📈 economia

Artificial Intelligence and Digital Transformation in Indian Supply Chain Management: A Systematic Review and Meta-Analysis of Applications, Performance Outcomes, and Challenges

Esta revisão sistemática e metanálise de oito estudos envolvendo 2.633 participantes na Índia revela uma associação positiva significativa entre a transformação digital habilitada pela inteligência artificial e o desempenho da cadeia de suprimentos, apesar da notável heterogeneidade contextual e da influência crítica de fatores como a prontidão organizacional e a qualidade dos dados.

Autores originais: Supreeth S, Sandhya S

Publicado 2026-10-18

📖 5 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Supreeth S, Sandhya S

Artigo original sob licença CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Imagine uma vasta e intrincada teia de estradas, armazéns e navios que transporta de tudo, desde peças de carros até alimentos frescos, através de um país. Esta é uma cadeia de suprimentos, o motor invisível que mantém a vida moderna em funcionamento. Durante décadas, as empresas tentaram fazer com que este motor funcionasse de forma mais fluida através da adição de computadores e softwares. Hoje, um novo tipo de inteligência está se juntando à mistura: a inteligência artificial. Esta tecnologia permite que as máquinas não apenas sigam regras, mas aprendam com os dados, prevejam problemas antes que eles aconteçam e até sugiram novas maneiras de resolvê-los. Em um país tão grande e diverso como a Índia, onde milhões de pequenas empresas e enormes fábricas operam lado a lado, a questão não é mais apenas se essas ferramentas existem, mas se elas realmente funcionam para tornar as coisas melhores, mais rápidas e mais confiáveis.

Uma equipe de pesquisadores partiu para responder a esta pergunta analisando as evidências do mundo real vindas da Índia. Eles não simplesmente perguntaram aos especialistas o que eles pensavam; eles reuniram oito estudos científicos específicos que já haviam testado essas tecnologias com milhares de pessoas reais trabalhando em fábricas, empresas de transporte e pequenos negócios indianos. Esses estudos abrangeram uma ampla gama de aplicações, desde o uso de robôs para montar peças de carros e chatbots para conversar com fornecedores, até o uso de mapas digitais para rastrear mercadorias e softwares que ajudam gestores a tomar decisões durante emergências. Os pesquisadores combinaram os resultados desses oito estudos, que juntos incluíram dados de 2.633 participantes, para ver se havia um padrão claro. Eles queriam saber se o uso dessas ferramentas digitais levava consistentemente a melhores resultados de negócios, como lucros mais altos, menos atrasos ou a capacidade de se recuperar rapidamente quando as coisas davam errado.

A análise revelou uma tendência clara e positiva. Quando as empresas indianas adotaram essas ferramentas de inteligência artificial e digitais, elas geralmente viram melhores resultados. Os pesquisadores encontraram um forte vínculo estatístico entre o uso dessas tecnologias e a melhoria do desempenho. No entanto, a história não é tão simples quanto "tecnologia sempre equivale ao sucesso". Os dados mostraram que o tamanho do benefício variava muito dependendo da situação. Em algumas empresas, a melhoria foi significativa, enquanto em outras, foi modesta. Essa variação sugere que a tecnologia em si não é um interruptor mágico que conserta tudo instantaneamente. Em vez disso, seu sucesso depende fortemente de quão bem uma empresa está preparada para usá-la. Fatores como a qualidade dos dados que a empresa insere no sistema, as habilidades dos trabalhadores e a prontidão da gestão para mudar seus hábitos desempenham um papel crucial em determinar se a tecnologia entregará resultados.

Uma das descobertas mais importantes foi que os benefícios não são uniformes em todos os setores ou em todos os tipos de negócios. Por exemplo, a pesquisa destacou que as ferramentas digitais foram particularmente eficazes para ajudar as empresas a se tornarem mais resilientes, o que significa que elas podem suportar choques como atrasos no transporte ou mudanças repentinas na demanda. Nos setores marítimo e de navegação, a adoção dessas ferramentas ajudou as empresas a navegar por interrupções de forma mais eficaz. Da mesma forma, na manufatura, sistemas de rastreamento digital ajudaram a melhorar a eficiência. No entanto, os pesquisadores também observaram que, para algumas aplicações específicas, como o uso de chatbots para melhorar a sustentabilidade, as evidências ainda não eram fortes o suficiente para provar um benefício direto. Isso nos diz que, embora a direção geral seja positiva, os resultados específicos dependem do contexto. Uma ferramenta que faz maravilhas para uma grande fábrica de automóveis pode não ter o mesmo impacto imediato para uma pequena oficina, a menos que a pequena oficina tenha o suporte e a infraestrutura adequados.

