Volver a Investigación de mercado
ClearOps suministra software a fabricantes de maquinaria y sus redes de concesionarios. Conecta los sistemas de gestión de los concesionarios, planifica existencias y reposición de repuestos, localiza piezas entre concesionarios y coordina talleres y técnicos. Una aplicación de planificación independiente, basada en Celonis, usa datos operativos para investigar y explicar propuestas de reposición; las decisiones aprobadas se registran en los sistemas empresariales. 1 2 4 8
Puntuación global de supply chain: 4,8/10.
| Dimensión | Puntuación |
|---|---|
| Profundidad en supply chain | 4,8/10 |
| Sustancia de las decisiones y la optimización | 5,4/10 |
| Integridad del producto y la arquitectura | 4,8/10 |
| Transparencia técnica | 4,6/10 |
| Seriedad del proveedor | 4,4/10 |
ClearOps aborda trabajo operativo difícil: mantener conexiones con concesionarios, conciliar identidades de piezas y generar decisiones de reposición en redes de servicio fragmentadas. Su metodología de inventario también tiene más sustancia que una afirmación genérica de IA. La debilidad es el objetivo económico: siguen siendo centrales los niveles de servicio y las políticas de inventario configurables, mientras que el coste de las paradas de maquinaria, la incertidumbre del suministro futuro y las compensaciones entre todo el sistema de servicio son mucho menos explícitos. 3 5 14
La presentación agéntica plantea otra cuestión. Explicar un cálculo existente puede reducir el tiempo de investigación, pero no demuestra mejores decisiones numéricas ni elimina el trabajo recurrente de mantener políticas e integraciones. ClearOps ha documentado automatización convencional que debería servir de referencia para evaluar sus nuevos agentes. Sus beneficios económicos y laborales incrementales siguen sin medirse públicamente. 7 9
ClearOps frente a Lokad
ClearOps parte de una frontera organizativa: el fabricante, sus concesionarios independientes, sus sistemas y los servicios que prestan. El enfoque de optimización del inventario de Lokad parte de las decisiones numéricas y sus consecuencias económicas con demanda y suministro inciertos. ClearOps posee conocimientos específicos para hacer circular datos utilizables por las redes de concesionarios; la comparación se vuelve más exigente al decidir qué hacer con esos datos. 3
Pensemos en una pieza barata cuya ausencia detiene una máquina costosa. Un objetivo de fill rate por grupo puede favorecer las existencias de piezas frecuentes e infravalorar un componente rara vez necesario cuya ausencia provoca paradas graves. A la inversa, elevar todos los objetivos de servicio puede inmovilizar capital en artículos con poca justificación económica. El objetivo pertinente debería valorar las consecuencias de cada faltante de stock, retraso de reparación, sustitución, transferencia y unidad adicional de inventario. La formulación publicada por ClearOps expone costes y restricciones de servicio, pero no este cálculo económico completo. 5
La perspectiva desarrollada en Introducción a Supply Chain también concibe el software como un proceso continuo de mejora de decisiones. En una red de concesionarios, incluye mantener correspondencias de piezas, cambiar reglas, validar resultados y recuperar transacciones fallidas. Revisar propuestas más deprisa solo resulta útil dentro de esa cuenta más amplia de productividad. Los casos de clientes siguientes acreditan con más claridad el trabajo de integración que una reducción medida de su coste total.
