OneRail Lança OmniSTAR com NVIDIA, mas Decisões de Entrega Mais Rápidas Ainda Precisam de Comprovação no Mundo Real

A OneRail anunciou o OmniSTAR, uma plataforma de decisão de entregas desenvolvida com software da NVIDIA que, segundo a empresa, reduz uma tarefa complexa de planejamento de 20 minutos para cerca de 2,5 minutos. A alegação de velocidade chama atenção, mas também levanta a questão central. Uma computação mais rápida consegue produzir de forma consistente decisões de entrega mais baratas e confiáveis quando as operações de varejo se tornam complexas?

O novo sistema avalia os métodos de entrega disponíveis para cada pedido. Esses métodos podem incluir a frota do varejista, entregadores locais, transportadoras de encomendas e outros modos de transporte. A OneRail afirma que o OmniSTAR seleciona então a opção que atende aos requisitos de serviço com o menor custo.

Essa promessa pressiona os sistemas baseados em regras e os fluxos de trabalho manuais ainda utilizados na logística de varejo. Ela também eleva o padrão exigido da própria OneRail. Processar opções rapidamente só importa quando os dados subjacentes de estoque, transportadoras, custos e serviço refletem com precisão o que está acontecendo fora do software.

OneRail Está Reunindo Decisões de Entrega em Um Só Sistema de IA

O OmniSTAR busca transformar o planejamento de entregas de uma sequência de escolhas separadas em uma decisão coordenada.

A OneRail anunciou o OmniSTAR em 1º de setembro de 2026. Segundo o comunicado do OmniSTAR da empresa, a plataforma foi desenvolvida com computação acelerada e software de otimização da NVIDIA.

Os usuários-alvo são varejistas, atacadistas e distribuidores empresariais. Essas empresas frequentemente têm várias formas de movimentar o mesmo pedido. Um pacote pode seguir em um veículo próprio, por um entregador local, por uma rede de encomendas ou por outro fornecedor contratado.

Escolher entre essas opções parece simples até que restrições operacionais entram no cálculo. Cada pedido tem seu próprio prazo de entrega, dimensões do produto, peso, destino, requisitos de manuseio e promessa ao cliente. A disponibilidade de veículos e o desempenho das transportadoras também variam conforme o local e o momento.

Sistemas tradicionais frequentemente dividem essa decisão em etapas. Um aplicativo identifica o estoque disponível. Outro seleciona um local de atendimento. Uma ferramenta de transporte compara tarifas, enquanto um funcionário de operações resolve exceções ou dados ausentes.

O OmniSTAR foi projetado para avaliar mais dessas variáveis em conjunto. A OneRail afirma que ele pode comparar todas as opções de entrega disponíveis e selecionar a alternativa de menor custo que ainda satisfaça o nível de serviço exigido.

Essa ressalva é importante. A transportadora com a cotação mais barata não é necessariamente o resultado final menos caro. Uma tentativa frustrada, uma chegada atrasada, um item danificado ou uma intervenção manual pode eliminar a economia aparente.

Por isso, a empresa está posicionando o OmniSTAR como mais do que um gerador de rotas. Seu objetivo declarado é a tomada de decisões de entrega, ou seja, a seleção automatizada de um plano de atendimento e transporte sob restrições de negócio definidas.

A OneRail afirma que o sistema se baseia em sua plataforma OmniPoint existente e em dados operacionais proprietários. O fluxo de trabalho de IA da empresa descreve modelos que estimam o tempo de serviço, o risco de atraso, o sucesso na primeira tentativa e faixas de custo esperadas.

Essas previsões podem influenciar qual modo ou fornecedor recebe um pedido. Segundo a OneRail, os resultados reais de entrega retornam então ao sistema como feedback estruturado. Isso cria um ciclo fechado no qual os dados de execução podem alterar recomendações posteriores.

A OneRail também opera uma ampla rede conectada de entregas. A empresa afirma que seu sistema alcança mais de 1.000 transportadoras e mais de 12 milhões de motoristas. Essa rede oferece ao OmniSTAR um conjunto amplo de possíveis opções de execução, embora a disponibilidade para um pedido específico dependa da localização e das condições operacionais.

O resultado é uma combinação ambiciosa. A OneRail fornece contexto do pedido, histórico de entregas, acesso a transportadoras e lógica de orquestração. A NVIDIA fornece computação acelerada e tecnologia de otimização para explorar um grande espaço de decisões.

