Última actualización: 4 de noviembre de 2026
Volver a Investigación de mercado
Colibri ofrece software en la nube para la planificación de la demanda, el reabastecimiento y la planificación de ventas y operaciones. Sus módulos VISION, FLOW y PILOTE abarcan previsiones, planes de compra y distribución, escenarios de capacidad y proyecciones financieras. La empresa pertenece al grupo VISEO. (1, 18)
Puntuación global: 3.8/10
| Dimensión | Puntuación |
|---|---|
| Profundidad en supply chain | 3.8/10 |
| Sustancia de las decisiones y la optimización | 3.6/10 |
| Integridad del producto y la arquitectura | 4.4/10 |
| Transparencia técnica | 3.8/10 |
| Seriedad del proveedor | 3.4/10 |
Colibri documenta un proceso convencional de reabastecimiento con una carga considerable para el planificador. Los usuarios configuran grupos de productos y reglas logísticas; los cálculos programados generan planes y alertas; los planificadores revisan y aprueban sugerencias antes de exportar los pedidos a un ERP. El software automatiza cálculos dentro de ese proceso, mientras las personas mantienen sus políticas y deciden cómo resolver las excepciones. (2)
Las afirmaciones sobre IA son mucho más amplias que los mecanismos de decisión demostrados. Super Best Fit promete las mejores previsiones posibles, Data Sensing añade variables externas y los asistentes aprenden o ejecutan acciones de los usuarios. La evidencia pública no demuestra un modelo conjunto de incertidumbre de la demanda y el suministro, un objetivo económico que gobierne las decisiones operativas ni el trabajo total eliminado por las nuevas funciones. (4, 1)
Las cuestiones más importantes son las políticas que impulsan las compras, el coste recurrente de mantenerlas correctas y la responsabilidad cuando las decisiones resultantes pierden dinero. Los casos de clientes demuestran procesos implantados y algunas mejoras de previsión. No demuestran la propuesta más ambiciosa de decisiones de supply chain optimizadas económicamente que funcionen con poca intervención humana.
Colibri frente a Lokad
Colibri organiza el trabajo de planificación de los equipos comerciales, compradores y responsables de supply chain en torno a previsiones compartidas, parámetros de políticas, alertas y escenarios. Esto puede sustituir hojas de cálculo frágiles y facilitar el intercambio de información. También conserva una función recurrente para las personas que interpretan la previsión y aprueban el plan resultante.
El enfoque de Supply Chain Quantitativa de Lokad evalúa las decisiones operativas por sus consecuencias financieras esperadas. Las compras, asignaciones, producción y demás acciones se consideran frente a la incertidumbre de la demanda, los retrasos de reabastecimiento y los costes económicos de los faltantes de stock, el exceso de existencias y los recursos limitados. El objetivo es ejecutar la lógica de decisión repetidamente y mejorarla cuando la experiencia revela un factor omitido. Introducción a supply chain desarrolla esta perspectiva.
Por ejemplo, clasificar un producto como importante no determina cuánto capital debería comprometerse en él. Un repuesto de bajo volumen puede justificar más protección que un accesorio de alta rotación si su falta interrumpe una operación costosa. Una política basada en la clasificación de ventas debe completarse con los costes y la incertidumbre pertinentes antes de poder resolver esa disyuntiva.
También importa el alcance del servicio. Colibri documenta la implantación y el soporte continuo, mientras los planificadores son responsables de varios parámetros de las políticas. La optimización de inventario gestionada de Lokad asigna un Supply Chain Scientist a la preparación de datos, la economía de las decisiones, la supervisión y el mantenimiento en producción. Ambas opciones tienen costes de mantenimiento; la comparación útil es el coste total y el resultado financiero de operar y revisar su lógica de decisión.
El mecanismo de reabastecimiento y sus límites económicos
Las previsiones se convierten en políticas configurables y aprobaciones de planificadores
La descripción en cinco pasos de la planificación del suministro de Colibri identifica el recorrido normal hasta la ejecución. Los grupos de planificación combinan productos y ubicaciones. Un planificador establece stocks de seguridad, puntos de pedido, reglas de cálculo, horizontes y calendarios. Los cálculos se ejecutan a diario o semanalmente y generan sugerencias y alertas. Después, el planificador modifica planes, contacta con proveedores, crea o valida sugerencias de compra y exporta los pedidos aprobados al ERP. (2)
Es un modelo operativo concreto. Su debilidad económica reside en el número de decisiones trasladadas a la configuración. Un nivel de stock de seguridad determina qué faltantes se toleran; un horizonte de planificación determina qué costes futuros son visibles; una agrupación determina dónde reciben un tratamiento similar productos distintos. Si estas elecciones no se calculan a partir de sus consecuencias financieras, parámetros aparentemente razonables pueden favorecer sistemáticamente el inventario equivocado.
