A NRF 2026 (Retail’s Big Show) marca uma virada de chave para o varejo. Sob o tema “The Next Now”, o recado foi claro: o futuro do varejo não é mais previsão distante, e sim uma realidade que exige ação imediata. Sai o deslumbramento com tendências e entra a execução baseada em dados e tecnologia. Nos corredores e palcos em Nova York, ficou evidente que 2026 não se trata de “mais do mesmo” – nada de hype vazio. Trata-se de colher resultados tangíveis das inovações recentes. Até as sessões do evento reforçaram essa mudança de tom: um painel da Lenovo/NVIDIA, por exemplo, focou em cases de IA com ROI mensurável em vez de modismos, discutindo como tirar projetos de IA do piloto para a produção.
Em suma, quem esteve na NRF viu menos futurologia e mais pragmatismo orientado a valor. E com a maior delegação internacional novamente sendo a do Brasil, o recado ganha importância especial para nossos CEOs, CMOs, CROs e VPs: o jogo já começou. Agora é executar – com dados legíveis por máquina, decisões autônomas via agentes de IA, e uma estratégia para não ficar invisível nos novos canais digitais.
Antes de mergulhar nos temas, vale lembrar: 2025 já tinha sido declarado pela NRF como “Ano do Agente de IA”, consagrando a IA agêntica como a grande aposta tecnológica. Em 2026, essa aposta amadureceu. Não estamos mais falando de tendências futuristas, mas de como colocar para rodar tudo aquilo que discutimos nos últimos anos – de inteligência artificial a retail media, de lojas omnichannel a automação. A seguir, analiso os principais tópicos emergentes desta NRF (e dos briefings da missão Varejo180 no Harvard Club), em blocos temáticos. Cada seção traz provocações, dados e reflexões estratégicas para você, executivo brasileiro, filtrar o que realmente importa. Prepare-se: o texto é longo, mas o tema pede profundidade. Vamos aos pontos-chave que você precisa digerir – e aos quais precisa dar respostas rápidas quando voltar ao Brasil.
Fim do funil linear: o mapa antigo não serve mais
Muitas marcas ainda tentam empurrar o consumidor por um funil de marketing linear (atenção–interesse–ação), mas essa lógica morreu. O funil linear chegou ao fim – o consumidor de hoje zigzagueia em múltiplos canais e pontos de contato, em jornadas nada previsíveis. Insistir naquele antigo “mapa” é operar fora da realidade atual. Na prática, o funil tradicional foi substituído por loops dinâmicos de demanda e compra instantânea. O cliente pode descobrir um produto no Instagram, pesquisar reviews no YouTube, pedir opinião no WhatsApp e finalizar a compra no marketplace – tudo fora de uma sequência ordenada. Mais disruptivo ainda: com algoritmos e IA, muitas decisões de consumo nem passam mais pela consciência humana etapa por etapa. Como foi debatido na NRF, agentes inteligentes já buscam e compram automaticamente assim que detectam uma necessidade ou mudança de dados, eliminando etapas tradicionais. Em outras palavras, o “journey” virou um circuito contínuo, orientado por contexto e acionado por dados em tempo real, não um caminho reto guiado pelo marketing.
Esse novo modelo exige uma mudança estratégica. Catálogos e ofertas precisam estar preparados para serem lidos por máquinas, não só por pessoas. Se antes a missão do marketing era guiar o cliente pelo funil com mensagens sequenciais, agora é garantir presença nos momentos certos, que muitas vezes acontecem sem intervenção humana direta. A guerra por atenção do consumidor continua, mas mudou de terreno: sai a briga por cliques e entra a briga por slots na inteligência do aparelho ou na recomendação do aplicativo. Quem ainda aposta apenas em bombardear o cliente com mensagens genéricas está atirando no escuro – ou pior, irritando quem já não tolera interrupções irrelevantes. Em resumo: o velho funil não dita mais as regras. A prioridade agora é integrar-se aos novos caminhos fluidos da jornada, onde dados, conteúdo e serviço se encontram de forma orquestrada. Você ainda planeja suas estratégias como se o consumidor seguisse um script linear? Se sim, é hora de atualizar o mapa, porque o território do varejo foi redesenhado.
Ascensão da IA agêntica: de chatbots passivos a agentes autônomos
Entre os executivos brasileiros presentes, um termo dominou as discussões: IA agêntica (agentic AI, ou IA agentiva). Mas afinal, o que é isso? Em poucas palavras, é a evolução da inteligência artificial de respostas passivas para agentes autônomos capazes de agir pelo usuário ou pela empresa. Diferente da IA preditiva (que apenas prevê com base em dados) ou da IA generativa (que cria conteúdos como textos ou imagens), a IA agêntica toma decisões e realiza tarefas para você, de forma proativa. Imagine bots negociando e comprando produtos em nome do consumidor, ou sistemas que ajustam preços e estoques sozinhos conforme condições de mercado – sem precisar de comandos humanos para cada passo. Essa ideia que parecia futurista agora é concreta: a NRF 2026 tratou não mais de “se”, mas de “como” implementar agentes de IA no varejo.
Os gigantes de tecnologia mostraram na feira que levam a sério essa tendência. Sundar Pichai, CEO do Google, subiu ao palco principal para falar sobre a transformação do varejo na era da IA agentiva, ressaltando como algoritmos inteligentes vão reconfigurar operações e experiência do cliente. A Salesforce apresentou cases de marketing orientado por agentes de IA (o termo “agentic marketing” apareceu em suas sessões), ilustrando chatbots evoluídos que conduzem conversas de mão dupla com clientes. Em resumo, o setor todo está sinalizando: chegou a hora dos agentes. Na NRF 2025 esse conceito era buzzword, em 2026 virou plano de ação. E não é difícil entender o porquê do entusiasmo. Se bem implementada, a IA agêntica promete reinventar a jornada de compra, tornando-a mais automática, fluida e personalizada – algo como um concierge digital atendendo cada cliente de forma única. Para o varejista, isso significa potencial para reduzir atrito (o agente resolve problemas antes mesmo de virar reclamação), aumentar vendas (o agente identifica oportunidades e sugere compras) e operar 24/7 em escala.