Historia: conectividad, optimización y reposicionamiento hacia la IA
Genpact sitúa el origen de la idea en un proyecto de consultoría para AGCO en 2014 y describe el nacimiento de un negocio ClearOps independiente en 2020. El portafolio de Barkawi fecha la oferta SaaS en 2016. Son etapas distintas de la misma trayectoria comercial: consultoría, una aplicación desplegada y una empresa independiente. 17 22
| Periodo | Orientación pública | Evidencia e implicación |
|---|---|---|
| 2022 | Conectividad y ejecución del servicio mediante IoT. | Un anuncio corporativo comunicaba cinco millones de piezas planificadas al día y 30.000 pedidos procesados a la semana. Eran cifras de actividad, no mediciones de calidad de las decisiones. |
| Septiembre de 2022 | Asociación entre ClearOps y PTC Servigistics. | El anuncio asignaba a ClearOps la conectividad aguas abajo y a Servigistics la optimización multinivel. |
| 2025 | Asociaciones con Genpact y Celonis. | Genpact presentaba una transición hacia un «Big Data Hyperscaler»; Celonis añadía inteligencia de procesos y un discurso de gemelo digital. |
| Noviembre de 2025 | Inventory Planning 2.0 con TUM. | Un cambio explicado del algoritmo de reposición, con un objetivo definido sujeto a restricciones de servicio. |
| Mayo de 2026 | Serie A de 8,6 millones de euros. | La primera ronda institucional, liderada por Hitachi Ventures con Schoeller Group y Barkawi Group, financiaba expansión y más desarrollo de IA. |
| 2026 | Planificación agéntica y ClearWhy AI. | El mecanismo nuevo visible explica e investiga resultados de planificación, con ejecución en ERP sujeta a aprobaciones. |
Hay continuidad en la posventa, y el trabajo algorítmico representa un cambio material del producto. Sin embargo, el lenguaje que lo rodea se expande más deprisa que las pruebas. Hiperescalador, gemelo digital y plataforma agéntica describen propuestas técnicas muy distintas. Una red de interfaces no se convierte en hiperescalador por procesar muchos registros. Representar flujos pasados no demuestra previsiones precisas de futuras averías, reparaciones o suministros. 17 16
El anuncio de PTC de 2022 ya hablaba de IA y machine learning, sobre todo para Servigistics. Esas capacidades pertenecen al socio y a la generación de producto identificados. La planificación nativa actual de ClearOps y su aplicación Celonis necesitan evaluación propia; la asociación anterior no establece cómo funcionan sus algoritmos actuales. El registro examinado muestra una continuidad sustancial de integración, pero ningún relato técnico público que reúna los distintos motores de planificación en una arquitectura mantenida en común. 15 5 8
El proceso de decisión numérica
Previsiones y políticas de reposición
Retail Inventory Management incorpora datos maestros de piezas, sustituciones de referencias, existencias y pedidos. Clasifica artículos, evalúa más de 20 modelos de previsión por SKU y ubicación y fija stocks de seguridad, puntos de pedido y cantidades. Los pedidos de compra aprobados pueden pasar a sistemas del concesionario o fabricante mediante archivos o API. Un localizador de piezas y la gestión de promociones acompañan este flujo de planificación. 2
El número de modelos dice poco sobre la calidad de la previsión. Las pruebas útiles conciernen a la demanda intermitente en el horizonte real de decisión, la calibración de la incertidumbre, el tratamiento de la demanda no observada durante faltantes de stock y cómo los errores de previsión alteran la economía de reposición. Elegir el modelo con menor error histórico aún puede producir malas decisiones de inventario cuando los costes de faltantes y excesos son asimétricos.
Inventory Planning 2.0, anunciado en noviembre de 2025, se desarrolló con Stefan Minner y Patrick Helm, de TUM. Su descripción publicada es concreta: una política de revisión periódica elige conjuntamente puntos de pedido y cantidades dentro de segmentos de producto, minimiza costes sujeta a requisitos de fill rate por artículo y grupo y admite restricciones de almacenamiento y presupuesto. Su modelo de demanda intermitente hace depender la probabilidad de demanda del tiempo transcurrido desde el pedido anterior. 5
Es optimización de inventario con sustancia. Las decisiones conjuntas por segmento pueden asignar stock mejor que los buffers fijos independientes. La formulación sigue dejando el objetivo de servicio como entrada rectora. Un fill rate ponderado valora unidades atendidas según sus pesos; no valora automáticamente paradas de maquinaria, penalizaciones contractuales, retención de clientes o alternativas de reparación rivales. Las fronteras de los segmentos también pueden impedir que un recurso escaso se asigne a su mejor uso en otra parte de la red.