No entanto, o anúncio não estabelece quantos varejistas implementaram o OmniSTAR em produção. Também não apresenta um benchmark independente cobrindo economia de custos, desempenho de serviço ou entregas malsucedidas.

Por enquanto, a mudança mais clara é arquitetural. A OneRail quer que os varejistas deixem de tratar abastecimento, seleção de modo, escolha de transportadora e roteamento como etapas separadas de planejamento. O OmniSTAR coloca essas escolhas dentro de um único processo de decisão.

Por Que Decisões Mais Rápidas Pressionam a Logística Baseada em Regras

A pressão competitiva recai sobre operações de entrega que ainda dependem de regras fixas, aplicativos fragmentados e comparação manual.

Sistemas de entrega no varejo costumam usar regras que permanecem ativas até que alguém as altere. Um pedido abaixo de determinado peso pode ser direcionado por padrão ao envio de encomendas. Um destino próximo pode acionar um entregador local, enquanto uma transportadora preferencial recebe trabalho sempre que sua capacidade parece disponível.

Essas regras tornam as operações previsíveis, mas podem se tornar rígidas. Elas podem não levar em conta um motorista atrasado, um veículo recém-disponível, uma janela de entrega em mudança ou uma transportadora cujo desempenho recente se deteriorou.

A intervenção manual acrescenta flexibilidade, mas também adiciona demora. Um funcionário pode precisar abrir vários sistemas, solicitar tarifas, verificar capacidade, analisar requisitos de serviço e comparar rotas. A resposta pode se tornar desatualizada antes mesmo de o pedido ser atribuído.

O CEO da OneRail, Bill Catania, disse à CNBC, conforme relatado pela Quartz, que as empresas sacrificam margem quando não conseguem tomar decisões rapidamente. Esse argumento explica por que a empresa enfatiza o tempo decorrido em vez de apresentar o OmniSTAR apenas como mais um painel de logística.

A melhoria relatada é substancial. Identificar uma rota ideal para um pacote antes levava cerca de 20 minutos, enquanto o OmniSTAR supostamente precisa de aproximadamente 2,5 minutos.

Isso representa uma redução de 87,5% no tempo decorrido. Ainda assim, os números representam uma alegação associada à empresa e divulgada pela cobertura da mídia, não um estudo de produção publicado de forma independente.

A velocidade importa porque as opções de entrega desaparecem. Um entregador pode aceitar outro trabalho. O horário-limite de uma transportadora de encomendas pode passar. Funcionários de loja podem ficar indisponíveis, e o trânsito pode comprometer uma estimativa anterior.

Uma decisão atrasada pode, portanto, alterar tanto o serviço quanto o custo. Até mesmo um plano matematicamente atraente tem valor limitado se a capacidade selecionada não estiver mais disponível quando o software tentar executá-lo.

O desafio do OmniSTAR aos fluxos de trabalho tradicionais não é simplesmente o fato de uma GPU poder calcular mais rápido do que uma pessoa. A pressão mais profunda vem da avaliação de várias camadas operacionais antes que um pedido fique comprometido com um único caminho.

Essa abordagem também vai além da otimização convencional de rotas. Um otimizador de rotas normalmente decide como os veículos devem visitar um conjunto de paradas. A tomada de decisões de entrega pergunta primeiro qual frota, transportadora, serviço ou modo deve lidar com cada pedido.

A distinção afeta quem sente a pressão. Fornecedores de gestão de transporte precisam oferecer decisões mais dinâmicas. Fornecedores de gestão de pedidos precisam incorporar as consequências do transporte mais cedo. Equipes de operações de varejo precisam reconsiderar fluxos de trabalho construídos em torno de planilhas, preferências estáticas e filas de aprovação humana.

Grandes varejistas já vêm se movendo nessa direção. A OneRail integrou anteriormente suas capacidades de entrega ao IBM Sterling Order Management and Fulfillment Suite. A integração com a IBM foi projetada para conectar a seleção de estoque à execução da entrega.

Esse projeto anterior ajuda a explicar por que o OmniSTAR está surgindo agora. A OneRail vem avançando da expedição de última milha para o ponto em que um varejista decide qual estoque deve atender a um pedido.

