La automatización está revolucionando los almacenes y transformando el futuro de las operaciones de la cadena de suministro, mientras que la IA impulsa previsiones más inteligentes, una planificación optimizada y una mayor eficiencia. Para aprovechar estos avances, las organizaciones necesitan un enfoque estratégico que incluya una gobernanza sólida y datos bien gestionados para garantizar un crecimiento sostenible y rentable.
El futuro de la cadena de suministro automatizada depende en gran medida de la inteligencia artificial. La IA es la principal prioridad de inversión digital para más de una cuarta parte de los profesionales de la cadena de suministro de América del Norte que respondieron a una encuesta reciente de Gartner (véase el gráfico).
Detrás de este interés se esconde la promesa que la IA tiene para muchas organizaciones de la cadena de suministro. "La automatización habilitada por IA cambia las cadenas de suministro de reactivas a proactivas y predictivas", dice Sudhir Balebail, líder de gestión de productos de gestión de pedidos de IBM Sustainability Software.
Aprovechar las tecnologías tradicionales de IA, como el aprendizaje automático, junto con soluciones más nuevas, como la IA generativa, para procesar grandes cantidades de datos puede proporcionar visibilidad, información y recomendaciones.
¿El resultado? "Mejor resiliencia, mayor agilidad y operaciones optimizadas", dice Balebail. Por ejemplo, la IA puede proporcionar instantáneas de inventario en tiempo real, lo que permite un reabastecimiento más inteligente y minimiza el exceso y la falta de existencias.
Avnet, un distribuidor de tecnología global y proveedor de soluciones, ha estado utilizando la IA tradicional para el modelado predictivo con el fin de mejorar la calidad y la visibilidad de su función de gestión de inventario tanto para proveedores como para clientes, afirma Doug Adams, vicepresidente senior de logística y calidad global.
La compañía ahora está investigando múltiples usos potenciales de la IA para mejorar la experiencia del cliente y ayudar a los proveedores con la predicción.
Dentro de su función de logística global, Avnet ha establecido un consejo de innovación y tecnología que está investigando cómo la IA puede ayudar a todas las partes a identificar posibles puntos ciegos. El objetivo es garantizar que Avnet esté implementando herramientas que puedan ayudar a sus proveedores a producir el producto correcto, que Avnet pueda ubicar donde más se necesita y en las cantidades óptimas.
Avnet está investigando los posibles usos de la IA generativa en el transporte, la carga y la funcionalidad de la cadena de suministro, como el modelado de la red de centros de distribución de Avnet.
Por ejemplo, Avnet tiene actualmente cuatro ubicaciones en Asia. La inteligencia artificial podría proporcionar información adicional sobre estos mercados tal y como están hoy en día, así como su crecimiento previsto, mejorando las decisiones de asignación de inventario.
Si bien podría parecer que hay poca diferencia entre la automatización tradicional y la IA, eso no es exactamente así. La automatización tradicional está orientada a tareas. "Es 'ver esto, hacer aquello'", dice Sujit Singh, director de operaciones de Arkieva, un proveedor de soluciones para la cadena de suministro.
La inteligencia artificial puede manejar tareas, al tiempo que abarca algoritmos avanzados que pueden entender, razonar, aprender y ejercitar cierto nivel de toma de decisiones creativas, dice Remington Tonar, cofundador de Cart.com, que ofrece una plataforma de comercio unificado. Cart.com, en asociación con clientes seleccionados, actualmente utiliza la IA para predecir cierta demanda de los clientes.
Aumento de la productividad
Las capacidades que ofrece la inteligencia artificial pueden mejorar las operaciones de la cadena de suministro de múltiples maneras. Puede aprovechar diversas fuentes de información, incluidos los datos en tiempo real, para mejorar la toma de decisiones. Especialmente en tiempos de incertidumbre, confiar únicamente en datos históricos puede llevar a tomar decisiones subóptimas.
Al principio, es probable que la tecnología se aproveche más en las acciones de ejecución que en la planificación. Por ejemplo, la IA podría ayudar a un profesional de la cadena de suministro a determinar si enviar carga hoy o mañana, y a través de una ruta u otra. Si bien gran parte de esto ya está dentro del ámbito de la automatización, la IA agregaría un nivel de inteligencia.
