Reseña de KetteQ, proveedor de software de planificación supply chain

Por Léon Levinas-Ménard

Última actualización: diciembre, 2025

KetteQ es un proveedor de software de planificación supply chain con sede en Estados Unidos fundado en 2018 que se posiciona como una alternativa “adaptativa” y “AI-first” a los sistemas APS heredados, desarrollado de forma nativa en Salesforce para la experiencia de usuario y en AWS para el backend intensivo en cómputo.¹²³⁴ La principal propuesta comercial de la compañía es su solucionador PolymatiQ™, descrito como un “motor AI agentic” pendiente de patente que ejecuta miles de escenarios de planificación en demanda, inventario, producción y servicio, ajustando automáticamente parámetros y aprendiendo de forma continua a partir de cambios en el mercado para recomendar planes más resilientes.⁵¹⁶⁷ KetteQ se dirige a empresas medianas y grandes en manufactura, distribución y servicio, y cita marcas como Coca-Cola, Carrier, Johnson Controls, NCR Voyix y Alliance Consumer Group como clientes.⁷⁸⁹ Desde 2021, la compañía ha recaudado aproximadamente USD 30.9M en financiamiento de capital de riesgo, culminando en una ronda Serie B de USD 20M en agosto de 2025 liderada por Vocap Partners para acelerar la expansión global y la I+D en AI agentic.¹⁰¹¹¹²¹³¹⁴ Arquitectónicamente, KetteQ ofrece una plataforma SaaS multi-inquilino que utiliza Salesforce como capa transaccional y de colaboración mientras delega el trabajo intensivo en datos y cómputo a AWS, con flujos de trabajo, notificaciones y análisis integrados construidos principalmente sobre SQL, Python y JSON en lugar de un DSL propietario.¹²⁶⁴¹⁵ Técnicamente, la información pública sugiere un solucionador que orquesta simulaciones de múltiples pasadas y generación de escenarios con forecast impulsado por machine learning y ajuste de parámetros, pero sin una divulgación detallada de clases de modelos, funciones objetivo o algoritmos de optimización, y sin una comparación independiente comparable a competiciones de forecast.⁵¹⁶³¹⁰ Comercialmente, la compañía aún es relativamente joven: cuenta con clientes reales, una pila tecnológica moderna y financiamiento significativo, pero se encuentra en fase de expansión en lugar de ser un incumbente consolidado y completamente maduro en la planificación.³¹⁰⁷⁸⁹ Las secciones a continuación detallan la historia, el producto y la tecnología de KetteQ, y luego contrastan su enfoque con la plataforma quantitative supply chain de Lokad utilizando material explícitamente referenciado en ambos lados.¹⁶¹²¹⁷¹³¹⁸¹⁹²⁰

Descripción general de KetteQ

KetteQ es una empresa de software con sede en Atlanta que ofrece una plataforma de planificación y ejecución supply chain “adaptativa” con un fuerte énfasis en la planificación de escenarios impulsada por AI y en la integración con Salesforce.⁵¹²⁴ Según Sourcing Innovation, un blog independiente de la industria, KetteQ fue fundada en 2018 y construida conscientemente “en la era moderna sobre una pila SaaS multi-inquilino, cloud-native completamente moderna,” aprendiendo de más de 100 implementaciones previas de planificación supply chain y de dos compañías anteriores de supply chain creadas por sus fundadores.³¹¹ Los materiales de KetteQ la presentan como una plataforma cloud-native “construida sobre la base de confianza de Salesforce y AWS,” con una arquitectura que combina Salesforce para la experiencia de usuario y la colaboración con analíticas y componentes de solucionador alojados en AWS.¹²⁴¹⁵

La capacidad insignia es el solucionador PolymatiQ™, descrito como un motor AI agentic pendiente de patente que ejecuta y evalúa automáticamente miles de escenarios, ajusta los parámetros de planificación y ofrece una “adaptabilidad en tiempo real” en demanda, inventario, producción y servicio.⁵¹⁶⁷⁸ El portafolio de productos se estructura en planificación supply chain (planificación de demanda, inventario y suministro) y en ejecución supply chain (control tower, cumplimiento, órdenes de trabajo, repuestos de servicio), cada uno presentado como potenciado por análisis de escenarios PolymatiQ™ y forecast AI/ML.⁵¹⁷²¹ KetteQ se posiciona explícitamente contra los sistemas de planificación estáticos heredados construidos antes de 2010, argumentando que las herramientas APS antiguas carecen de escalabilidad horizontal, integración en tiempo real y adaptabilidad dinámica; la reseña de Sourcing Innovation apoya en general la caracterización de la plataforma de KetteQ como moderna, multi-inquilino y cloud-native.⁶³²²

