De dashboards a inteligência autônoma em 18 países

O Mercado Livre não é apenas a maior plataforma de e-commerce da América Latina. É um dos ecossistemas digitais mais complexos da região. Com operações em 18 países, do México à Argentina, a empresa processa centenas de bilhões de eventos comportamentais todos os anos. Cada clique, busca, compra, envio e entrega gera dados.

Mas a ambição nunca foi apenas analisá-los.

O objetivo era torná-los acionáveis para todos.

O Mercado Livre queria que cada equipe, em produto, logística, marketing e operações, pudesse tomar decisões rápidas e confiáveis com base em comportamento real. Não depois de solicitar um relatório. Não após uma reunião semanal. Em tempo real.

Isso exigia mais do que dashboards. Exigia um novo modelo operacional.

A realidade do analytics em escala continental

Gerenciar analytics em uma empresa do porte do Mercado Livre traz desafios que poucas organizações enfrentam. A logística se estende de grandes centros urbanos a regiões rurais remotas. Cada mercado tem sua própria infraestrutura, parceiros e exigências regulatórias. O que funciona em São Paulo pode não funcionar em Córdoba ou na Cidade do México.

O Mercado Livre já havia construído uma forte cultura analítica. Em um único ano, o acesso ao Amplitude foi expandido para mais de 10 mil colaboradores, com mais de 2 mil usuários ativos mensais. A plataforma processava 782 bilhões de eventos.

Mas escala gera fricção.

Quando milhares de pessoas usam analytics, manter consistência se torna mais difícil. O conhecimento se fragmenta entre equipes. Analistas viram gargalos. Insights dependem de quem faz a pergunta certa no momento certo. Mesmo quando problemas são identificados, transformar descobertas em ações coordenadas entre áreas exige um esforço que não escala.

A pergunta deixou de ser “Como analisamos mais?” e passou a ser “Como reduzimos a distância entre insight e ação?”

Construindo um modelo operacional nativo em IA

Abordamos a transformação em camadas.

Primeiro, fortalecemos a base de dados comportamentais. O Amplitude passou a ser a fonte de verdade governada para toda a jornada do cliente, da primeira interação à entrega final. A prioridade foi clareza e confiança. Sem contexto compartilhado, a automação perde sustentação.

Depois, introduzimos automação diretamente nos fluxos de decisão.

Em vez de dashboards esperando para serem consultados, agentes de IA começaram a monitorar desempenho de forma ativa. Detectavam anomalias, resumiam tendências e distribuíam insights automaticamente. As equipes não precisavam mais lembrar de revisar relatórios. O sistema sinalizava o que exigia atenção.

A adoção foi rápida. Em poucos meses, dezenas de usuários haviam criado mais de cem agentes. A maioria não apenas gerava relatórios, mas impulsionava ações concretas. Os e-mails gerados pelos agentes alcançaram taxas de abertura superiores a 50%, sinal de que os insights eram relevantes e oportunos.

Por fim, a inteligência foi integrada às ferramentas que os colaboradores já utilizavam. Por meio do Model Context Protocol, as equipes podiam consultar dados governados do Amplitude diretamente em ferramentas de IA como Claude ou no assistente interno da empresa. Sem navegar por interfaces complexas, era possível fazer perguntas em linguagem natural com base em dados reais de comportamento.

O analytics deixou de ser um destino. Tornou-se infraestrutura.

Um exemplo concreto: Flex no Brasil

Um dos exemplos mais claros dessa transformação ocorreu no programa de entregas Flex no Brasil.

O Flex permite que vendedores escolham entregadores independentes capazes de cumprir acordos rigorosos de nível de serviço. Porém, quando vendedores buscavam um entregador disponível e não encontravam nenhum, surgia fricção. Buscas sem resultado significavam entregas mais lentas e insatisfação crescente.

Antes, identificar lacunas de cobertura exigia análises manuais. As equipes reagiam quando indicadores já mostravam queda de desempenho ou quando reclamações aumentavam. A priorização era influenciada tanto por percepções quanto por dados.

Trabalhamos com as equipes do Mercado Livre para criar um dashboard que tornasse visível a demanda não atendida em nível geográfico detalhado. Pela primeira vez, produto, transporte e negócio compartilhavam a mesma visão em tempo real de onde os vendedores estavam buscando e não encontrando opções.

Essa visibilidade mudou a conversa. Em vez de discutir onde agir, as equipes podiam quantificar impacto.

A transformação real veio quando os agentes de IA passaram a monitorar esse dashboard continuamente. Em vez de revisões manuais, o sistema sinalizava regressões ou novas lacunas automaticamente. Criou-se um ciclo fechado: identificar áreas prioritárias, incorporar entregadores com melhor desempenho, acompanhar resultados e ajustar conforme a demanda mudava.

Os resultados foram claros. As buscas sem entregador diminuíram em quase 10%. Sessenta por cento dos vendedores Flex no Brasil agora realizam envios por meio da funcionalidade. O desempenho de SLA atingiu 98%, superando os envios fora do programa.

Mais importante ainda, não foi uma solução pontual. Tornou-se um sistema contínuo de otimização.

Nosso papel

A tecnologia viabilizou a mudança, mas torná-la sustentável exigiu estrutura.

A Minders se integrou ao ritmo do Mercado Livre por meio de revisões executivas, sessões de capacitação e workshops interfuncionais. Ajudamos a traduzir prioridades de negócio em iniciativas concretas de analytics. Apoiamo-nos em governança, experimentação, expansão de analytics de marketing e implementação de IA.

Nessa escala, transformação não é instalar uma ferramenta. É alinhar pessoas, processos e dados para que a inteligência flua continuamente pela organização.

Nosso papel foi reduzir a distância entre capacidade tecnológica e adoção real.

Do insight à ação contínua

A jornada do Mercado Livre rumo a uma organização nativa em IA continua evoluindo. O próximo passo envolve integrações mais profundas, em que agentes internos possam acionar ações diretamente nas ferramentas de trabalho, como criar coortes, lançar experimentos ou abrir tickets de governança.

O objetivo é simples: reduzir o tempo entre detectar, decidir e agir até que o analytics se torne invisível. Não porque seja irrelevante, mas porque está incorporado à forma como o trabalho acontece.

Para grandes empresas que operam em múltiplos mercados, esse é o futuro da vantagem competitiva.

Não mais relatórios.
Não mais dashboards.
Sistemas inteligentes que se movem tão rápido quanto o negócio.

Pronto para operacionalizar IA na sua organização?

A maioria das empresas já tem dados. Muitas têm dashboards. Poucas transformaram analytics em um motor contínuo de decisão.

Se suas equipes ainda dependem de análises manuais, insights tardios ou relatórios isolados, a oportunidade é clara.

Na Minders, ajudamos organizações a evoluir da adoção de analytics para inteligência operacional. Projetamos modelos de governança, fluxos de trabalho e programas de capacitação que tornam a IA prática e escalável.

Se você quer reduzir a distância entre insight e ação, vamos conversar.