La automatización de almacenes podría ser otro caso de uso temprano. "Los almacenes son entornos complejos, pero bien controlados", dice Matthias Winkenbach, científico investigador principal del Instituto de Tecnología de Massachusetts.
Por ejemplo, en el cumplimiento de pedidos, la IA puede analizar datos en tiempo real para predecir las rutas más eficientes para seleccionar artículos.
Previsión de la demanda
La aplicación de la IA a la previsión de la demanda ofrece la "mayor palanca", afirma Ansgar Thiede, vicepresidente de ciencia de datos de Korber Supply Chain Software. La mejora de las previsiones puede impulsar el crecimiento de los ingresos al minimizar el riesgo de sobreproducción y pérdida de ventas. En otras áreas, el uso de la IA tiene más que ver con impulsar la eficiencia de costos. Estos también son importantes desde el punto de vista de la rentabilidad, pero pueden ser más pequeños a primera vista, añade.
Además, las funciones de planificación y previsión de la oferta y la demanda implican enormes cantidades de datos y numerosas tareas domésticas. Las soluciones de IA pueden realizar estas tareas, liberando a los planificadores para que se centren en proyectos más grandes, afirma Richard Davis, director ejecutivo de Demand Chain AI, un proveedor de soluciones de planificación de la cadena de suministro y la demanda.
Gestión del inventario
Cuando se trata de la gestión del inventario, la IA puede analizar las tendencias estacionales y los patrones de compra, lo que ayuda a las empresas a anticipar mejor la demanda y a posicionar el inventario más cerca de los clientes de forma más inteligente. Esto acelera la entrega, reduce los costos y aumenta la satisfacción del cliente, dice Sowmya Mullur Rajagopalan, vicepresidenta y jefa de viajes, transporte y hospitalidad para las Américas de Tata Consultancy Services.
AI Squared, una empresa de software que permite a las empresas integrar modelos de IA en su software existente, trabajó con un cliente para aprovechar la IA en el cumplimiento de pedidos, dice Benjamin Harvey, Ph.D., fundador y CEO.
Antes de que se ejecutara el pedido, la solución de IA ejecutaría una simulación para identificar el porcentaje que realmente se podía completar y mostrar qué partes del pedido, si faltaba alguna, del pedido. A continuación, la empresa podría decidir cómo obtener los artículos. Solo una vez que un pedido se completaba en un 95%, se procesaba.
Transporte
La racionalización del transporte es otro uso de la IA. Decidir entre la enorme cantidad de opciones de envío disponibles puede volverse rápidamente complejo. Aunque muchas empresas ya utilizan algoritmos sencillos para comparar tarifas, es posible añadir algoritmos inteligentes.
Por ejemplo, un algoritmo tradicional simplemente consultaría múltiples fuentes para obtener tarifas en tiempo real de varios operadores y tarjetas de tarifas, y luego asignaría la más barata dentro de la clase de servicio deseada. Un algoritmo más inteligente podría comprender las compensaciones de costo y tiempo en cada pedido, y presentar diferentes opciones a los compradores en el punto de venta, en función de su información de entrega.
Si algunos clientes supieran que pueden reducir los costos de envío con una clase diferente de servicio que agregara solo 12 horas al tiempo de entrega, algunos aceptarían la compensación.
Los algoritmos más inteligentes también podrían ser capaces de contabilizar los cargos accesorios dirección por dirección. Luego, los vendedores podrían fijar el precio y pronosticar las opciones de envío en consecuencia.
Algunas empresas de logística aprovechan la IA para mejorar la densidad de entrega, dice Sowmya. Supongamos que un proveedor de logística tiene dos paquetes para entregar en una residencia el viernes. Con el uso de la IA, el proveedor de logística puede ofrecer a sus clientes, los vendedores, un descuento si envían paquetes adicionales a la misma dirección o a direcciones cercanas dentro de un plazo determinado, lo que reduce los costos de envío para todos.
Con la ayuda de la IA, los profesionales de la cadena de suministro pueden determinar con mayor precisión los tiempos de llegada de los conductores para minimizar el tiempo de inactividad en los almacenes y centros de distribución, afirma Ann Marie Jonkman, vicepresidenta global de estrategia industrial del proveedor de soluciones de software Blue Yonder. Esto es especialmente valioso cuando los horarios se ven alterados debido a imprevistos.
