Resumo Técnico: Agentes de IA para Controle de Inventário: Complementaridade Humano-LLM-OR

Formulação do Problema

O artigo aborda o problema de controle de inventário multi-período, um desafio fundamental de operações no qual um tomador de decisões deve determinar quantidades de pedido para atender a uma demanda incerta ao longo de um horizonte finito. O cenário específico envolve um único produto com:

• Dinâmica de Estado: Inventário disponível, pedidos em trânsito e demanda histórica.
• Incertezas: Demanda estocástica e tempos de entrega estocásticos (incluindo a possibilidade de pedidos perdidos onde as remessas nunca chegam).
• Objetivo: Maximizar o lucro total, definido como receita de vendas menos custos de estoque para inventário remanescente.
• Restrições: As decisões são tomadas sequencialmente com um atraso de observação de um período; vendas perdidas não são remarcadas.

O desafio central é que os algoritmos tradicionais de Pesquisa Operacional (PO), embora fundamentados teoricamente e computacionalmente eficientes, dependem de suposições rígidas (por exemplo, demanda estacionária, tempos de entrega conhecidos) que frequentemente falham quando as distribuições de demanda mudam ou quando informações contextuais (por exemplo, sazonalidade, interrupções no fornecimento) são difíceis de codificar formalmente. Por outro lado, os Modelos de Linguagem de Grande Escala (LLMs) oferecem raciocínio flexível e conhecimento de mundo, mas carecem de precisão matemática para cálculos ótimos de inventário e podem ser mal calibrados em relação às estruturas de custos.

Metodologia

O estudo é organizado em duas partes: uma avaliação de referência algorítmica e um experimento com participação humana.

Parte 1: Avaliação de Referência Algorítmica (InventoryBench)

Os autores constroem o InventoryBench, uma avaliação de referência composta por 1.320 instâncias:

• 720 Instâncias Sintéticas: Baseadas em 10 famílias de padrões de demanda paramétrica (por exemplo, estacionária, deslocamentos de média, tendências, sazonalidade, autocorrelação) cruzadas com três regimes de tempo de entrega (zero, fixo, estocástico) e três fracionamentos críticos (razões de custo).
• 600 Instâncias Reais: Derivadas de dados históricos de vendas de 200 produtos distintos de moda da H&M, incorporando padrões de demanda do mundo real e descrições de produtos.

Quatro métodos de tomada de decisão são avaliados usando três LLMs de ponta (Gemini 3 Flash, Grok 4.1 Fast, GPT-5 Mini):

1. PO: Uma política de estoque-base com limite baseada em dados, usando estimativas empíricas de demanda.
2. LLM: Um agente que toma todas as decisões com base no contexto e histórico, sem entrada de PO.
3. PO→LLM: O pipeline de PO gera uma recomendação; o LLM a revisa (com raciocínio) e decide se deve anulá-la.
4. LLM→PO: O LLM estima parâmetros incertos (média da demanda, variância, tempo de entrega) com base no contexto; essas estimativas alimentam a política de estoque-base com limite para o cálculo final.

Parte 2: Experimento com Participação Humana

Um experimento controlado em sala de aula com 69 participantes jogando um jogo de inventário baseado na web em três modos de colaboração:

• Modo A (PO→Humano): Humanos recebem recomendações de PO e tomam a decisão final.
• Modo B (PO→LLM→Humano): Humanos recebem recomendações de PO, o raciocínio/recomendação do LLM e tomam a decisão final.
• Modo C (PO→LLM + Orientação Humana): O LLM toma decisões autônomas; humanos fornecem orientação estratégica de alto nível em pontos de verificação periódicos.

Estrutura Teórica para Complementaridade

O artigo introduz uma estrutura teórica para distinguir entre complementaridade em nível de população e em nível individual.

• Nível de População: O desempenho médio da equipe supera o máximo entre o desempenho médio humano e o desempenho médio da IA.
• Nível Individual: O desempenho colaborativo de um indivíduo específico supera o máximo entre seu desempenho individual e o desempenho individual da IA.
• Contribuição: Os autores derivam um limite inferior livre de distribuição (Teorema 1) sobre a fração de indivíduos que experimentam complementaridade estritamente positiva. Este limite é estimado usando a estatística de Kolmogorov–Smirnov entre as distribuições de desempenho individual e colaborativo, permitindo a estimativa de benefícios individuais sem observar a mesma pessoa sob ambas as condições.