Colibri también documenta planificación de proveedores y contenedores, múltiples proveedores y cálculos de capacidad. (17) Son restricciones pertinentes. El material público no identifica cómo evalúa el sistema una compra conjunta cuando interactúan un umbral de contenedor, la sustitución, las llegadas inciertas y usos alternativos del capital.
La automatización del stock de seguridad mantiene el problema de las políticas
El artículo sobre stock de seguridad describe una clasificación ABC, ratios decrecientes aplicados entre referencias y stocks dinámicos que reflejan los ciclos de vida y la variabilidad de los productos. IZIPIZI utiliza VISION y FLOW para sus previsiones y proyecciones de stock. (3)
El mecanismo expuesto ajusta la política de inventario. No demuestra cómo se valora una unidad adicional de stock frente a otros usos del dinero. Dos artículos pueden tener una variabilidad de ventas similar y pérdidas por faltantes, posibilidades de sustitución o riesgos de obsolescencia muy distintos. Suavizar una clasificación mediante ratios más detallados mejora la continuidad de la política; no aporta la economía que falta.
La incertidumbre del suministro tiene la misma importancia. Una previsión de ventas con un tiempo de entrega fijo puede subestimar la exposición precisamente cuando un proveedor deja de ser fiable. Las explicaciones del producto revisadas no muestran un modelo probabilístico conjunto de demanda, tiempo de entrega y otras incertidumbres pertinentes que alimente un cálculo monetario de decisiones.
Super Best Fit y Data Sensing
El anuncio de marzo de 2025 describe Super Best Fit como un selector de algoritmos estadísticos, de machine learning o de deep learning. Promete los mejores modelos y previsiones sin esfuerzo del usuario. Data Sensing incorpora variables como el tiempo meteorológico, las promociones, los precios y los faltantes de stock de competidores mediante análisis de correlaciones. (4)
La selección automática de modelos puede eliminar trabajo de selección. Su calidad depende de los métodos candidatos, los datos de entrenamiento, las ventanas de evaluación, la función de pérdida y la información disponible cuando se emitió la previsión. Ninguno de esos detalles acompaña a la garantía del mejor resultado posible.
La etiqueta sensing no añade sustancia técnica propia. Un faltante de stock de un competidor puede influir en la demanda, pero su observación debe llegar antes de la decisión de compra y seguir siendo útil durante el horizonte de reabastecimiento. Una correlación calculada con datos revisados o recibidos tarde no demuestra ese beneficio. La comparación pertinente utiliza el mismo corte de información y la misma frecuencia de actualización, y después mide las consecuencias financieras de los pedidos resultantes.
Promesas históricas y entregas
| Periodo | Evidencia pública | Qué ocurrió después |
|---|---|---|
| Inicio del desarrollo en 2013 | Una antigua página de contratación afirma que el desarrollo comenzó sobre Azure dentro de VISEO. | El producto evolucionó como aplicación en la nube de previsión y reabastecimiento. (10) |
| 2019 | Vitacuire describió un proceso implantado de previsión colaborativa. | El personal comercial, los gestores de cuentas y un responsable de planificación conservaron funciones diferenciadas de preparación y validación. (8) |
| 2021–2022 | Colibri documentó políticas de stock de seguridad y comunicó una mejora de las previsiones en Vitacuire. | La evidencia se refería a configuración de políticas y previsiones; no se publicó un resultado económico neto junto con la mejora. (3, 9) |
| Marzo de 2025 | Super Best Fit, el análisis de variables externas y la automatización se anunciaron como disponibles; los asistentes estaban por llegar. | El sitio actual comercializa asistencia conversacional, control de la aplicación y aprendizaje de las acciones de los usuarios. (4, 1) |
| Diciembre de 2025–2026 | Colibri amplió su organización regional de implantación y soporte y comunicó crecimiento comercial. | Esto demuestra actividad continuada de producto y servicios, mientras sigue sin medirse el beneficio incremental de las funciones de IA sobre el trabajo de decisión. (14, 15) |
La historia muestra continuidad en el trabajo subyacente: mejorar previsiones, configurar políticas de planificación, coordinar usuarios y validar planes. El posicionamiento más reciente de los asistentes no demuestra que haya cambiado este modelo operativo. Aprender las acciones repetidas de un usuario puede reproducir un proceso sin establecer si esas acciones mejoran los resultados económicos.
