O primeiro chefe de IA da Target põe à prova sua estratégia de varejo e as ações TGT

A Target teria nomeado seu primeiro diretor de IA, transformando uma manchete do google news em um teste importante para a recuperação da varejista impulsionada por tecnologia.

Chandhu Nair, anteriormente um líder sênior de IA e tecnologia na Lowe’s, deverá supervisionar a estratégia corporativa de inteligência artificial da Target. A nomeação atribui a um único executivo a responsabilidade de conectar modelos, dados, produtos e prioridades de negócios em toda a empresa.

Essa centralização importa porque a Target não está mais experimentando IA apenas nas margens. A empresa já usa aprendizado de máquina no planejamento de estoque, personalização, publicidade, ferramentas para funcionários e atendimento digital. A tarefa mais difícil é provar que esses sistemas melhoram os resultados do varejo.

A nomeação também intensifica a concorrência da Target com o Walmart. O Walmart conectou seu catálogo de produtos e sua rede de atendimento ao Google Gemini, ao mesmo tempo que amplia ferramentas de IA em compras e operações. A Target agora precisa mostrar que um líder dedicado à IA pode fechar lacunas de execução sem enfraquecer sua experiência de compra diferenciada.

Os investidores devem tratar a nomeação como uma mudança de responsabilização, e não como um catalisador imediato de resultados. Um novo título executivo não aumenta automaticamente o tráfego, melhora as margens ou torna o sortimento mais relevante.

A verdadeira questão para as ações TGT é mais simples. A Target consegue transformar uma liderança centralizada de IA em decisões melhores, percebidas pelos clientes, e em resultados financeiros mensuráveis pelos investidores?

A Target colocou um executivo no centro de sua estratégia de IA

A nomeação muda quem é responsável pela agenda de IA da Target, embora a empresa use inteligência artificial há anos.

As reportagens identificam Chandhu Nair como o primeiro diretor de IA da Target. Antes, ele atuou como vice-presidente sênior da Lowe’s para lojas, dados, inteligência artificial e inovação.

Na Lowe’s, Nair liderou a estratégia de IA junto com dados, análises, tecnologia para lojas e a organização de inovação da empresa. Sua trajetória executiva também inclui comércio digital, engajamento do cliente e transformação tecnológica.

Essa experiência oferece uma pista importante sobre as intenções da Target. A varejista não parece estar contratando um executivo de pesquisa focado na criação de modelos fundacionais.

A Target precisa de um operador capaz de aplicar modelos existentes aos sistemas de varejo. Esses sistemas incluem previsão de demanda, planejamento de sortimento, publicidade, suporte a funcionários e experiências de compra voltadas ao cliente.

A distinção importa. Varejistas raramente obtêm vantagem ao treinar o maior modelo de uso geral. Seus ativos defensáveis são históricos de transações, dados de produtos, sinais da cadeia de suprimentos, redes de lojas, relacionamentos de fidelidade e expertise operacional.

Um diretor de IA pode coordenar esses ativos sob uma estratégia comum. A função pode estabelecer prioridades, aprovar plataformas, definir governança e conectar equipes técnicas a executivos de negócios.

Sem essa coordenação, departamentos individuais frequentemente compram ferramentas sobrepostas ou desenvolvem sistemas incompatíveis. Uma equipe pode otimizar cliques em publicidade, enquanto outra se concentra na rotatividade de estoque. Ambas podem relatar sucesso sem melhorar toda a jornada do cliente.

A liderança centralizada também pode forçar a Target a decidir quais problemas merecem investimento. Um recurso de compras conversacionais atrai atenção, mas uma previsão de demanda melhor pode criar valor mais duradouro.

A nomeação reportada ocorre junto com outra mudança de liderança. Purvi Shah deverá assumir uma posição mais sênior em experiência do usuário, aproximando design e liderança de IA.

Essa combinação pode se tornar importante. Um modelo preciso ainda falha se os funcionários desconfiam de suas recomendações ou se os clientes não conseguem entender sua interface.

A experiência do usuário abrange a forma como as pessoas encontram, interpretam e agem em um sistema digital. No varejo, ela conecta a saída do modelo a ações como descobrir um item, selecionar um tamanho ou encontrar estoque nas proximidades.