A empresa também adquiriu a Orderbot em 2024, adicionando recursos de gestão distribuída de pedidos. Mais tarde naquele ano, a OneRail levantou uma rodada Série C de US$ 42 milhões para desenvolvimento de produtos e expansão.

De acordo com a cobertura do financiamento, a empresa planejava aprofundar sua lógica de decisão em uma etapa mais inicial do processo do pedido. Os problemas declarados incluíam pedidos divididos, estoque indisponível e cancelamentos.

O OmniSTAR se encaixa nessa estratégia. Ele oferece uma camada computacional para tomar uma decisão de entrega enquanto ainda há opções suficientes disponíveis para proteger a promessa ao cliente e a margem do varejista.

Ferramentas baseadas em regras não desaparecerão. Os varejistas ainda precisam de políticas, requisitos contratuais, controles de segurança e limites de aprovação. A pressão recai sobre sistemas que não conseguem revisar um plano quando as condições mudam.

Como o NVIDIA cuOpt Amplia o Espaço de Decisão do OmniSTAR

A contribuição da NVIDIA é um mecanismo de otimização para testar rapidamente muitas opções com restrições, e não um modelo de linguagem adivinhando qual transportadora parece melhor.

O OmniSTAR usa o NVIDIA cuOpt, um mecanismo open source acelerado por GPU para otimização de decisões. O software de otimização busca uma resposta de alta qualidade ao mesmo tempo em que respeita restrições matemáticas, como capacidade dos veículos, janelas de entrega e escalas dos motoristas.

Isso difere dos sistemas de IA generativa que a maioria dos consumidores reconhece. Um modelo de linguagem prevê texto ou outro conteúdo. Um solucionador de otimização avalia ações possíveis em relação a um objetivo formal, como minimizar custos enquanto conclui entregas no prazo.

O problema logístico se torna difícil à medida que o número de escolhas aumenta. Um varejista pode ter vários locais de atendimento, modos, transportadoras, veículos, níveis de serviço, janelas de tempo e compromissos com clientes. As interações entre essas entradas podem produzir um número enorme de planos possíveis.

A NVIDIA afirma que o software cuOpt foi projetado para problemas de grande porte que envolvem milhões de variáveis e restrições. Ele oferece suporte a roteirização de veículos, além de problemas de otimização linear, quadrática e de números inteiros mistos.

Um problema de roteirização de veículos pergunta como os veículos devem visitar vários locais sob limites operacionais. Adicionar requisitos de coleta, janelas de entrega, tamanhos de veículos, pausas e pedidos em constante mudança torna a busca consideravelmente mais difícil.

O cuOpt usa paralelismo de GPU para avaliar possibilidades mais rapidamente. Uma unidade de processamento gráfico pode realizar muitos cálculos ao mesmo tempo, o que a torna útil para explorar grandes espaços de otimização.

Os materiais públicos da NVIDIA afirmam que o cuOpt combina aceleração por GPU com heurísticas e meta-heurísticas. Esses métodos buscam respostas viáveis e robustas sem examinar uma por uma todas as possibilidades teóricas.

Essa ressalva importa porque “ideal” pode ter significados diferentes. Um sistema pode identificar a melhor resposta matemática para um modelo simplificado. Ou pode encontrar uma resposta viável e robusta dentro de um limite de tempo rigoroso.

Operações de varejo normalmente valorizam uma decisão utilizável agora mais do que um resultado teoricamente perfeito entregue tarde demais. Ainda assim, a qualidade dessa resposta rápida depende de quão precisamente o modelo representa o negócio.

A OneRail traz o contexto operacional. Seu sistema pode considerar custo de entrega, características do produto, desempenho de serviço esperado e modos disponíveis. Resultados históricos podem ajudar a prever se um fornecedor provavelmente cumprirá um compromisso.

A NVIDIA traz a camada de busca acelerada. O cuOpt pode examinar combinações sob as restrições fornecidas pela OneRail e pelo varejista.

Essa divisão explica por que a parceria é mais significativa do que adicionar um rótulo de IA a um software de logística existente. A OneRail possui dados de entrega e acesso à capacidade de execução. A NVIDIA fornece um mecanismo especializado para transformar um modelo complexo em uma escolha oportuna.

O mecanismo também revela o que o OmniSTAR não resolve sozinho. O cuOpt não consegue corrigir um registro de inventário que indica que um item indisponível está em uma prateleira da loja. Não pode garantir que um entregador aceitará uma tarefa ou que a entrada de um edifício estará acessível.