Si bien estos datos han estado disponibles, a menudo no era posible acceder a ellos rápidamente, dice Jonkman. Con la automatización de la IA, la información puede reunirse más rápidamente, acelerando la toma de decisiones.
La inteligencia artificial también podría desempeñar un papel en la detección de robos de carga. Las redes de robo se han vuelto bastante sofisticadas, dice Darin Miller, director nacional de marina en Sedgwick, un administrador global de reclamos.
Los ladrones a menudo se identifican como camioneros legítimos y luego ingresan a los almacenes para recoger cargas, que transportan a otros lugares y probablemente revenden.
La inteligencia artificial podría utilizarse para rastrear embarcaciones y enviar alertas cuando un camión se desvía de la ruta prevista. También podría identificar envíos con mayor riesgo de robo, ya sea debido a su ubicación, tipo de carga u otros factores. Los esfuerzos de seguridad podrían centrarse en estos envíos.
Riesgos Potenciales
Junto con su promesa, la IA conlleva riesgos. Uno es, irónicamente, el señuelo de su promesa. "Cuando tienes un martillo nuevo, todo es un clavo", dice Thiede. La tentación es abordar todos los desafíos con IA.
Pero para algunas decisiones simples, heurísticas como "Si A, entonces B" harán el trabajo y serán más rápidas de implementar y más fáciles de entender. Si un almacén tiene un espacio limitado, lo que hace imposible satisfacer toda la demanda todo el tiempo, una regla de reposición como "Volver a ordenar una vez que el inventario baje a 10 unidades" puede ser suficiente, dice Thiede.
Las soluciones de IA tienden a ser más complejas de configurar y pueden requerir más mantenimiento. Como resultado, a menudo tienen más sentido cuando hay suficiente margen para cubrir los costos adicionales.
Algunas organizaciones se ven obligadas a implementar la IA tan rápidamente que corren el riesgo de pasar por alto la necesidad de medidas de protección, seguridad y gobernanza. "La ciencia de datos y la IA son el salvaje oeste", dice Harvey.
Los valores atípicos o sesgos en un conjunto de datos o modelo podrían hacer que el algoritmo genere información que no refleja la realidad. Sin una gobernanza sólida y una supervisión humana, cualquier decisión que se tome basada en el modelo podría ser subóptima.
Un punto de partida para abordar estos riesgos es un caso de negocio bien pensado. "No se limite a esparcir la IA por todo", dice Davis. Priorizar y desarrollar una hoja de ruta para avanzar hacia los objetivos de la organización.
Aunque pueda parecer contradictorio, la mayoría de las organizaciones se beneficiarán al comenzar con un proceso que se entiende y, sin embargo, mejorará con la automatización. Si la organización nunca ha resuelto un problema en particular antes, probablemente no tenga los datos necesarios para entrenar a la IA en él, y la organización carecería de la capacidad de evaluar si la solución de IA está haciendo un buen trabajo. "No empieces con la cosa grande y peluda en la distancia", dice Winkenbach.
Dado que las soluciones de IA interpretan los datos, la calidad de esos datos es clave, dice Theide. Supongamos que un minorista está tratando de analizar las reacciones de los consumidores a los cambios de precios y a la información de promoción para optimizar su previsión de demanda. Si la empresa no ha estado rastreando el impacto de los cambios de precios o la información promocional, no puede esperar que el modelo proporcione predicciones sólidas de las acciones futuras de los consumidores.
El modelo de cumplimiento y gobernanza de la IA debe proporcionar alertas cuando los resultados van más allá de un ámbito aceptable, señala Davis.
Los humanos deben mantenerse informados, ya que pueden decidir cómo manejar una visión particular de la IA cuando su experiencia indica que la solución es incorrecta, dice Harvey. Por ejemplo, si una solución está evaluando rutas de transporte y algunas rutas se usaron en el pasado solo porque otras no estaban disponibles, eso influirá en los resultados. Un empleado experimentado puede darse cuenta de esto.
¿Pequeño o grande?