A Target já lançou o Store Companion, um chatbot de IA generativa voltado a funcionários. A empresa o projetou para ajudar trabalhadores das lojas a responder perguntas sobre processos e atender clientes com mais eficiência.

A Target também usou IA para personalização, posicionamento de estoque, publicidade e decisões da cadeia de suprimentos. Sua anterior visão geral de IA descreveu aplicações que abrangem o checkout, seu site, seu aplicativo e a gestão de estoque.

Portanto, a nova função representa consolidação, e não um primeiro contato com IA. A Target está colocando uma camada executiva acima de um portfólio que já alcança partes importantes do negócio.

Essa mudança cria uma responsabilização mais clara. Se os projetos permanecerem fragmentados, o diretor de IA será responsável pelo problema de coordenação. Se a adoção estagnar, a liderança terá uma organização específica encarregada de resolvê-lo.

Ela também eleva as expectativas. Quando uma empresa cria uma função sênior de IA, os investidores podem razoavelmente exigir mais do que programas-piloto e demonstrações refinadas.

A nomeação precisa, com o tempo, produzir um conjunto menor de sistemas mensuráveis e escalados. Caso contrário, a função corre o risco de se tornar um sinal organizacional sem consequências operacionais.

Por que a manchete do Google News importa para as ações TGT

A manchete do google news importa porque a Target está vinculando a responsabilização pela IA a uma recuperação que os investidores já podem medir.

A Target entrou em 2026 com um novo diretor-executivo, Michael Fiddelke, e um plano para restaurar o crescimento. A empresa estruturou esse plano em torno de sortimento, experiência do cliente, tecnologia e força de trabalho.

Também planejou aproximadamente US$ 5 bilhões em investimentos de capital para 2026. A Target disse que os recursos apoiariam lojas, reformas, tecnologia e capacidades da cadeia de suprimentos por meio de sua estratégia de crescimento mais ampla.

Esse valor não é um orçamento de IA. Ele abrange várias categorias, portanto descrevê-lo como um compromisso multibilionário com IA exageraria as evidências disponíveis.

Ainda assim, o investimento estabelece a escala do esforço de modernização da Target. A liderança de IA agora integra um programa de capital em que a tecnologia precisa competir com lojas físicas e outras necessidades operacionais.

Os resultados do primeiro trimestre da Target deram algum impulso à recuperação. As vendas comparáveis subiram 5,6%, enquanto o tráfego aumentou 4,4%.

As vendas digitais comparáveis cresceram 8,9%. A entrega no mesmo dia cresceu mais de 27%, e as vendas não relacionadas a mercadorias aumentaram quase 25%.

Esses números vieram dos resultados trimestrais da Target. Eles oferecem um ponto de partida mais forte do que o ambiente de queda nas vendas enfrentado pela Target durante grande parte de 2025.

Ainda assim, o trimestre não prova que a IA produziu a melhora. Sortimento, tráfego, execução nas lojas, promoções e condições econômicas influenciam as vendas no varejo.

Esse problema de atribuição moldará o debate sobre as ações. Empresas podem descrever dezenas de implementações de IA enquanto oferecem aos investidores poucas evidências sobre receita incremental ou economias.

Para as ações TGT, a nomeação só tem valor se melhorar a probabilidade de uma execução sustentada. Por si só, ela não altera o fluxo de caixa.

Os investidores devem procurar três formas de valor.

Primeiro, a IA pode reduzir custos operacionais evitáveis. Uma previsão melhor pode reduzir excesso de estoque, vendas perdidas, transporte emergencial e descontos desnecessários.

Segundo, a IA pode melhorar a qualidade da receita. A personalização pode aumentar a conversão, enquanto uma descoberta de produtos mais forte pode ajudar clientes a encontrar itens relevantes sem depender inteiramente de descontos.

Terceiro, a IA pode apoiar decisões mais rápidas. As equipes de sortimento podem identificar tendências mais cedo, testar assortimentos e ajustar o estoque antes que uma demanda de curta duração desapareça.

Esses resultados importam mais do que o número de recursos de IA anunciados pela Target. Eles também exigem tempo, dados limpos, adoção pelos funcionários e mensuração disciplinada.

As quase 2.000 lojas da Target lhe dão uma grande superfície operacional. Uma melhoria modesta implementada em toda essa rede pode importar, mas uma recomendação falha também pode se espalhar rapidamente.