Los propios comentarios técnicos de Colibri en 2026 crean una contradicción más marcada. Su artículo de febrero advierte de que el ML avanzado requiere análisis y configuración especializados, puede sobreajustarse y no beneficia por igual a todas las empresas. (5) Son salvedades sensatas, pero dejan sin respaldo la promesa anterior de la mejor previsión posible sin esfuerzo. El proveedor debe identificar qué trabajo elimina el selector y qué trabajo experto sigue siendo necesario.
El artículo de febrero, repetido en una versión de marzo, también describe una competición de previsión de 2020 en la que supuestamente 17 métodos de ML quedaron por debajo de una referencia ingenua, seguida de un avance un año después. (5, 6) El artículo M5 de los organizadores sitúa la competición en marzo–junio de 2020 e indica que los 50 métodos líderes utilizaron ML. (7) La cronología de Colibri tergiversa la historia del benchmark que invoca para explicar su tecnología. Los resultados de los benchmarks merecen atribuciones precisas, especialmente cuando respaldan el relato de progreso reciente de un producto.
Productividad, mantenimiento de la configuración y coste de propiedad
El cliente debe mantener una aplicación de planificación
Los grupos de planificación, reglas logísticas, umbrales de alerta, calendarios y parámetros de proveedores son lógica empresarial ejecutable. Alguien debe revisarlos cuando cambian los patrones de demanda, las opciones de aprovisionamiento, las sustituciones de productos o los costes del servicio. Una interfaz configurable da acceso a esos parámetros; no demuestra que el cambio tenga sentido económico.
Colibri ofrece prototipos con datos del cliente y configuración iterativa. (19) Su anuncio de servicios de diciembre de 2025 describe apoyo durante el asesoramiento, la configuración, la puesta en marcha y la evolución posterior, con especialistas regionales de producto e implantación. (14) Esos compromisos atienden una necesidad identificable: mantener la utilidad de la aplicación después de su primera implantación.
El gasto recurrente comprende tanto ese trabajo especializado como las revisiones operativas de los planificadores. Resuelven problemas distintos. Uno cambia la lógica de decisión; el otro interviene repetidamente en sus resultados. Si una excepción recurrente exige siempre el mismo juicio, una mejora duradera de productividad requiere convertir ese juicio en lógica fiable y comprobada.
El material público no explica cómo versionan los clientes los cambios de políticas, los vuelven a ejecutar sobre decisiones históricas, comparan resultados financieros o revierten una configuración incorrecta. Estas omisiones dificultan evaluar el coste de evolucionar la aplicación de forma segura.
La evidencia de los clientes solo mide parte del beneficio
El relato de Vitacuire de 2019 describe previsiones que alimentan las necesidades de producción y compras, con varias funciones humanas de validación. (8) Un seguimiento de abril de 2022 comunica que la fiabilidad de las previsiones pasó del 50–60% a más del 70% en dos años, promocionado como una mejora del 20%. No define la fórmula del error, la agregación, el origen de la previsión ni si la mejora es relativa o se mide en puntos porcentuales. (9)
Las cifras no permiten establecer cuánto cambiaron el stock, el desperdicio o el margen. Las previsiones de fabricación estacional tampoco pueden compararse directamente con previsiones diarias por artículo del comercio minorista. La evaluación necesita las decisiones, su horizonte y sus consecuencias financieras.
Otros testimonios de clientes en la página de inicio actual describen revisiones mensuales de previsiones en GGB y apoyo para cambiar fechas de sustitución en Puressentiel. (1) Demuestran una implantación útil y adaptación posterior. También identifican trabajo continuo de revisión y mantenimiento. Ninguna medición publicada del trabajo antes y después separa esas cargas de la contribución de los asistentes más recientes.
Colibri declara 3.9 millones de euros de ingresos y 19 clientes nuevos en 2025. (15) Esto demuestra actividad comercial. No mide el retorno para los clientes ni resuelve la falta de evidencia de productividad.
