Choco automatiza distribuição de comida com agentes de IA da OpenAI

A Choco é uma plataforma de distribuição de food & beverage que atende mais de 21 mil distribuidores e 100 mil compradores nos EUA, Reino Unido, Europa e Golfo. Conecta restaurante, fornecedor e distribuidor num sistema único pra organizar pedido, venda e gestão de cliente.

O problema clássico do setor: à medida que o volume cresceu, os pedidos continuaram chegando por e-mail, SMS, mensagem de voz, imagem e até bilhete escrito à mão. O time traduzia tudo isso na mão pra pedido estruturado no ERP (sistema de gestão empresarial). Lento, cheio de erro, segurando escala.

"Processar esses inputs era a primeira barreira, mas não a mais difícil. O problema real era o contexto implícito: mapeamento de SKU específico de cada cliente, preferência de unidade, padrão de entrega. Esse conhecimento vivia na cabeça dos atendentes da mesa de pedidos, e a gente precisou codificar isso em camadas de inferência que resolvessem a ambiguidade no momento da captura."

Narbeh Mirzaei, VP de Engenharia

Como rolou o rollout

A Choco colocou as APIs da OpenAI no core da plataforma. O produto principal é o OrderAgent, que recebe input multimodal (e-mail, SMS, imagem, documento) e converte em pedido estruturado pronto pro ERP.

"As capacidades de transcrição e extração deram uma base forte. O desafio real de engenharia foi construir infra de in-context learning dinâmico, pra o sistema resolver ambiguidade contra o histórico de pedido e catálogo de cada cliente. Isso é o que separa automação de inteligência."

Narbeh Mirzaei, VP de Engenharia

Também criaram o VoiceAgent, em cima da Realtime API da OpenAI. Cliente liga e faz pedido por voz natural, com latência abaixo de um segundo, fora do horário comercial inclusive.

A Choco escolheu OpenAI pela performance dos modelos, capacidade multimodal, structured outputs e confiabilidade em produção em escala. Texto, visão e áudio no mesmo ecossistema deixou unificar fluxos antes desconectados.

A implementação foi rápida: usaram SDKs e APIs da OpenAI pra integrar speech-to-text, embeddings e function calling. Montaram framework de avaliação com dataset de ground truth, monitoramento contínuo e teste A/B pra garantir acurácia em produção.

Esse ponto é o que a maioria dos cases de IA empresarial pula: avaliação rigorosa desde o dia um. Sem ground truth dataset, você não sabe se o agente tá melhorando ou piorando entre release.

Resultados

• Mais de 8,8 milhões de pedidos processados por ano
• 200 bilhões de tokens de IA processados em produção
• Redução de até 50% na entrada manual de pedido
• Dobro de produtividade do time de vendas, sem aumentar headcount
• Taxa de erro mantida abaixo de 1 a 5%, com threshold de automação configurável
• Recebimento de pedido 24/7, sem atraso de noite ou fim de semana

Lições de liderança

• Comece com avaliação no dia um: mesmo dataset pequeno de ground truth (10 a 20 exemplos) já deixa o time medir progresso e iterar com confiança.
• Invista em observabilidade AI-native: debugar sistema de IA exige mais que log tradicional. Capturar input, output e trace de raciocínio do modelo é essencial.
• Calibre expectativa cedo: diferente de software determinístico, LLM é probabilístico. Educar time e usuário sobre isso evita fricção na adoção.

O que vem

A Choco quer expandir os agentes pra mais fluxos operacionais complexos da distribuição de comida. A aposta interna é numa nova classe de usuário: não-engenheiro atuando como "agent orchestrator", desenhando e gerenciando sistemas inteligentes que entregam resultado de negócio.

Vale o filtro de sempre em case study de fornecedor: os números são da Choco contando o próprio caso pro blog da OpenAI. 200B de tokens em produção é número grande de verdade, mas a taxa de erro "abaixo de 1 a 5%" é um intervalo bem largo pra quem opera supply chain de comida com prazo apertado.