Essa escala explica por que a governança deve acompanhar o desenvolvimento de produtos. Governança significa as políticas e os controles usados para aprovar, monitorar e corrigir sistemas de IA.

Modelos de varejo podem tratar inadequadamente dados de clientes, reforçar suposições enviesadas ou recomendar ações incorretas. Sistemas generativos também podem produzir respostas fabricadas quando não dispõem de contexto confiável.

Os relatórios anuais da Target reconhecem vários riscos relacionados. A empresa depende de terceiros para partes de sua infraestrutura tecnológica, incluindo determinados serviços de IA generativa.

Suas divulgações de risco também alertam que a adoção limitada pelos funcionários ou uma gestão de mudanças ineficaz podem impedir que o trabalho de modernização entregue os benefícios esperados.

Um diretor de IA pode reduzir a ambiguidade organizacional em torno desses riscos. A posição não pode eliminá-los.

Para os acionistas, a nomeação deve, portanto, influenciar a narrativa de execução, e não um modelo de resultados. Ela dá à Target um responsável mais claro por transformar dados e modelos em melhorias operacionais.

O efeito sobre o preço das ações dependerá dos resultados reportados. Os investidores acabarão querendo evidências em produtividade de vendas, margens, eficiência de estoque, engajamento digital ou crescimento de mídia de varejo.

Qualquer coisa menos que isso deixa a história do google news como uma manchete de liderança sem uma ponte financeira.

A aposta em IA da Target enfrenta diretamente a escala do Walmart

O principal desafio da Target não é adotar a IA primeiro, mas aplicá-la melhor do que uma rival maior, com parcerias tecnológicas mais profundas.

O Walmart passou anos combinando dados, automação, comércio eletrônico, publicidade e atendimento. Sua escala gera mais transações, mais feedback operacional e mais oportunidades para diluir custos de desenvolvimento.

Em janeiro de 2026, Walmart e Google anunciaram planos para conectar o Gemini às compras do Walmart e do Sam’s Club. A parceria com o Gemini tem como alvo a descoberta de produtos e o comércio conduzido por agentes.

O comércio conduzido por agentes permite que um software ajude a concluir partes de uma jornada de compra, em vez de apenas retornar resultados de busca. O agente pode interpretar a intenção, comparar opções e coordenar ações.

A Target está explorando um território semelhante. Ela testou publicidade contextual no ChatGPT por meio da Target e de seu negócio de mídia de varejo Roundel.

Esse experimento posiciona produtos patrocinados ao lado de conversas de compra relevantes. Ele também reconhece que a descoberta de produtos está indo além dos sites de varejistas e dos mecanismos de busca tradicionais.

O risco competitivo é claro. Se os clientes começarem a comprar pelo ChatGPT, Gemini ou outros assistentes, os varejistas perderão o controle sobre a primeira etapa da descoberta.

O assistente pode decidir quais produtos aparecem, como as alternativas são comparadas e qual varejista recebe a transação. Essa interface pode se tornar um novo guardião entre a Target e seus clientes.

A Target, portanto, precisa perseguir duas estratégias ao mesmo tempo. Ela precisa participar de plataformas externas de IA enquanto torna seu próprio aplicativo, site e lojas mais úteis.

Essas prioridades podem entrar em conflito. Dar aos assistentes de terceiros um acesso mais amplo ao catálogo pode gerar demanda incremental, mas também pode enfraquecer o relacionamento direto da Target com seus clientes.

O Walmart enfrenta a mesma escolha, embora sua escala lhe dê maior poder de negociação. A Target precisa se diferenciar para além da disponibilidade de catálogo.

Sua resposta mais forte continua sendo a curadoria. A Target construiu sua reputação em torno de design, marcas próprias, ideias sazonais e produtos que parecem mais cuidadosamente escolhidos do que um sortimento básico de commodities.

A IA pode fortalecer essa identidade se ajudar os clientes a descobrir combinações relevantes e estilos emergentes. Pode enfraquecê-la se a personalização simplesmente repetir compras anteriores.

Essa distinção deve orientar o novo diretor de IA. Um sistema de otimização treinado apenas com base na conversão histórica pode favorecer produtos conhecidos e demanda de curto prazo.

As categorias de moda e casa no varejo exigem uma abordagem diferente. Os consumidores frequentemente buscam novidade, inspiração ou um produto que não sabiam procurar.