Só que essa oportunidade vem com um desafio estratégico enorme: como vender para clientes não-humanos? Entramos no terreno do B2A, que veremos a seguir. Por ora, o ponto é: agentes de IA estão ascendendo rápido. Empresas como Amazon, Walmart e outras compartilharam na NRF exemplos de agentes já em uso – seja em logística, atendimento ou recomendação de produtos. A pergunta não é mais se a IA agêntica vai entrar no varejo brasileiro, mas quando e em que ritmo. E isso nos leva a uma provocação direta: se um algoritmo fosse hoje seu “cliente” mais frequente, você estaria pronto para atendê-lo? A liderança que antes se preocupava em entender a cabeça do consumidor, agora precisa entender também a lógica dos algoritmos que o representam. Quem demorar para aprender essa nova linguagem pode ficar mudo em um diálogo crucial.
B2A como canal: quando o cliente é um agente (e não uma pessoa)
A sigla B2A significa Business-to-Agent, ou seja, vender “para agentes” em vez de diretamente para consumidores finais. Pode soar estranho, mas essa é a consequência natural da IA agêntica no consumo. No modelo B2A, o decisor de compra é um algoritmo. Em vez de convencer um humano com propaganda emocional, você precisa convencer um software com dados objetivos. Um guia executivo apresentado à delegação brasileira definiu bem: o B2A é quando o cliente não é mais um humano, mas sim o agente autônomo de IA agindo em nome dele. Parece ficção? Pois já é realidade nascente. Nos EUA, assistentes tipo Alexa, Google Assistant e bots de e-commerce estão começando a fazer pedidos “sozinhos” (reabastecendo produtos domésticos, por exemplo). E há dados concretos sinalizando essa virada: no fim de 2025, 17% das vendas online do período de festas já tiveram influência de IA/agentes, segundo estudos citados na NRF, e projeções indicam que até 2027 cerca de 75% das interações digitais iniciarão em ambientes de agentes, não em sites ou apps tradicionais. Em suma: o seu próximo cliente pode não ser humano – e isso muda completamente o jogo de marketing e vendas.
Quais os impactos práticos? Para começar, o funil linear definitivamente não volta – o B2A consolida aqueles loops instantâneos mencionados antes. Um agente de IA não “descobre” sua marca vendo um outdoor ou post patrocinado; ele varre bases de dados em busca da melhor opção assim que a demanda surge. Branding continua importante, mas agora há que se preocupar em ter catálogos, descrições e APIs legíveis por máquina, pois é isso que o agente “enxerga”. Preço e disponibilidade em tempo real, atributos formatados de forma padronizada e boas avaliações (sim, o algoritmo lê reviews) tornam-se o novo combo para aparecer na prateleira invisível desses assistentes digitais. E aquela construção de storytelling emocional? Passa a ter menos peso isoladamente – se o seu dado estruturado não estiver lá para o agente consumir, nem adianta contar história bonita. Marketing vira, em grande parte, um trabalho de SEO para algoritmos e de alimentar bases de dados com informações ricas e consistentes.
No B2A, até mesmo a negociação B2B muda: já se falou em procurement automatizado, com bots de compradores empresariais solicitando cotações e fechando pedidos em segundos. Imagine competir por um contrato em que o “comprador” é um algoritmo avaliando sua oferta – sem charme na mesa de jantar, só especificações e preço. É por isso que arquiteturas de sistemas precisam ser modulares e abertas (via APIs), e a governança de dados robusta (para que agentes confiem e tenham autorização de atuar em nome de pessoas ou empresas). Até a precificação tende a ficar mais dinâmica e “programável”, com descontos e promoções formatados para serem detectados e acionados automaticamente pelos bots clientes.
O maior risco aqui é demorar para se adaptar. Empresas que arrastarem os pés para entrar no canal B2A podem literalmente se tornar invisíveis para uma fatia crescente do mercado. Vale repetir: se os assistentes digitais não “escolherem” sua marca, seu produto nem vai aparecer como opção para o consumidor final. E quem controla essa escolha? Critérios algorítmicos – preço, estoque, relevância, qualidade dos dados. Você está pronto para competir nesses critérios? Se não, a hora de começar foi ontem. Pergunta incisiva: se o seu próximo cliente for um algoritmo, sua empresa será escolhida ou ficará invisível? A resposta honesta a essa pergunta deve orientar suas prioridades em 2026. B2A não é ficção científica; é só a continuação lógica do comércio digital – agora mediado por “filhos” da Siri, Alexa e companhia. Prepare seus sistemas e time para isso ou corra o risco de falar sozinho enquanto os algoritmos fazem negócios.
Colapso do “push”: adeus à comunicação intrusiva?
Paralelamente à ascensão dos agentes, outro fenômeno ficou evidente na NRF: o esgotamento do modelo de comunicação push. Por décadas, o marketing se apoiou em empurrar mensagens e ofertas ao cliente – seja via propaganda interrompendo conteúdo, seja via notificações, e-mails e afins. Só que o consumidor de 2026 vive saturado e, empoderado pela tecnologia, ergue muralhas contra a enxurrada de estímulos. Pense nos bloqueadores de anúncios, nos filtros anti-spam, nas configurações de privacidade que limitam rastreamento, sem falar na simples exaustão mental de quem recebe dezenas de notificações por dia. O resultado? Os tradicionais “empurrões” de marketing estão perdendo eficácia de forma dramática. Na própria delegação brasileira muitos comentaram: campanhas massivas de SMS ou push notificações quase não dão retorno como antes. E a culpa não é só do consumidor disperso – é da estratégia descalibrada.