En el ámbito comercial, KetteQ presenta clientes de referencia y logotipos, incluyendo Coca-Cola, Carrier, Johnson Controls, NCR Voyix y otros, y la cobertura de prensa externa relacionada con el financiamiento resuena con estos nombres y cita métricas tales como un crecimiento anual promedio de CARR de ~170% y una tasa de éxito en implementación del 100%.⁷⁸¹³¹⁴⁹ La ronda Serie B más reciente (USD 20M en agosto de 2025) eleva el financiamiento total divulgado a aproximadamente USD 30.9M en tres rondas de etapa temprana, lo que subraya que KetteQ ha superado la etapa seed pero aún se encuentra en expansión, sin ser todavía un incumbente consolidado de larga data.¹⁰¹¹¹²²³¹³¹⁴

KetteQ vs Lokad

Desde la perspectiva de la ciencia supply chain, KetteQ y Lokad ocupan un campo de problemas superpuesto (forecast de demanda, planificación de inventario y suministro, y toma de decisiones supply chain en general) pero con filosofías y arquitecturas marcadamente diferentes.

Modelo de programación vs. aplicación configurable. Se presenta a KetteQ como una suite de aplicaciones cloud-native y configurable donde los planificadores interactúan principalmente a través de interfaces basadas en Salesforce, modelos de datos estándar y bancos de trabajo de escenarios; la extensibilidad se basa en tecnologías convencionales (SQL, Python, JSON) en lugar de en un lenguaje específico de dominio.¹²⁶ Por el contrario, Lokad es fundamentalmente una plataforma programable construida en torno a su DSL Envision, un lenguaje específico de dominio para la optimización predictiva supply chain que expresa todas las transformaciones de datos, forecast probabilísticos y la lógica de optimización como código.¹⁷¹³¹⁸ Envision está fuertemente integrado con el motor de ejecución y el almacenamiento columnar de Lokad, y está diseñado explícitamente para soportar el modelado probabilístico y la optimización sobre grandes conjuntos de datos supply chain.¹⁷¹³ Esto significa que KetteQ se inclina hacia un modelo de “aplicación empaquetada configurable”, mientras que Lokad expone un entorno centrado en el lenguaje donde la lógica de decisión a medida se implementa mediante scripts.

Tratamiento de la incertidumbre. Los materiales de KetteQ enfatizan “enfoques probabilísticos de múltiples pasadas” y miles de escenarios, pero ofrecen detalles limitados sobre cómo se representan las distribuciones de probabilidad o cómo se propaga matemáticamente la incertidumbre a través del proceso de planificación.⁵¹⁶³ En comparación, Lokad documenta públicamente una evolución en varias generaciones desde forecast puntuales clásicos (2008) pasando por forecast de cuantiles (2012), cuadrículas de cuantiles (2015) y forecast probabilísticos (2016) hasta forecast y optimización basados en differentiable programming (a partir de 2019), centrados explícitamente en distribuciones de probabilidad completas sobre la demanda y otras variables inciertas.¹²²⁴²²²³¹⁵¹⁹ La documentación de Lokad describe un álgebra de variables aleatorias integradas en Envision y modelos probabilísticos que alimentan directamente sus algoritmos de optimización de decisiones.¹⁷¹³¹⁸¹⁹

Optimización y transparencia del solucionador. El PolymatiQ™ de KetteQ se posiciona como un solucionador AI agentic pendiente de patente que ejecuta miles de escenarios, ajusta parámetros y devuelve planes resilientes, pero los materiales públicos no especifican si la optimización subyacente es programación matemática, metaheurísticas, reinforcement learning o un híbrido, ni cómo se expresan formalmente las funciones objetivo y restricciones.⁵¹⁶³¹⁰ Por otro lado, Lokad proporciona descripciones razonablemente detalladas de sus paradigmas de optimización: descenso discreto estocástico para decisiones de inventario bajo incertidumbre, differentiable programming para forecast/optimización conjunta, y heurísticas específicas de dominio para la planificación combinatoria, todo orquestado a través de Envision y documentado tanto en referencias generales como técnicas.¹²¹⁷¹³¹⁸¹⁹²⁵ Lokad también hace referencia a la validación externa de su pila de forecast y optimización a través de la competencia M5, donde se ubicó en el sexto lugar general de 909 equipos y en el primero a nivel de agregación de SKU, utilizando modelos basados en forecast probabilísticos y differentiable programming.¹⁹¹⁴⁹²⁶

