Volver a Investigación de mercado
Flowlity ofrece software en la nube para la previsión de la demanda, la planificación de inventario, la reposición y la colaboración con proveedores. Se conecta a los sistemas empresariales existentes, calcula previsiones y recomendaciones de stock, y ofrece interfaces para revisar y enviar pedidos de abastecimiento. Su producto también incluye herramientas de promociones y precios, automatizaciones programadas y un asistente conversacional de planificación. 1
Puntuación global de supply chain: 5,0/10
| Dimensión | Puntuación |
|---|---|
| Profundidad en supply chain | 4,6/10 |
| Sustancia de las decisiones y la optimización | 4,8/10 |
| Integridad del producto y la arquitectura | 5,2/10 |
| Transparencia técnica | 6,2/10 |
| Seriedad del proveedor | 4,4/10 |
Flowlity tiene un núcleo sustancial de planificación de inventario y una documentación pública para usuarios inusualmente informativa. Tanto la incertidumbre de la demanda como la de los tiempos de entrega de los proveedores entran en sus cálculos de stock. Los manuales identifican funciones operativas reales, limitaciones y responsabilidades de configuración. Estas pruebas permiten un diagnóstico más preciso que el amplio discurso sobre IA con el que se vende el producto.
La debilidad principal es el modelo de decisión. Las probabilidades alimentan sobre todo objetivos de servicio, buffers y reglas de reposición cuyas decisiones económicas siguen en manos del planificador. El software automatiza cálculos y algunos cambios recurrentes, pero las pruebas públicas no demuestran una optimización financiera conjunta de compras, asignación de stock, capacidad y abastecimiento futuro incierto.
El marketing también exagera lo que respaldan las pruebas publicadas. Una fiabilidad de previsión del 95,4% sin definir, una reducción de inventario proyectada que se promociona como resultado logrado y un discurso de piloto automático en torno a revisiones manuales reducen la confianza en el relato de rendimiento. La documentación suele ser más franca que los textos comerciales.
Flowlity frente a Lokad
Ambas empresas utilizan previsiones probabilísticas para las decisiones de supply chain. La diferencia decisiva es lo que sucede después de la previsión.
Flowlity traduce la incertidumbre en protecciones de stock que los usuarios gobiernan mediante objetivos de servicio y políticas de inventario. El servicio de optimización de inventario de Lokad ordena las decisiones recurrentes por su contribución financiera esperada, con Supply Chain Scientists que mantienen la lógica económica. La diferencia atañe al modelo operativo, no a si una previsión tiene un intervalo de confianza.
Por ejemplo, aumentar la protección frente a un proveedor poco fiable puede reducir los faltantes de stock. También puede inmovilizar capital en un producto de margen bajo e impedir una compra de mayor valor en otro lugar. Elegir un buffer por separado para cada artículo no resuelve esa competencia. La decisión exige considerar conjuntamente los costes y las consecuencias inciertas de las alternativas.
Flowlity ofrece controles útiles para modificar sus políticas. El enfoque de Lokad, explicado en Introduction to Supply Chain, incorpora los propios supuestos económicos al proceso de decisión que se mantiene de forma continua. En ambos casos, la prueba relevante es el resultado financiero recurrente tras el software, la implementación y el trabajo de mantenimiento, no la sofisticación de la interfaz.
El motor de planificación: probabilidades dentro de un sistema de buffers
Se modelan tanto la demanda como los tiempos de entrega
El manual Stock Min de Flowlity describe explícitamente distribuciones de probabilidad de la demanda y del tiempo de reabastecimiento. Dimensiona la protección a partir de la diferencia entre un escenario esperado y otro de mayor riesgo durante el reabastecimiento, ajustada por un nivel de buffer elegido por el usuario. Las entradas incluyen el historial de demanda, el comportamiento de la previsión, el historial del proveedor y la incertidumbre del tiempo de entrega variable en el tiempo. La fórmula exacta no se divulga. 2
Esto supone una mejora sustancial frente a asumir que el suministro llega en una fecha fija. Las preguntas pendientes son cómo se combinan las distribuciones, cómo se calibran y si se conservan las perturbaciones compartidas. Los aumentos bruscos de demanda y los retrasos de entrega pueden ocurrir juntos. Unas distribuciones plausibles por separado aún pueden subestimar el riesgo conjunto de faltantes.
La documentación de previsiones describe un modelo entrenado con los productos de un centro, modelos expertos opcionales por producto y una ejecución semanal de previsiones. Las previsiones de los usuarios tienen prioridad para los periodos en los que se introducen; en los demás casos, la planificación utiliza el modelo elegido o una previsión externa, con un límite inferior fijado por la demanda futura conocida. 4 Esto hace explícita la contribución humana, pero no divulga la arquitectura del modelo probabilístico, el objetivo de entrenamiento ni los resultados de calibración.