El método publicado deja sin especificar la distribución de probabilidad de futuros tiempos de reposición y cantidades entregadas. Un tiempo de entrega fijo es especialmente relevante para piezas de baja rotación: el riesgo suele ser una demanda rara durante una demora de reposición inusualmente larga. Prever la demanda con mayor cuidado no compensa tratar esa demora como conocida. El ensayo de ClearOps de septiembre de 2026 sobre planificadores critica las hipótesis estáticas de tiempos de entrega de proveedores, pero no revela la distribución de suministro utilizada por sus productos. 5 10
El mecanismo del tiempo desde el último pedido también necesita validación empírica. Una probabilidad creciente de demanda es una hipótesis del modelo, no una propiedad universal de los repuestos de demanda intermitente. Cambios en el parque instalado, calendarios de mantenimiento y retirada de equipos pueden alterar la relación. La descripción pública no expone el procedimiento de calibración ni su sensibilidad a esos cambios. 5
La publicación automática ya existía
Un artículo de soporte de julio de 2025 documenta Auto Publish: una tarea programada de reposición envía los pedidos creados a la sección Dealer Management sin revisión manual. Activarla exige una instancia de tarea por ubicación que sustituye a la tarea estándar de reposición. El artículo identifica la función interna de Python replenishment_planning.PublishCreatedOrders. Su alcance documentado es la publicación en Dealer Management, no la prueba de que toda transacción de compra posterior concluya sin supervisión. 7
Es automatización útil con un mecanismo concreto de configuración. También fija una referencia: un agente nuevo debería demostrar trabajo adicional eliminado, mejores decisiones o gestión más segura de excepciones. Renombrar al planificador como orquestador no mide ninguna de esas mejoras.
La promesa agéntica: explicar un algoritmo existente
La aplicación actual de Celonis conecta un agente de planificación al Celonis Context Model mediante MCP. Investiga excepciones, ofrece explicaciones y escribe decisiones aprobadas en ERP dentro de límites declarados, con registro de auditoría. Se apoya en el entorno Celonis del cliente, en lugar de reemplazar esa plataforma de manera independiente. 8
MCP es aquí una señal de alerta porque el avance anunciado consiste en dar al agente acceso al mismo contexto y acciones que usan los planificadores. Conectar herramientas es un paso modesto de ingeniería frente al diseño de una política de decisión económicamente sólida. El material público no demuestra que la conexión cambie el objetivo de optimización, modele la incertidumbre del suministro o elimine la necesidad de juicio individual a escala.
El relato de ClearOps de septiembre de 2026 describe ClearWhy AI como un prototipo funcional construido para un hackatón de Celonis/AWS. Expone claramente la división: el algoritmo calcula la decisión y la IA la explica. Los ejemplos tratan los factores de un punto de pedido y una cantidad económica de pedido. El beneficio propuesto es menos investigación manual y menos modificaciones defensivas; no es una mejora demostrada del algoritmo subyacente. 9
El organizador del hackatón identifica AWS Bedrock Agents y comunica posibles reducciones del 25% del capital circulante y del 20% de los costes operativos. Son afirmaciones prospectivas para un prototipo explicativo, sin despliegue identificado, grupo de comparación ni cuenta de costes. Ganar un concurso de desarrollo no establece ninguno de esos resultados económicos. 24
La explicabilidad tiene otro límite. Una explicación fluida de por qué un objetivo de servicio produjo cierta cantidad puede facilitar su aprobación mientras el objetivo sigue siendo económicamente erróneo. ClearOps sostiene que la confianza era el cuello de botella una vez que las previsiones eran suficientemente buenas. Ese diagnóstico requiere pruebas: ¿eran realmente mejores las recomendaciones rechazadas, bajo qué función de pérdida y tras qué costes operativos? El relato publicado no ofrece esa evaluación. 9
El ensayo posterior sobre planificadores reconoce expresamente que acceder a los datos no basta y aborda objetivos, permisos, restricciones, retroalimentación y cambios en el suministro. Son preocupaciones pertinentes. Su ejemplo de mover stock tras una entrega retrasada es un flujo propuesto para agentes, no un resultado medido en un cliente. La distancia está entre esa ambición de diseño y un sistema repetible de decisión cuya calidad y exigencias laborales puedan comprobarse. 10
Resultados de clientes y su significado económico
Los casos de clientes describen cómo se conectan en la práctica los datos de concesionarios, la planificación de piezas y la ejecución del servicio.
