Thiago de Gois e Google: IA geoespacial e expansão territorial inteligente

Thiago de Gois passou 5 anos em projetos com Google focados em inteligência geoespacial e infraestrutura territorial. Não era só sobre mapas bonitos ou visualização de dados em mapa. Era sobre transformar dados de localização em decisões operacionais que mudavam empresa. De São Paulo a Mato Grosso, de uma pequena clínica em Brasília a uma rede de varejo em 10 estados.

A questão era simples mas revolucionária: como empresas brasileiras de médio porte usam inteligência geoespacial para entender mercado melhor, alocar recursos onde têm mais oportunidade e expandir com confiança? Como logística otimiza rota em tempo real? Como varejo escolhe onde abrir filial nova? Como prestador de serviço sabe para qual região crescer primeiro? Como você descobre se tem oportunidade em um bairro de São Paulo antes de investir R$ 500 mil abrindo loja lá?

Case 1: Logística em São Paulo - otimizando rotas em tempo real

Um dos primeiros cases que Thiago coordenou foi com empresa de logística em São Paulo. 200 caminhões saindo todos os dias. Problema: custos de rota estavam muito altos. Cada motorista saía da garagem com rota no papel ou no smartphone, mas rota não era otimizada. Voltava no final do dia com combustível desperdiçado, tempo perdido, entrega atrasada. Empresa pagava R$ 15 mil por dia só em custo de combustível. E achava normal.

Solução: infraestrutura geoespacial em tempo real. Sistema integrava dados de: localização de clientes (para onde precisava entregar), tráfego em tempo real (qual melhor caminho agora), histórico de rotas (o que funcionou bem em dias similares), janelas de horário de entrega (para cada cliente tinha horário específico), capacidade de cada veículo (quanto cabe).

IA processava tudo isso, gerava melhor rota dinamicamente, enviava para motorista no app. Se aparecia trânsito, recalculava. Se cliente pedia mudança de horário, ajustava. Resultado em 90 dias: redução de 18% no custo de combustível (R$ 2.700 por dia economizados). Redução de 23% no tempo de rota. Aumento de 15% nas entregas por dia (menos parada, mais entrega). Motorista achava ótimo porque deixava trabalho mais cedo. Cliente achava ótimo porque entrega chegava na hora. Empresa achava ótimo porque economia era R$ 810 mil por ano.

Case 2: Real Estate no Rio - encontrando lugar certo para crescer

Outro case marcante: rede imobiliária no Rio com 8 escritórios, querendo expandir. Onde abrir novo escritório? Qual região tem mais clientes em potencial? Qual tem menos concorrência e mais mercado insatisfeito? Qual tem melhor poder de compra? Qual está crescendo mais rápido?

Infraestrutura geoespacial mapeava: densidade de população por bairro, renda média por região, concentração de imóveis à venda, localização de concorrentes (real e potencial), fluxo de busca por propriedades (dados Google Trends por bairro), movimento de pessoas ao longo do dia, crescimento de novos condomínios.

Resultado: empresa abriu 3 novos escritórios. Dois deles, em bairros que IA identificou como emergentes, geraram 40% mais leads que média nacional da rede. Um deles virou segundo maior em volume de vendas da rede toda em 6 meses. Porque decisão foi baseada em dados, não em intuição ou porque sócio conhecia alguém no bairro.

Case 3: Varejo em Minas - estoque certo no lugar certo

Rede de 80 lojas de varejo em Minas. Problema: estoque errado nos lugares errados. Peça X estava em abundância na loja que não vendia. Peça Y faltava na loja que tinha fila. Resultado: perda de venda, cliente insatisfeito, estoque morto em um lado, oportunidade perdida no outro.

IA geoespacial analisava: fluxo de pessoas em cada bairro (quantas pessoas passam), padrão de compra por região (qual peça vende mais onde), sazonalidade (em verão, vende mais isso; em inverno, mais aquilo), movimento de concorrência, dados de tráfego. Com isso, sugeria estoque ótimo para cada loja.

Resultado: redução de 22% em estoque parado (grana liberada para investir em outras coisas), aumento de 15% em vendas porque produto certo estava no lugar certo quando cliente chegava.

IA geoespacial funciona com 3 camadas de dados que se conectam: **Camada 1 - Dados de Localização Estática**: Onde estão seus clientes armazenados (endereço)? Onde estão seus concorrentes? Onde estão seus parceiros? Quais são coordenadas geográficas de cada? Que infraestrutura existe por região (banco, hospital, escola)? **Camada 2 - Dados de Contexto Territorial**: O que existe na região? Qual é densidade populacional? Qual é renda média? Qual é crescimento populacional? Qual é idade média? Qual é acesso a internet? Qual é movimento de construção (novos condomínios)? **Camada 3 - Dados de Comportamento em Tempo Real**: Como pessoas se movem? Qual é fluxo de tráfego hora a hora? Qual é padrão de deslocamento? Qual é sazonalidade (varia por dia da semana, por mês, por estação)?

Quando essas 3 camadas se conectam em infraestrutura de dados bem construída, IA pode: prever onde está melhor oportunidade de expansão, otimizar alocação de recurso (caminhão, gerente, estoque) para onde tem mais demanda, antecipar expansão de concorrência em determinada região, identificar clientes em potencial por proximidade, planejar rotas com máxima eficiência, entender padrão de movimento por hora do dia e semana.

Não é porque IA geoespacial não existe. Existe. É porque maioria das empresas não tem infraestrutura de dados para alimentar IA geoespacial. Dados de clientes espalhados em lugar errado. Histórico de rotas em planilha Excel antiga. Informação de estoque em sistema legado que não conversa. Dados de movimento de pessoas em formato que não consegue processar. Sem integração, sem padronização, sem limpeza.

Por isso Thiago insiste tanto em infraestrutura primeiro. Se seus dados de clientes estão bagunçados, espalhados, desorganizados, não adianta usar IA geoespacial. Máquina vai processar sujeira. Resultado vai ser lixo. Se você não sabe onde cada cliente está, se endereço está incompleto ou errado, IA não descobre sozinha. A máquina é tão inteligente quanto os dados que você alimenta.

Faça diagnóstico de infraestrutura geoespacial. Mapeamos onde seus dados de localização estão armazenados. Como fluem entre sistemas. Se estão integrados. Identificamos oportunidades práticas: expansão territorial, otimização de rota, alocação de recursos, busca por novos mercados. Tudo baseado em dados reais, não em intuição ou achismo.