Resultados Principais

Desempenho Algorítmico

• Complementaridade: Métodos híbridos superam consistentemente métodos isolados. PO→LLM alcança o melhor desempenho geral (recompensa normalizada de 0,538), uma melhoria de 21% em relação à PO isolada.
• Pontos Fortes Contextuais: LLMs se destacam na detecção de deslocamentos de demanda, incorporação de conhecimento de mundo específico do produto (por exemplo, sazonalidade de roupas de banho) e identificação de interrupções no fornecimento (pedidos perdidos).
• Precisão Matemática: Algoritmos de PO fornecem a precisão necessária para cálculos de estoque-base, particularmente sob tempos de entrega determinísticos.
• Calibração: LLMs puros são menos calibrados em relação às estruturas de custos (fracionamentos críticos) do que PO ou métodos híbridos. À medida que a influência do LLM aumenta, a responsividade ao fracionamento crítico diminui.
• Sensibilidade ao Tempo de Entrega: Sob tempos de entrega estocásticos (com pedidos perdidos), métodos onde o LLM toma a decisão final (PO→LLM) são superiores porque conseguem detectar e adaptar-se a remessas perdidas, enquanto métodos baseados em PO falham em ajustar o inventário em trânsito ausente.

Interação Humano-IA

• Superioridade do Modo B: O modo PO→LLM→Humano (Modo B) produz o desempenho mais alto, superando significativamente tanto o Modo A (PO→Humano) quanto o Modo C (LLM + Orientação).
• Valor do Julgamento Humano: Modos de colaboração humana superam suas contrapartes automatizadas (Modo A > PO; Modo B > PO→LLM), demonstrando que o julgamento humano agrega valor além dos métodos automatizados isoladamente.
• Complementaridade Individual: Aplicando o limite inferior teórico, o estudo encontra que 30% a 60% dos indivíduos experimentam complementaridade estritamente positiva. Isso indica que os ganhos não são meramente um efeito de seleção (onde humanos fracos seguem a IA e humanos fortes a ignoram), mas representam uma sinergia genuína onde humanos usam o raciocínio da IA para melhorar suas próprias decisões.
• Mecanismos de Valor: Humanos agregam valor reagindo a tendências de demanda, detectando anomalias (como pedidos perdidos) e aplicando raciocínio sazonal — capacidades que espelham as forças dos LLMs sobre a PO pura, sugerindo uma relação de "co-piloto" onde ambos os agentes raciocinam contextualmente, mas com perfis de erro diferentes.

Significado e Alegações

O artigo alega fornecer evidências sistemáticas de que a gestão eficaz de inventário beneficia-se de um sistema complementar em vez de uma substituição de um método por outro.

• Sinergia: PO fornece disciplina estrutural e precisão matemática; LLMs contribuem com conhecimento de mundo e raciocínio contextual; humanos fornecem julgamento situacional e supervisão.
• Novidade na Pesquisa Humano-IA: Ao contrário de achados anteriores que sugerem que a colaboração humano-IA frequentemente degrada o desempenho ou falha em superar o melhor componente individual, este estudo demonstra complementaridade genuína em um cenário de tomada de decisão sequencial com sinais contextuais ricos.
• Contribuição de Recursos: Os autores lançam o InventoryBench (uma avaliação de referência de 1.320 instâncias) e o Jogo de Inventário IA-Humano (interface web de código aberto) para facilitar pesquisas futuras em gestão da cadeia de suprimentos e colaboração humano-IA.

Os autores concluem que, embora muitas direções permaneçam abertas (por exemplo, arquiteturas de agente mais ricas, grupos de participantes mais amplos), seus resultados estabelecem que a integração de PO, LLMs e julgamento humano cria um pipeline de decisão robusto a deslocamentos de demanda e incertezas no fornecimento, superando qualquer componente único isoladamente.