| Cliente | Trabajo documentado | Límite de la evidencia |
|---|---|---|
| AGCO | Más de 2.000 puntos de concesionarios y 50 integraciones DMS; procesos personalizados de reposición y servicio; operaciones y mantenimiento de datos continuos. Los resultados declarados incluyen un fill rate un 20% mejor, ventas de piezas un 15% mayores y un 9% menos de inventario sin movimiento. | El caso omite definiciones de métricas, periodos comparativos y costes totales de entrega y operación. |
| Terex | La telemática informa fechas de servicio y propuestas de órdenes de trabajo; los servicios previstos alimentan la planificación de piezas; interfaces EDI y web transportan pedidos. | Las mejoras operativas declaradas carecen de un resultado económico neto cuantificado. |
| Jungheinrich | Actualizaciones automáticas de datos maestros y reposición con varios proveedores por flujos simultáneos de entrega marítima y aérea. | El caso explica la integración, pero no el modelo de incertidumbre ni un retorno financiero medido. |
| Lippert | Correspondencia de referencias de proveedores para un mismo componente físico, sincronización de datos maestros y generación de listas de materiales de servicio a partir del historial de órdenes de trabajo. | Se describen los mecanismos de correspondencia y configuración sin medir precisión ni ahorro neto. |
Estos casos respaldan una propuesta real de ingeniería: resolver la identidad de las piezas, el contexto de servicio y los fallos de integración puede mejorar la operación antes de introducir optimización sofisticada. También complican la atribución. Más ventas de piezas del fabricante pueden deberse a mejor disponibilidad, un despliegue más amplio o concesionarios que trasladan compras al fabricante. No equivalen automáticamente a menor coste total de servicio ni a más beneficio para todos los participantes.
Del mismo modo, mejorar el fill rate puede exigir más inversión en inventario. La evaluación algorítmica de ClearOps de septiembre de 2026 comunica fill rates por grupo más de un 10% superiores, un cumplimiento de objetivos de grupo un 27% mejor y más de un 15% menos de cambios en pedidos. Son indicadores comparativos útiles, pero faltan muestra, ponderaciones, cambio del coste de inventario y protocolo de evaluación para establecer una mejora económica. Reducir modificaciones también exige una prueba de calidad: menos correcciones son deseables solo si las decisiones sin modificar son mejores. 6
Componentes software y fronteras operativas
La evidencia pública identifica varias capas con responsabilidades distintas.
| Capa | Evidencia | Consecuencia para propiedad y mantenimiento |
|---|---|---|
| Desarrollo de aplicaciones | Una vacante del empleador de 2024 describe backends Java/Kotlin y microfrontends React escritos en TypeScript. | La lógica de servidor y varios componentes cliente necesitan interfaces, pruebas y actualizaciones coordinadas. |
| Tareas de reposición | El artículo de soporte expone una función Python de programación de tareas. | Las tareas y la configuración por ubicación forman otra frontera de ejecución que mantener. |
| Operaciones cloud | ClearOps indica alojamiento AWS en cuatro regiones. Un ingeniero DevOps actual describe trabajo con Kubernetes, Terraform, Ansible y CI/CD. | Configuración cloud, orquestación y automatización del despliegue requieren experiencia operativa continua. |
| Aplicación Celonis | La planificación y los agentes usan contexto Celonis y, para ClearWhy, AWS Bedrock. | El servicio combinado depende tanto de la implementación de planificación como de la plataforma anfitriona. |
| Acuerdo anterior con PTC | Servigistics aporta la optimización en la asociación de 2022. | La responsabilidad por una decisión depende del producto de planificación desplegado. |
Es suficiente masa técnica para que la responsabilidad de interfaces y la compatibilidad de versiones sean costes materiales. La evidencia disponible no identifica una topología común de bases de datos ni explica cómo comparten modelos y configuración la planificación nativa, Celonis y Servigistics. La pregunta arquitectónica útil es qué componentes debe operar y pagar cada cliente y cómo se propaga entre ellos una definición de pieza o política de planificación modificada.