O solucionador opera com base no mundo descrito por suas entradas. Se essa descrição estiver desatualizada, incompleta ou enviesada, o processamento mais rápido pode gerar uma decisão errada mais cedo.

O ciclo de feedback da OneRail busca reduzir essa lacuna. Entregas concluídas podem atualizar estimativas de tempo de trânsito, cumprimento pelos transportadores, precisão de custos e resultados de intervenções.

Esse processo de aprendizado pode melhorar classificações futuras quando condições semelhantes se repetirem. Ele não elimina eventos inesperados, nem consegue padronizar totalmente os dados recebidos de sistemas não relacionados de varejistas e transportadoras.

O papel da NVIDIA também altera a economia do planejamento repetido. Um varejista pode precisar recalcular decisões quando um pedido muda, um motorista desiste ou o clima afeta uma rota.

A otimização mais rápida pode tornar o cálculo repetido viável. Em vez de tratar uma rota como fixa, o sistema pode reconsiderá-la à medida que novas informações chegam.

Este é o mecanismo central por trás da promessa do OmniSTAR. A plataforma não está apenas calculando uma rota inicial mais rapidamente. Ela busca tornar a otimização frequente o suficiente para se tornar parte da execução de pedidos em tempo real.

O Verdadeiro Teste É a Qualidade da Decisão, Não a Velocidade do Solucionador

Um tempo de cálculo menor só tem valor comercial quando o OmniSTAR melhora os resultados gerais de entrega em pedidos reais.

Os materiais de lançamento tornam fácil lembrar da comparação entre 20 minutos e 2,5 minutos. Eles fornecem muito menos informações sobre as condições por trás dessa comparação.

Não está claro quantos pedidos, locais de atendimento, transportadoras e restrições foram incluídos. O anúncio não identifica o processo anterior usado como referência nem descreve a infraestrutura computacional por trás de cada resultado.

Os leitores também não conseguem determinar se ambas as abordagens produziram planos de qualidade comparável. Uma resposta mais rápida é menos útil se aumentar a quilometragem, as janelas não cumpridas ou as exceções dispendiosas.

Portanto, compradores do varejo devem separar três questões. Com que rapidez o solucionador retorna uma resposta? Com que frequência o plano recomendado é executado conforme esperado? O resultado completo protege o serviço e a margem?

A segunda e a terceira perguntas exigem evidências de produção. Medidas úteis incluiriam entrega no prazo, conclusão na primeira tentativa, custo por pedido, frequência de exceções, intervenções manuais e a diferença entre o custo estimado e o final.

A OneRail relata forte desempenho em toda a sua operação mais ampla, incluindo um índice de nível de serviço de 98% de entregas no prazo. Essa afirmação em nível de empresa não estabelece de forma independente o efeito incremental do OmniSTAR.

Uma avaliação confiável compararia pedidos assistidos pelo OmniSTAR com uma referência significativa. Os grupos precisariam ter produtos, mercados, padrões de demanda, janelas de entrega e capacidade disponível semelhantes.

A variação sazonal cria outra complicação. Um sistema que tem bom desempenho em semanas normais pode se comportar de maneira diferente durante a demanda de fim de ano, condições climáticas severas ou escassez local de transportadoras.

A integração de dados do varejo é um risco igualmente importante. O OmniSTAR só consegue avaliar as opções de entrega que consegue enxergar. Sistemas fragmentados de pedidos, inventário, transportadoras e pontos de venda podem ocultar ou atrasar informações críticas.

Considere um cliente que encomenda três produtos para entrega no mesmo dia. O sistema pode ver os três em uma loja próxima e designar um único entregador.

Se um produto estiver ausente da prateleira, a recomendação original falha. O varejista precisa dividir o pedido, abastecer-se em outro local, atrasar a entrega ou decepcionar o cliente.

Um sistema mais completo poderia reconhecer a incerteza de inventário antes de comprometer o plano. Poderia selecionar um local diferente com melhor disponibilidade, mesmo que a distância nominal fosse maior.

Esse exemplo mostra por que a expansão upstream da OneRail é importante. Conectar decisões de inventário à otimização de transporte pode impedir que a camada de entrega herde um pedido impossível de cumprir.