Componentes de software y seguridad
Una pila de aplicaciones Microsoft, con detalles importantes sin divulgar
| Componente | Evidencia específica del producto | Implicación operativa |
|---|---|---|
| Microsoft Azure | Colibri identifica Azure como plataforma de alojamiento y socio técnico de larga trayectoria. | El cómputo, almacenamiento, copias de seguridad y operaciones del servicio siguen formando parte del coste recurrente. (11) |
| C#/.NET y SQL Server | Una antigua vacante de desarrollo de la suite Colibri solicita estos conocimientos. | Identifica una trayectoria de desarrollo de aplicaciones y bases de datos Microsoft. (10) |
| jQuery, AngularJS y VSTS | La misma página de contratación sin fecha nombra las herramientas web y de desarrollo. | Son requisitos históricos del equipo de producto; no se publica su estado actual de sustitución y soporte. (10) |
| Complemento de Salesforce | La página de socios de Colibri describe un complemento integrado para usuarios comerciales. | Las entradas comerciales cruzan otra frontera de aplicación, cuyos tiempos y correspondencias requieren mantenimiento. (11) |
| Integración con ERP | El proceso de suministro exporta pedidos aprobados; los relatos de clientes describen la transferencia de previsiones a la planificación del ERP. | Las cantidades, identificadores, estados de aprobación y reintentos correctos deben preservarse en la transferencia. (2, 8) |
La pila de software documentada es relativamente compacta. El coste más visible reside en las políticas de planificación configuradas, la semántica de integración, el soporte especializado y las revisiones repetidas.
Los detalles de implantación siguen importando. El material público no expone el tratamiento transaccional de exportaciones fallidas de pedidos, la repetición de extremo a extremo ni las fronteras entre el cálculo de previsiones y el almacenamiento operativo. Son lagunas importantes cuando se espera que un sistema de planificación alimente las compras de forma fiable.
Las afirmaciones de seguridad no llegan a la contención de fallos
La descripción de seguridad publicada por Colibri enumera HTTPS, autenticación OAuth2, autenticación opcional de dos factores, aislamiento de datos de clientes, pruebas externas y reversión de datos dentro de 30 días. (12)
El horizonte de reversión es pertinente, pero la descripción no establece qué estado se puede recuperar, quién puede modificar las copias, cómo se prueba la restauración ni cómo se detecta una configuración dañada antes de que genere pedidos incorrectos. Del mismo modo, nombrar el aislamiento no expone la frontera de privilegios que impide a una cuenta o servicio comprometido acceder a los datos de otros clientes.
La prueba de ingeniería es qué sigue protegido después de que falle una cuenta, dependencia o administrador. El material público de seguridad ofrece muy pocos detalles sobre privilegios impuestos, estado de recuperación protegido y comportamiento de actualización para sostener una evaluación favorable. Las credenciales de alojamiento y auditoría no responden a esas preguntas.
Responsabilidad económica: la promesa de previsión y la obligación de servicio divergen
Las condiciones de servicio publicadas en inglés excluyen garantías sobre exactitud o fiabilidad de resultados y adecuación a expectativas particulares. Se comprometen a corregir defectos importantes que impidan el uso cuando sean atribuibles exclusivamente a Colibri, limitan la responsabilidad directa a las cuotas de los doce meses anteriores y excluyen pérdidas especificadas, entre ellas beneficios y facturación. El texto establece que prevalece la versión francesa. (13)
Estas condiciones públicas encuadran la responsabilidad en el acceso y los defectos del software. No convierten la promesa de rendimiento de previsión en una obligación económica definida. Una aplicación que funciona puede seguir produciendo compras que inmovilicen capital o causen faltantes de stock.
Esa brecha debería cerrarse antes de atribuir un resultado fallido a la competencia del cliente. La implantación debe identificar requisitos de datos y personal, definir cómo se evaluará la política y asignar la responsabilidad de diagnosticar errores de previsión, errores de políticas, modificaciones manuales y fallos de ejecución. El material de clientes revisado no define una referencia de retorno neto, un umbral de fracaso ni un compromiso de corrección.
Puntuación de supply chain
La puntuación global es la media con igual ponderación de los 25 criterios siguientes.