El producto de conectividad describe un concentrador de datos, un portal de carga para concesionarios sin integrar, plantillas de conectores y un enrutador de consultas. Reconoce expresamente que la conexión con concesionarios es trabajo continuo: nuevos concesionarios, sistemas modificados, gestión de relaciones y adopción local. Sus cifras actuales superan los 100 sistemas ERP/DMS integrados y las 2.500 ubicaciones conectadas. El número de interfaces demuestra cobertura; no elimina la obligación de mantenimiento. 3
Mecanismos de seguridad
El Trust Center identifica supervisión automática, comprobaciones de intrusión e integridad de archivos y análisis CI/CD destinados a bloquear problemas graves antes de publicar versiones. También especifica opciones de residencia AWS. Son mecanismos operativos, pero no exponen las fronteras preventivas relevantes para un agente autorizado a escribir pedidos: aislamiento de clientes, credenciales de alcance mínimo, acciones permitidas, restricciones de salida y recuperación tras una ejecución comprometida. 21
La descripción de Celonis promete límites y registros de auditoría. No explica dónde se imponen esos límites con independencia del agente ni qué impide que la respuesta comprometida de una herramienta produzca una acción no autorizada. La certificación y un registro de escrituras pasadas no responden a esa cuestión de diseño. 8
Mantenimiento de configuración, productividad laboral y responsabilidad
Las capas de integración y políticas de inventario crean dos cargas continuas. Los esquemas de concesionarios, sustituciones de piezas e historiales de servicio deben seguir siendo coherentes. Los segmentos de planificación, objetivos, costes de pedido y reglas de excepción deben conservar su pertinencia económica. Automatizar el cálculo no automatiza las decisiones sobre qué debería significar ese cálculo. 3 5
El caso AGCO incluye expresamente operación de software 24/7, mantenimiento de datos y soporte. Genpact describe una relación combinada de software y servicios construida durante muchos años. Estos acuerdos pueden absorber trabajo que de otro modo harían los clientes, pero debe incluirse en el coste total de propiedad, junto con licencias, incorporación de concesionarios, personal del cliente y cualquier suscripción adicional a plataformas. Los casos públicos no ofrecen esa cuenta. 11 17
Workshop and Technician Management ilustra otra mejora de productividad: un tablero compartido de programación, ejecución móvil de órdenes de trabajo sin conexión y documentación por voz. El ERP conserva el registro central, mientras ClearOps gestiona asignaciones de servicio y detalles de ejecución. Estas funciones pueden reducir tareas administrativas de los técnicos. No demuestran que el calendario minimice el coste de las paradas ni coordine piezas y mano de obra bajo incertidumbre. 4
En planificación, la expectativa pertinente después de 2022 es mucho mayor que revisar más deprisa las mismas propuestas. El modelo operativo debería gestionar decisiones ordinarias a escala y abaratar la mejora de la lógica. La evidencia pública de ClearOps no muestra cambios versionados de políticas, repetición histórica de decisiones, pruebas de regresión económica ni reversión de una modificación perjudicial de planificación. Mantener objetivos e investigar excepciones puede seguir siendo, por tanto, una parte sustancial del modelo operativo. 2 7 10
La responsabilidad debería distinguir un fallo de integración, un mal objetivo económico, una previsión mal calibrada y la desviación del cliente respecto a una política acordada. Una explicación que persuade al planificador de aprobar un pedido no demuestra su solidez económica. ClearOps publica beneficios de clientes y futuros beneficios de agentes, pero no condiciones de aceptación del rendimiento ni remedios contractuales vinculados a retornos económicos netos. 11 9 24
Puntuación de supply chain
Cada subpuntuación va de 0 a 10. La puntuación global es la media sin ponderar de las 25 subpuntuaciones.