Também mostra por que a implantação será difícil. Os varejistas precisam fornecer dados precisos e definir o que o solucionador deve priorizar quando os objetivos entram em conflito.

Menor custo, maior confiabilidade, entrega mais rápida, menos divisões e menores emissões nem sempre apontam para a mesma resposta. O varejista deve decidir quais concessões são aceitáveis.

A automação também introduz questões de governança. As equipes precisam saber por que o sistema selecionou um modo ou transportadora. Precisam de limites para revisão humana e procedimentos para corrigir entradas incorretas.

A OneRail não divulgou publicamente detalhes suficientes para avaliar os recursos de explicação, controles de substituição ou trilha de auditoria do OmniSTAR. Essas funções podem determinar se um grande varejista confia em decisões automatizadas.

Os incentivos comerciais também merecem escrutínio. A OneRail fornece software enquanto também conecta clientes à capacidade de entrega. Os compradores devem entender se as classificações de transportadoras permanecem neutras entre frotas próprias, redes externas de encomendas e provedores conectados pela OneRail.

Isso não significa que as recomendações sejam enviesadas. Significa que as equipes de compras precisam de regras transparentes sobre como custo, desempenho, disponibilidade e relações comerciais influenciam a seleção.

Segurança e resiliência também fazem parte da avaliação. Combinar dados de inventário, pedidos, clientes, transportadoras e rotas cria um conjunto valioso de dados operacionais.

Uma interrupção na camada de decisão poderia afetar muitos pedidos de uma só vez. Os varejistas precisarão de fluxos de trabalho alternativos, controles de acesso, políticas de retenção de dados e procedimentos de recuperação testados.

Nenhuma dessas preocupações invalida a alegação de velocidade da plataforma. Elas estabelecem as evidências necessárias para transformar essa alegação em um caso de negócio defensável.

OmniSTAR Entra em uma Pilha Tecnológica de Entregas Concorrida

A OneRail compete com sistemas estabelecidos de pedidos, transporte e transportadoras, ao mesmo tempo em que depende de muitos deles para dados e execução.

A logística de varejo raramente funciona por meio de um único fornecedor. Grandes empresas podem combinar um sistema de gestão de pedidos, software de armazém, gestão de transporte, comparação de tarifas de encomendas, despacho de frota e notificações aos clientes.

O OmniSTAR precisa se encaixar nessa pilha antes de poder melhorar decisões. Substituir todos os sistemas ao redor introduziria custo, risco e resistência organizacional.

As integrações existentes da OneRail sugerem que ela planeja atuar como uma camada de orquestração. Isso significa conectar sistemas de registro e tomar decisões sem exigir uma substituição completa da tecnologia.

A abordagem a posiciona próxima de várias categorias competitivas. Fornecedores de gestão de transporte otimizam a seleção de transportadoras e atividades de frete. Plataformas distribuídas de gestão de pedidos decidem qual local atenderá um pedido.

Plataformas de entrega como Roadie, Uber Direct e outras redes de entregadores fornecem capacidade para o mesmo dia. Provedores de tecnologia para encomendas comparam serviços e automatizam etiquetas de envio.

A Amazon continua sendo a referência prática para muitos varejistas. Sua rede de atendimento combina posicionamento de inventário, capacidade de transporte, roteamento e promessas ao cliente sob um controle operacional comum.

A maioria dos varejistas não consegue reproduzir esse modelo de propriedade. Em vez disso, eles reúnem capacidade de lojas, frotas, transportadoras de encomendas, entregadores e provedores terceirizados de logística.

A proposta da OneRail é que o software pode coordenar essas opções fragmentadas. O OmniSTAR busca aproximar a velocidade de decisão de uma rede integrada sem exigir que um varejista possua todos os ativos de entrega.

Essa é tanto sua oportunidade quanto sua limitação. Uma camada de decisão com poucos ativos pode oferecer ampla escolha, mas tem menos controle direto sobre o serviço físico.

O desempenho das transportadoras pode variar entre mercados. Um provedor que funciona bem em uma cidade pode não ter veículos adequados ou cobertura consistente em outro local.

A OneRail afirma classificar parceiros de entrega usando resultados operacionais e desempenho da rede. Uma rede com mais de 1.000 transportadoras oferece redundância, embora o tamanho da rede por si só não garanta capacidade utilizável para cada pedido.

