IDOM aposta 13,5 bi yen em IA e revoluciona o mercado de usados no Japão

A madrugada de 26 de outubro de 2026 marcou um ponto de inflexão para a IDOM, holding que controla a maior rede de revenda de seminovos do Japão, a Gulliver. Na ocasião, a empresa apresentou a "Gulliver AX Declaration", um compromisso de investir cerca de 13,5 bilhões de ienes (aproximadamente US$ 100 milhões) em tecnologias de inteligência artificial (IA) e na modernização dos processos de venda. O que diferencia essa iniciativa não é apenas o volume financeiro, mas a estratégia de dois estágios que emergiu das coberturas jornalísticas: primeiro, a construção de um vasto repositório de dados a partir de mais de meio milhão de negociações comerciais; depois, a aplicação de algoritmos de aprendizado de máquina para reativar clientes que ainda não fecharam negócio, elevando a taxa de conversão em mais de um ponto percentual e projetando um incremento de 6 bilhões de ienes (cerca de US$ 45 milhões) na receita anual.

A primeira fonte, publicada por um portal especializado em negócios japoneses, mergulha no preparo que antecedeu o anúncio. Segundo o texto, a IDOM iniciou, há meses, a captura sistemática de cada ponto de contato – desde a primeira consulta online até a assinatura do contrato – transformando "centenas de milhares" de negociações em dados estruturados. Essa iniciativa de datafication exigiu a implantação de sensores de captura de voz nas centrais de atendimento, a integração de sistemas legados de gestão de estoque e a criação de um data lake capaz de armazenar mais de 500 TB de informações brutas. O objetivo, conforme os executivos citados, era criar um modelo de visão única do cliente (single‑view) que permitisse análises preditivas detalhadas.

Já a segunda fonte, de um jornal de tecnologia, foca nos resultados imediatos da estratégia de IA. Ela descreve como a IDOM desenvolveu um motor de "follow‑up" automático, alimentado por redes neurais treinadas em dados históricos de negociação. Quando um cliente demonstra interesse, mas não finaliza a compra, o sistema envia mensagens personalizadas via chat, e‑mail ou telefone, ajustando o tom e a oferta com base no perfil comportamental detectado. O relatório aponta que, após a ativação desse fluxo, a taxa de fechamento subiu 1,2 ponto percentual – de 12,5 % para 13,7 % – o que, multiplicado pelo volume de vendas da Gulliver (cerca de 4,5 milhões de unidades vendidas anualmente), se traduz em um aumento de 6 bi yen na receita prevista para o próximo exercício fiscal.

Esses dois ângulos – a preparação de dados e o impacto na conversão – não são independentes, mas complementares. O sucesso da camada de follow‑up depende da qualidade e da granularidade dos dados coletados nas fases iniciais. A estratégia da IDOM reflete, portanto, um modelo de maturidade em IA que segue o roteiro clássico: coleta, limpeza, modelagem e, finalmente, automação de decisões. Essa abordagem alinha a empresa com o que analistas de consultoria chamam de "AI‑First" – colocar a inteligência artificial como alicerce de toda a operação, ao invés de um recurso adicional.

No contexto do mercado automotivo japonês, a iniciativa tem implicações estratégicas relevantes. O Japão possui um dos maiores volumes de veículos usados do mundo, com mais de 12 milhões de unidades circulando nas ruas. A concorrência entre revendedoras é feroz, e a margem de lucro costuma ser estreita, em torno de 3‑5 %. Nesse cenário, a capacidade de transformar leads em vendas com um ponto extra de conversão pode significar a diferença entre lucro e prejuízo. Além disso, a digitalização dos processos reduz a dependência de vendedores experientes, cuja escassez tem sido apontada como um gargalo nas concessionárias tradicionais.

