenhum resultado quantitativo de negócios para seus sistemas de IA — a limitação honesta chave do caso. O que é publicado são indicadores técnicos: produtividade do braço robótico de pelo menos 950 unidades por hora, taxa de sucesso de preensão acima de 97% (TAdviser) e retorno de aproximadamente 6 meses para o classificador de correia transversal (RoboTrends). O objetivo público de robótica de armazém expresso por Elena Obraztsova, diretora de automação de marketplace da Wildberries, é reduzir radicalmente a dependência do pessoal de armazém em um a três anos; seu colega Andrey Ulyanov honestamente limita a ambição a um híbrido com cerca de metade dos processos automatizados. A escala da plataforma (cerca de 15 milhões de pedidos por dia, dezenas de bilhões de eventos por dia) é confirmada pelo blog corporativo da empresa.

A trajetória, enquanto isso, é visível a olho nu através dos lançamentos de infraestrutura: dos primeiros testes de robôs industriais em 2024 à operação industrial de manipuladores em Koledino em 2025 e ao lançamento de um hub completamente robotizado em Krasny Bor até o final de 2025. Lançamentos de IA de produtos (busca neural, respostas de avaliação com IA, redistribuição automática de bens) ocorrem em paralelo com o trabalho de armazém.

Em nossa opinião, o caso Wildberries é interessante precisamente como um modelo de 'IA sem press releases de impacto': a empresa muda seu modelo operacional através de termos de contrato e infraestrutura em vez de números de marketing. A redistribuição automática de bens é o exemplo mais claro: o sistema de IA muda a divisão de responsabilidade entre plataforma e vendedor, e sua 'métrica' é um documento legal, não uma porcentagem em um slide. Para analistas de mercado é um lembrete: a ausência de métricas públicas não significa ausência de implantação — mas atribuir percentuais de melhoria específicos à empresa sem suas próprias publicações é proibido.

Enquadre os números técnicos corretamente também: 950 unidades por hora e 97% de preensões são indicadores de folha de especificações de um tipo de manipulador em classificação, não 'a eficiência da IA da Wildberries' em geral; as estimativas de devolução do setor (30%, até 70% em roupas) são contexto de mercado, não métricas da empresa. Em nossa opinião, o elemento mais transferível do caso é o estabelecimento de objetivos sóbrio de Ulyanov: 'um híbrido com ~50% dos processos automatizados' é um enquadramento mais honesto e alcançável para robótica de armazém do que um 'armazém completamente automatizado' — e se aplica à maioria dos operadores de logística.

Lições aprendidas

1. Nem todos os líderes de mercado publicam métricas de IA: para Wildberries, fluxos de trabalho, especificações de robôs e objetivos são documentados, mas não os efeitos comerciais. Quaisquer 'números precisos' sobre IA da WB em estudos de caso de terceiros devem ser verificados contra fontes primárias.
2. A aposta mais mensurável da WB é operacional: robótica de armazém com indicadores de folha de especificações (950 unidades/hora, >97% preensão) e um objetivo público explícito de reduzir a dependência de pessoal em 1–3 anos.
3. Estabelecimento de objetivos sóbrio supera slogans: 'automação completa de armazém é uma utopia; um híbrido com ~50% dos processos é realista' (Andrey Ulyanov) é um enquadramento mais honesto do que um 'armazém completamente automatizado'.
4. Uma entrante tardia pode se mover rápido: dos primeiros testes de robôs (2024) à operação de manipulador industrial e um hub completamente robotizado em menos de dois anos — graças ao software de IA interno.
5. Deslocar a previsão de demanda do vendedor para a plataforma (redistribuição automática entre armazéns) mostra um produto de IA mudando as regras através de termos de contrato, não UI.
6. IA de marketplace atende três públicos ao mesmo tempo: o armazém (robôs), o comprador (busca neural, avaliações) e o vendedor (assistente de resposta) — projetos distintos com economias distintas.
7. Salvaguardas importam mais do que cobertura: o assistente de IA da WB deixa uma avaliação sem resposta quando a ficha do produto não possui dados — uma escolha deliberada de 'melhor silencioso do que alucinando'.
8. As dores do setor (cerca de 30% de devoluções, até 70% em roupas — estimativas de terceiros) são contexto legítimo, mas atribuir melhorias específicas à empresa sem suas próprias publicações é proibido.

Perguntas frequentes