A empresa também combina software com suporte humano para exceções. Esse modelo híbrido reconhece que o planejamento automatizado não consegue resolver todos os itens danificados, destinos inacessíveis, ausências de clientes ou problemas de motoristas.

A presença de suporte humano complica a medição de produtividade. Os compradores devem determinar quanto de um resultado melhor decorre do OmniSTAR, da plataforma OmniPoint mais ampla, da disponibilidade de transportadoras ou da equipe de operações.

Os concorrentes podem responder por vários caminhos. Fornecedores de gestão de pedidos podem incorporar custos de transporte à sua lógica de abastecimento. Plataformas de transporte podem avançar para etapas anteriores do ciclo de vida do pedido.

As redes de entrega podem adicionar seu próprio software de otimização. Varejistas com escala suficiente podem criar sistemas internos de decisão usando o cuOpt de código aberto e dados operacionais proprietários.

A NVIDIA tornou o cuOpt de código aberto em 2025. Sua decisão de código aberto reduziu a barreira de software para outras empresas de logística e equipes internas de engenharia.

A vantagem defensável da OneRail, portanto, não pode se basear apenas no acesso ao cuOpt. Ela precisa vir da integração do solucionador com dados confiáveis, capacidade de transportadoras, fluxos de trabalho e feedback de produção.

Essa é uma vantagem mais difícil de copiar, mas também mais difícil de provar. Um varejista avaliará o resultado operacional completo, não a sofisticação do otimizador subjacente.

Três Sinais Mostrarão se o OmniSTAR Muda a Entrega no Varejo

A próxima etapa diz respeito à validação em produção, métricas transparentes e evidências de que os varejistas podem confiar em escolhas automatizadas em escala.

O primeiro sinal é uma implantação em um varejista identificado, com resultados mensuráveis. A OneRail precisa de um cliente disposto a descrever o ambiente operacional e relatar mudanças em custo, serviço e trabalho manual.

Um estudo de caso útil informaria o número de locais, pedidos, modos e mercados envolvidos. Também compararia o OmniSTAR com o processo de decisão anterior do cliente.

Evidências de menor custo sem redução de serviço reforçariam a alegação central da OneRail. Um resultado baseado apenas em cálculo mais rápido deixaria a questão comercial sem resposta.

O segundo sinal é a transparência das decisões. Compradores empresariais devem acompanhar detalhes sobre explicações, substituições, limites de confiança e registros de auditoria.

As equipes de logística do varejo vão querer ver por que o OmniSTAR selecionou uma transportadora ou modo específico. Líderes de compras precisarão de evidências de que as recomendações seguem as políticas e os contratos do varejista.

Controles claros reforçariam o argumento de que a tomada de decisão automatizada pode evoluir de um auxílio de planejamento para a execução em tempo real. Recomendações opacas retardariam a adoção, especialmente para produtos de alto valor ou regulamentados.

O terceiro sinal é o desempenho durante interrupções operacionais. Demanda de fim de ano, mau tempo, perda de capacidade e inventário impreciso testarão se a plataforma consegue replanejar sem criar novos problemas.

Um resultado forte mostraria que o OmniSTAR detecta condições em mudança, recalcula opções viáveis e limita exceções manuais. Substituições frequentes ou falhas de serviço enfraqueceriam o valor de seu solucionador mais rápido.

O anúncio da OneRail representa uma mudança crível na forma como o software de entrega pode operar. A otimização por GPU torna prático avaliar um conjunto maior de opções enquanto um pedido ainda pode ser atendido.

Ainda assim, o comunicado de imprensa estabelece uma direção de produto, não um veredito concluído. O número de 2,5 minutos precisa ser conectado a economias repetíveis, entregas confiáveis e risco operacional administrável.

Os compradores de tecnologia para o varejo devem solicitar dados comparativos de produção antes de tratar a velocidade do OmniSTAR como prova de uma economia superior. Eles também devem mapear as entradas da plataforma, as regras de decisão, os procedimentos de contingência e os incentivos comerciais.

As equipes de desenvolvimento e operações devem acompanhar os mesmos três sinais: implantações nomeadas, decisões explicáveis e desempenho diante de interrupções. Esses resultados determinarão se o OmniSTAR se tornará uma nova camada de controle para as entregas no varejo ou permanecerá uma demonstração impressionante de otimização.