Do ponto de vista técnico, a IDOM adotou uma pilha de tecnologias que inclui Apache Spark para processamento em lote de grandes volumes de dados, Kafka para ingestão em tempo real, e modelos de aprendizado profundo desenvolvidos em TensorFlow e PyTorch. Para a camada de decisão, foram implementados algoritmos de classificação binária (logistic regression, XGBoost) e de recomendação (collaborative filtering) que sugerem ofertas específicas a cada cliente. O sistema também utiliza processamento de linguagem natural (NLP) para analisar o sentimento das interações por chat, ajustando automaticamente o discurso de vendas. Todos esses componentes são orquestrados por uma plataforma de MLOps que garante a atualização contínua dos modelos com novos dados, minimizando o risco de obsolescência.

A dimensão econômica da operação é ainda mais ampla quando se consideram os efeitos colaterais. O aumento de 6 bi yen em receitas representa cerca de 2 % do faturamento total da IDOM, mas também gera economias de custos operacionais ao reduzir o tempo médio de fechamento de vendas de 15 para 11 dias. Essa eficiência se traduz em menor necessidade de financiamento de estoque, reduzindo os juros pagos sobre veículos em consignação. Além disso, a automação de follow‑up libera a equipe de vendedores para focar em negociações de alto valor, potencializando a rentabilidade de negócios mais complexos.

Do ponto de vista geopolítico, a iniciativa reforça a estratégia nacional japonesa de se tornar líder em IA aplicada a setores tradicionais. O governo tem concedido subsídios e incentivos fiscais a empresas que investem em tecnologias avançadas, e a IDOM parece estar aproveitando esse ambiente favorável. Ao demonstrar um caso de uso de IA que gera resultados mensuráveis em um setor tão emblemático quanto o automotivo, a empresa fornece um modelo que pode ser replicado em outras indústrias, como o varejo de eletrodomésticos ou a logística.

Para o Brasil e a América Latina, onde o mercado de veículos usados também é expressivo (com mais de 10 milhões de unidades em circulação no Brasil), a experiência da IDOM oferece lições valiosas. Primeiro, a importância de investir em infraestrutura de dados antes de aplicar IA. Muitas concessionárias brasileiras ainda operam com planilhas dispersas e sistemas legados que dificultam a criação de um perfil unificado do cliente. Segundo, a demonstração de que até um aumento modestamente pequeno na taxa de conversão pode gerar receitas de bilhões de reais, dado o volume de vendas. Por fim, a necessidade de adaptar as soluções de IA à realidade local, levando em conta diferenças culturais na comunicação com o cliente e a penetração de canais digitais.

A perspectiva de especialistas brasileiros corrobora essa visão. Segundo a consultora de transformação digital da PwC Brasil, Ana Clara Ribeiro, "a digitalização do funil de vendas em revendas de usados pode reduzir em até 30 % o ciclo de compra, trazendo ganhos de caixa que são críticos em um cenário de alta inflação e juros elevados". Já o professor de IA da USP, Dr. Carlos Eduardo Silva, enfatiza que "o sucesso da IDOM mostra que a qualidade dos dados é o alicerce da IA; sem um repositório robusto, os modelos não entregam valor".

Em termos de futuro, a IDOM planeja expandir o escopo da Gulliver AX para incluir manutenção preditiva de veículos e precificação dinâmica baseada em demanda de mercado em tempo real. Essa segunda fase exigirá a integração de sensores IoT nos veículos e a análise de grandes volumes de telemetria, elevando ainda mais o desafio de governança de dados. Se bem-sucedida, a empresa poderá criar um ecossistema totalmente digital, onde o cliente tem acesso a ofertas personalizadas desde a pesquisa online até a entrega do carro, com intervenções humanas apenas nos momentos de maior complexidade.

Em síntese, a Gulliver AX Declaration da IDOM representa mais que um simples aporte de capital em tecnologia; é um exemplo de como a combinação de preparação de dados, modelagem avançada e automação pode gerar impactos financeiros concretos em um setor tradicional. A cobertura japonesa, ao dividir o relato entre a fase de construção de base e a fase de resultados operacionais, oferece uma visão holística que enriquece a análise. Para o Brasil, a lição é clara: investir em infraestrutura de dados e em IA pode ser o diferencial competitivo necessário para transformar o mercado de usados, melhorar margens e oferecer experiências mais ágeis ao consumidor.