Profundidad en supply chain
| Criterio | Puntuación |
|---|---|
| Planteamiento económico | 5/10 |
| Resultado en decisiones | 6/10 |
| Precisión conceptual en supply chain | 6/10 |
| Independencia de doctrinas obsoletas | 3/10 |
| Resistencia al teatro de los KPI | 4/10 |
Media: 4,8/10.
Planteamiento económico — 5/10. Los costes importan en la formulación, pero el objetivo de servicio no valora automáticamente las consecuencias de las paradas de maquinaria ni los usos alternativos del capital. El objetivo económico sigue incompleto. 5
Resultado en decisiones — 6/10. El diseño operativo alcanza la reposición y la ejecución del servicio. La confianza queda limitada por la falta de una descripción integral de decisiones sin supervisión, excepciones y recuperación. 7 12
Precisión conceptual en supply chain — 6/10. La identidad de piezas, los equipos instalados y la demanda irregular reciben tratamiento específico. La incertidumbre conjunta de demanda futura y recepciones de proveedores sigue insuficientemente explicada. 5 14
Independencia de doctrinas obsoletas — 3/10. Los segmentos y objetivos de servicio aún determinan la política de inventario. Trasladar la revisión de sus resultados a un flujo de agentes deja intactas sus limitaciones económicas. 5 8
Resistencia al teatro de los KPI — 4/10. Las mejoras publicadas carecen de definiciones y cambios de costes que permitan conectarlas con fiabilidad al beneficio. Menos modificaciones y mejor cumplimiento de objetivos son medidas intermedias. 6 11
Sustancia de las decisiones y la optimización
| Criterio | Puntuación |
|---|---|
| Profundidad del modelado probabilístico | 5/10 |
| Sustancia distintiva de optimización o ML | 6/10 |
| Tratamiento de restricciones reales | 6/10 |
| Automatización de decisiones y productividad laboral | 5/10 |
| Resiliencia ante la complejidad operativa real | 5/10 |
Media: 5,4/10.
Profundidad del modelado probabilístico — 5/10. El mecanismo de demanda es más específico que una previsión genérica con IA. Su calibración, estructura de dependencias y combinación con suministro incierto no son inspeccionables. 5
Sustancia distintiva de optimización o ML — 6/10. El método de inventario divulgado aporta sustancia algorítmica. La nueva capa explicativa debe evaluarse por separado de las mejoras de la política numérica. 5 9
Tratamiento de restricciones reales — 6/10. La planificación va más allá de buffers independientes y admite restricciones operativas. Las fronteras de segmentos y el tratamiento de la competencia económica en toda la red siguen siendo limitaciones. 5 13
Automatización de decisiones y productividad laboral — 5/10. Hay automatización concreta, pero no se mide el trabajo total de configuración, excepciones y mantenimiento. El beneficio incremental de los agentes es especialmente incierto. 7 9 11
Resiliencia ante la complejidad operativa real — 5/10. Los despliegues identificados demuestran necesidades sustanciales de integración. Los casos apenas miden la calidad de decisiones durante perturbaciones, la recuperación de ejecuciones parciales o cómo un mal pedido lleva a una revisión probada de la lógica de planificación. Explicar no resuelve por sí solo ese trabajo de mejora. 11 12 13
Integridad del producto y la arquitectura
| Criterio | Puntuación |
|---|---|
| Coherencia arquitectónica | 5/10 |
| Claridad de fronteras del sistema | 6/10 |
| Seriedad en seguridad | 4/10 |
| Parsimonia del software y coste de propiedad | 4/10 |
| Compatibilidad con operaciones programáticas y asistidas por agentes | 5/10 |
Media: 4,8/10.