A diferencia de muchos avances en tecnología que comienzan con empresas establecidas y se filtran a empresas más pequeñas, algunos dicen quelas empresas más pequeñas, y particularmente las más nuevas, pueden tener una ventaja cuando se trata de inteligencia artificial. Las empresas más nuevas pueden crear entornos nativos en los que la IA pueda prosperar, dice Talal Abu-Issa, director ejecutivo y fundador de Beebolt, una empresa de tecnología de la cadena de suministro. Por el contrario, las empresas más grandes a menudo se estructuran en torno a ciertos procesos y formas de hacer las cosas. "No están necesariamente optimizados para que estos modelos brillen de verdad", dice Issa.
Descalcificación de silos
Un beneficio general de implementar la inteligencia artificial en la cadena de suministro y la logística es su capacidad para romper las divisiones entre la toma de decisiones estratégicas, tácticas y operativas, dice Winkenbach. Tradicionalmente, las empresas los han abordado por separado porque los problemas son tan complejos que no ha sido factible evaluarlos al mismo tiempo.
Sin embargo, la inteligencia artificial y el aprendizaje automático pueden abordar múltiples problemas grandes al mismo tiempo, como ayudar a las empresas a determinar dónde construir sus centros de distribución, colocar el inventario y decidir sobre los modos de transporte, dice Winkenbach.
En última instancia, el mayor beneficio de la IA puede provenir de tomar decisiones complejas simultáneamente.
Tecnología inteligente de dispensación
Fastenal, una empresa de cadena de suministro industrial, apoya productos y servicios de empresa a empresa. A traves de su servicio de inventario gestionado por el proveedor, puede observar el estado del inventario de los clientes y determinar cuando es el momento de reabastecerse.
Para lograr esto, Fastenal aprovecha la tecnología. La compañía ofrece máquinas expendedoras de bobinas mejoradas con tecnología que ofrecen productos de mantenimiento general, reparación y operaciones y suministros de seguridad como guantes y gafas de seguridad. Debido a que los empleados acceden a los artículos electrónicamente, una empresa puede recopilar datos sobre cómo se utilizan varios productos, por ejemplo, vincular un producto a un departamento o proyecto.
El sistema también aprovecha la IA para permitir a las empresas reunir datos de diferentes ofertas de productos tecnológicos, para que puedan ser analizados. Esto es clave, porque si una empresa, por ejemplo, compra sujetadores para una línea de producción de cinco proveedores, eso significa que tiene cinco lugares donde se almacenan y organizan los datos, y cinco formas diferentes de compartir datos.
Fastenal consolida esta información en un repositorio disponible, mejorando la calidad de los datos para la toma de decisiones. A continuación, la solución utiliza la IA para acelerar el análisis de datos en toda la cadena de suministro. "Esto impulsa mejores decisiones debido a la cantidad de información que la IA puede procesar en comparación con un humano", dice Jeff Hicks, vicepresidente de la compañía. Por ejemplo, la solucion puede evaluar si cambiar los niveles de inventario provocaria mas desabastecimientos.
Al aprovechar la IA, Fastenal también puede ayudar a los clientes a comprender cómo se mueve su inventario. Si se usaron 100 artículos durante el mes, la solución de IA puede determinar si los artículos se usaron a la vez o en grupos de 10. La respuesta podría influir en la compra.
El MIT y Mecalux aceleran la automatización de almacenes
Una nueva colaboración de cinco años entre el Centro de Transporte y Logística del MIT y Mecalux, líder en intralogística, tiene como objetivo impulsar avances revolucionarios en la automatización de almacenes.
A través del Laboratorio de Sistemas Logísticos Inteligentes del MIT, los investigadores se centran en dos objetivos: mejorar la productividad de los robots de almacén autónomos y optimizar los sistemas de distribución de pedidos.
Colaboración robótica. La primera área de investigación desarrollará un sistema de "inteligencia de enjambre", que permita a los robots de almacén autónomos trabajar colectivamente, tomando decisiones más inteligentes y coordinadas. ¿El objetivo? Crear robots que aprendan del comportamiento humano para mejorar la eficiencia y la colaboración en entornos de almacén dinámicos.
Distribución predictiva. El segundo foco de investigación se centra en el entrenamiento de modelos de IA para anticipar los patrones de demanda de los clientes. Este enfoque ayudará a las empresas que operan extensas redes de almacenamiento y distribución a determinar las estrategias de cumplimiento de pedidos más eficientes en tiempo real.