El objetivo de servicio incorpora una decisión económica
La configuración de buffers permite objetivos de servicio del 50% al 99,9%, un mínimo adicional de stock y protección frente a retrasos del proveedor mediante pedidos anticipados o stock adicional. El responsable de éxito del cliente establece el objetivo predeterminado del centro. Un nivel máximo de stock definido por el usuario genera una alerta; no limita las cantidades pedidas. 3
Estos ajustes incorporan decisiones financieras importantes. Un porcentaje de servicio no revela si otra unidad de protección genera más de lo que cuesta. Tampoco un mínimo de días de cobertura explica el coste de oportunidad del capital o del espacio de almacén que consume.
Por tanto, el cálculo de la incertidumbre y la decisión económica deben evaluarse por separado. Un cuantil de demanda alta bien calibrado puede respaldar una mala política de compras si el objetivo se elige por costumbre o mediante una clasificación amplia de productos. Falta la prueba de un método que seleccione la protección y los pedidos según sus consecuencias financieras en toda la cartera.
Las restricciones dependen del cálculo que se ejecute
El manual de restricciones de proveedores distingue entre el proceso de planificación programado y la acción interactiva Optimize. Indica que esta última todavía no incorpora pedidos mínimos por proveedor, cantidades de camión completo, frecuencia de pedidos al proveedor ni restricciones de cantidad para grupos de productos. El agente programado muestra qué restricciones están activadas en cada centro. Una opción de proveedor de emergencia selecciona un proveedor capaz de evitar un faltante y elige el más barato cuando hay varios que cumplen. 5
Esto es más limitado que la garantía de la página de IA de respetar todas las restricciones del mundo real en cualquier nivel de detalle. 29 Un planificador puede obtener de una vía de cálculo una recomendación que no obedece las mismas reglas que otra. Esta distinción pertenece a la evaluación de decisiones ejecutables, no solo a una lista de funciones.
La capacidad es otro límite. El manual describe cómo agrupar productos por un recurso restringido, comparar la carga con los límites y generar alertas. Resolver una sobrecarga implica mover o reducir los pedidos planificados en la interfaz de planificación. 6 Esto documenta visibilidad de capacidad y corrección manual, sin demostrar la selección automática del plan de producción factible económicamente preferible.
La regla del proveedor de emergencia también deja abierta una cuestión económica: evitar todos los faltantes evitables puede costar más que aceptar algunos. La diferencia de precio, el margen perdido, las consecuencias para los clientes y la probabilidad de que el proveedor habitual llegue tarde deben determinar si merece la pena acelerar el abastecimiento.
Las simulaciones muestran los compromisos entre políticas, con limitaciones
El módulo Tactical permite cambiar los niveles de buffer de productos seleccionados e inspeccionar las proyecciones de inventario, abastecimiento, cobertura y días sin stock antes de aplicar los cambios. Su documentación advierte que las estimaciones de días sin stock de la simulación Lite pueden carecer de precisión y remite a un modo de simulación más completo. 30
Estas proyecciones pueden orientar cambios de política, pero también predicen numerosos estados operativos futuros. La etiqueta gemelo digital que utiliza el marketing de Flowlity no demuestra su precisión. La validación debería cubrir los faltantes, las recepciones, los inventarios y los costes resultantes proyectados en el horizonte de decisión, incluidas las situaciones en las que la política cambia el comportamiento.
La hoja de ruta de noviembre de 2026 sitúa un Scenario Studio más completo en desarrollo activo y las compras restringidas por presupuesto en una fase posterior. 26 Estas distinciones limitan la afirmación actual de una optimización integral: un sistema no puede asignar conjuntamente un capital de compras escaso mediante una capacidad que aún se presenta como trabajo futuro.
Precisión de las previsiones y resultados de clientes
Una afirmación del 95,4% sin significado reproducible
La página de inventario declara una fiabilidad de la previsión de consumo del 95,4% en Saint-Gobain, evaluada frente a las ventas reales a tres meses. No identifica la fórmula, la granularidad por producto y ubicación, las ponderaciones de agregación, las fechas de evaluación ni el tratamiento de los faltantes de stock. 21 Un porcentaje tan alto, presentado sin estas definiciones, es una señal de alerta. No puede demostrar predicciones precisas para decisiones individuales de reposición.