Resultados de decisión. El mensaje de KetteQ enfatiza la planificación en tiempo real, la visibilidad de la control tower y la “agentic AI” que ejecuta “miles de escenarios para planificar para cada posibilidad,” pero los ejemplos públicos se centran principalmente en la generación de escenarios, paneles de control y una mayor precisión en el forecast, en lugar de listas de acciones clasificadas financieramente con impulsores económicos explícitos.⁵¹⁶⁷²¹⁸ Las páginas tecnológicas y estudios de caso de Lokad enfatizan funciones objetivo monetizadas (impulsores económicos como costo de mantenimiento, penalización por faltante de stock, obsolescencia, efectos de cesta) y listas de decisiones clasificadas (recomendaciones de inversión/desinversión, líneas de pedido, transferencias) ordenadas por ROI esperado.¹³¹⁸²⁶²⁰²⁷²⁵ El caso de Air France Industries MRO, por ejemplo, documenta listas priorizadas de piezas en las que invertir o de las que desinvertir, reflejando compensaciones explícitas entre niveles de servicio y capital de trabajo inmovilizado en inventario.²⁰²⁷²⁵

Arquitectura y postura en la nube. Ambos proveedores son SaaS multi-inquilino y cloud-native, pero lo implementan de manera diferente. KetteQ divide las responsabilidades entre Salesforce (UX, colaboración, seguridad, compartición de datos) y AWS (solucionador, analíticas, gestión de datos) y destaca la apertura mediante herramientas estándar como SQL y Python en lugar de pilas propietarias.¹²⁶⁴¹⁵ Lokad opera como un SaaS de pila única en Microsoft Azure, con un almacén de datos basado en eventos personalizado, almacenamiento de blobs direccionable por contenido y un motor de ejecución distribuido para scripts de Envision; las dependencias de terceros se minimizan intencionalmente a favor de una pila interna fuertemente integrada, incluyendo sus propias bibliotecas de forecast y optimización.¹⁷¹³¹⁸

Evidencia y madurez de las afirmaciones de “AI”. El lenguaje de AI de KetteQ es ambicioso (AI agentic, la planificación más adaptativa del mundo, adaptabilidad en tiempo real, planificación probabilística de múltiples pasadas), pero la documentación pública sigue siendo de alto nivel y en gran medida orientada al marketing; no existen documentos técnicos algorítmicos detallados ni resultados de benchmarks externos más allá de citas de clientes y cobertura de analistas/blogs.⁵¹⁶³¹⁰⁸¹³ La narrativa de AI de Lokad se basa en familias algorítmicas específicas (forecast probabilístico, deep learning, differentiable programming) explicadas en la documentación pública y en videos, y vinculadas a evidencia externa como la competencia M5 y estudios de caso longitudinales de diez años como el de Air France Industries.¹²²³¹⁷¹³¹⁸¹⁹¹⁴⁹²⁰²⁵

En resumen, KetteQ aparece como una suite de planificación moderna, centrada en Salesforce y guiada por escenarios que utiliza AI/ML principalmente para impulsar forecast y la puntuación de escenarios, mientras que Lokad es una plataforma orientada al lenguaje que integra forecast probabilístico y optimización económica en un entorno programable, con una divulgación técnica más explícita y validación externa. Para un comprador, esto se traduce en una elección entre una aplicación empaquetada nativa de Salesforce con una fuerte alineación TI (KetteQ) y un “motor” cuantitativo supply chain programable que exige más trabajo de modelado pero ofrece un control más profundo sobre cómo se modelan la incertidumbre y la economía (Lokad).

