Há um padrão que se repete nas conversas com responsáveis de e-commerce em Portugal. A discussão sobre IA concentra-se quase sempre no lado visível — agentes de compra, recomendações personalizadas, criação de descrições com AI, entre outros. No entanto existe um terreno operacional em a IA já produz retorno claro e mensurável: o preço.
Durante a maior parte da última década, o pricing dinâmico esteve reservado a operações de grande dimensão. Implementar um motor decente de otimização de preço exigia equipa interna de data science, integração com ERP, contratos com fornecedores de scraping competitivo, e investimento inicial frequentemente acima dos cinquenta mil euros. Para a maior parte do retalho online português, o investimento não fazia sentido.
Essa conta inverteu-se em 2025 e 2026. Soluções de pricing assistido por IA estão hoje disponíveis em modelos de subscrição mensal entre os trezentos e os mil e quinhentos euros para catálogos de média dimensão. O motor cruza, em tempo quase real, custo unitário, elasticidade observada por SKU, posição face a concorrentes diretos, risco de rutura iminente, margem alvo por categoria e regras de coerência interna. A equipa de merchandising deixa de atualizar tabelas e passa a aprovar exceções.
Porque é que isto importa em Portugal
A maior parte das operações nacionais funciona com equipas de merchandising reduzidas. Em catálogos com vários milhares de SKU, a consequência é previsível: o preço de uma fatia significativa do catálogo não se move durante meses, mesmo quando o mercado concorrente varia, mesmo quando a margem da categoria está sob pressão. O desconto promocional acaba por absorver o que o preço de tabela não conseguiu acompanhar — e, em demasiadas operações, o desconto médio aproxima-se da margem bruta da categoria. É o sinal mais claro de que faz descontos no escuro.
A esta realidade soma-se um vetor regulatório. A 2 de agosto entra em vigor a obrigação, prevista no AI Act, de documentar decisões significativas tomadas por sistemas automatizados. O preço, quando decidido por um motor de IA, entra nessa categoria. A documentação — quem aprovou as regras, com que critérios, com que revisão humana — tem de ser desenhada antes do motor entrar em produção, não depois.
Três decisões para os próximos sessenta dias
Para quem está a definir prioridades operacionais, recomendo três estratégias com retorno mensurável ainda este ano:
Primeiro, instrumentar a margem por SKU, não apenas por categoria. A média da categoria esconde precisamente os produtos onde o preço está mal calibrado. Sem visibilidade por SKU, qualquer decisão de pricing — automatizada ou manual — fica cega.
Segundo, escolher uma vertical para piloto. As categorias com maior número de SKU, maior rotação e maior pressão concorrencial são as candidatas naturais. Tipicamente, eletrónica de consumo, casa e moda básica. Evitar começar por categorias âncora ou produtos que sejam a imagem da marca, onde o erro de preço tem um custo reputacional mais alto.
Terceiro, definir antes de iniciar as regras de exceção. Que produtos nunca são alterados automaticamente? Que variações exigem aprovação humana? Que limites de margem e de variação diária estão pré-estabelecidos? Sem este desenho, o motor acaba por tomar decisões que a equipa não tomaria — e o problema só aparece quando alguém repara.
Em síntese
O pricing dinâmico assistido por IA não é a aplicação mais espetacular da inteligência artificial no e-commerce. É, provavelmente, a que paga mais depressa. Para o retalho online português — com equipas reduzidas, catálogos a crescer e margens sob pressão — é uma alavanca. A janela tecnológica abriu, o custo de entrada desceu, e o relógio regulatório começou a contar.