El manual de métricas de Flowlity hace explícito el problema de agregación. Ofrece un error agregado calculado después de sumar previsiones y demanda, errores absolutos ponderados y una media sin ponderar. Reconoce que la medida agregada permite que los errores opuestos se compensen. El panel utiliza mediciones mensuales en varios horizontes de previsión. 7
Un agregado puede parecer excelente mientras que los artículos individuales están muy mal previstos. Si un artículo se sobreestima en 100 unidades y otro se subestima en 100, su previsión conjunta es correcta, pero las decisiones de reposición pueden crear tanto excedentes como faltantes. La claridad del manual ayuda a inspeccionar el producto; el titular público sigue necesitando indicar qué medida utiliza.
Una nota de versión de abril de 2025 también anunció la sustitución de las previsiones por producto y cliente por previsiones a nivel de producto que luego se reparten entre clientes. Justificaba el cambio en parte por una mayor precisión en el nivel agregado. 24 La comparación pertinente es la calidad de las decisiones resultantes por cliente. Una mayor precisión antes del reparto no demuestra una mejor asignación después.
Las pruebas de clientes tienen alcances sustancialmente distintos
| Caso | Resultado publicado y alcance | Evaluación |
|---|---|---|
| La Redoute | La página de octubre de 2026 declara un 50% menos de inventario de embalaje, medido como espacio de almacenamiento, y una reducción anual de costes de 37.000–78.000 € tras seis meses, para 20 referencias de embalaje en dos centros. 18 | Una aplicación de reposición concreta y limitada. El espacio de almacenamiento no es la misma medida que el valor de inventario; el caso no aporta un balance completo de costes del proyecto. |
| Saint-Gobain Sekurit | El caso de octubre de 2026 declara una mejora de previsión del 15% a nivel SKU, un 9,25% menos de inventario y un aumento de disponibilidad del 95,8% al 97,2%. Incluye un testimonio de cliente identificado. 19 | Estas cifras operativas respaldan el despliegue. La página dice que la medición integral de costes sigue desarrollándose, lo que limita su afirmación paralela de un ROI demostrado. |
| Camif | El proveedor declara una capacidad liberada de aproximadamente un equivalente a tiempo completo, expresada en 1.760 horas anuales, con un crecimiento del 44% y dos almacenes adicionales atendidos sin aumentar el equipo de planificación. Estima 40.000 € de ingresos anuales adicionales por faltantes evitados. 20 | Una prueba de productividad más sólida que una afirmación genérica de ahorro de tiempo. Los ingresos protegidos no son beneficios, y liberar capacidad no equivale necesariamente a eliminar costes salariales. |
| Danone | El titular de septiembre de 2026 dice que el inventario cayó un 40%. Sus preguntas frecuentes describen una reducción del 17,28% en una simulación de seis meses y una reducción proyectada del 28–40% en un año, sobre un piloto inicial de 27 productos. Por separado, afirma que la sincronización posterior con proveedores redujo el inventario de Danone alrededor de un 12,40% y los productos terminados de los proveedores un 30–60%. 17 | Las afirmaciones posteriores no convierten la proyección anterior del 40% en un resultado logrado y documentado. La página debe conciliar los periodos, las bases de comparación y las poblaciones que sustentan su titular. |
Las aplicaciones más antiguas importan históricamente: muestran un producto operativo antes de la reciente marca de agentes. No pueden demostrar la contribución incremental de capacidades introducidas en 2025 o 2026.
La prueba económica también cambia según el resultado. El inventario liberado es un cambio de balance; la reducción del coste de posesión es un beneficio recurrente en gastos; las ventas adicionales solo aportan su margen después de los costes asociados. Combinar los tres en una afirmación indiferenciada de ROI puede contar la misma mejora más de una vez.
Productividad: automatización en segundo plano y un proceso de revisión persistente
El manual actual de agentes documenta la corrección semanal de anomalías, las previsiones y la correspondencia de productos, además de una planificación del abastecimiento que suele ejecutarse a diario. Algunas correcciones pueden aceptarse automáticamente; otras configuraciones esperan una revisión, y los cambios de configuración de anomalías pasan por el responsable de éxito del cliente. 9 Esto constituye un cálculo sustancial en segundo plano.
El módulo independiente Automations programa cambios masivos de políticas sobre vistas guardadas. Estas vistas definen dinámicamente los productos afectados, de modo que editar un filtro compartido cambia el alcance de las ejecuciones futuras. 10 Esto puede eliminar ediciones recurrentes, pero crea una obligación de mantenimiento: un filtro de visualización se ha convertido en parte de la lógica ejecutable de planificación.
