Grandes modelos de linguagem replicam estratégias humanas na negociação de preços e quantidades de produtos dentro da cadeia de suprimentos
PESQUISA LOGÍSTICA
Por Samuel N. Kirshner, Yiwen Pan, Jason Xianghua Wu e Alex Gould
A inteligência artificial consegue negociar quase igual aos humanos. Pesquisadores da Universidade de Nova Gales do Sul (Austrália) e da Universidade de Zhejiang (China) realizaram uma série de experimentos nos quais diferentes sistemas de IA atuaram como fornecedores e varejistas, chegando a acordos sobre preços e quantidades de produtos. Os resultados do estudo refletiram comportamentos surpreendentemente semelhantes aos humanos, com uma diferença notável: as máquinas demonstraram maior disposição para fechar negócios, o que poderia levar a uma maior eficiência nas cadeias de suprimentos, embora tendessem a favorecer alguns participantes em detrimento de outros.
Em toda cadeia de abastecimento intervêm mais fatores do que fábricas, armazéns e meios de transporte. Também ocorrem negociações nas quais se decide não apenas quanto se compra e a que preço, mas também quem assume os riscos e como se repartem os lucros.
Durante anos, os pesquisadores estudaram como as pessoas se comportam nas trocas financeiras e como suas decisões condicionam o sucesso da logística. Os acordos dependem tanto dos números quanto das relações humanas: confiança, comunicação e ritmo da troca de informações. Detalhes, como os dados que cada parte decide compartilhar ou a rapidez com que responde a uma oferta, podem inclinar a balança entre um resultado ou outro.
A automatização dos processos de negociação melhora o desempenho de toda a cadeia de suprimentos
Até recentemente, considerava-se que as negociações eram impossíveis de automatizar, mas os grandes modelos de linguagem (LLM, por suas siglas em inglês) começaram a ser incorporados a esses processos. Sua capacidade de raciocinar, planejar e se adaptar a diferentes contextos permite que eles intervenham em conversas complexas, nas quais se equilibram interesses e se aplicam estratégias para chegar a acordos.
Desenho do estudo sobre negociações com IA
Para avaliar até que ponto os LLM conseguem negociar como pessoas em uma cadeia de suprimentos, pesquisadores da Universidade de Nova Gales do Sul (Austrália) e da Universidade de Zhejiang (China) desenvolveram uma série de experimentos nos quais agentes de IA assumiram o papel de fornecedores e varejistas.
“Nós nos baseamos em experimento realizado pela Universidade Cornell e pela Universidade do Texas em Dallas no qual grupos de varejistas e fornecedores negociaram a quantidade de produtos e o preço sem saber ao certo a demanda. No nosso caso, substituímos as pessoas por agentes de IA. Comparamos os diálogos entre humanos e IA e exploramos técnicas para melhorar o desempenho”, explicam os pesquisadores, interessados em saber até que ponto essas ferramentas podem replicar ou otimizar as dinâmicas empresariais.
A pesquisa testou se a inteligência artificial consegue negociar como um humano na cadeia de suprimentos
O experimento consistiu em agrupar os gerentes de linha de produção em oito equipes de seis membros (três fornecedores e três varejistas) que deliberavam enquanto os preços e custos eram modificados aleatoriamente em cada etapa. Após várias rodadas, a média de cada métrica, como lucros ou eficiência do sistema de suprimentos, foi calculada e os resultados foram comparados com os obtidos pelos participantes humanos no estudo original.
Os LLM nas negociações
Os modelos extensos de linguagem estão começando a mudar a forma como as empresas trabalham. Embora sua aplicação mais visível ocorra em áreas como marketing ou atendimento ao cliente, eles também estão ganhando terreno em outros setores graças à sua capacidade de automatizar tarefas e apoiar a tomada de decisões inteligentes.
Um dos avanços mais promissores é sua participação nas relações comerciais, automatizando fluxos de trabalho como diálogos com fornecedores ou revisão de documentos legais. Ao reduzir a intervenção humana nesse tipo de tarefa, aumenta-se a flexibilidade e a eficiência. Nos casos mais avançados, os grandes modelos de linguagem estabelecem os termos de um contrato de forma autônoma com outros agentes de IA.
“Parte do desempenho dos LLM nas negociações se deve à sua capacidade de seguir as regras, aprender com os erros e melhorar suas estratégias à medida que acumulam experiência. Para isso, eles aproveitam as informações de conversas anteriores e as utilizam como referência”, afirmam os responsáveis pelo estudo.
