Copiar enlace

Reconozcamos algo para comenzar… Hay un hype con la IA en absolutamente todas las ramas del negocio. Y es que el impacto de esta nueva tecnología sobre la forma en la gestionamos nuestros negocios ya está generando fuertes disrupciones, y solo a pocos meses de su uso masivo en las plataformas que conforman nuestro stack tecnológico. Desde la optimización de procesos hasta la personalización de servicios, la IA ha desencadenado cambios radicales en la forma en que las empresas operan y compiten en un mercado cada vez más dinámico y exigente.

En este escenario, la logística no es la excepción. Siendo una parte fundamental del negocio, la IA parece perfilarse como el núcleo de la transformación de las operaciones globales y todo lo que esté relacionado con el abastecimiento de materiales, gestión de la cadena de valor, y operaciones logísticas de fullfilment y entrega de última milla.

“El futuro de la IA en la logística puede ser a la vez emocionante y aterrador a la vez… Emocionante por el enorme potencial que podría sumar. Aterrador porque no hay forma de seguir siendo competitivo sin adoptarla dentro de la estrategia de la empresa” –Matthias Winkenbach, Director del Centro de Transporte y Logística del MIT

La capacidad de los modelos para analizar grandes volúmenes de datos en tiempo real está permitiendo que cada vez más empresas del sector puedan tomar decisiones estratégicas fundamentadas. Desde la planificación de rutas hasta la gestión de inventario, la IA se hace cargo con gran eficiencia de la toma de decisiones y logra predecir patrones, optimizar flujos de trabajo, y con ellos reducir costes, tiempos y maximizar eficiencias.

Índice

¿Cómo puede ayudar la IA en las operaciones logísticas?

Frente a determinadas problemáticas relacionadas con la resolución de problemas complejos o análisis que requieran el procesamiento de una gran cantidad de cómputos y/o variables, la IA puede ser de gran ayuda. En logística esto podría ser la ubicación de un nuevo almacén, la renovación de una flota de transporte, o el análisis de factores que inciden en el crecimiento de las devoluciones de pedidos… La inteligencia artificial es un gran candidato para resolver este tipo de problemas.

Vemos algunos ejemplos en concreto:

  • Operaciones | Predicción de la demanda: Frente a problemas en el manejo de inventarios, como exceso o escasez de productos, quiebre de stock y falta de visibilidad en la demanda futura. Podríamos aplicar modelos de predicción de la demanda basados en inteligencia artificial para predecir y ajustar niveles de inventario. Esto reduce costes de almacenamiento y asegura disponibilidad de productos.
  • Compras | Planificación de operaciones: Los sistemas de IA pueden programar tareas de compras, como cotizaciones, análisis de precios dinámicos, o triggers automáticos de reabastecimiento a fines de asignar recursos de manera eficiente, minimizando los tiempos muertos y maximizando la productividad.
  • Transporte | Optimización de rutas: Los algoritmos de IA pueden analizar datos en tiempo real, como el tráfico, las condiciones climáticas y la disponibilidad de recursos, para determinar las rutas más eficientes en el transporte de materiales desde proveedores hacia almacenes o centros de distribución.
  • Almacén | Automatización de procesos: Los sistemas de IA pueden optimizar la disposición de inventario, el agrupado de las órdenes por afinidad, y automatizar tareas como el picking o el empaque automatizado de órdenes, mejorando la eficiencia general del almacén.
  • Mantenimiento | Acciones predictivas: La IA puede prever cuándo se necesitará mantenimiento en maquinaria y vehículos utilizados en la operación diaria, reduciendo así el tiempo de inactividad y los costes asociados con averías no planificadas.
  • SAT | Atención al Cliente: Los chatbots impulsados por IA pueden interactuar con los clientes, responder preguntas comunes, brindar asistencia las 24 horas del día y realizar análisis de sentimientos por el tono y contexto de los mensajes. Agilizando así las consultas básicas, y generando insights para la toma de decisiones en mejora de productos / servicios.

¿Quiénes lo están haciendo ya?

A día de hoy ya podemos ver pioneros en el uso de esta tecnología en operaciones.

Amazon

En una entrada reciente en su blog, el marketplace anunciaba que está utilizando IA para prevenir que desde su almacenes salieran productos defectuosos. Allí, un supervisor explicaba que “a medida que un producto pasa por las operaciones de un centro logístico, hasta cinco empleados diferentes utilizan una verificación visual de distintos puntos para evaluar si los productos están dañados”… “Es una tarea que requiere mucho tiempo y que a menudo es difícil de ejecutar”.

Mediante el uso de IA se pueden detectar irregularidades y marcar productos defectuosos antes de enviarlos. Para ello, Amazon se apoya en su software y miles de datos para entrenar la IA de reconocimiento de imágenes que permite ejecutar esta tarea de forma más eficiente en los puntos de empaque.

DHL

Hace no mucho el gigante alemán del transporte también compartía en su blog corporativo los detalles de cómo estaba utilizando IA para mejorar la experiencia de cliente en sus operaciones globales: “Dado que la experiencia del cliente es el núcleo del éxito empresarial en la logística, los departamentos de servicio al cliente son muy importantes para nosotros… ellos son el primer punto de contacto cuando surgen problemas”. 

“Los IA chatbots nos ayudan a manejar consultas de los call centers, solicitar entregas, editar pedidos, rastrear envíos y responder preguntas frecuentes. Los chatbots también pueden facilitar métricas analíticas valiosas, lo que permite a la empresa comprender mejor las necesidades de los clientes y mejorar la experiencia del cliente”

DHL indica además que “los chatbots representan el canal de comunicación de marca de más rápido crecimiento en la actualidad con una tasa de manejo de finalización de chat de principio a fin del 68,9% en 2020 (un aumento del 260% en la resolución de extremo a extremo con respecto a 2017)”

¿Cuáles son los riesgos inherentes al uso de esta tecnología?

Como siempre, el uso de la tecnología está sujeto a variables que pueden generar fricciones en la adopción masiva de la misma. En el caso de la logística, el entrenamiento de modelos de optimización con sesgos puede incurrir en desviaciones o exclusión de los objetivos trazados. Por ejemplo, si solo entrenamos modelos para que reconozcan la opción más económica, pondremos en riesgo la calidad del servicios. O si solamente entrenamos el modelo para encontrar la ubicación óptima de un almacén, probablemente no tenga en cuenta las fricciones que genera la distancia de desplazamiento para los trabajadores que allí operan.

Resulta importante balancear los requisitos técnicos del modelo con aquellos que son más cualitativos y que no necesariamente entran en el análisis matemático de las opciones.

Resumen y mejores prácticas de la industria

Como podemos ver, el impacto de la inteligencia artificial en las operaciones es inminente y tendrá importantes consecuencias en la eficiencia y escalabilidad de una actividad que se encuentra en busca constante de mejoras y recortes en los costes. No obstante, resulta de suma importancia acompañar el entrenamiento de los modelos con factores tanto cuantitativos como cualitativos a fines de apuntar a soluciones representativas y de valor para todos -o la gran mayoría de- los actores del ecosistema.

Gracias por llegar hasta aquí. Nos leemos en la próxima.

Imagen: Depositphotos

Mantente informado de las noticias más relevantes en nuestro canal de Telegram

Escribir comentario

¡Mantente al día!