El proceso prescrito de revisión de previsiones sigue requiriendo mucho trabajo. La guía recomienda 10–20 productos por planificador y revisión, inicialmente semanal y después mensual, con una reunión de 45 minutos para diagnosticar artículos, incorporar aportaciones comerciales y registrar decisiones. Asigna al equipo de planificación la responsabilidad final de las previsiones y a la dirección la supervisión mensual de KPI. 8
El problema no es la existencia del juicio humano. Es dedicar repetidamente tiempo experto a previsiones individuales por SKU en lugar de corregir un defecto general del proceso de decisión. Un faltante recurrente causado por correlaciones entre proveedores no se resolverá puliendo la previsión central de otro artículo.
Aquí es donde Holimization cambia la evaluación. Un sistema productivo debería ayudar a descubrir por qué falló su modelo económico, revisar ese modelo y probar la revisión sobre las decisiones afectadas. Flowlity permite corregir entradas y cambiar políticas. Las pruebas públicas son más escasas sobre el trabajo y la validación necesarios cuando la propia familia de políticas es inadecuada.
MCP cambia la interfaz, no el reparto de trabajo subyacente
El anuncio de Co-planner de abril de 2026 presenta un conector para investigar SKU, crear promociones y operar flujos de trabajo mediante un asistente externo. Deja explícitamente el juicio en manos del planificador. 13 Es una ampliación de interfaz relativamente barata, no una prueba de un nuevo método de reposición ni de razonamiento económico autónomo.
El manual actual acota el alcance operativo: el conector puede leer datos de planificación y hacer determinados cambios, como crear promociones y vistas, pero no puede validar o modificar pedidos, editar manualmente valores de previsión ni cambiar ajustes. 11 Las skills que lo acompañan preparan revisiones; los usuarios deciden y actúan en la aplicación. 12
Promocionar este flujo como piloto automático de supply chain conserva el modelo de revisión existente bajo una interfaz conversacional. El logro de ingeniería que cambiaría la productividad es un proceso de decisión fiable que requiera mucha menos atención humana recurrente. Ninguna comparación publicada demuestra esa mejora para Co-planner.
Mantenimiento de configuración y responsabilidad económica
Una implementación de Flowlity deja un conjunto considerable de opciones por mantener: objetivos de servicio, mínimos de stock, políticas de retraso, similitudes entre productos, modelos expertos, restricciones de proveedores y las vistas que controlan las automatizaciones. Algunas opciones interactúan. Un mínimo fijo puede neutralizar un objetivo de servicio menor; un flujo de datos puede sobrescribir un cambio de restricción realizado en la aplicación.
El coste crece con las excepciones, no solo con el número de pantallas. El cliente debe establecer quién detecta una política obsoleta, quién la cambia y cómo se comprueban los pedidos resultantes. Un cambio en el comportamiento de entrega de un proveedor debería desencadenar algo más que un buffer permanentemente mayor si otro proveedor, otra cadencia de compra o un acuerdo comercial distinto resultarían más baratos.
El modelo comercial publicado cobra a los clientes Enterprise una suscripción más una tarifa de implementación; Lite utiliza una suscripción mensual sin tarifa de implementación. El precio depende del alcance, como SKU, usuarios o valor de inventario. 28 Los recálculos de previsiones y algunas operaciones de agentes también consumen créditos. 4 9 El coste total de propiedad incluye estos cargos, el trabajo de revisión del cliente, el soporte de configuración del proveedor y los cambios en los flujos de datos de origen.
El marketing de agentes promete que los usuarios ya no tendrán «más excusas» para incumplir los objetivos de inventario y servicio. 27 Es un reparto de responsabilidad desafortunado cuando los usuarios deben elegir ajustes importantes de las políticas y validar recomendaciones. Hace parecer suficiente la adopción, mientras deja las consecuencias financieras al cliente.
Las pruebas públicas no muestran una garantía estándar de resultados ni un protocolo de medición compartido que separe las deficiencias del modelo de las entradas o configuraciones deficientes. Los casos de clientes deberían revelar la base de comparación, las fechas de intervención, los costes recurrentes completos y quién se responsabiliza de corregir la situación cuando no aparecen los resultados económicos prometidos.