Historia corporativa, financiamiento y posicionamiento

Fundación y liderazgo. Sourcing Innovation sitúa la fundación de KetteQ en 2018, enfatizando que fue diseñada “desde cero” para incorporar las lecciones aprendidas de muchas implementaciones previas de planificación supply chain y de dos iniciativas anteriores de software de supply chain creadas por los fundadores.³¹¹ La propia página “Acerca de” de KetteQ describe la compañía como construida por veteranos de la industria con décadas de experiencia en tecnología, gestión de datos y procesos supply chain, y con el objetivo de “redefinir la forma en que las empresas abordan la planificación y ejecución supply chain” en Salesforce y AWS.² En 2021, Mike Landry, un ejecutivo de software de supply chain con larga trayectoria (ex-Servigistics, ex-Genpact), fue nombrado CEO; la cobertura independiente señala que tomó el relevo del CEO fundador Cy Smith y se le encargó escalar la plataforma.¹⁵⁴²¹

Rondas de financiamiento. Las divulgaciones públicas de financiamiento y la cobertura secundaria son razonablemente consistentes:

Pre-Serie A: ~USD 1.9M en 2021 (informado en resúmenes posteriores, aunque no ampliamente documentado en la prensa primaria en ese momento).³¹²
Serie A: USD 9M en 2023 (mencionado en resúmenes de financiamiento y cobertura relacionada con la Serie B).³¹¹¹²
Serie B: USD 20M anunciados el 5 de agosto de 2025, liderados por Vocap Partners con la participación del inversor existente Circadian Ventures, elevando el financiamiento total divulgado a USD 30.9M.¹⁰¹¹⁷¹²¹³¹⁴

Los comunicados de prensa y artículos periodísticos de la Serie B posicionan de manera consistente el financiamiento como destinado a acelerar la expansión global, ampliar la hoja de ruta de AI agentic (PolymatiQ™ y Agentforce) y aumentar la capacidad de entrega.¹⁰¹¹¹³¹⁴⁹

En conjunto, KetteQ se presenta como un proveedor de plataforma en etapa de crecimiento temprano, respaldado por capital de riesgo: financiado y comercialmente activo, pero aún en fase de expansión, y no como un incumbente establecido desde hace décadas.

Posicionamiento en el mercado. El mensaje de KetteQ posiciona de manera consistente a la compañía como:

Una plataforma de planificación supply chain “adaptativa” y “AI-first” diseñada para la volatilidad y la incertidumbre.⁵¹⁶⁴¹⁰
Una alternativa moderna, multi-inquilino y cloud-native a los sistemas APS heredados construidos antes de 2010.⁶³²²¹⁹
La “única” solución de planificación supply chain que puede implementarse de forma nativa en Salesforce, ofreciendo una visión de 360° al combinar datos supply chain y comerciales.¹⁶⁴

Fuentes independientes (Sourcing Innovation, cobertura de financiamiento de terceros) refuerzan la caracterización moderna y cloud-native, pero no validan de forma independiente las afirmaciones de singularidad (“única solución,” “la más adaptativa del mundo”) que deben considerarse como lenguaje de marketing en lugar de hechos verificados.³¹¹⁸¹⁹⁹

Producto y arquitectura

Superficie del producto

El portafolio de productos de KetteQ se organiza en planificación y ejecución:

Planificación supply chain: planificación de demanda, planificación de inventario, planificación de suministro, MRP y MEIO (optimización multi-echelon/multi-item).⁵¹²¹
Ejecución supply chain: control tower, cumplimiento y asignación, gestión de activos, gestión de órdenes de trabajo y planificación de repuestos de servicio.⁷²¹

Cada sección de módulo en el sitio web enfatiza:

Forecast impulsado por AI usando estadística y machine learning.
Análisis de escenarios automatizado mediante PolymatiQ™.
Optimización multi-echelon y multi-item (para inventario), considerando restricciones presupuestarias y de nivel de servicio.
Soporte para estructuras de producto complejas (listas de materiales multinivel) y restricciones (capacidad, tiempos de entrega, rendimiento, restricciones de proveedores).⁵¹⁷²¹

Ejemplos concretos de funciones incluyen:

Optimización de stock de seguridad y optimización de políticas de pedidos para la planificación de inventarios.²¹
Planificación de suministro bajo restricciones de capacidad de producción y plazos de entrega.¹
Planificación de repuestos de servicio y optimización de FSL/stock de camiones.²¹
Monitorización y ajuste en tiempo real a través de paneles de control estilo torre de control.⁷

El mensaje del producto es coherente con una sustitución o complemento de APS de nivel medio a alto, abarcando la planificación táctica y cierta visibilidad en la ejecución operativa.

