Negociações e mercados envolvem decisões interdependentes.
O resultado de uma empresa depende de:
- sua estratégia;
- ações do fornecedor;
- alternativas;
- concorrentes;
- informação;
- regras;
- repetição;
- incentivos.
A teoria dos jogos oferece modelos para estudar essas interações.
A inteligência artificial pode ampliar a capacidade de:
- simular participantes;
- testar regras;
- aprender estratégias;
- comparar cenários;
- identificar equilíbrios;
- otimizar mecanismos.
Isso não produz um "equilíbrio perfeito" nem elimina blefe, emoção ou surpresa.
Modelos são simplificações. O valor está em tornar premissas e consequências mais explícitas.
Elementos de um jogo
Jogadores
Quem decide.
Estratégias
Ações disponíveis.
Payoffs
Resultados ou utilidades.
Informação
O que cada jogador conhece.
Regras
Como ações se transformam em resultados.
Tempo
Decisão simultânea, sequencial ou repetida.
Em procurement, payoffs não devem ser reduzidos ao preço.
Podem incluir:
- margem;
- volume;
- risco;
- capacidade;
- relacionamento;
- caixa;
- reputação;
- serviço.
Jogos de soma zero e soma não zero
Soma zero
O ganho de um corresponde à perda do outro.
Soma não zero
Existem possibilidades de criar ou destruir valor conjunto.
Muitas negociações B2B são de soma não zero porque prazo, especificação, previsão, capacidade e risco podem ser rearranjados.
Tratar toda negociação como batalha reduz opções.
Equilíbrio de Nash
Em um equilíbrio de Nash, nenhum participante melhora seu resultado mudando unilateralmente sua estratégia, dadas as estratégias dos demais.
Isso não significa:
- resultado justo;
- melhor resultado coletivo;
- preço correto;
- satisfação;
- parceria sustentável;
- ausência de incentivo para mudança conjunta.
Pode existir mais de um equilíbrio, ou um equilíbrio indesejável.
Jogos repetidos
Fornecedores e compradores interagem ao longo do tempo.
Reputação, confiança e punições futuras podem incentivar cooperação.
Variáveis:
- frequência;
- horizonte;
- memória;
- transparência;
- possibilidade de saída;
- valor futuro.
Uma estratégia agressiva pode gerar ganho pontual e prejudicar ciclos seguintes.
Informação assimétrica
O fornecedor pode conhecer custos e capacidade. O comprador pode conhecer demanda e alternativas.
A teoria dos jogos ajuda a pensar em mecanismos que induzem revelação.
Exemplos:
- lotes;
- formatos de leilão;
- contratos;
- menus de opções;
- rebates;
- garantias;
- testes.
A revelação nunca é perfeita.
Mechanism design
Em vez de perguntar "qual estratégia usar?", mechanism design pergunta:
Quais regras geram comportamentos e resultados desejáveis?
Aplicações:
- leilões;
- alocação;
- contratos;
- incentivos;
- marketplaces;
- capacidade.
O desenho precisa considerar manipulação, acesso, competição e fairness.
Leilões eletrônicos
Modelos:
- inglês;
- holandês;
- primeiro preço;
- segundo preço;
- reverso;
- combinatório;
- multiatributo.
A escolha depende de:
- objeto;
- comparabilidade;
- número de fornecedores;
- concentração;
- risco;
- custo de participação;
- qualidade;
- possibilidade de lote.
Leilão reverso não é adequado para toda categoria.
Modelos multiatributo
O payoff pode incorporar:
- preço;
- qualidade;
- prazo;
- risco;
- emissão;
- serviço;
- capacidade.
Os pesos precisam ser transparentes, testados e aprovados.
Um modelo sofisticado não corrige critérios ruins.
Agentes de IA
Agentes podem representar:
- comprador;
- fornecedor;
- concorrente;
- regulador;
- logística;
- demanda.
Eles podem testar estratégias em milhares de rodadas.
Entretanto, agentes baseados em modelos de linguagem podem:
- variar respostas;
- inventar fatos;
- reproduzir vieses;
- ser sensíveis ao prompt;
- não representar seres humanos reais.
Reinforcement learning
Um agente aprende por recompensas e interações.
Riscos:
- recompensa mal definida;
- comportamento oportunista;
- exploração;
- falta de explicação;
- instabilidade;
- transferência ruim para o mundo real.
Se a recompensa é apenas "reduzir preço", o agente pode ignorar qualidade e relacionamento.
Negociação entre agentes
Pesquisas demonstram que agentes podem negociar contratos sobre planos conjuntos e cooperar em jogos repetidos.
Isso mostra potencial técnico, não autorização para delegar negociações empresariais sem limites.