No entanto, para que os LLM cheguem a um acordo, seu comportamento deve ser compreensível e coerente, ou seja, semelhante ao de uma pessoa. Isso é especialmente relevante na cadeia de suprimentos, onde é conveniente analisar como as informações compartilhadas pelos agentes de IA influenciam o resultado.
Melhores acordos na cadeia de suprimentos
Nos testes deste estudo, observou-se que o comportamento dos LLM é, em geral, semelhante ao dos humanos: ambos utilizam regras simples para decidir quando oferecer e quando ceder. Nas pessoas, essas decisões baseiam-se na experiência ou na intuição. A tecnologia, por outro lado, baseia-se em padrões de linguagem aprendidos durante o seu treinamento para gerar respostas e estratégias que reproduzem o funcionamento de um diálogo comercial real.
No entanto, negociar com agentes de IA é mais eficiente do que negociar apenas entre pessoas. Os pesquisadores atribuem esse efeito à sua maior predisposição para chegar a um acordo: “as máquinas são programadas para formalizar um acordo antes de ficar sem nenhum”. Essa tendência pode estar relacionada à forma como os modelos de IA são treinados, em particular através da aprendizagem por reforço a partir de comentários humanos (Reinforcement Learning with Human Feedback, ou RLHF). Esse método ensina a IA a responder de maneira adequada, recompensando comportamentos positivos e conciliadores em detrimento dos negativos. Isso pode levar, sem intenção, os sistemas de IA a adotarem uma atitude mais complacente durante as negociações. Por isso, do ponto de vista da gestão empresarial, os autores destacam a importância de supervisionar com uma abordagem estratégica o uso desses agentes de IA em situações reais.
Segundo os pesquisadores, a predisposição dos LLM para chegar a consensos pode tornar a rede de abastecimento mais eficiente, embora nem sempre beneficie a todos igualmente. Encontrar um equilíbrio entre desempenho e distribuição justa dos lucros é essencial para as empresas que decidirem incorporar agentes de IA em suas cadeias de suprimentos. Além disso, a facilidade com que a tecnologia aceita acordos pode, em certos casos, levar algumas partes a obter condições mais vantajosas.
Negociar com LLM na cadeia de suprimentos é mais eficiente do que quando os humanos fazem isso sozinhos
Nesse ponto do experimento, surgiu outra questão: se as máquinas se saem tão bem em uma negociação, poderiam também ser manipuladas? O estudo levanta que, apesar de existir um amplo debate sobre os riscos da IA enganar os humanos, também ocorre o contrário: mentir para os sistemas de IA altera a equidade dos acordos.
Proporção dos lucros que os fornecedores obtêm nas negociações da cadeia de suprimentos
Quando a produção é mais barata, os fornecedores obtêm maior rentabilidade. Mas se os custos aumentam, a margem diminui, especialmente quando a inteligência artificial intervém, já que os LLM tendem a aceitar acordos menos vantajosos. Quando todos compartilham os dados, as pessoas e a IA negociam melhor. Mas os LLM pioram a produtividade quando os números são mantidos em segredo.
Os LLM transformam os acordos comerciais
Na cadeia de suprimentos do futuro, as decisões comerciais não dependerão mais apenas da intuição ou da experiência humana. A inteligência artificial surge como um novo interlocutor capaz de otimizar resultados.
Os grandes modelos de linguagem abriram as portas para novas possibilidades de automatização dos processos empresariais. “À medida que as empresas crescem, a tomada de decisões torna-se mais complexa. As grandes corporações que gerem milhares de contratos podem recorrer a agentes de IA para ganhar eficiência, enquanto, para as startups, delegar as negociações constitui uma forma de poupar tempo e compensar a falta de experiência”, concluem os responsáveis pela investigação.
O estudo estabelece as bases para compreender o papel dos LLM na administração empresarial e abre várias linhas de trabalho para continuar explorando as capacidades e limitações da IA na hora de automatizar acordos e processos nos negócios.
Autores da pesquisa
- Samuel N. Kirshner. Professor associado na Escola de sistemas de informação e gestão de tecnologia da Universidade de Nova Gales do Sul (Austrália).
- Yiwen Pan. Doutorado em economia pela Faculdade de Economia de Zhejiang Gongshang University (China).
- Jason Xianghua Wu. Professor assistente no Departamento de sistemas de informação e gestão de tecnologia da Escola de Negócios da Universidade de Nova Gales do Sul (Austrália).
- Alex Gould. Pesquisadora independente em Sydney (Austrália).
Publicação original
Kirshner, S, Pan, Y., Wu, X., Gould, A. Talking terms: Agent information in LLM supply chain bargaining. Decision Sciences (online version).