Arquitectura

La página de plataforma de KetteQ y los blogs relacionados describen una arquitectura de dos niveles que:

Despliega la capa de experiencia de usuario y colaboración sobre Salesforce, aprovechando el modelo de datos, la seguridad, el flujo de trabajo y el ecosistema de Salesforce.¹²⁴¹⁵
Aloja el solucionador y los componentes de analítica, pesados en datos y cálculo, en AWS, utilizando servicios nativos de la nube para la elasticidad y el rendimiento.¹²⁴

Características arquitectónicas clave destacadas por KetteQ y respaldadas por Sourcing Innovation:

SaaS nativo de la nube multi-inquilino, diseñado para escalabilidad horizontal e integración en tiempo real.¹⁶³²²
Uso de tecnologías convencionales (SQL, Python, JSON) para el manejo de datos y extensibilidad, en lugar de bases de datos propietarias o lenguajes de expresión.¹⁶
Integración estrecha con Salesforce (incluyendo Salesforce Manufacturing Cloud) para que los resultados de la planificación y los datos sean directamente visibles para los usuarios comerciales y financieros sin proyectos complejos de replicación de datos.¹⁴²⁴¹⁸

El análisis de Sourcing Innovation añade una confirmación independiente de que la plataforma es, de hecho, multi-inquilino y nativa de la nube, y que aprovecha tecnologías web modernas en lugar de pilas heredadas adaptadas.³¹¹ Sin embargo, ni las propias páginas de KetteQ ni los artículos de terceros proporcionan diagramas de bajo nivel o detalles sobre modelos de datos (por ejemplo, event sourcing vs. esquemas relacionales), controles de concurrencia o modos de fallo.

Modelo de despliegue

El despliegue se basa en SaaS y se hospeda en la nube. Los materiales públicos enfatizan:

Despliegues más rápidos mediante una UX nativa de Salesforce y el soporte de TI existente; reutilización de los patrones de seguridad e integración de Salesforce.¹²⁴¹⁵
Despliegue incremental por dominio (por ejemplo, comenzar con la planificación de demanda, extender posteriormente a la planificación de inventarios y de suministro).⁵¹
Una interfaz conversacional Gen-AI para que los planificadores hagan preguntas, ejecuten escenarios y accedan a datos utilizando lenguaje natural.⁵¹

Sin embargo, hay poca información pública sobre los plazos típicos de implementación, la dotación de personal del proyecto o los patrones de implementación de referencia (por ejemplo, si KetteQ proporciona sus propios equipos de entrega o si se recurre a integradores de sistemas asociados). Las citas de clientes mencionan “eficiencia y precisión dramáticamente mejoradas” y mejoras de 2–3x en la precisión o alineación de la planificación, pero estos son aspectos de alto nivel y no están respaldados por datos detallados de series temporales o KPIs.⁵¹⁸

Reclamos sobre AI, ML y optimización

Forecasting y AI

En sus páginas de planificación, KetteQ afirma:

Uso de “insights impulsados por AI, machine learning avanzado para demand forecast, y análisis automatizado de escenarios.”⁵¹²¹
MRP potenciado con AI/ML que “siempre está atento a las señales de cambios futuros” y monitorea continuamente los indicadores.¹
Una interfaz conversacional Gen-AI para interactuar con la solución de planificación.⁵¹

Estas afirmaciones establecen que KetteQ utiliza machine learning para forecast y que integra una interfaz de tipo large-language-model. Sin embargo, los detalles que faltan incluyen:

Las clases de modelos de ML utilizados (por ejemplo, árboles con gradient boosting, redes neuronales, modelos probabilísticos).
Cómo se calibran, evalúan y actualizan los forecast (por ejemplo, métricas de error, frecuencia de reentrenamiento).
Si los tiempos de entrega, devoluciones y otras incertidumbres no relacionadas con la demanda se modelan explícitamente.

En contraste, las FAQ y páginas de tecnología sobre demand forecasting de Lokad afirman explícitamente que Lokad utiliza differentiable programming y deep learning, aplicado a datos históricos detallados y señales externas cuando es relevante, para generar probabilistic demand y lead-time forecasts; además, destacan los resultados de la competencia M5 como evidencia externa de un rendimiento de vanguardia.¹²²³¹⁸¹⁹¹⁴⁹ Esto no invalida las afirmaciones de AI de KetteQ, pero subraya que las divulgaciones públicas de KetteQ están en un nivel más alto y menos técnico.