Historia tecnológica e integridad de la hoja de ruta
| Periodo | Pruebas | Qué cambió |
|---|---|---|
| 2019–2021 | La agencia de relaciones públicas de Flowlity identifica su lanzamiento en 2019 y describe el producto como previsión y optimización de stock basadas en IA en su referencia de cliente de 2021. 22 | IA ya era la etiqueta comercial de una aplicación especializada de predicción y reposición, antes de la era de los LLM. |
| 2023 | El artículo fechado en septiembre de 2023 describe puntos de desacoplamiento, previsiones separadas de consumo y tiempos de entrega, y buffers probabilísticos. 23 | El centro técnico seguía siendo la protección de inventario en torno a previsiones locales, con un argumento explícito sobre la incertidumbre. |
| Abril–septiembre de 2025 | Las notas de versión registran la agregación de previsiones en la dimensión cliente, el módulo Supply Chain Agents y Automations programadas. 24 | La etiqueta de agente incluía categorías ya existentes de trabajo de previsión y planificación en segundo plano; también se añadió automatización real de políticas. |
| Abril–mayo de 2026 | Las notas de versión documentan precios/promociones y un agente de investigación de precios, seguidos de Forecast Studio. 25 | Son entregas de producto identificables, con controles de modelos y cálculos comerciales, no una ampliación puramente aspiracional. |
| Noviembre de 2026 | La hoja de ruta distingue las funciones entregadas de las que están en desarrollo o previstas para más adelante, como Scenario Studio, las previsiones de devoluciones y las compras restringidas por presupuesto. 26 | El alcance futuro divulgado es más acotado y útil que una afirmación ilimitada de autonomía de extremo a extremo. |
La historia de Flowlity muestra un foco constante en la reposición. Su punto débil es la inflación del lenguaje que rodea ese núcleo. Una tarea programada de previsión, un buffer probabilístico y un LLM que utiliza herramientas son tecnologías distintas con modos de fallo distintos.
Las notas de versión también muestran una brecha concreta de entrega. En abril de 2025 se esperaba Forecast Studio en un plazo de seis meses; su lanzamiento se registra en mayo de 2026. 24 25 Publicar esta secuencia permite evaluar el cumplimiento. Informa más que los premios o las afirmaciones de que el producto es singularmente nativo de IA.
La doctrina actual aún necesita distinguir mejor entre mejora de previsiones, simulación de políticas y optimización financiera. El producto ha avanzado, pero una sucesión de versiones de interfaz y automatización no demuestra que esos tres problemas se hayan convertido en un único problema resuelto.
Componentes del software
Una descripción del empleador en la bolsa de trabajo del inversor Fortino identifica el entorno backend. Otra oferta de ingeniería de datos de Flowlity identifica sus competencias de desarrollo de datos. Estas fuentes permiten un inventario más concreto que la descripción genérica de microservicios del sitio web. 15 16
| Componentes | Función atribuida |
|---|---|
| Node.js, TypeScript, NestJS, PostgreSQL | Backend de la aplicación; la oferta identifica PostgreSQL como fuente de referencia |
| Vue | Interfaz de la aplicación |
| RabbitMQ | Componente de mensajería del backend listado |
| dbt | Modelos de datos, pruebas, documentación y linaje |
| Docker, Kubernetes, Terraform | Empaquetado, orquestación y gestión de infraestructura |
| GitHub Actions; Elastic/Kibana | Herramientas de entrega y observabilidad |
| SQL y Python | Competencias de ingeniería de datos exigidas en la oferta de Flowlity |
| Microsoft Azure | Alojamiento declarado por el proveedor, con bases de datos de clientes en Francia 14 |
El puesto de backend también exige reintentos, idempotencia, versionado de esquemas, observabilidad y despliegue controlado de algoritmos. Estas responsabilidades conectan la ingestión, el modelado de datos y el despliegue de algoritmos. Las funciones de los componentes son identificables; su carga conjunta de mantenimiento no está cuantificada.
El coste recurrente está en mantener sincronizadas esas capas. Un cambio de esquema debe preservar las pruebas del modelo de datos, el comportamiento de ingestión, los cálculos de planificación y las exportaciones posteriores. Las bases de datos separadas por cliente mejoran el aislamiento, pero exigen migraciones repetibles y monitorización entre clientes.
La documentación de Flowlity expone el funcionamiento de la aplicación con mucha más claridad que los detalles internos de sus algoritmos. Los usuarios pueden inspeccionar y cambiar políticas, pero el cálculo central que transforma probabilidades en buffers sigue siendo propietario. Exportar previsiones y pedidos no hace portable ese modelo de decisión.
Seguridad: límites relevantes, garantías incompletas
Flowlity afirma que cada cliente tiene una base de datos aislada, que las comunicaciones y los datos almacenados están cifrados y que el acceso del proveedor para soporte requiere autorización. Su página de integración describe OAuth 2.0, permisos por roles y pistas de auditoría para el acceso del asistente. 14 Estos mecanismos son más relevantes que su lenguaje sobre certificaciones.