Um insight forte veio nos briefings: dados não devem servir para controle, e sim para empatia. Ou seja, usar IA e analytics para entender contexto, barreiras e necessidades do cliente, não apenas para empurrar ofertas a todo custo. Esse é um ponto crucial: personalização sem relevância vira só spam mais sofisticado, e o cliente aprende a ignorar. Um estudo citado mostrou que 18% dos consumidores brasileiros bloqueiam de imediato números de empresas desconhecidas no WhatsApp que enviam promoções sem autorização. Em outras palavras, insistir no “push” sem contexto pode não só ser inútil, mas contra-produtivo – você queima o canal e perde a confiança. Na NRF 2026, debateu-se que a era do “spray and pray” (disparar e rezar) acabou. Em seu lugar entra o “listen and assist”: captar sinais e se fazer presente quando e onde o cliente realmente quer.
Isso não quer dizer abandonar totalmente a proatividade, mas sim reinventar a abordagem. Ao invés de bombardear todos com a mesma mensagem, trabalhar segmentos menores, interações personalizadas e opt-in. Ao invés de perseguir o cliente com retargeting irritante, focar em inbound e conteúdo útil que atraia voluntariamente. E principalmente, preparar-se para um cenário em que os agentes de IA filtrarão boa parte das comunicações. Se um assistente digital gerencia minha caixa de e-mail ou meu feed de promoções, ele provavelmente vai filtrar ofertas irrelevantes – ou até negociar automaticamente as melhores para mim. Isso significa que o marketing push tradicional pode colapsar, sim, mas para dar lugar a um marketing de contexto e relevância, mediado por IA.
As empresas precisam se perguntar: “Estamos escutando mais do que falando? Entregando valor antes de pedir uma ação?”. Porque no novo ambiente, quem só souber gritar vai falar para as paredes, enquanto quem souber conversar e responder às necessidades reais terá a atenção (ou melhor, terá o algoritmo do seu lado, filtrando a atenção a seu favor). Em resumo, o push do jeito que conhecíamos está com os dias contados. A comunicação agora precisa ser útil, solicitada e contextualmente pertinente, ou será bloqueada, ignorada – ou jamais entregue.
Crise da hiperpersonalização: quando o excesso vira contra o feiticeiro
Nos últimos anos, “hiperpersonalização” virou palavra de ordem no varejo. Ferramentas de CRM, algoritmos de recomendação, segmentações cada vez mais granulares – tudo prometia entregar a oferta certa, para a pessoa certa, no momento certo. A promessa era sedutora: 71% dos consumidores esperam interações personalizadas e se frustram (76%) quando isso não acontece, e empresas que investem em personalização conseguiam até 40% mais receita e 50% de redução em custo de aquisição em alguns casos. Diante de números assim, é compreensível que o varejo tenha mergulhado de cabeça nessa tendência, numa busca quase obsessiva por “one-to-one marketing” em escala. Só que na prática a coisa emperrou – e é aí que está a crise da hiperpersonalização.
A NRF 2026 expôs um paradoxo: todos sabem que personalizar é crucial, mas poucos conseguem fazer isso direito de forma escalável. Muitos executivos admitiram que, apesar de anos de investimento, ainda patinam no básico: identificar o mesmo cliente em múltiplos canais, unificar dados de diferentes fontes, extrair insights acionáveis em tempo hábil. Os números no Brasil comprovam essa dificuldade. Apenas 5% dos varejistas brasileiros podem ser considerados orientados por dados de fato, e míseros **6% atingem o estágio de “mestres em dados”**. Ao mesmo tempo, impressionantes 96% das empresas enfrentam dificuldades para usar dados em estratégias de crescimento – seja por silos, falta de padronização ou problemas de acesso à informação. Não por acaso, pouquíssimas conseguiram implementar personalização em escala conforme o ideal. Mesmo sabendo que, por exemplo, programas de fidelidade impulsionados por IA oferecem ROI 3 vezes maior que promoções genéricas, a maioria não saiu do piloto.
O que explica esse gap? Primeiro, a complexidade técnica: integrar bases legadas, garantir qualidade dos dados, respeitar LGPD (nossa lei de proteção de dados) – tudo isso é difícil e caro. Segundo, a abordagem muitas vezes míope: tentar hiperpersonalizar sem realmente entender o cliente pode levar a resultados irrelevantes ou até invasivos (quem nunca recebeu uma oferta “personalizada” que nada tinha a ver consigo?). Há também um desgaste do consumidor: personalização virou expectativa básica, não algo uau. Se bem-feita, mal é notada (apenas torna a experiência fluida); se mal-feita, salta aos olhos e irrita. Ou seja, o benefício marginal da hiperpersonalização diminui conforme todo mundo tenta fazer igual, enquanto o risco de erro (ou de soar creepy) aumenta. A crise está em ter prometido muito e entregado pouco, até agora.
Então qual o caminho? A mensagem da NRF foi dupla. Por um lado, não dá para recuar – personalizar é exigência do cliente moderno, ponto. Abandonar isso seria suicídio competitivo. Por outro, é hora de reinventar a personalização, voltando ao básico: empatia, relevância e privacidade. Em vez de perseguir cada clique do usuário pra adivinhar o que ele quer, perguntar mais, usar comunidades, interações humanas assistidas por IA (como clienteling digital). Em vez de comprar mais ferramentas, talvez focar em limpar e unificar os dados que já tem. E lembrar que personalização não é só promoções customizadas, mas todo o pacote – produto, serviço, comunicação e até propósito alinhado aos valores do cliente.
