La cadena de suministro autónoma: revolucionando la logística y la gestión de riesgos

La era de los coches y camiones autónomos está casi sobre nosotros. ¿Qué hay de las cadenas de suministro autónomas?

En décadas recientes, la tecnología se ha infiltrado en cada aspecto de la gestión de la cadena de suministro. Hasta ahora, sin embargo, la presencia de un humano para tomar decisiones clave sobre producción y distribución ha sido requerida.

Eso es especialmente cierto cuando se trata de gestión de riesgos, una disciplina que se ha vuelto esencial para la supervivencia de las organizaciones globales modernas. Los gerentes de la cadena de suministro deben sopesar la probabilidad de cualquier número de disrupciones potenciales, ya sean desastres naturales como inundaciones, tsunamis y volcanes, o eventos causados por humanos como huelgas laborales y ataques terroristas, y tomar medidas apropiadas. Tal determinación se ha considerado más allá de la capacidad de las máquinas.

Hasta ahora. La inteligencia artificial, con su capacidad para filtrar cantidades masivas de datos y detectar patrones invisibles al ojo humano, está desempeñando un papel cada vez mayor en la previsión y gestión de riesgos. El día podría llegar pronto en que las máquinas tengan mejor visión del futuro que los humanos que las construyeron.

Las innovaciones más prometedoras en IA hoy están ocurriendo en farmacéuticos y bienes de consumo envasados, según Fred Laluyaux, director ejecutivo de Aera Technology, Inc. Están bajo la mayor presión de Amazon para transformar radicalmente la forma en que sirven a los clientes.

“Un cliente me lo describió de manera elocuente”, recuerda Laluyaux. “Dijeron: ‘Somos los siguientes en irnos si no cambiamos.’”

Para los comerciantes tradicionales, el desafío radica en proteger sus marcas en un momento en que los consumidores están más interesados en precio, conveniencia y velocidad. Gracias a Amazon, Laluyaux dice, ir a una tienda se está volviendo “irrelevante”. Para igualar las capacidades del gigante del comercio electrónico, los vendedores deben aumentar la eficiencia en cada etapa de sus cadenas de suministro. Y eso incluye hacer un mejor trabajo gestionando el riesgo.

Gran parte de los avances en IA están ocurriendo en el área de análisis predictivo. Los fabricantes se ven obligados a acelerar el proceso de llevar el producto a los compradores. Al mismo tiempo, la disponibilidad de “big data”, aunque presenta una imagen mucho más amplia del mercado, está inundando a los planificadores con información. Sin la ayuda de sistemas automatizados para interpretar esa entrada, no pueden distinguir “señal” de “ruido”.

Las empresas ya no pueden conformarse con planes de promoción anuales y ciclos de planificación de ventas y operaciones (S&OP) de seis meses. Las condiciones en el mercado —en particular, los gustos de consumidores volubles— cambian demasiado rápido para eso. “Tienes que llegar al siguiente nivel de rendimiento”, dice Laluyaux. “Ese [grado de] automatización te lleva a donde los humanos no pueden seguir.”

El objetivo final, aunque elusivo, es un sistema que responda a las condiciones del mercado en tiempo real. La detección de demanda no es una disciplina nueva, pero ha estado obstaculizada durante mucho tiempo por herramientas y procesos heredados que retrasan la acción necesaria. En su forma actual, la capacidad se extiende mucho más allá de acceder a cifras de ventas para incluir elementos como envases “inteligentes”.

Las entradas consisten en todo, desde datos de punto de venta (POS) hasta pronósticos meteorológicos, ratings de Nielsen, publicaciones en redes sociales e inteligencia competitiva. En el mundo farmacéutico, añaden actualizaciones sobre la aprobación gubernamental de nuevos medicamentos.

“La red se está volviendo cada vez más amplia”, dice Laluyaux, “y el grano cada vez más fino.”

Como sistema independiente, la IA tiene poco valor. Para ser efectiva, tiene que combinar flujos de datos dispares y extenderse a través de múltiples funciones de la cadena de suministro. Digamos que un minorista está experimentando un aumento del 2% en ventas para un artículo en particular. Para satisfacer la demanda inesperada, necesita ser capaz de identificar la fuente óptima para aumentar la producción, evaluar capacidades de fabricación, revisar la lista de materiales y ajustar los niveles de inventario en consecuencia. Si los sistemas de transacciones no se “hablan” entre sí, ese proceso puede tomar días —demasiado tarde para que el comerciante aproveche una tendencia fugaz.

Además, el sistema de IA necesita combinar su tesoro de datos con expertos humanos, que siguen siendo responsables de tomar decisiones finales sobre cuándo y dónde se debe enviar el producto.

Laluyaux describe el concepto de “banco de trabajo cognitivo”, donde la IA interpreta los datos y hace recomendaciones, que luego son (en su mayor parte) ejecutadas por expertos humanos. Pero eso es solo una fase transicional en el avance de la IA. La naturaleza del aprendizaje automático es que el sistema mejora con la experiencia en idear las acciones apropiadas a tomar. En última instancia, debería ser capaz de tomar muchas de esas decisiones clave sin necesidad de intervención humana. En ese punto, la analítica “predictiva” se vuelve “prescriptiva”.

Estamos lejos del punto donde la automatización se hace cargo por completo de los gerentes humanos. Si la progresión va de predictiva a prescriptiva a totalmente autónoma, entonces muchas empresas permanecen atascadas entre las etapas uno y dos, dice Laluyaux. Las perspectivas para una cadena de suministro “autónoma” son razonablemente buenas; solo la cronología está en cuestión. Por ahora, es demasiado pronto para que los humanos piensen en quitar las manos del volante.