Casos iniciais:
- transações padronizadas;
- baixo valor;
- regras claras;
- fornecedores elegíveis;
- limites;
- logs;
- aprovação.
Simulação de fornecedor
Um modelo pode estimar possíveis respostas com base em:
- histórico;
- mercado;
- capacidade;
- comportamento anterior;
- cenário.
Não deve atribuir personalidade ou intenção como fato.
Use resultados como hipóteses.
Calibração
Compare simulações com:
- negociações anteriores;
- preços;
- concessões;
- respostas;
- eventos;
- especialistas.
Perguntas:
- o modelo reproduz padrões?
- onde erra?
- quais cenários são fora do escopo?
- os payoffs refletem o negócio?
Sensibilidade
Altere:
- demanda;
- alternativa;
- custo;
- prazo;
- peso;
- informação;
- número de fornecedores.
Se pequena mudança produz resultado extremo, a decisão exige cautela.
Fairness e concorrência
Algoritmos podem criar:
- barreiras;
- discriminação;
- favorecimento;
- exclusão de pequenos fornecedores;
- coordenação indesejada;
- preços convergentes.
Agentes que aprendem em mercados podem desenvolver estratégias problemáticas mesmo sem instrução explícita.
Jurídico e compliance concorrencial devem participar.
Colusão algorítmica
Riscos:
- preços coordenados;
- sinais;
- respostas paralelas;
- regras de marketplace;
- algoritmos compartilhados;
- dados comuns.
Procurement não deve utilizar IA para facilitar troca indevida de informação ou coordenação anticompetitiva.
Explicabilidade
A decisão precisa mostrar:
- jogadores;
- estratégias;
- payoffs;
- premissas;
- dados;
- equilíbrio;
- sensibilidade;
- limitações.
Uma recomendação matemática sem premissas visíveis não é governança.
Human-in-the-loop
Pessoas devem validar:
- objetivo;
- pesos;
- alternativas;
- restrições;
- consequências;
- contrato;
- ética;
- concorrência.
O modelo apoia a preparação. Não assume responsabilidade.
Casos de uso adequados
- desenho de leilão;
- alocação de volume;
- capacidade;
- contrato de incentivo;
- negociação padronizada;
- cenário de dual sourcing;
- marketplace;
- resposta de fornecedores.
Casos de maior cautela
- fornecedor único;
- crise humanitária;
- emprego;
- sanção;
- relacionamento estratégico;
- risco legal;
- informação incompleta;
- decisão irreversível.
Indicadores
- cenários;
- aderência histórica;
- erro;
- sensibilidade;
- decisões apoiadas;
- resultados realizados;
- fornecedores participantes;
- concentração;
- disputas;
- overrides;
- incidentes concorrenciais.
Caso prático: alocação entre dois fornecedores
A empresa precisa dividir volume.
O modelo considera:
- preço;
- capacidade;
- risco;
- qualidade;
- custo de troca;
- incentivo futuro.
Cenários:
- 100/0;
- 80/20;
- 60/40;
- 50/50.
A simulação mostra custos e respostas potenciais.
A decisão inclui julgamento sobre desenvolvimento e continuidade, não apenas payoff calculado.
Erros comuns
- equilíbrio como justiça;
- jogo de soma zero para tudo;
- payoff apenas financeiro;
- agente como previsão humana;
- recompensa mal definida;
- leilão em categoria complexa;
- falta de calibração;
- ignorar concorrência;
- algoritmo sem explicação;
- modelo como decisão final.
Como a CapturaMe se conecta a esse cenário
A CapturaMe pode fornecer dados de propostas, fornecedores, volumes, contratos e performance para simulações estratégicas.
Agentes podem testar cenários dentro de limites, enquanto decisões e negociações reais permanecem registradas e aprovadas por profissionais.
Conclusão
Teoria dos jogos ajuda a compreender incentivos e interdependências.
IA amplia a escala das simulações, mas não transforma modelos em realidade. O uso responsável exige payoffs completos, calibração, transparência e controles contra resultados anticompetitivos ou injustos.
Conheça a CapturaMe para empresas privadas
Perguntas frequentes
Equilíbrio de Nash é o melhor acordo?
Não. É uma condição estratégica, não uma garantia de eficiência ou justiça.
IA consegue prever o fornecedor?
Pode simular respostas prováveis, não conhecer intenção com certeza.
Todo sourcing pode usar leilão?
Não. O formato depende do objeto, mercado e critérios.
Teoria dos jogos elimina blefe?
Não. Ajuda a modelar informação e incentivos.
Agentes podem negociar sozinhos?
Em contextos limitados e controlados, podem automatizar etapas. Alto risco exige supervisão.
Qual é o primeiro passo?
Defina jogadores, estratégias, payoffs e informação antes de escolher o algoritmo.