Na NRF ouviu-se também que estamos migrando da era da “hiperpersonalização” para a era da “personalização inteligente”. Isso significa: menos volume cego de variantes de campanha, mais conteúdo significativo gerado com ajuda de IA (por exemplo, vídeos ou recomendações sob medida realmente úteis). Quer um sinal dos tempos? A própria Target (varejista dos EUA) comentou que, apesar de usar muito data science, investirá ainda mais em interação humana balanceada com tecnologia. Porque no fim do dia, a lealdade se constrói com conexões emocionais verdadeiras – e a personalização precisa servir a isso, não virar um fim em si mesma. Em resumo: a tendência se mantém, mas a forma de executá-la passa por uma correção de rota. Menos algoritmo tentando adivinhar sozinho, mais algoritmo + humano trabalhando juntos para entender e atender o cliente. Hiperpersonalizar não é encher a vitrine de nomes, e sim fazer o cliente sentir que cada experiência foi feita “por mim, para mim”, sem ser invasiva ou falsa.
Novas métricas para a loja física: do transacional ao relacional
Um dos consensos mais interessantes da Missão Varejo180 foi sobre o papel estratégico da loja física. Longe de se tornar irrelevante frente ao digital, a loja ganhou nova importância – porém sob uma lógica totalmente diferente da do século XX. A loja do futuro (e do presente) não é apenas ponto de venda, mas sim mídia viva, hub logístico e espaço de comunidade. Essa frase resume bem: a loja agora assume múltiplos papéis simultâneos. Ela é um canal de experimentação sensorial (onde o cliente toca, sente e vive a marca); é um centro de distribuição e serviços (ponto de retirada, devoluções, consertos, atendimento especializado); e também uma plataforma de mídia e conteúdo (com telas, eventos, ativações e até studios in-store gerando engajamento).
Exemplos brasileiros ilustram isso claramente: a loja conceito da TIM em São Paulo abriga um estúdio de podcast e espaço gamer, virando um hub de convivência e produção de conteúdo, onde o cliente pode nem comprar nada na hora, mas sai mais conectado à marca. A Starbucks no Brasil testa lojas com aulas sobre café e espaço de coworking, construindo comunidade. Supermercados como o Grupo Pão de Açúcar investem em programação de eventos culinários e espaços de alimentação nos mercados, criando motivos para frequentar além da compra básica.
Diante dessa multifuncionalidade, medir o sucesso de uma loja apenas por vendas por m² ou ticket médio é miopia. As métricas precisam evoluir para capturar o valor total gerado. Na NRF discutiu-se novos KPIs, como: tempo de permanência do cliente no espaço, NPS (satisfação) e engajamento local, taxa de conversão omnichannel (quantos que pesquisam online vêm comprar na loja e vice-versa), e até métricas de mídia – quantas pessoas interagiram com determinada instalação ou tela, por exemplo. Um colunista resumiu bem: é preciso redefinir o que é ROI de loja, incluindo indicadores de fidelização, engajamento, recompra e afins, não apenas venda imediata. Por que isso é importante? Porque, muitas vezes, a loja física gera impacto distribuído em vários canais. Uma experiência incrível na loja pode resultar em uma compra no e-commerce dias depois (como medir isso?). Ou pode gerar um post espontâneo nas redes sociais que alcança milhares de pessoas – a loja vira mídia orgânica. Ou ainda, pode servir como hub operacional: uma loja que atua como mini-centro de distribuição reduz prazos de entrega de vendas online na região, aumentando satisfação do cliente digital. Logo, o desempenho da loja tem que ser visto de forma holística.
Na NRF 2026 ouvimos muito a expressão “loja como plataforma”. Isso significa projetar o espaço já pensando nesses múltiplos usos e integrações. Um executivo comentou: “não adianta ter um app sofisticado se a loja não conversa com ele; nem uma loja linda se a equipe não está preparada para ativar aquela experiência”. Ou seja, tecnologia, arquitetura física e pessoas precisam atuar em conjunto, com coerência. E as metas da loja têm que refletir isso. Por exemplo, se a loja agora é também um canal de mídia, faz sentido medir quantos clientes interagiram com determinada tela ou experiência. Se é um hub de serviços, medir quantos atendimentos/consertos realizados, quantos pickups de online foram feitos ali (e quantas vendas adicionais isso gerou). Se é um espaço de comunidade, medir participação em eventos, impacto em reputação local, etc. Importante: esses indicadores não vão aparecer automaticamente na DRE tradicional. É um ROI “fora da planilha” imediata, mas que decide a lealdade do cliente a longo prazo.
Um insight valioso veio de um caso prático: a loja Sherwin-Williams em São Paulo, onde foi criado o “espaço do pintor” (com cursos, suporte técnico, etc.). Ali o objetivo não era vender mais latas de tinta no dia seguinte, mas construir fidelidade de longo prazo com os pintores profissionais, que influenciam muitas vendas. Como medir sucesso? Não pelo caixa da loja naquela semana, e sim pelo aumento na frequência desses pintores, redução de churn, aumento de vendas recorrentes ao longo de meses – métricas de relacionamento. Nesse caso, a loja virou quase um “centro de treinamento e comunidade” para formadores de opinião do segmento. Se a diretoria olhasse só venda por m², talvez concluísse que o espaço está sendo “mal aproveitado”. Mas olhando as métricas certas, vê que ali se cimenta uma base de clientes fiéis que sustentarão o negócio no longo prazo.
Essa mudança de mentalidade é urgente: loja física agora é meio e não só fim, é parte de um sistema maior de experiência. Portanto, nossas metas e avaliações de desempenho têm que cobrir todo esse espectro. Lojas eficientes serão as que maximizam seu impacto como touchpoint híbrido – vendendo, sim, mas também engajando, atendendo e impulsionando vendas em outros canais. CEOs e VPs de operações precisam abraçar métricas ampliadas e repensar incentivos das equipes de loja (que tal bonificar funcionários não só por venda imediata, mas por aumento de NPS ou sucesso de eventos na loja?). A NRF deixou claro: loja que vira mini shopping center de serviços e experiências vai ter vantagem competitiva, mas apenas se medirmos e soubermos extrair valor dessas novas funções.