El manual MCP también distingue los destinos de los datos. El asistente integrado utiliza un modelo alojado en Azure bajo los acuerdos de Flowlity; un asistente externo recibe resultados autorizados bajo el contrato separado del cliente con ese proveedor. OAuth evita compartir la contraseña del usuario con el asistente, y el conjunto de herramientas documentado restringe las modificaciones disponibles. 11
El acceso autorizado sigue incluyendo datos sensibles y la creación de promociones con consecuencias económicas. Los materiales públicos no describen la defensa completa frente a instrucciones maliciosas incrustadas en contenido importado, ni cómo se limitan y revierten las consecuencias de una promoción involuntaria.
El artículo de lanzamiento de abril sostiene que las consultas deterministas a bases de datos hacen que los números sean reales y que solo varíe la redacción de la respuesta. 13 Esta garantía es demasiado fuerte. Un asistente puede elegir el periodo, los productos o los parámetros de herramienta equivocados y obtener números perfectamente reales que responden a una pregunta incorrecta. También puede interpretar mal resultados correctos. La ejecución correcta de una consulta es una capa de corrección, no una garantía sobre la decisión.
Puntuación de supply chain
Profundidad en supply chain
| Criterio | Puntuación |
|---|---|
| Planteamiento económico | 4/10 |
| Resultado final de la decisión | 6/10 |
| Precisión conceptual en supply chain | 5/10 |
| Independencia de doctrinas centrales obsoletas | 4/10 |
| Resistencia al teatro de KPI | 4/10 |
Media: 4,6/10
Planteamiento económico — 4/10. Se reconocen el inventario, la disponibilidad y los costes comerciales. Los objetivos de servicio y la configuración de buffers siguen incorporando decisiones que no se derivan de un objetivo financiero divulgado para toda la cartera. 2 3 30
Resultado final de la decisión — 6/10. El producto genera cantidades de pedido con fecha y permite su transmisión operativa. La validación del planificador y las distintas vías de cálculo limitan la afirmación de que produce autónomamente decisiones ejecutables de forma consistente. 5 9 10
Precisión conceptual en supply chain — 5/10. La incertidumbre de la demanda y de los tiempos de entrega recibe un tratamiento explícito. El diseño público es menos claro sobre los riesgos compartidos, la competencia por recursos y la diferencia entre un nivel protector de stock y una acción económicamente preferible. 2 3 5
Independencia de doctrinas centrales obsoletas — 4/10. Los buffers probabilísticos mejoran las medias fijas. El modelo operativo aún depende mucho de objetivos de servicio, bandas de stock, categorías de productos y revisiones recurrentes de previsiones. 2 3 8
Resistencia al teatro de KPI — 4/10. El manual de métricas explica la agregación y la compensación de errores. El titular de alta precisión sin definir y el tratamiento inconsistente de los beneficios simulados de clientes debilitan esa disciplina. 7 17 21
Sustancia de las decisiones y la optimización
| Criterio | Puntuación |
|---|---|
| Profundidad del modelado probabilístico | 6/10 |
| Sustancia distintiva de la optimización o el aprendizaje automático | 4/10 |
| Tratamiento de restricciones reales | 5/10 |
| Automatización de decisiones y productividad laboral | 5/10 |
| Adaptación a la complejidad operativa real | 4/10 |
Media: 4,8/10
Profundidad del modelado probabilístico — 6/10. Las distribuciones de demanda y reabastecimiento alimentan una protección de stock variable en el tiempo. La fórmula, la calibración y la estructura de dependencias no divulgadas impiden una evaluación más sólida de su adecuación conjunta. 2 3
Sustancia distintiva de la optimización o el aprendizaje automático — 4/10. La documentación identifica aprendizaje entre productos, modelos expertos y cálculos operativos. No aporta una comparación reproducible que demuestre una optimización económica distintiva. 2 4
Tratamiento de restricciones reales — 5/10. Las reglas de productos y proveedores están documentadas concretamente. La optimización interactiva omite varias restricciones agrupadas, y el tratamiento de la capacidad se describe mediante alertas y cambios del planificador. 5 6
Automatización de decisiones y productividad laboral — 5/10. La planificación en segundo plano y las actualizaciones programadas de políticas reducen trabajo, y Camif declara una ganancia significativa de capacidad. Co-planner conserva el proceso de revisión, mientras que el trabajo recurrente completo sigue sin medirse. 10 13 20
Adaptación a la complejidad operativa real — 4/10. Los usuarios pueden revisar entradas, políticas de buffers y simulaciones. Las pruebas públicas son más débiles en cuanto a reformular el problema de decisión cuando los fallos revelan dependencias ausentes o reglas económicamente inadecuadas, y a probar esas revisiones en toda la cartera. 3 25 30
Integridad del producto y la arquitectura
| Criterio | Puntuación |
|---|---|
| Coherencia arquitectónica | 6/10 |
| Claridad de los límites del sistema | 7/10 |
| Seriedad en seguridad | 5/10 |
| Austeridad del software y coste de propiedad | 4/10 |