Coherencia arquitectónica — 5/10. Las funciones posventa encajan en una necesidad operativa coherente. Las distintas modalidades de planificación dejan poco claro qué datos, políticas y componentes de ejecución se comparten. 2 8 15
Claridad de fronteras del sistema — 6/10. La división entre sistemas de concesionarios, ClearOps y plataformas anfitrionas resulta comprensible en términos generales. La responsabilidad sobre transacciones, escrituras fallidas y sincronización de políticas necesita contratos más precisos. 3 4 8
Seriedad en seguridad — 4/10. La supervisión y los controles de publicación tratan problemas detectados. Las descripciones públicas no establecen las fronteras de aislamiento y autoridad que impiden a un agente o dependencia comprometida acceder a datos y acciones ajenos. 21 8
Parsimonia del software y coste de propiedad — 4/10. La cobertura de integración crea una obligación operativa continua. La combinación de componentes de aplicación, servicios cloud y plataformas opcionales de socios carece de una cuenta pública del coste de todo el ciclo de vida. 3 19 20
Compatibilidad con operaciones programáticas y asistidas por agentes — 5/10. Se admite ejecución programática, pero la conectividad sola no demuestra decisiones autónomas seguras ni un proceso eficiente para revisar su lógica. 7 8
Transparencia técnica
| Criterio | Puntuación |
|---|---|
| Documentación técnica pública | 5/10 |
| Inspección sin mediación del proveedor | 4/10 |
| Visibilidad de portabilidad y dependencia del proveedor | 3/10 |
| Transparencia del método de implementación | 6/10 |
| Densidad de pruebas de las afirmaciones técnicas | 5/10 |
Media: 4,6/10.
Documentación técnica pública — 5/10. Las explicaciones metodológicas y un artículo operativo de soporte exponen mecanismos útiles. La validación de modelos, las API y las fronteras de ejecución reciben mucho menos detalle. 5 7
Inspección sin mediación del proveedor — 4/10. El material público permite una evaluación funcional. Reproducir la evaluación de inventario o probar el agente exige acceso no disponible en el registro publicado. 6 9
Visibilidad de portabilidad y dependencia del proveedor — 3/10. Conservar los sistemas empresariales existentes reduce el alcance de la sustitución. La portabilidad de la configuración de planificación, las decisiones históricas y la lógica incrustada en plataformas de socios sigue sin especificarse. 3 8
Transparencia del método de implementación — 6/10. Los casos de clientes y la documentación de conectividad dejan claros el despliegue y el trabajo de datos continuos. Dotación, coste recurrente y criterios de aceptación son mucho menos explícitos. 3 11 17
Densidad de pruebas de las afirmaciones técnicas — 5/10. Las afirmaciones de inventario e integración tienen apoyo concreto. Las promesas más fuertes de productividad autónoma y retornos económicos se basan en beneficios prospectivos y evaluaciones incompletas. 5 14 24
Seriedad del proveedor
| Criterio | Puntuación |
|---|---|
| Seriedad técnica de la comunicación pública | 4/10 |
| Integridad de la hoja de ruta tecnológica | 5/10 |
| Precisión conceptual | 5/10 |
| Responsabilidad económica | 4/10 |
| Solidez de las ventajas en un mundo de software agéntico | 4/10 |
Media: 4,4/10.
Seriedad técnica de la comunicación pública — 4/10. Las descripciones técnicas concretas conviven con amplias promesas de IA, hiperescaladores y autonomía. Estas últimas superan las mediciones divulgadas de calidad numérica y esfuerzo operativo. 17 9 24
Integridad de la hoja de ruta tecnológica — 5/10. El foco posventa y el método de inventario muestran continuidad y desarrollo material. La relación entre las sucesivas arquitecturas de socios y la nueva promesa agéntica está poco documentada. 15 5 8
Precisión conceptual — 5/10. Los problemas del sector están bien identificados. Tratar explicación y confianza como principal cuello de botella puede desatender un objetivo incorrecto o una incertidumbre mal modelada. 14 9
Responsabilidad económica — 4/10. Los beneficios operativos declarados no bastan para reconstruir retornos netos realizados. No se especifica el reparto de responsabilidades por una política económicamente mala pero correctamente ejecutada. 11 17 24
Solidez de las ventajas en un mundo de software agéntico — 4/10. La conectividad con concesionarios y el conocimiento de piezas pueden conservar valor. Un agente que explica políticas heredadas ofrece una ventaja menor si no reduce también a escala el trabajo de operación y mejora. 3 9 14
Fuentes
Fuentes comprobadas el 4 de noviembre de 2026.