O trabalho relatado da Target com o Trend Brain aborda parte desse desafio. Esse tipo de sistema pode combinar sinais para identificar demanda emergente e apoiar decisões de merchandising.

No entanto, detectar tendências não é o mesmo que criá-las. Algoritmos podem reconhecer o interesse em aceleração, mas os compradores ainda decidem quais ideias se encaixam na marca da Target.

Essa combinação entre humanos e máquinas é o caminho mais crível para a Target. A IA pode processar mais sinais, enquanto equipes experientes aplicam gosto, contexto e julgamento comercial.

A comparação com a Lowe’s também ajuda a explicar a possível contribuição de Nair. A melhoria residencial envolve catálogos extensos, relações complexas entre produtos e clientes que frequentemente precisam de orientação antes de comprar.

A Lowe’s lançou o Mylow, um consultor generativo de IA para melhorias residenciais, projetado para responder a perguntas sobre projetos. Nair esteve entre os executivos de tecnologia associados a esse lançamento.

As categorias da Target são diferentes, mas a lição subjacente se transfere. A IA no varejo se torna útil quando conecta uma solicitação incompleta do cliente a produtos, disponibilidade e próximos passos práticos.

A Target não pode copiar a estratégia do Walmart recurso por recurso. Também não deve tratar cada plataforma externa de IA como um experimento de marketing separado.

O diretor de IA precisa de uma arquitetura comum para dados de produtos, permissões de clientes, avaliação e mensuração. Sem isso, cada parceria pode criar mais um sistema isolado.

Esse trabalho de arquitetura receberá menos atenção do que uma demonstração de compras conversacionais. Ainda assim, é mais importante para a execução de longo prazo.

A questão competitiva é se a Target consegue construir uma vez e distribuir em muitas interfaces. Essas interfaces incluem seu aplicativo, lojas, ferramentas para funcionários, ChatGPT, Gemini e futuros agentes de compras.

Se tiver sucesso, a Target poderá preservar sua identidade de merchandising enquanto atende clientes em plataformas em mudança. Se falhar, a escala do Walmart e os gatekeepers externos de IA moldarão a experiência.

Um Diretor de IA Não Pode Corrigir Sozinho uma Execução Fraca no Varejo

A nova estrutura de IA da Target aumenta a responsabilização, mas a tecnologia não pode substituir produtos relevantes, lojas organizadas, inventário preciso ou funcionários de confiança.

Recuperações no varejo frequentemente atraem explicações tecnológicas porque o software parece mais fácil de padronizar do que as operações humanas. Os problemas centrais da Target continuam sendo mais amplos.

Os clientes avaliam se os produtos parecem desejáveis, se os preços parecem justos, se as prateleiras estão abastecidas e se os pedidos chegam conforme prometido. Um modelo contribui para esses resultados sem substituí-los.

A previsão ilustra essa limitação. A IA pode estimar a demanda provável usando vendas históricas, clima, padrões locais, promoções e comportamento online.

A previsão ainda depende de dados de entrada confiáveis. Também precisa que as equipes de negócios ajam antes que os prazos de compra, alocação ou reposição expirem.

Uma previsão tecnicamente precisa gera pouco valor se a mercadoria chega tarde. Ela também falha quando as lojas não conseguem posicionar o inventário disponível onde os clientes possam encontrá-lo.

A adoção pelos funcionários cria outra limitação. O Store Companion pode responder a perguntas operacionais, mas os trabalhadores precisam confiar que suas respostas são precisas e atualizadas.

Uma resposta errada pode desperdiçar tempo ou confundir um cliente. Erros repetidos ensinam os funcionários a ignorar a ferramenta, mesmo depois que sua qualidade melhora.

A Target precisa medir mais do que logins ou consultas. Métricas úteis incluem tempo de resolução, precisão das respostas, taxas de perguntas repetidas, conclusão de tarefas e confiança dos funcionários.

A IA voltada ao cliente exige disciplina semelhante. Um assistente de compras deve melhorar a descoberta de produtos sem gerar sugestões irrelevantes ou ocultar limitações importantes.

As recomendações também precisam considerar o inventário. Sugerir um item indisponível gera frustração e pode reduzir a confiança em toda a experiência.