| Compatibilidad con operaciones programáticas y asistidas por agentes | 4/10 |
Media: 5,2/10
Coherencia arquitectónica — 6/10. Las previsiones, políticas, pedidos y configuraciones comparten un modelo de aplicación identificable. Las distintas vías de cálculo y la ampliación de módulos exigen garantías más claras de decisiones consistentes. 2 5 25
Claridad de los límites del sistema — 7/10. Flowlity es explícitamente una capa sobre sistemas empresariales existentes. La documentación actual explica los permisos del asistente, las responsabilidades del planificador y el alcance de las capacidades previstas. 11 14 26
Seriedad en seguridad — 5/10. La separación de bases de datos por cliente, la autenticación, los permisos y la divulgación de los destinos de datos son sustanciales. El modelo de ataque a agentes y la garantía excesivamente confiada de corrección dejan vacíos importantes. 11 13 14
Austeridad del software y coste de propiedad — 4/10. El stack tiene funciones atribuibles, pero el mantenimiento de infraestructura se combina con numerosos ajustes de políticas, recálculos de pago y revisiones recurrentes del cliente. El coste total de propiedad no se concilia públicamente con los beneficios. 3 4 9 15 16 28
Compatibilidad con operaciones programáticas y asistidas por agentes — 4/10. Las API y los cálculos programados facilitan la integración. Los casos de uso MCP destacados reproducen en gran medida investigaciones manuales, y el conector no puede llevar el proceso de pedido hasta la ejecución. 10 11 12
Transparencia técnica
| Criterio | Puntuación |
|---|---|
| Documentación técnica pública | 7/10 |
| Inspección sin mediación del proveedor | 7/10 |
| Visibilidad de la portabilidad y la dependencia del proveedor | 5/10 |
| Transparencia del método de implementación | 7/10 |
| Densidad de pruebas tras las afirmaciones técnicas | 5/10 |
Media: 6,2/10
Documentación técnica pública — 7/10. Los manuales públicos cubren fórmulas, ajustes, limitaciones, permisos y versiones. Los algoritmos probabilísticos y de optimización centrales siguen insuficientemente divulgados. 2 5 11 25
Inspección sin mediación del proveedor — 7/10. Un lector puede conocer bastantes detalles operativos sin una demostración comercial. La capa clave que falta es la inspección reproducible del motor y de sus afirmaciones de rendimiento. 2 4 5
Visibilidad de la portabilidad y la dependencia del proveedor — 5/10. Los datos y las salidas operativas tienen vías de exportación. Los cálculos propietarios, las convenciones de configuración y los ajustes respaldados por el proveedor seguirían necesitando un reemplazo durante una migración. 5 14 30
Transparencia del método de implementación — 7/10. Los manuales y casos describen concretamente la configuración, las pruebas y la revisión operativa. Exponen trabajo continuo, aunque no cuantifican su coste completo. 3 8 17
Densidad de pruebas tras las afirmaciones técnicas — 5/10. Los casos identificados, los manuales actuales y las notas detalladas de versión aportan pruebas sustanciales. La superioridad algorítmica, la alta fiabilidad de previsión y la operación completamente autónoma están mucho menos respaldadas. 17 20 25 29
Seriedad del proveedor
| Criterio | Puntuación |
|---|---|
| Seriedad técnica de la comunicación pública | 3/10 |
| Integridad de la hoja de ruta tecnológica | 6/10 |
| Precisión conceptual | 4/10 |
| Responsabilidad económica | 4/10 |
| Solidez competitiva en un mundo de software agéntico | 5/10 |
Media: 4,4/10
Seriedad técnica de la comunicación pública — 3/10. Las afirmaciones públicas sobre precisión, tratamiento universal de restricciones, piloto automático y corrección de herramientas deterministas exceden el comportamiento más limitado documentado en otros lugares. 13 21 27 29
Integridad de la hoja de ruta tecnológica — 6/10. Las notas de versión fechadas y una hoja de ruta por etapas muestran entregas identificables y hacen visibles los retrasos. La terminología reciente sobre agentes aún debe separarse de los avances computacionales subyacentes. 24 25 26
Precisión conceptual — 4/10. El producto entiende la incertidumbre del inventario mejor de lo que sugieren sus eslóganes. Difumina la distinción entre protección basada en probabilidades, selección manual de escenarios y optimización financiera autónoma. 2 27 30
Responsabilidad económica — 4/10. Algunos casos cuantifican mejoras operativas y capacidad laboral. Los beneficios simulados y logrados no siempre se separan, y la responsabilidad por resultados económicos decepcionantes no se asigna claramente. 17 18 19 20 27
Solidez competitiva en un mundo de software agéntico — 5/10. Un motor de reposición mantenido y las integraciones con clientes pueden conservar valor. El acceso conversacional y la asistencia para revisar SKU aportan una diferenciación mucho menos duradera que decisiones demostrablemente mejores con menos trabajo total. 5 11 12 20
Fuentes
Las fuentes se comprobaron el 4 de noviembre de 2026. Las métricas de clientes proceden del proveedor salvo que se indique lo contrario; las fechas de publicación no establecen cuándo tuvo lugar el despliegue subyacente.