[1] Vista general de la plataforma ClearOps
Vista general de la plataforma ClearOps. Perímetro actual del producto.
[2] Retail Inventory Management
Retail Inventory Management. Planificación nativa del inventario de concesionarios y flujo de ejecución.
[3] Conectividad entre fabricantes y concesionarios
Conectividad entre fabricantes y concesionarios. Mecanismos, escala y trabajo continuo de integración.
[4] Gestión de talleres y técnicos
Gestión de talleres y técnicos. Programación de talleres, ejecución móvil y frontera con ERP.
[5] Inventory Planning 2.0 desarrollado con TUM
Inventory Planning 2.0 desarrollado con TUM. Método de inventario publicado y colaboración investigadora.
[6] Evaluación de planificación de inventario y nominación CNA
Evaluación de planificación de inventario y nominación CNA. Evaluación algorítmica declarada y sus métricas.
[7] Auto Publish para planificación de reposición
Auto Publish para planificación de reposición. Artículo público de soporte operativo; su alcance es la publicación automática en Dealer Management.
[8] Planificación de repuestos con Celonis
Planificación de repuestos con Celonis. Aplicación Celonis actual, conexión MCP y ejecución aprobada en ERP.
[9] Prototipo de explicabilidad ClearWhy AI
Prototipo de explicabilidad ClearWhy AI. Prototipo explicativo de septiembre de 2026 y mecanismo de productividad previsto.
[10] De operador a orquestador
De operador a orquestador. Reparto futuro propuesto del trabajo de planificación entre agentes y personas.
Caso de cliente AGCO. Despliegue AGCO, resultados declarados y soporte continuo.
Caso de cliente Terex. Implementación de servicio y reposición de Terex.
[13] Caso de cliente Jungheinrich
Caso de cliente Jungheinrich. Integración de datos maestros y múltiples proveedores de Jungheinrich.
Caso de cliente Lippert. Identidad de piezas y configuración de servicio de Lippert.
[15] Asociación de servicio de PTC y ClearOps
Asociación de servicio de PTC y ClearOps. Anuncio de 2022; funciones históricas de ClearOps y Servigistics.
[16] Anuncio de la asociación entre ClearOps y Celonis
Anuncio de la asociación entre ClearOps y Celonis. Asociación de 2025 y afirmaciones de inteligencia de procesos.
[17] Asociación con Genpact e historia del producto
Asociación con Genpact e historia del producto. Relato del socio sobre orígenes, desarrollo y relación de servicios.
[18] Financiación Serie A de ClearOps
Financiación Serie A de ClearOps. Anuncio de financiación de mayo de 2026.
[19] Vacante del empleador para desarrollador full stack
Vacante del empleador para desarrollador full stack. Anuncio del 9 de abril de 2024 conservado en el índice público de búsqueda; describe tareas de desarrollo de aplicaciones.
[20] Sitio profesional de un ingeniero DevOps de ClearOps
Sitio profesional de un ingeniero DevOps de ClearOps. Descripción en primera persona de tareas DevOps actuales.
[21] Trust Center y mecanismos de seguridad
Trust Center y mecanismos de seguridad. Descripciones actuales de alojamiento y controles de seguridad.
[22] Portafolio empresarial de Barkawi
Portafolio empresarial de Barkawi. Descripción en el portafolio de la matriz e historia SaaS.
[23] Anuncio corporativo de ClearOps
Anuncio corporativo de ClearOps. Anuncio emitido por la empresa en marzo de 2022.
[24] Resultados del hackatón de Celonis y AWS
Resultados del hackatón de Celonis y AWS. Relato del organizador sobre el concurso de 2026 y los beneficios prospectivos de los prototipos.