A privacidade apresenta outro risco. A personalização se torna mais eficaz quando um sistema conhece o histórico de compras, o comportamento de navegação, a localização e as preferências declaradas.

Essa combinação de dados pode parecer invasiva quando os clientes não entendem como ela é usada. A Target precisa de controles claros de permissão e de uso moderado de sinais sensíveis.

Provedores externos de modelos acrescentam dependência operacional. Um varejista pode não controlar todas as atualizações de modelo, interrupções, regras de segurança ou mudanças de custo.

Os próprios documentos da Target reconhecem a dependência de terceiros em partes de seu ambiente tecnológico. A liderança centralizada pode gerenciar essa exposição por meio de diversidade de fornecedores, contratos, avaliações e sistemas de contingência.

A avaliação de modelos é especialmente importante. Isso significa testar se um sistema de IA tem desempenho confiável em todas as tarefas e grupos de clientes pretendidos.

Pontuações genéricas de benchmark revelam pouco sobre um funcionário de loja localizando uma política ou um consumidor encontrando uma roupa. A Target precisa de avaliações vinculadas a situações reais do varejo.

A nova estrutura executiva também pode criar atrito interno. Os sistemas de IA atravessam merchandising, tecnologia, marketing, jurídico, cadeia de suprimentos e operações de loja.

Um diretor de IA precisa de autoridade suficiente para estabelecer padrões sem se tornar um gargalo. Líderes de negócios devem manter a responsabilidade pelos resultados produzidos em suas áreas.

Também há o risco de perseguir recursos visíveis. Interfaces conversacionais atraem cobertura da mídia, enquanto a limpeza de dados de inventário raramente atrai.

O trabalho menos visível frequentemente determina se a interface terá sucesso. Os atributos dos produtos devem ser precisos, os feeds de inventário devem estar atualizados e as políticas devem estar acessíveis ao modelo.

A Target deve resistir a medir o progresso pelo número de pilotos. Um indicador melhor é a porcentagem de fluxos de trabalho prioritários que usam sistemas avaliados em escala significativa.

Os investidores também devem evitar atribuir toda melhoria à IA. A recuperação da Target no primeiro trimestre foi acompanhada por mudanças em merchandising e operações, além de investimentos em tecnologia.

Separar esses efeitos é difícil. Ainda assim, a administração pode fornecer evidências por meio de testes controlados, coortes de adoção, métricas de produtividade e relatórios consistentes.

O inverso também é verdadeiro. Um trimestre fraco não provaria automaticamente que a estratégia de IA falhou.

O desempenho do varejo responde à demanda do consumidor, tarifas, custos de combustível, concorrência, clima e calendário promocional. A IA é um componente de um sistema operacional complexo.

Por isso, a nomeação de um diretor de IA não deve desencadear uma conclusão simplesmente otimista ou pessimista. Ela melhora a estrutura de execução, mas amplia o ônus da prova.

A Target agora precisa mostrar que a liderança centralizada de IA produz melhor priorização. Também precisa demonstrar que essas prioridades apoiam a marca do varejista em vez de distraírem dela.

Para trabalhadores do conhecimento que avaliam transformações semelhantes, uma base de conhecimento pesquisável oferece um paralelo útil. A produção da IA melhora quando as informações subjacentes estão atualizadas, organizadas e disponíveis no contexto.

O mesmo princípio se aplica à escala da Target. Modelos melhores não podem compensar indefinidamente dados fragmentados ou responsabilidades operacionais pouco claras.

O Que os Investidores Devem Observar Após a Nomeação de IA da Target

Três sinais mostrarão se o primeiro diretor de IA da Target está construindo uma vantagem operacional ou gerenciando uma coleção cara de experimentos.

O primeiro sinal é o progresso mensurável em inventário e merchandising.

A Target deve conectar o investimento em IA a menos ocorrências de falta de estoque, inventário mais saudável, menor pressão por liquidações ou respostas mais rápidas à demanda. Essas métricas estão próximas da economia central do varejista.

Sistemas relacionados a tendências merecem atenção especial. A administração deve explicar se eles melhoram a precisão das previsões ou reduzem o tempo entre detectar a demanda e colocar os produtos à venda.

Evidências nesse ponto reforçariam a tese de que a IA apoia a identidade de merchandising da Target. Referências vagas a melhores insights deixariam a tese sem comprovação.