[1] Previsión y planificación de supply chain con IA
Previsión y planificación de supply chain con IA. Sin fecha; consultado el 4 de noviembre de 2026.
[2] Cómo calcula Flowlity Stock Min
Cómo calcula Flowlity Stock Min. Sin fecha; consultado el 4 de noviembre de 2026.
[3] Ajustes de stock de seguridad
Ajustes de stock de seguridad. Sin fecha; consultado el 4 de noviembre de 2026.
[4] Explicación de la previsión de la demanda
Explicación de la previsión de la demanda. Sin fecha; consultado el 4 de noviembre de 2026.
[5] Restricciones de proveedores y gestión de pedidos
Restricciones de proveedores y gestión de pedidos. Sin fecha; consultado el 4 de noviembre de 2026.
Capacidad. Sin fecha; consultado el 4 de noviembre de 2026.
Glosario de métricas. Sin fecha; consultado el 4 de noviembre de 2026.
[8] Realizar una revisión de precisión de las previsiones
Realizar una revisión de precisión de las previsiones. Sin fecha; consultado el 4 de noviembre de 2026.
Agentes. Sin fecha; consultado el 4 de noviembre de 2026.
Automatizaciones. Sin fecha; consultado el 4 de noviembre de 2026.
[11] Co-planner en tus herramientas de IA
Co-planner en tus herramientas de IA. Sin fecha; consultado el 4 de noviembre de 2026.
Skills de Co-planner. Sin fecha; consultado el 4 de noviembre de 2026.
[13] Flowlity Co-Planner: IA conversacional para supply chain
Flowlity Co-Planner: IA conversacional para supply chain. Publicado o actualizado el 13 de abril de 2026; consultado el 4 de noviembre de 2026.
Integración y seguridad. Sin fecha; consultado el 4 de noviembre de 2026.
[15] Ingeniero de software sénior — Backend
Ingeniero de software sénior — Backend. Sin fecha; consultado el 4 de noviembre de 2026.
Ingeniero de datos. Sin fecha; consultado el 4 de noviembre de 2026.
[17] Caso de reposición automatizada de Danone
Caso de reposición automatizada de Danone. Publicado o actualizado el 29 de septiembre de 2026; consultado el 4 de noviembre de 2026.
[18] Caso de inventario de embalaje de La Redoute
Caso de inventario de embalaje de La Redoute. Publicado o actualizado el 14 de octubre de 2026; consultado el 4 de noviembre de 2026.
[19] Caso de previsiones de Saint-Gobain Sekurit
Caso de previsiones de Saint-Gobain Sekurit. Publicado o actualizado el 19 de octubre de 2026; consultado el 4 de noviembre de 2026.
[20] Caso de productividad de Camif
Caso de productividad de Camif. Publicado o actualizado el 16 de octubre de 2026; consultado el 4 de noviembre de 2026.
[21] Optimización de inventario
Optimización de inventario. Sin fecha; consultado el 4 de noviembre de 2026.
[22] Citron Plume: referencia de cliente Flowlity
Citron Plume: referencia de cliente Flowlity. Publicado o actualizado en 2021; consultado el 4 de noviembre de 2026.
[23] Cómo construir una supply chain resiliente
Cómo construir una supply chain resiliente. Publicado o actualizado el 29 de septiembre de 2023; consultado el 4 de noviembre de 2026.
Notas de versión de 2025. Publicado o actualizado en 2025; consultado el 4 de noviembre de 2026.
Notas de versión de 2026. Publicado o actualizado en 2026; consultado el 4 de noviembre de 2026.
Hoja de ruta. Publicado o actualizado el 1 de noviembre de 2026; consultado el 4 de noviembre de 2026.
AI Agents Suite. Sin fecha; consultado el 4 de noviembre de 2026.
[28] Preguntas frecuentes de Flowlity
Preguntas frecuentes de Flowlity. Sin fecha; consultado el 4 de noviembre de 2026.
Inteligencia artificial. Sin fecha; consultado el 4 de noviembre de 2026.
Tactical. Sin fecha; consultado el 4 de noviembre de 2026.