Profundidad en supply chain
| Criterio | Puntuación |
|---|---|
| Planteamiento económico | 4/10 |
| Resultado final de las decisiones | 5/10 |
| Claridad conceptual sobre supply chain | 4/10 |
| Independencia de doctrinas centrales obsoletas | 2/10 |
| Resistencia al teatro de KPI | 4/10 |
Media: 3.8/10
Planteamiento económico — 4/10. El inventario, la liquidez, el servicio y la capacidad son preocupaciones empresariales visibles. Las reglas de planificación documentadas no exponen un objetivo monetario que seleccione entre acciones alternativas bajo incertidumbre. (17)
Resultado final de las decisiones — 5/10. El proceso de reabastecimiento termina en exportaciones de pedidos aprobados al ERP. Esto demuestra una salida operativa, aunque mantiene la validación del planificador y deja sin resolver la calidad financiera de la política configurada. (2)
Claridad conceptual sobre supply chain — 4/10. Se abordan ciclos de vida de productos, contenedores, proveedores y distribución. La explicación pública no muestra cómo sus interacciones cambian la decisión preferida cuando varían los resultados de demanda y entrega. (17)
Independencia de doctrinas centrales obsoletas — 2/10. Una previsión compartida, clasificaciones de planificación, revisiones de excepciones y coordinación S&OP siguen siendo el centro del diseño. El libro blanco promueve expresamente un único futuro compartido para alinear la organización. (16) Esto deja la incertidumbre y la selección de decisiones fuera del principal concepto organizador.
Resistencia al teatro de KPI — 4/10. Las cifras de Vitacuire antes y después aportan cierto contexto, pero ninguna métrica reproducible ni vínculo económico. La promesa de la mejor previsión posible es mucho más fuerte que la evidencia que la respalda. (9, 4)
Sustancia de las decisiones y la optimización
| Criterio | Puntuación |
|---|---|
| Profundidad del modelado probabilístico | 2/10 |
| Sustancia distintiva de optimización o ML | 3/10 |
| Tratamiento de restricciones reales | 5/10 |
| Automatización de decisiones y productividad laboral | 4/10 |
| Resiliencia ante la complejidad operativa real | 4/10 |
Media: 3.6/10
Profundidad del modelado probabilístico — 2/10. Las explicaciones disponibles se refieren a selección de previsiones, variabilidad y reglas de inventario. Ningún modelo probabilístico conjunto documentado conecta la incertidumbre de demanda y suministro con la evaluación financiera de decisiones. (3, 4)
Sustancia distintiva de optimización o ML — 3/10. La selección de modelos y el análisis de variables externas identifican tareas computacionales. Las descripciones públicas no exponen los modelos candidatos, el procedimiento de validación, el objetivo de decisión ni el mecanismo de optimización necesarios para demostrar las afirmaciones más ambiciosas. (4, 5)
Tratamiento de restricciones reales — 5/10. Las funciones de proveedores, contenedores, calendarios y capacidad abordan restricciones concretas de planificación. Sigue sin estar claro cómo interactúan en un cálculo económico común, en particular cuando el futuro incumple sus entradas deterministas. (17)
Automatización de decisiones y productividad laboral — 4/10. Los cálculos programados de reabastecimiento eliminan trabajo aritmético y producen sugerencias de pedido. Los resultados publicados no demuestran el ahorro laboral total una vez incluidas excepciones, mantenimiento y soporte, ni una mejora incremental atribuible a los asistentes. (2, 1)
Resiliencia ante la complejidad operativa real — 4/10. Los comentarios de clientes y los servicios de implantación respaldan cambios en la aplicación. El registro público no muestra un método sistemático para convertir fallos operativos costosos en mejoras comprobadas de objetivos, restricciones y acciones disponibles. (19, 14)
Integridad del producto y la arquitectura
| Criterio | Puntuación |
|---|---|
| Coherencia arquitectónica | 5/10 |
| Claridad de los límites del sistema | 5/10 |
| Seriedad en seguridad | 3/10 |
| Parsimonia del software y coste de propiedad | 5/10 |
| Compatibilidad con operaciones programáticas y asistidas por agentes | 4/10 |
Media: 4.4/10
Coherencia arquitectónica — 5/10. Los tres módulos abarcan etapas relacionadas de un proceso de planificación y comparten una oferta declarada en la nube. El material público no expone suficientes detalles de ejecución interna para evaluar la coherencia entre previsión, reabastecimiento y escenarios estratégicos. (1, 11)
Claridad de los límites del sistema — 5/10. El alojamiento en la nube, el acceso al CRM y las exportaciones al ERP tienen funciones identificables. Las garantías transaccionales, la conciliación tras un fallo parcial y la responsabilidad de los fallos de integración siguen insuficientemente especificadas. (11, 2)