Transformando experiência em sistema: orquestração total em tempo real
A palavra “experiência” é frequentemente usada de forma vaga no varejo. Porém, após a NRF 2026, fica evidente que há uma tendência de sistematizar a experiência do cliente de ponta a ponta. O que isso significa? Basicamente, tratar cada interação não como um evento isolado ou dependente de ações heroicas individuais, mas como parte de um sistema integrado, monitorado e otimizado continuamente. A experiência vira algo engenheirado e orquestrado, quase como um “operating system” da relação com o cliente, combinando dados, algoritmos e toques humanos em cada passo. Soa abstrato? Vamos aos exemplos concretos discutidos.
Primeiro, onipresença e consistência: o cliente espera encontrar informação consistente e continuidade de atendimento passando do online para a loja e vice-versa. Isso só é possível se os sistemas estiverem integrados em tempo real, compartilhando dados de estoque, perfil de cliente, histórico de interação etc. Na NRF, o case da Macy’s (dos EUA) foi citado como referência de omnicanalidade resiliente – se uma loja fecha ou um canal cai, os outros absorvem a demanda sem quebrar a jornada. Isso porque eles redesenharam processos e TI para funcionar como um sistema único, e não departamentos separados competindo. No Brasil, quantos varejistas ainda tratam e-commerce e loja física como silos? Muitos – e o cliente sente a fricção (preço diferente, promoção que vale num lugar e no outro não, dificuldade em trocar produto comprado online na loja física etc.). Transformar a experiência em sistema significa eliminar essas fronteiras artificiais, com uma arquitetura tecnológica e organizacional unificada. Não é trivial, mas é mandatório: apenas 7% dos varejistas brasileiros dizem estar muito satisfeitos com sua integração de canais, segundo pesquisas recentes. Ou seja, há um espaço enorme para melhoria.
Segundo, feedback loop e melhoria contínua: experiência em sistema implica instrumentar todos os pontos de contato para gerar dados, analisar em tempo real e ajustar as ações. Lembra do exemplo da loja TIM com espaço gamer? Lá, sensores e analytics medem onde as pessoas circulam, quanto tempo ficam, no que interagem. Com isso, o algoritmo “volta a aparecer”: medindo impacto, mapeando jornadas e identificando padrões de comportamento que retroalimentam o desenho da experiência. Em outras palavras, a loja (e todos os canais) viram laboratórios vivos. Se um conteúdo exibido numa tela não atrai atenção, muda-se rapidamente. Se um determinado passo do checkout online causa abandono, o sistema alerta e a equipe já investiga naquele dia. Machine learning entra para detectar micro-tendências (ex.: um produto que começou a vender muito em certa região pelo TikTok – e o sistema pode recomendar aumentar estoque nas lojas próximas antecipadamente). Na NRF, várias soluções de digital twins (gêmeos digitais) foram apresentadas, exatamente para isso: testar e ajustar decisões no virtual antes de implementar no físico. A Lowe’s, por exemplo, criou réplicas digitais de 1.700 lojas, atualizadas várias vezes ao dia com dados de inventário, para simular layouts e operações. Isso é experiência virando sistema de fato – você usa um modelo computacional para orquestrar a experiência real.
Terceiro, orquestração por algoritmos em tempo real: conforme integrarmos dados de jornada online e offline, abre-se a possibilidade de usar IA para orquestrar conteúdos, ofertas e serviços instantaneamente em resposta ao comportamento. Imagine: um cliente entra na sua loja com o app logado, o sistema sabe o histórico dele, sabe que ele abandonou um carrinho online ontem. Automaticamente, a tela na seção do produto que ele quase comprou poderia exibir uma oferta personalizada ou um vídeo explicativo para tirar a dúvida que talvez o impediu de fechar a compra. Simultaneamente, o vendedor (munido de um tablet com app de clienteling) recebe um alerta para abordar aquele cliente, pois ele tem interesse prévio identificado. Essa coordenação fina é o objetivo final de tratar a experiência como sistema: cada elemento “fala” com os demais, trocando sinais para que a resposta ao cliente seja contextual e ágil, porém sem perder a naturalidade da experiência. Parece complexo – e é – mas já vemos peças disso acontecendo. A Amazon Go orquestra câmeras, sensores e app do cliente para permitir o Just Walk Out (pegar e sair). A Nike integrou seu app com a loja física: o cliente escaneia um produto na loja via app e pode solicitar outro tamanho, que um vendedor traz, ao mesmo tempo em que o app sugere produtos complementares. Tudo isso dá uma amostra do que é uma experiência sistêmica e “fluida”.
Para o executivo brasileiro, o recado é que não basta fazer projetos isolados de experiência (um app aqui, uma loja conceito ali). É preciso costurar tudo em uma plataforma coerente, onde tecnologia, processos e pessoas operem em uníssono. Um dos especialistas do Harvard Club provocou: “Sua empresa tem um diretor de orquestra para a experiência, ou cada canal ainda toca sua música separada?”. A provocação faz sentido – muitas organizações não têm alguém olhando fim a fim, e sim departamentos estanques (marketing cuida do app, TI cuida do site, operações cuida da loja). A NRF deixou claro que isso não vai mais funcionar. Experiência é sistema – requer governança integrada e times multifuncionais, talvez até KPIs unificados de satisfação e LTV (lifetime value) do cliente, que forcem todo mundo a colaborar. O retorno de fazer isso direito é enorme: empresas que conseguem alinhar algoritmo + espaço físico + cultura de atendimento de forma coerente conquistam relevância incomparável. Ou nas palavras de um painel: _“Em 2026, sobreviverá não o varejista mais tecnológico nem o mais ‘instagramável’ isoladamente, mas o que orquestrar razão algorítmica e emoção da experiência em harmonia”_.
