Revisión de GEP, Supply Chain y proveedor de software de procurement
Volver a Investigación de mercado
GEP, fundada en 1999 en New Jersey y liderada por el veterano de la industria Dr. Subhash Makhija, se ha consolidado como un actor principal en el ámbito del software de procurement y supply chain. El enfoque integrado de la empresa—que combina software, consultoría y servicios gestionados—está dirigido a empresas globales deseosas de agilizar operaciones, optimizar gastos y mejorar la eficiencia operativa. Respaldada por su plataforma propietaria GEP QUANTUM, GEP promueve un entorno nativo en la nube, modular y de low-code que aprovecha adquisiciones estratégicas (como OpusCapita para e‐invoicing y COSTDRIVERS para análisis de costos) para reforzar sus capacidades de procurement y supply chain impulsadas por AI. Aunque la compañía publicita un enfoque “AI-first” que incluye generative AI, procesamiento de lenguaje natural y predictive analytics, un examen técnico más detenido revela que muchas de estas afirmaciones se mantienen a un nivel superficial y merecen una saludable dosis de escepticismo por parte del riguroso ejecutivo de supply chain.
Antecedentes de la Empresa e Historial de Adquisiciones
Fundación y Liderazgo
GEP fue fundada en 1999 en New Jersey bajo el liderazgo del Dr. Subhash Makhija, cuya experiencia técnica y operativa sentó las bases para una misión centrada en la orientación al cliente y la innovación sostenible en procurement y supply chain management 1. La empresa ha buscado constantemente crear soluciones transformadoras que equilibren la autenticidad con el rendimiento, con el objetivo de “construir una empresa hermosa” que comprenda realmente los desafíos operativos de sus clientes.
Adquisiciones
En los últimos años, GEP ha ampliado estratégicamente sus capacidades a través de adquisiciones. En julio 2024, GEP adquirió OpusCapita, un líder reconocido en e‐invoicing y automatización de cuentas por pagar en el norte de Europa, para potenciar su plataforma principal de procurement 2. Anteriormente, en marzo 2022, la adquisición de COSTDRIVERS y Datamark fortaleció aún más a GEP para integrar análisis avanzados de big data y machine learning para forecast de costos e inteligencia de procurement 3.
Arquitectura Tecnológica y Modelo de Despliegue
La Plataforma GEP QUANTUM
En el núcleo de la oferta de GEP se encuentra la plataforma GEP QUANTUM, un entorno de desarrollo integral, AI‐first y de low‐code que respalda soluciones como GEP SMART (para procurement), GEP NEXXE (para supply chain management) y GEP GREEN (para sostenibilidad) 4. Diseñada como un sistema nativo en la nube que se ejecuta en Microsoft Azure, la plataforma emplea microservicios y componentes altamente modulares para garantizar un despliegue rápido, escalabilidad e integración sin fisuras con los principales sistemas ERP a través de APIs preempaquetadas 56. Esta arquitectura permite incluso a los desarrolladores ciudadanos crear aplicaciones hechas a la medida rápidamente, manteniendo una solución robusta de nivel empresarial.
Modelo de Despliegue e Implementación
GEP ofrece su software como una solución Software-as-a-Service (SaaS) basada en la nube, reduciendo significativamente los requerimientos de infraestructura on-premises y los costos de TI. Su enfoque modular, impulsado por microservicios, garantiza que los despliegues puedan ser incrementales y ágiles. La integración se ve aún más reforzada con soluciones de conectividad híbrida que unen la brecha entre los sistemas ERP legados (como SAP u Oracle) y las aplicaciones avanzadas de procurement y supply chain de GEP.
Componentes de AI y Machine Learning
Enfoque AI-first y Afirmaciones
GEP comercializa sus soluciones como “AI-first”, incorporando generative AI y machine learning en un amplio espectro de funciones que van desde sourcing y procurement hasta la automatización de cuentas por pagar 7. La plataforma está diseñada para integrar capacidades como procesamiento de lenguaje natural, interfaces conversacionales y predictive analytics para complementar los procesos de toma de decisiones.