Seriedad en seguridad — 3/10. La descripción de seguridad nombra controles y un horizonte de recuperación sin explicar sus límites impuestos ni su comportamiento comprobado ante fallos. Esto dificulta evaluar la contención de daños. (12)
Parsimonia del software y coste de propiedad — 5/10. Los materiales específicos del producto sugieren una trayectoria de aplicación relativamente compacta. El mantenimiento recurrente de políticas, las integraciones y el soporte especializado son costes visibles; ningún caso de cliente mide su total frente a los beneficios. (10, 14)
Compatibilidad con operaciones programáticas y asistidas por agentes — 4/10. Los cálculos programados y el intercambio con ERP permiten automatización. Las interfaces de ejecución y configuración inspeccionables públicamente son demasiado limitadas para demostrar un mantenimiento fiable de aplicaciones por agentes o decisiones económicas desatendidas. (2)
Transparencia técnica
| Criterio | Puntuación |
|---|---|
| Documentación técnica pública | 4/10 |
| Inspección sin mediación del proveedor | 3/10 |
| Portabilidad y visibilidad de la dependencia del proveedor | 4/10 |
| Transparencia del método de implantación | 5/10 |
| Densidad de evidencia de las afirmaciones técnicas | 3/10 |
Media: 3.8/10
Documentación técnica pública — 4/10. Se documentan la secuencia operativa y algunos mecanismos de políticas. Siguen siendo escasas las definiciones de algoritmos, los modelos de incertidumbre, la arquitectura de ejecución y los métodos para trasladar configuraciones de forma segura entre entornos. (2, 3)
Inspección sin mediación del proveedor — 3/10. Los artículos de producto exponen lo que hacen los usuarios, mientras la evaluación numérica detallada sigue dependiendo de la intervención del proveedor. La afirmación de evitar una caja negra no se acompaña de un ejemplo reproducible de previsión o decisión. (5, 4)
Portabilidad y visibilidad de la dependencia del proveedor — 4/10. Las exportaciones de pedidos proporcionan una vía de salida. Las condiciones publicadas describen un periodo limitado de extracción de datos tras las terminaciones contractuales que cumplen los requisitos, a cargo del cliente. (13) La portabilidad de políticas configuradas y del comportamiento de la aplicación sigue sin explicarse.
Transparencia del método de implantación — 5/10. Se describen prototipos, parámetros del planificador y responsabilidades de soporte regional. Las pruebas de regresión continuas y la carga de mantenimiento están insuficientemente documentadas para evaluar el coste del ciclo de vida. (19, 14)
Densidad de evidencia de las afirmaciones técnicas — 3/10. Los casos de clientes demuestran el uso de la aplicación y ciertos cambios de procesos. No validan las mejores previsiones posibles, la optimización conjunta ni la contribución económica de las funciones actuales de IA. (8, 9, 4)
Seriedad del proveedor
| Criterio | Puntuación |
|---|---|
| Seriedad técnica de la comunicación pública | 3/10 |
| Integridad de la hoja de ruta tecnológica | 4/10 |
| Claridad conceptual | 4/10 |
| Responsabilidad económica | 3/10 |
| Solidez competitiva en un mundo de software agéntico | 3/10 |
Media: 3.4/10
Seriedad técnica de la comunicación pública — 3/10. La garantía de previsión supera su respaldo técnico y la cronología de benchmarks del proveedor es incorrecta. Su discusión más cuidadosa de los límites del ML no ha conciliado esas afirmaciones. (4, 5, 6, 7)
Integridad de la hoja de ruta tecnológica — 4/10. Los procesos de planificación implantados y las publicaciones continuadas demuestran entregas. La transición de la automatización de políticas a los asistentes carece de evidencia medida de una reducción correspondiente del trabajo de decisión o una mejora de los resultados económicos. (8, 4, 15)
Claridad conceptual — 4/10. Colibri reconoce las necesidades de configuración y los límites de las previsiones avanzadas. Sigue tratando la mejora de previsiones, la automatización de acciones de usuarios y los resultados optimizados de supply chain como más estrechamente relacionados de lo que justifican los mecanismos demostrados. (5, 2)
Responsabilidad económica — 3/10. Las obligaciones publicadas cubren el acceso al software y defectos graves, mientras excluyen garantías de exactitud de resultados. La propuesta pública no define un fracaso económico ni una responsabilidad acotada de corregir la lógica de decisión que lo causó. (13)
Solidez competitiva en un mundo de software agéntico — 3/10. Sustituir hojas de cálculo y ayudar a los planificadores a revisar alertas aborda trabajo administrativo de larga tradición. La evidencia actual no demuestra el salto de productividad más amplio hacia mejorar y ejecutar lógica de decisión en toda la red con una revisión recurrente mínima. (1, 2)
Fuentes
Fuentes consultadas el 4 de noviembre de 2026.