Dados como infraestrutura comercial: o novo “energia elétrica” do varejo
Todos os temas acima têm um denominador comum: dados. Dados de clientes, de produtos, de operações – alimentando IA, alimentando decisões, conectando canais. Um executivo brincou que, assim como ninguém mais discute se “energia elétrica é importante” (simplesmente é fundamental), dados estruturados e acessíveis se tornaram infraestrutura básica para competir. A realidade, porém, é que muitas empresas ainda não trataram dados com essa prioridade. No varejo brasileiro isso é gritante: 80% das empresas permanecem nos níveis iniciais de maturidade em dados, e como visto, só uma minoria coletou e unificou informação a ponto de ser verdadeiramente data-driven.
Ainda enfrentamos um paradoxo digital: quase 60% das empresas já usam alguma forma de IA, mas a grande maioria o faz de modo superficial, por falta de base sólida em dados. Em 2026, isso deixou de ser sustentável. Sem dados de qualidade, nada de IA agêntica eficaz, nada de personalização decente, nada de métricas omnichannel confiáveis. Os dados são a infraestrutura comercial sobre a qual todo o resto opera.
Na NRF 2026, nos bastidores, muito se falou sobre arrumar a “casinha de dados”. Ferramentas de data lakes, plataformas de integração em tempo real, governança – temas não glamourosos, mas cruciais. Um dos desafios mencionados: sistemas legados continuam a travar a evolução digital. Cerca de 70% das empresas com ERPs legados alegam que a falta de interoperabilidade prejudica suas iniciativas. Ou seja, sistemas antigos não conversam bem com o e-commerce, com a logística moderna ou com analytics, criando gargalos. Além disso, profissionais perdem em média 20 horas mensais procurando informações dispersas e não encontrando (dado de um estudo citado) – puro desperdício causado por dados mal organizados. Some-se a isso a questão cultural: 41% dos profissionais não veem cultura data-driven em suas empresas, revelando que não basta ter tecnologia, é preciso mudar mentalidades e capacitar pessoas para usar os dados no dia a dia.
Tratar dados como infraestrutura significa investir em qualidade, disponibilidade e segurança de dados tal qual se investe em um CD ou em lojas. Significa ter pipelines confiáveis de informação fluindo pela empresa em tempo real (estoque, preços, comportamento do cliente), prontos para alimentar tanto painéis de decisão quanto algoritmos automáticos. Significa ter governança – políticas claras de quem pode acessar o quê, garantindo conformidade com a LGPD e agora com o nascente Marco Legal de IA no Brasil. Aliás, vale um parêntese: nossa legislação de IA está chegando, inspirada no modelo europeu. O projeto de lei aprovado no final de 2024 classifica sistemas de IA por nível de risco e vai impor obrigações pesadas especialmente para “IA de alto risco” (ex.: análise de crédito, recrutamento automatizado, reconhecimento facial em lojas, etc.). Empresas de varejo terão que fazer avaliação de impacto algorítmico obrigatória, mitigar vieses e prover possibilidade de revisão humana em certas decisões automatizadas, sob pena de multas de até R$50 milhões ou 2% do faturamento. Ou seja, governança de dados e de IA não é mais opcional – vai ser lei e vai ser cobrado. E mesmo que não fosse, do ponto de vista de reputação, nenhum varejista quer ser pego em escândalo de uso indevido de dados ou discriminação algorítmica. Portanto, é hora de levar a sério a “infraestrutura invisível” do negócio: bancos de dados, integrações, consentimento e qualidade da informação.
A boa notícia é que investir nisso traz ganhos enormes. Na NRF, cases foram compartilhados de varejistas que, ao arrumar dados de produto (PIM – Product Information Management, por exemplo), viram salto em vendas online porque os produtos ficaram mais “descobríveis” pelos buscadores e agentes de recomendação. Outros que, ao unificar dados de cliente em um CRM robusto, conseguiram elevar NPS e cross-sell significativamente. A monetização de dados também esteve em pauta: retail media é um exemplo de tratar dados como infraestrutura que gera receita nova (vendendo audiência e insights para fornecedores). O Brasil liderou o crescimento de retail media em 2024 (+42% naquele ano), mostrando que quem tem dados de cliente pode virar meio de comunicação lucrativo. Tudo isso reforça: dados viraram ativo estratégico. E como todo ativo essencial, requer investimentos contínuos – atualize a infraestrutura, contrate gente boa (cientistas de dados, engenheiros), eduque toda a organização para pensar em dados primeiro. O varejo brasileiro não pode mais se dar ao luxo de bases de clientes defasadas, informações duplicadas ou processos guiados “no achômetro”. A concorrência, seja local seja global, certamente não vai esperar.
Governança de IA: freio ou alavanca?
Com grandes poderes vêm grandes responsabilidades – essa frase do universo dos quadrinhos se aplica perfeitamente à IA no varejo. Conforme aumentamos o uso de algoritmos para decisões importantes (definir preços, aprovar crédito, segmentar ofertas, até identificar pessoas em loja), aumenta também o risco de erros e abusos. E em 2026, a discussão sobre governança de IA saiu do campo acadêmico para a mesa dos executivos. O que antes era talvez um papo para equipes de TI ou jurídico agora preocupa diretamente CEOs e CMOs. Porque um algoritmo desgovernado pode gerar crises de imagem, perdas financeiras e problemas legais sérios.
Na NRF 2026 houve sessões específicas sobre ética e regulação de IA. Ficou claro que não basta implementar IA – é preciso implementá-la direito. O caso mais óbvio: evitar vieses discriminatórios. Se você usa IA para análise de crédito ou recomendação de produto, tem que garantir que não está, por exemplo, excluindo sistematicamente certos perfis ou reforçando preconceitos. Um viés algorítmico pode levar a, digamos, um sistema de precificação dinâmica cobrar mais caro de bairros com maioria de população de baixa renda (já pensou o escândalo?). Ou uma recomendação nunca mostrar determinado estilo de produto a um perfil demográfico específico por correlação errada nos dados. São situações já documentadas lá fora, e que podem acontecer aqui. Daí a importância de auditar algoritmos, ter datasets de teste diversos, incluir humanos no circuito decisório quando apropriado.
