Meta IA

A digitalização resolveu uma antiga dificuldade da gestão de combustíveis: a falta de informação. Hoje, sistemas de automação conseguem registrar quem abasteceu, qual máquina ou veículo recebeu o combustível, o volume liberado, o horário da operação e as leituras de hodômetro ou horímetro. O avanço, porém, trouxe um novo desafio: como encontrar, entre milhares de lançamentos, os poucos casos que realmente exigem atenção?

O problema ganha relevância diante do peso do diesel nas atividades produtivas. Segundo a Agência Nacional do Petróleo, Gás Natural e Biocombustíveis (ANP), as vendas de diesel B atingiram o recorde de 69,47 bilhões de litros em 2025, alta de 3% em relação ao ano anterior. No transporte rodoviário, o combustível representa entre 30% e 40% do valor do frete, conforme apresentação publicada pela própria agência em 2026. O insumo também está entre os custos essenciais de grandes obras e operações agrícolas, florestais e de mineração, que mobilizam centenas de máquinas e pontos de abastecimento.

Para Nelson Margarido, engenheiro, diretor operacional da Korth e especialista em automação de abastecimento, coletar dados não é o mesmo que utilizá-los na gestão.

“Se uma empresa realiza 10 mil abastecimentos por mês, não faz sentido ocupar o tempo de um profissional conferindo 10 mil linhas. A maioria dos registros provavelmente estará dentro da normalidade. O que a gestão precisa é identificar quais situações fogem do comportamento esperado e por onde a análise deve começar”, afirma.

Nem todo alerta indica fraude

Um volume aparentemente incompatível com o equipamento pode ter diferentes explicações. A capacidade do tanque pode estar cadastrada incorretamente, a leitura do horímetro pode ter sido digitada de forma errada ou determinada máquina pode ter passado a trabalhar em uma condição mais exigente.

Por isso, Margarido alerta que uma ocorrência fora do padrão não deve ser tratada automaticamente como fraude ou desvio. O dado funciona como ponto de partida para uma verificação que deve considerar o contexto da atividade.

O mesmo cuidado vale para as comparações de consumo. Equipamentos iguais podem apresentar desempenhos distintos conforme o terreno, a carga, a aplicação e o ritmo de trabalho. Na avaliação do especialista, uma referência única para toda a frota pode gerar distorções.

“Uma escavadeira não precisa apresentar o mesmo consumo de outra que trabalha em uma frente de serviço diferente. Além das referências gerais, é necessário comparar cada máquina com o próprio histórico e procurar mudanças relevantes em seu comportamento. Isso torna a análise mais coerente com a realidade”, explica.

"É necessário comparar cada máquina com o próprio histórico e procurar mudanças relevantes em seu comportamento", relata Nelson Margarido.

Foto: Divulgação Korth

Centenas de ocorrências podem ter uma única causa

A repetição de uma inconsistência também pode indicar um problema sistêmico. Se o mesmo alerta aparecer 300 vezes, por exemplo, a origem pode estar em um único cadastro incorreto, em uma falha de procedimento, em determinado ponto de abastecimento ou em uma dificuldade concentrada em uma equipe.

Nesse caso, investigar cada registro separadamente tende a consumir tempo sem resolver a causa. Agrupar as ocorrências, observar sua severidade e identificar elementos em comum permite corrigir o processo que está produzindo os desvios.

“Foi a partir dessa necessidade que desenvolvemos a Inteligência Operacional do Guardian Web. A solução faz a triagem dos abastecimentos, procura inconsistências e comportamentos anormais e organiza as ocorrências por prioridade. Ela não substitui o conhecimento do gestor, mas indica onde esse conhecimento pode ser mais bem aplicado”, explica Margarido.

A análise automatizada também pode revelar falhas na qualidade dos próprios dados, como ausência da capacidade do tanque ou falta de leituras necessárias para calcular o consumo. Para o especialista, esse diagnóstico é fundamental porque qualquer decisão gerencial depende da confiabilidade das informações produzidas na rotina.

“A inteligência artificial deve fazer aquilo que a tecnologia realiza melhor: analisar grandes volumes, cruzar informações e encontrar exceções. A compreensão das causas e a decisão continuam com as pessoas. Gerenciar não é olhar tudo. É saber onde olhar”, conclui.