[1] Descripción general del producto Colibri
Descripción general del producto Colibri. Actual. Módulos del producto, afirmaciones actuales sobre asistentes y descripciones de clientes sobre revisión y adaptación.
[2] Planificación del suministro: cinco pasos operativos
Planificación del suministro: cinco pasos operativos. Página de 2026. Configuración del planificador, cálculos programados, alertas, aprobación y exportación de pedidos al ERP.
[3] Política de stock de seguridad e IZIPIZI
Política de stock de seguridad e IZIPIZI. 22 de noviembre de 2021; texto actual. Política publicada de stock de seguridad e implantación en IZIPIZI.
[4] Super Best Fit, Data Sensing y asistentes
Super Best Fit, Data Sensing y asistentes. 27 de marzo de 2025. Comunicado original del proveedor; distingue módulos disponibles y asistentes futuros.
[5] Machine learning: ¿valor o marketing?
Machine learning: ¿valor o marketing?. 2 de febrero de 2026. Necesidades de configuración especializada, límites del ML y cronología de benchmarks.
[6] Machine learning: artículo revisado
Machine learning: artículo revisado. 16 de marzo de 2026. Artículo posterior que repite la cronología de benchmarks.
[7] Resultados de la competición M5 de precisión
Resultados de la competición M5 de precisión. Revista de 2022; competición de 2020. Artículo de investigación de los organizadores que identifica la competición de 2020 y los métodos líderes.
Implantación en Vitacuire. 3 de octubre de 2019. Proceso implantado original y responsabilidades de validación humana.
[9] Resultados de Vitacuire a los dos años
Resultados de Vitacuire a los dos años. 4 de abril de 2022. Seguimiento a los dos años con cifras de fiabilidad de previsión.
[10] Desarrollador de aplicaciones web .NET
Desarrollador de aplicaciones web .NET. Anuncio histórico de contratación sin fecha. Antigua vacante de desarrollo del producto; no especifica las versiones actualmente desplegadas.
Socios técnicos. Actual. Alojamiento en Azure y complemento de Salesforce.
[12] Seguridad de la aplicación
Seguridad de la aplicación. Sin fecha. Resumen publicado de controles y horizonte de recuperación.
[13] Condiciones de servicio publicadas
Condiciones de servicio publicadas. Condiciones en inglés sin fecha. Condiciones de servicio en inglés, exclusiones sobre resultados, alcance de responsabilidad y extracción de datos.
[14] Organización regional de servicios
Organización regional de servicios. 11 de diciembre de 2025. Organización de implantación, configuración y servicio continuo.
[15] Resultados comerciales de 2025
Resultados comerciales de 2025. 20 de enero de 2026. Ingresos y actividad de nuevos clientes declarados por el proveedor.
[16] ¿Por qué hacer planificación de ventas y operaciones?
¿Por qué hacer planificación de ventas y operaciones?. Libro blanco de alrededor de 2022. Doctrina de planificación organizativa y enfoque de previsión compartida.
[17] Funciones del producto de planificación en la nube
Funciones del producto de planificación en la nube. Artículo de alrededor de 2023. Planificación de proveedores y contenedores, stocks de seguridad, capacidad y escenarios financieros.
[18] Aviso sobre la propiedad de la empresa
Aviso sobre la propiedad de la empresa. 25 de abril de 2024. Pertenencia a VISEO.
[19] Configuración de procesos de supply chain
Configuración de procesos de supply chain. Artículo de alrededor de 2021. Prototipos con datos del cliente y configuración iterativa.