Além da ética, tem a parte de privacidade e compliance. Já citei o Marco Legal de IA chegando. Some a isso a LGPD, que no Brasil começa a ganhar “dentes”: nossa autoridade de dados (ANPD) prometeu intensificar fiscalização, e multas pesadas são possíveis. Apenas 36% das empresas brasileiras declaravam conformidade total com LGPD em 2023, então a maioria corre contra o tempo. Ter governança de IA significa também traquear de onde vêm os dados usados nos modelos, onde eles são armazenados, quem tem acesso. E preparar planos de contingência: e se o algoritmo falhar? e se houver um incidente de segurança? – quem aciona o quê?
No âmbito prático, o que a delegação brasileira absorveu é que IA não é terra sem lei e nem piloto automático sem supervisão. Precisaremos montar estruturas de governança internas. Por exemplo, criar comitês de ética para avaliar projetos de IA de alto impacto. Desenvolver políticas claras sobre uso de IA generativa (que conteúdo pode ou não ser gerado para comunicação com clientes? como evitar alucinações que gerem informação errada?). Investir em explicabilidade – se um cliente contesta uma decisão tomada por IA (como negativa de crédito), ter como explicar de forma compreensível, sob pena de perder confiança e até violar direitos do consumidor.
Um executivo de fora usou uma metáfora forte: “um algoritmo é como um funcionário que toma milhares de decisões por hora – você não o deixaria sem supervisão e treinamento, deixaria?”. Portanto, governança é treinar, monitorar, avaliar performance e corrigir rumos desses “funcionários digitais”. Não é apenas para evitar problemas, mas também para melhorar resultados. Um sistema bem governado vai performar melhor, porque terá feedback humano, terá objetivos claros, estará afinado com a estratégia e valores da empresa. Empresas líderes já têm Chief AI Officers ou instâncias similares cuidando disso. Não se espante se em breve você tiver que criar até um comitê no conselho de administração voltado a tecnologia e ética (algumas empresas globais já o fazem).
Resumindo: encare governança de IA como vantagem, não fardo. Quem conseguir equilibrar inovação com responsabilidade vai ganhar dois jogos – o da eficiência/receita e o da confiança. E confiança vai ser cada vez mais um diferencial competitivo, principalmente conforme os consumidores ficam cientes do uso de IA. Transparência (ser claro sobre quando e como usa IA no atendimento, por exemplo), equidade (tratar todos de forma justa nos algoritmos) e segurança (proteger dados e evitar vazamentos) são pilares dessa governança. A NRF 2026 deixou claro que, na corrida pela IA, não vence quem corre irresponsavelmente – vence quem dirige rápido, mas com cinto de segurança e freios calibrados. Os reguladores estão de olho, e os clientes também. Melhor se antecipar e colocar a casa em ordem, ao invés de ter que reagir a um incidente ou a uma sanção.
Governança de IA não é burocracia: é o que vai te permitir escalar uso de IA com sustentabilidade e credibilidade. Afinal, a última coisa que você quer é seu nome estampado num escândalo de “IA do varejista X prejudica clientes” – seria o vulcão estourando na sua cara. Evite o voo cego: tenha instrumentos e protocolos de controle antes de decolar de vez com a inteligência artificial.
Crescimento sem tráfego: expandindo vendas além do site e da loja
Um conceito provocativo discutido nos briefings foi o de “crescimento sem tráfego”. Tradicionalmente, para vender mais, pensamos em atrair mais gente para a loja ou para o site (mais tráfego físico ou digital). Mas e se o futuro das vendas estiver em canais onde o tráfego não é medido nas suas propriedades? Isso abrange desde marketplaces, social commerce, até conversas de WhatsApp ou interações via assistentes digitais. O ponto aqui é: muitas empresas ainda medem seu sucesso digital por visitas no e-commerce, porém o cliente pode estar comprando de você sem nunca pisar no seu site. E isso não é algo distante – já acontece em larga escala no Brasil. 60% dos consumidores brasileiros afirmam já ter comprado produtos ou serviços pelo WhatsApp, por exemplo. Ou seja, mais da metade dos clientes pode gerar receita sem gerar “sessão” no Google Analytics do seu site. Como capturar e fomentar esse tipo de crescimento?
Um fator são as plataformas de mensagem e sociais como canais de venda diretos. O Brasil é campeoníssimo em uso de WhatsApp para negócios – do vendedor da boutique marcando horário com cliente pelo zap, aos grandes varejistas integrando bots e atendentes para vendas ativas. Essas interações não passam pela métrica tradicional de tráfego de site, mas geram faturamento considerável. Um dos cases mencionados no Harvard Club foi de uma marca de moda que converteu um volume impressionante via WhatsApp, 6x mais do que no e-commerce convencional, apoiada por CRM e equipe de vendedores digitais (aqueles personal shoppers que atendem vários clientes via chat). Isso é crescimento sem depender de aumentar visitas na homepage – é ir onde o cliente já está. No caso do Brasil, ele está nas redes sociais, nos grupos de mensagem, respondendo talvez a um story no Instagram, etc.
Outro fator, já discutido, é o Business-to-Agent (B2A). Se agentes de IA fizerem compras automaticamente, pode ocorrer de a venda acontecer “nos bastidores”, sem o consumidor nem visitar nada. Exemplo: um agente de geladeira faz o pedido de reposição de leite diretamente no sistema do varejista toda semana. Para a área de e-commerce da empresa, isso é venda, mas não é tráfego no sentido de um usuário navegando e clicando. É literalmente máquina conversando com máquina. Aqui entra novamente a importância de APIs e integrações – seu “market share” nesse mundo dependerá de estar plugado nos ecossistemas certos (o agente da geladeira escolherá qual supermercado? Provavelmente aquele integrado à plataforma dele, com dados confiáveis e entrega eficiente).