Os pesquisadores também analisaram de perto a qualidade dos estudos revisados para garantir que suas conclusões fossem sólidas. Eles descobriram que, embora a tendência geral fosse positiva, as diferenças entre os estudos eram grandes. Isso significa que, se você escolhesse uma empresa indiana aleatória e lhe desse ferramentas de inteligência artificial, não poderia garantir que ela veria exatamente o mesmo nível de melhoria que outra empresa. A tecnologia é um poderoso facilitador, mas funciona melhor quando faz parte de uma estratégia mais ampla que inclui bons dados, pessoas qualificadas e uma gestão responsável. O estudo sugere que o futuro das cadeias de suprimentos na Índia reside não apenas na compra do software mais recente, mas na construção da capacidade organizacional para usá-lo com sabedoria. À medida que essas tecnologias continuam a evoluir, incluindo novas ferramentas que podem gerar ideias e cenários, as empresas que terão sucesso serão aquelas que integrarem essas ferramentas em suas operações diárias com cuidado e propósito claro, em vez de apenas adotá-las pelo simples fato de serem modernas.

Resumo Técnico: Inteligência Artificial e Transformação Digital na Gestão da Cadeia de Suprimentos na Índia

Problema
Embora a Inteligência Artificial (IA) e a transformação digital estejam remodelando cada vez mais a gestão da cadeia de suprimentos (SCM) global por meio de tomada de decisão preditiva, eficiência operacional e resiliência, há uma carência de evidências quantitativas consolidadas sobre seu impacto específico dentro do ecossistema indiano. A cadeia de suprimentos da Índia é caracterizada por diversos setores (manufatura, logística, marítimo, PMEs), níveis variados de maturidade digital e restrições infraestruturais únicas. Pesquisas empíricas anteriores sobre a adoção de IA na Índia foram escassas, inconsistentes e fragmentadas entre tipos de tecnologia (ex: robôs industriais, chatbots, rastreabilidade digital) e domínios de resultados (eficiência, sustentabilidade, resiliência). Consequentemente, não existe uma compreensão unificada da magnitude, consistência ou robustez da relação entre práticas habilitadas por IA e o desempenho organizacional neste contexto específico. Este estudo aborda essa lacuna ao sintetizar sistematicamente evidências empíricas para avaliar se a IA e as tecnologias digitais geram resultados positivos nas cadeias de suprimentos indianas e para identificar a extensão da variabilidade contextual.

Metodologia
O estudo emprega uma revisão sistemática e uma meta-análise quantitativa seguindo a estrutura PRISMA 2020.

Fontes de Dados: A literatura foi recuperada da Scopus, Web of Science, ScienceDirect, SpringerLink e IEEE Xplore, complementada por busca manual de referências, cobrindo publicações até 2026.
Critérios de Seleção: A revisão incluiu estudos quantitativos primários realizados na Índia focados em IA ou tecnologias digitais (ex: aprendizado de máquina, chatbots de IA, robôs industriais, rastreabilidade digital) dentro de contextos de cadeia de suprimentos. Os estudos deveriam relatar relações estatísticas extraíveis (coeficientes, erros padrão, estatísticas de teste) entre preditores tecnológicos e resultados organizacionais ou de cadeia de suprimentos.
Amostra: De um conjunto inicial de 200 registros, 8 estudos elegíveis envolvendo 2.633 participantes foram retidos para revisão sistemática. Sete desses estudos forneceram coeficientes padronizados confirmados adequados para a meta-análise primária (N = 2.333).
Abordagem Analítica: Uma meta-análise de efeitos aleatórios utilizando o estimador de Máxima Verossimilhança Restrita (REML) foi realizada para calcular um tamanho de efeito agrupado. A análise considerou a heterogeneidade usando as estatísticas Q de Cochran, $I^2$ e $\tau^2$ . Um intervalo de predição de 95% foi computado para estimar a faixa de efeitos em estudos futuros semelhantes.
Testes de Robustez: As análises de sensibilidade incluíram um modelo de oito estudos completo, análises de exclusão de um estudo por vez (leave-one-out) e filtros de qualidade de dados (excluindo estudos com erros padrão derivados ou resultados não significativos). O viés de publicação foi avaliado por meio de gráficos de funil, teste de regressão de Egger e teste de correlação de rank de Begg, embora os autores observem o poder estatístico limitado devido ao pequeno número de estudos. A avaliação do risco de viés foi realizada em quatro domínios: seleção, confusão, medição e viés de não resposta.