O segundo sinal é a adoção nos fluxos de trabalho de funcionários e clientes.

A Target deve informar se o Store Companion e ferramentas relacionadas alcançam uso amplo e recorrente. A evidência mais forte combinaria adoção com precisão, produtividade ou resultados de atendimento ao cliente.

As experiências voltadas ao cliente precisam de métricas igualmente concretas. Os investidores devem observar conversão, engajamento, uso recorrente e conclusão de pedidos, em vez da qualidade da demonstração.

A expansão para ChatGPT, Gemini ou outros assistentes mostraria progresso na distribuição. Ela não comprovaria valor sem evidências de que esses canais geram demanda incremental e lucrativa.

Esse sinal também revelará como a Target equilibra relacionamentos diretos com plataformas externas. Vendas maiores impulsionadas por assistentes podem ser positivas, mas a dependência de interfaces externas merece escrutínio.

O terceiro sinal é a tradução financeira nos relatórios trimestrais.

O crescimento das vendas comparáveis da Target no primeiro trimestre criou uma base favorável. Os próximos trimestres precisam mostrar se o tráfego e o impulso digital persistem após a recuperação inicial.

Os investidores devem monitorar margem bruta, despesas de vendas e administrativas, inventário, crescimento digital e desempenho do Roundel. A IA deve, eventualmente, influenciar pelo menos algumas dessas áreas.

A administração não precisa divulgar cada modelo ou meta interna. Deve explicar quais resultados de negócios importam e como a tecnologia contribui.

O Roundel merece atenção especial porque a IA pode melhorar a relevância e a mensuração da publicidade. O crescimento nessa área pode gerar receita de maior qualidade sem depender apenas do volume de mercadorias.

No entanto, a personalização agressiva pode gerar preocupações entre os clientes. A Target deve proteger a confiança enquanto expande o uso de dados de compras e publicidade.

A própria linguagem dos relatórios oferecerá pistas. Anúncios repetidos sobre pilotos sugerem experimentação, enquanto a discussão de fluxos de trabalho em escala sinaliza maturidade operacional.

As mudanças organizacionais também importarão. O novo diretor de IA precisa de autoridade estável, acesso aos líderes de negócios e responsabilidade pela governança.

Se a IA continuar dispersa entre equipes sem métricas comuns, o título terá mudado mais do que o modelo operacional.

Os próximos relatórios de resultados da Target devem fornecer os primeiros pontos de verificação práticos. A nomeação ocorreu recentemente demais para atribuição financeira imediata.

Esse atraso não deve se tornar uma isenção indefinida. Os investidores podem esperar marcos antes de esperar uma contribuição completa para os lucros.

Para a ação TGT, a tese otimista é que a liderança centralizada ajuda a Target a avançar mais rápido, reduzir desperdícios operacionais e estender sua experiência de compras curada às interfaces de IA.

A tese pessimista é que os gastos com IA crescem mais rápido do que os benefícios mensuráveis. O Walmart então mantém sua vantagem de escala, enquanto assistentes de terceiros enfraquecem o relacionamento direto da Target com seus clientes.

O resultado mais provável ficará entre esses extremos. Algumas aplicações ganharão escala, outras fracassarão, e o portfólio exigirá cortes repetidos.

É por isso que a qualidade da liderança importa. O principal executivo de IA deve encerrar projetos fracos com a mesma determinação com que a empresa inicia os promissores.

A palavra-chave original do Google News oferece pouca clareza sobre essas questões operacionais. Ela reflete onde a notícia apareceu, não por que esse desenvolvimento é relevante.

A nomeação reportada pela Target importa porque estabelece um responsável identificado pela IA durante uma recuperação acompanhada de perto. Ela também torna mais difícil sustentar futuras desculpas.

Observe os próximos três sinais, nesta ordem: resultados de estoque, adoção real e tradução financeira. Juntos, eles mostrarão se a Target criou um cargo executivo ou uma capacidade varejista duradoura.

Para os acionistas, a paciência deve vir acompanhada de verificação. Acompanhe as divulgações trimestrais da Target, compare as metas declaradas de IA com as métricas reportadas e pergunte se os clientes percebem uma varejista melhor.

Essa evidência, e não apenas a nomeação, determinará o que a primeira chefe de IA da Target significará, em última análise, para as ações TGT.