Temos também os marketplaces e parceiros tipo last-mile. Se uma fatia cada vez maior do seu faturamento vem via Mercado Livre, Rappi, iFood, Magalu Marketplace, etc., o tráfego é “terceirizado”. Isso traz dilemas: você cresce em vendas, mas pode perder o contato direto com o cliente (os dados ficam com o intermediário). Muitas empresas estão topando essa troca – ganham alcance e conveniência em troca de margem e relacionamento. A NRF 2026 trouxe exemplos de marcas globais fazendo movimentos híbridos: a Adidas, por exemplo, fechou parceria com a Amazon não apenas para vender mais no marketplace, mas para usar serviços da Amazon de logística e dados, integrando operações. Ou seja, abraçou o canal externo para crescer onde sozinha seria mais lento. No Brasil, é inegável que estar nos super apps e marketplaces amplia venda, mas as empresas precisam pensar estrategicamente: como reter esse cliente depois? Programas de fidelidade próprios, embalagens e experiências de entrega diferenciadas, convites para eventos ou comunidades – tudo para não ficar refém total dos canais terceiros. Mas o fato é que dá para crescer muito sem aumentar “tráfego próprio”, surfando os tráfegos existentes de parceiros e plataformas.
O que fica de alerta é: não use métricas de vaidade erradas. Pode ser tentador ver visitas ao site caindo e achar que o negócio vai mal, quando na verdade as vendas pelo WhatsApp explodiram. Ou o contrário: seu site pode dobrar acessos após uma campanha, mas se as pessoas preferirem finalizar pelo app de delivery, o tráfego não converter em receita ali. É preciso medir holisticamente e entender a jornada real (que pode começar num canal e terminar noutro). Além disso, prepare sua operação para suportar esses modelos: atendimento 24/7 em chat, integração de pedidos multicanal num CRM único (para não importunar o cliente com ofertas duplicadas ou perder contexto), e capacidade logística para atender pedidos vindos de todos os lados.
Em suma, crescimento sem tráfego próprio não só é possível, como será cada vez mais comum. O consumidor vai pelo caminho de menor atrito: às vezes é falar direto no chat, às vezes é pedir por voz para o assistente doméstico, às vezes é comprar dentro do feed da rede social. O varejista tem que estar presente e competitivo nesses micro-momentos fluidos, mesmo que não “passe pela sua porta”. A recompensa é expandir alcance e relevância sem depender apenas de atrair pessoas aos seus domínios. O risco, claro, é perder identidade e margem se virar apenas fornecedor plugado nos canais alheios. A saída é equilibrar: seja ambidestro, aproveitando os novos canais sem abrir mão de construir marca e relacionamento direto. Mas não dá para ficar parado esperando que o cliente venha bater na sua porta (seja física ou virtual) – em 2026, cada vez mais, quem chegar proativamente onde o cliente já está, leva a venda.
Conclusão: execução imediata e entregáveis claros – o algoritmo já escolheu seus favoritos
A NRF 2026 deixou uma mensagem inescapável: “O futuro chegou, mas quem não for escolhido por um algoritmo nem vai aparecer para competir.” Todas as provocações se conectam a essa tese central. Não se trata de buzzwords ou modismos para um dia, trata-se de execução agora. IA agêntica não é filme de ficção, é diferencial de hoje. Funil linear e push marketing não são questões teóricas, são armadilhas reais para empresas que não se atualizarem. Lojas físicas não são saudosismo, são ativos estratégicos – desde que operadas com lógica renovada, multifuncional. E dados, governança e integração não são assuntos “para o pessoal de TI”, e sim fundamentos que o CEO e toda a liderança têm que acompanhar de perto.
Para a delegação brasileira, fica o dever de casa: voltar com entregáveis, não apenas insights anotados. Absorver conhecimento na NRF é ótimo, mas de nada vale se não virar mudança concreta. A cobrança interna (seja do conselho, seja dos próprios profissionais que investiram tempo e dinheiro na viagem) será por resultados. Por isso, recomendo já estruturar dois produtos-chave da missão:
- Plano de 90 dias pós-NRF – um cronograma de ações de curto prazo, com iniciativas piloto claras, responsáveis definidos e metas objetivas para cada uma. (Ex: implementar um teste de agente de IA no atendimento ao cliente; realizar um projeto-piloto de personalização no app envolvendo dados da loja física; revisar processos de coleta de dados para adequação à LGPD/IA, etc. – tudo com dono e deadline).
- Roadmap de 18 meses – um plano de médio prazo que traduza as tendências em projetos estruturantes, cada qual com um executivo sponsor, baseline e métricas de sucesso definidas. Esse roadmap deve alinhar tecnologia e negócio: por exemplo, integrar sistemas legados num data lake até data X; lançar um programa de retail media interno; reformular layout de lojas-chave para o novo conceito hub; desenvolver estratégia B2A (com quem fazer parcerias? que APIs expor?); e assim por diante.
Em outras palavras, insight sem execução é só entretenimento intelectual. A NRF 2026 não foi sobre tirar fotos com robôs ou colecionar buzzwords – foi um chamado à ação coordenada e informada por dados. Cada CEO, CMO, VP que esteve lá volta com a responsabilidade de liderar a transformação em suas empresas, educar seus times sobre essas mudanças e, principalmente, entregar resultados palpáveis nos próximos trimestres. O algoritmo (seja o do cliente, seja o do mercado financeiro) vai selecionar vencedores e perdedores com base no quão rápido e efetivo cada um for em se adaptar. Então, sejamos francos: o que você vai fazer nos próximos 90 dias para garantir que sua empresa esteja entre os escolhidos? A contagem regressiva já começou. Arregace as mangas – e mãos à obra.