Casos de Uso Detallados en AI/ML
Dentro del análisis de procurement y gasto, se aplican técnicas de machine learning para forecast de demanda, evaluación de proveedores y optimización de inventarios, con el objetivo de extraer insights accionables de extensos conjuntos de datos 8. De manera similar, en el ámbito de supply chain, algoritmos impulsados por AI respaldan la optimización de rutas, la visibilidad en tiempo real y la mitigación de riesgos—reduciendo supuestamente las intervenciones manuales y mejorando la eficiencia mediante flujos de trabajo automatizados.
Perspectiva Escéptica sobre las Afirmaciones de AI
A pesar de las audaces narrativas de marketing, muchas de las afirmaciones de AI/ML de GEP se expresan de manera general. Las divulgaciones técnicas proporcionadas en los materiales públicos se mantienen a un nivel superficial, y es posible que algunas funcionalidades—como predictive analytics y NLP search—se basen en métodos estadísticos comprobados o procesos basados en reglas, reempaquetados bajo una terminología moderna de “AI”. Para los posibles clientes, es aconsejable buscar demostraciones técnicas detalladas y validaciones de pruebas de concepto para garantizar que las innovaciones prometidas se traduzcan en beneficios operativos tangibles.
Perspectivas de Ofertas de Empleo y Cultura Empresarial
GEP’s career pages and recruitment materials highlight a global focus on expertise in cloud platforms, data analytics, and low‐code development, reflecting an internal culture of rapid innovation and agility 9. Este énfasis en atraer talento de primer nivel se alinea con su compromiso de mantenerse competitivo en un panorama tecnológico que evoluciona rápidamente, a pesar de que los detalles técnicos específicos sobre sus operaciones de backend se mantienen relativamente escasos.
GEP vs Lokad
Al comparar el enfoque de GEP con el de Lokad, emergen diferencias notables. La plataforma de GEP se construye sobre una arquitectura de microservicios nativa en la nube, de low‐code, que enfatiza la modularidad y el despliegue rápido—reforzada por adquisiciones estratégicas como OpusCapita y COSTDRIVERS para ampliar su alcance en procurement y analytics. En contraste, Lokad ha seguido un camino de crecimiento orgánico basado en un sistema construido a medida y rigurosamente diseñado, enfocado en la Supply Chain Quantitativa. La plataforma de Lokad aprovecha un lenguaje de dominio específico interno (Envision) desarrollado en F# y C#, acompañado de una pila tecnológica esbelta con dependencias externas mínimas 1011. Mientras que GEP promueve amplias capacidades AI‐first en procurement y supply chain management, Lokad se orienta de manera distintiva hacia una optimización predictiva, impulsada matemáticamente, con una integración profunda de forecast probabilístico y automatización de decisiones. Estas filosofías distintas subrayan el objetivo de GEP de entregar una solución integrada y lista para empresas mediante asociaciones estratégicas y herramientas de low‐code, mientras que Lokad atiende a organizaciones que buscan una optimización de supply chain altamente especializada y numéricamente rigurosa.
Conclusión
GEP ofrece una solución end-to-end, nativa en la nube para el procurement y supply chain management, caracterizada por su plataforma GEP QUANTUM que combina tecnologías AI/ML con desarrollo low‐code y microservicios modulares. Sus adquisiciones estratégicas subrayan un compromiso con la expansión de su alcance tecnológico y empresarial. No obstante, si bien los materiales promocionales de GEP proyectan una visión de innovación avanzada y AI‐first, los detalles técnicos a menudo se mantienen a un nivel alto—lo que justifica demostraciones técnicas minuciosas e implementaciones piloto antes de una adopción a gran escala. En contraposición a jugadores de nicho como Lokad, que priorizan una optimización cuantitativa profunda mediante un enfoque personalizado y desarrollado a medida, la metodología de GEP refleja un equilibrio entre una integración integral y una facilidad de despliegue lista para el mercado. Para los ejecutivos de supply chain, la elección entre estos paradigmas dependerá de la disposición organizacional para invertir en una innovación hecha a la medida y dirigida internamente versus la adopción de una suite amplia, fácilmente desplegable e integrada de soluciones de procurement y supply chain management.