A Total Express, empresa privada de soluções logísticas com forte atuação no setor de e-commerce, tinha um imenso desafio. Em 2025, a companhia moveu mais de 200 milhões de encomendas internacionais, ou cerca de US$ 4 bilhões em importações globalmente. Os números positivos contrastam com a alta taxa de retenção e avaliação desses pacotes por parte da Receita Federal, com até 15% das encomendas retidas para avaliação (e 5% de retenção efetiva). O prejuízo chegou a US$ 10 milhões apenas no ano passado.

“Pode parecer bobeira, mas se fizermos o cálculo, o impacto financeiro é imenso”, contou Filipe da Silva, head de dados e analytics da Total Express, durante o Eatech Conference 2026, no começo do mês de março. O ticket médio dessas encomendas, movidas principalmente entre China, Austrália, EUA e Brasil, é de US$ 20.

A solução encontrada pela TI da empresa logística foi por meio da inteligência artificial, usada para tentar prever se uma encomenda seria ou não retida antes mesmo que ela fosse postada. Para isso, foi desenvolvido internamente um algoritmo a partir de modelos de aprendizado profundo (deep learning).

“Quando uma encomenda entra [no sistema], são coletadas informações e submetidas ao modelo. Ele já retorna com um NCM [Nomenclatura Comum do Mercosul, código para identificar mercadorias entre membros do bloco econômico]”, explicou. O sistema considera valor e peso médio de cada NCM, além de legislações e bases regulatórias, além de uma lista de produtos perigosos para saber se aquele produto está adequado à classificação.

“Com essas informações em mãos o sistema verifica se é prudente ou não trazer essa encomenda. Se for classificado como risco, o time operacional avalia em uma área de repouso se vale a pena correr o risco de despachar ou devolver”, contou. “Em termos de resultado, já é relevante: 57% do que identificamos como possível problema alfandegário realmente acabam sendo, e a encomenda acaba retida. É uma redução de custo operacional significativa.”

A solução deu tão certo que a Total Express foi procurada pela própria Receita Federal. A ideia é que no futuro seja aplicado um modelo parecido no próprio sistema do Siscomex (Sistema Integrado de Comércio Exterior, plataforma digital que registra e controla todas as operações de importação e exportação no Brasil).

Evolução

Segundo Silva, a solução foi desenvolvida usando inteligência artificial “tradicional”, ou seja, algoritmos de aprendizado de máquina, rodando principalmente sobre infraestrutura da AWS e da Microsoft (Azure). Apesar de uma tentativa inicial de usar IA generativa para o modelo, os custos acabaram se mostrando proibitivos quando o projeto começou. “A gente viu que o molho ia ficar mais caro que o peixe”, brincou.

O modelo foi gerado por “web scrapping” de marketplaces, técnica de coleta de dados de produtos em websites, convertendo informações em bases de dados estruturadas. O processo é feito semanalmente, de modo a alimentar o repositório com dados atualizado e retroalimentar o modelo. No entanto, segundo o próprio head, este processo é “muito custoso”, e já há um plano para migração para a IA generativa, que nesse momento é mais acessível.

“Hoje já sabemos como reduzir o consumo de tokens e estamos construindo o nosso modelo de LLM”, adiantou aos presentes. A Total Express já considera comercializar a solução para outras empresas de logística interessadas.