PolymatiQ™ solver y optimización

El solver PolymatiQ™ se describe como:

Un solver de planificación de supply chain “revolucionario, con patente pendiente” que ejecuta miles de escenarios, ajusta parámetros automáticamente y aprende continuamente de los cambios dinámicos en el mercado.⁵¹⁶⁷⁸
El “primer engine de AI agentic del mundo” para la planificación de supply chain, que permite una planificación adaptativa explorando miles de futuros potenciales en paralelo.¹⁶¹⁰¹¹

Las afirmaciones relacionadas con escenarios son consistentes en las páginas de planificación y ejecución: a PolymatiQ™ se le atribuye la evaluación automática de miles de posibles resultados, la asignación de puntuaciones a la resiliencia de los planes a través de KPIs, e identificar estrategias robustas frente a interrupciones.⁵¹⁶⁷²¹⁸ Sin embargo, varias preguntas técnicas permanecen sin respuesta en las fuentes públicas:

Funciones objetivo: ¿qué se está optimizando? ¿Costo, nivel de servicio, beneficio, métricas de resiliencia o una combinación ponderada?
Restricciones: ¿cómo se modelan la capacidad, los tiempos de entrega, los presupuestos y los objetivos de nivel de servicio?
Algoritmos: ¿depende PolymatiQ™ de la programación matemática (LP/MIP), programación por restricciones, metaheurísticas (por ejemplo, algoritmos genéticos, recocido simulado), reinforcement learning o algún híbrido?
Representación de la incertidumbre: ¿se generan los escenarios a partir de distribuciones de probabilidad explícitas o a partir de heurísticas / pruebas de estrés?

La revisión de Sourcing Innovation aporta una pequeña profundidad al hacer referencia al uso de optimización de múltiples pasadas por parte de KetteQ y a una pila tecnológica moderna que puede ejecutar muchos escenarios de forma eficiente, pero se detiene en revelar detalles algorítmicos; es una aprobación cualitativa en lugar de una inmersión técnica profunda.³¹¹

En comparación, la historia del solver de Lokad es más explícita: sus páginas de tecnología y documentación explican cómo las distribuciones probabilísticas de demanda y de tiempos de entrega se integran en un descenso discreto estocástico (para decisiones enteras) y en una optimización basada en differentiable programming, y cómo los impulsores económicos (costes de mantenimiento, penalizaciones por faltante de stock, efectos de canasta, etc.) se codifican en scripts de Envision para producir decisiones ordenadas.¹²¹⁷¹³¹⁸¹⁹²⁶ Los documentos de differentiable programming y las entradas de blog de Lokad elaboran además cómo se aplica la optimización basada en gradiente sobre datos relacionales a gran escala para aprender conjuntamente modelos de forecast y políticas de decisión.¹⁷¹⁸¹⁹²⁵

Con lo que está disponible públicamente, es razonable concluir que PolymatiQ™ hace más que un MRP simple basado en reglas o fórmulas fijas de stock de seguridad. El énfasis en el análisis de múltiples escenarios, el ajuste de parámetros y la puntuación de resiliencia sugiere al menos un componente de optimización impulsado por simulación. Pero en ausencia de una documentación detallada, PolymatiQ™ debe ser tratado como un solver de caja negra cuyos mecanismos internos no pueden ser evaluados de forma independiente a partir de fuentes públicas.

Despliegue, clientes y evidencia

Clientes y sectores nombrados

KetteQ destaca públicamente a varios clientes reconocidos:

Coca-Cola, Carrier, Johnson Controls, NCR Voyix, Alliance Consumer Group y otros son citados como marcas que “confían” en la plataforma de KetteQ en coberturas de noticias relacionadas con financiamiento.⁷⁸⁹
El contenido de estilo caso en el sitio web menciona clientes como MobilityWorks (movilidad automotriz), una empresa de operaciones de máquinas expendedoras, y fabricantes que utilizan Salesforce, con mejoras citadas en eficiencia, precisión y crecimiento.⁵¹⁸

Estas referencias confirman que KetteQ cuenta con clientes empresariales reales y reconocidos en sectores de manufactura, distribución y operaciones de servicio. Sin embargo, las descripciones públicas de los casos siguen siendo relativamente generales; proporcionan mejoras porcentuales (por ejemplo, crecimiento del 170% en CARR, 3x precisión, trayectoria de crecimiento de 2x) pero no exponen métricas detalladas de antes/después, series temporales o diagnósticos de modelos.⁵¹⁸⁹