Principais Contribuições

Síntese Quantitativa: Este é o primeiro estudo meta-analítico a sintetizar quantitativamente a relação entre práticas de IA/cadeia de suprimentos digital e resultados de desempenho especificamente dentro do contexto indiano.
Quantificação da Heterogeneidade: O estudo quantifica explicitamente a substancial variabilidade nos impactos da IA entre diferentes setores e tecnologias indianas, indo além de uma narrativa binária de "adoção vs. não adoção" para uma compreensão matizada de efeitos dependentes do contexto.
Rigor Metodológico: Ao aplicar a modelagem de efeitos aleatórios REML e extensas análises de sensibilidade, o estudo fornece uma base estatística robusta para compreender a associação média, ao mesmo tempo em que reconhece as limitações de generalizar um único tamanho de efeito para diversas indústrias indianas.
Integração Teórica: Os achados são interpretados através de múltiplas lentes teóricas, incluindo o framework Tecnologia-Organização-Ambiente (TOE), Visão Baseada em Recursos (RBV), Teoria das Capacidades Dinâmicas e a emergente perspectiva da Supply Chain 5.0, vinculando a adoção tecnológica à prontidão organizacional e resiliência centrada no ser humano.

Resultados

Associação Agrupada: A meta-análise principal de efeitos aleatórios REML (7 estudos) revelou uma associação positiva agrupada estatisticamente significativa entre práticas de IA/cadeia de suprimentos digital e resultados organizacionais ou de cadeia de suprimentos ( $\beta = 0,3166$ , 95% CI: 0,2039–0,4293, $Z = 5,507$ , $p <,0001$ ).
Heterogeneidade: Foi observada heterogeneidade considerável ( $I^2 = 80,76\%$ , $\tau^2 = 0,01819$ ). O intervalo de predição de 95% variou de $-0,0603 $a$ 0,6935$, cruzando o zero. Isso indica que, embora a associação média seja positiva, a magnitude e potencialmente a direção do efeito podem variar significamente entre diferentes configurações organizacionais, tecnológicas e setoriais.
Sensibilidade: As análises de sensibilidade leave-one-out e de qualidade de dados confirmaram a estabilidade da associação positiva agrupada. A exclusão de estudos individuais ou de estudos com erros padrão derivados não alterou a significância estatística ou a direção positiva do resultado.
Viés de Publicação: Os testes de Egger e Begg não detectaram assimetria significativa de pequenos estudos, embora os autores alertem que o baixo poder desses testes (devido a $k < 10$ ) significa que o viés de publicação não pode ser definitivamente descartado.
Achados Específicos:
- Adoção e Implementação: A adoção de IA mostrou o coeficiente positivo mais forte em relação à capacidade de implementação.
- Rastreabilidade e Eficiência: A rastreabilidade digital foi positivamente associada à eficiência da cadeia de suprimentos em PMEs de manufatura.
- Resiliência: A adoção de IA foi vinculada à resiliência da cadeia de suprimentos marítima e à eficácia de frameworks de resiliência suportados por IA.
- Sustentabilidade: Embora a adoção de chatbots de IA tenha mostrado uma tendência positiva em direção ao desempenho sustentável, a relação não foi estatisticamente significativa no estudo específico examinado.
- Força de Trabalho e Receita: A gestão da força de trabalho impulsionada por IA foi positivamente associada ao crescimento da receita em PMEs, embora o tamanho do efeito tenha sido modesto.

Significância e Alegações
O artigo alega que seus achados fornecem evidências empíricas apoiando uma associação média positiva entre a transformação digital habilitada por IA e os resultados da cadeia de suprimentos na Índia. No entanto, os autores mantêm uma postura modesta e rigorosa quanto à generalização desses achados:

Dependência de Contexto: O estudo enfatiza que a relação não é uniforme. A alta heterogeneidade e o intervalo de predição cruzando o zero sugerem que a IA não garante resultados positivos em todos os contextos. O sucesso é contingente em fatores como prontidão organizacional, qualidade dos dados, infraestrutura digital, capacidades da força de trabalho e governança responsável.
Visão Baseada em Capacidade: Os resultados apoiam uma perspectiva baseada em capacidades, onde recursos tecnológicos geram valor apenas quando integrados efetivamente nos processos operacionais e gerenciais, em vez de apenas pela adoção isolada.
Direções Futuras: O artigo conclui que a base de evidências atual, embora positiva, é limitada pelo pequeno número de estudos e pela prevalência de desenhos transversais. Ele clama por estudos longitudinais e multissetoriais futuros com medidas de resultados padronizadas para isolar melhor os efeitos de tecnologias de IA específicas e validar o papel de ferramentas emergentes como IA Generativa, Grandes Modelos de Linguagem (LLMs) e Gêmeos Digitais no contexto indiano.

Em resumo, o artigo estabelece que a IA e a transformação digital são geralmente benéficas para as cadeias de suprimentos indianas em média, mas seu impacto é altamente variável e dependente do ecossistema específico em que são implantadas.

Resumo Técnico: Inteligência Artificial e Transformação Digital na Gestão da Cadeia de Suprimentos na Índia

Mais como este