Los materiales de caso de Lokad en torno a Air France Industries MRO y otros sectores (retail, aeroespacial, manufactura) ofrecen narrativas algo más detalladas, incluyendo horizontes históricos (10 años de datos), volúmenes de datos (alrededor de 1 millón de SKUs) y resultados financieros explícitos (por ejemplo, se identificaron decenas de millones de euros en oportunidades de desinversión, reducción en el capital de trabajo mientras se elevaban los niveles de servicio).¹³¹⁸²⁶²⁰²⁷²⁵ Dicho esto, incluso los estudios de caso públicos de Lokad se detienen antes de exponer conjuntos de datos completos, lo cual es típico en los proveedores de software comercial en este sector.

Práctica de despliegue e implementación

KetteQ enfatiza:

UX nativa de Salesforce que conduce a una adopción de usuarios más rápida y a una gobernanza de TI más sencilla.¹²⁴¹⁵
Conectores directos a Salesforce Manufacturing Cloud, que permiten una mejor alineación entre sales forecasts y planes de supply chain.²⁴¹⁸
Una interfaz conversacional Gen-AI para reducir la fricción en el acceso a insights y en la ejecución de escenarios.⁵¹

Fuentes independientes (comunicados de prensa y podcasts relacionados con Salesforce) refuerzan la narrativa de que KetteQ aprovecha Salesforce para mejorar la visibilidad interfuncional y la adopción por parte de los usuarios, pero no aportan muchos detalles sobre la metodología de configuración, prácticas de depuración de datos o patrones de gestión del cambio.⁴²⁴¹⁸

Lokad, en contraste, describe un patrón de despliegue más explícitamente programático: los datos se ingieren vía archivo/API, supply chain scientists escriben y iteran scripts de Envision, y ejecuciones diarias por lotes producen decisiones clasificadas que luego se integran en ERPs y WMSs. Su estudio de caso de Air France Industries y las páginas de inventario aeroespacial detallan una implementación de aproximadamente 6 meses seguida de una fase de ejecución paralela de 6 meses, incluyendo la mención de 10 años de datos históricos, 12 sistemas fuente y la priorización de listas de inversión/desinversión.¹³¹⁸²⁰²⁷²⁵

La compensación es clara: KetteQ ofrece un despliegue de aplicaciones empresariales más convencional (aunque basado en una pila moderna), mientras que Lokad ofrece un proyecto de modelado centrado en DSL que puede ser más preciso, pero requiere un esfuerzo de modelado más especializado.

Evaluación de la profundidad técnica y la madurez comercial

Profundidad técnica (según lo visible en fuentes públicas).

Fortalezas de KetteQ:
- Arquitectura SaaS moderna y multi-inquilino con Salesforce y AWS, corroborada de manera independiente por Sourcing Innovation.¹²³¹¹²²¹⁵
- Capacidad demostrada para integrarse estrechamente con Salesforce Manufacturing Cloud y para exponer insights de planificación dentro de la UX de Salesforce, una ventaja para organizaciones que ya están estandarizadas en Salesforce.¹⁴²⁴¹⁸
- Uso de AI/ML para forecast y evaluación de escenarios, con PolymatiQ™ orquestando análisis de múltiples escenarios y ajuste de parámetros, lo que implica una lógica de optimización no trivial más allá del MRP clásico o la planificación mediante hojas de cálculo.⁵¹⁶³⁷
Deficiencias / incógnitas de KetteQ:
- No existe documentación técnica pública de los detalles internos algorítmicos de PolymatiQ™ (funciones objetivo, manejo de restricciones, métodos de optimización).
- Detalle limitado sobre cómo se modela y propaga la incertidumbre de forma matemática (distribuciones de probabilidad vs. pruebas de estrés).
- No hay resultados externos de benchmarks de forecast o de optimización (por ejemplo, competiciones públicas) que cuantifiquen el rendimiento en relación con lo último en la materia.

En comparación con Lokad: Las divulgaciones técnicas de Lokad son considerablemente más profundas: la especificación del lenguaje de Envision, la documentación de probabilistic forecasting y differentiable programming, y las páginas de tecnología detalladas hacen posible entender las elecciones arquitectónicas y algorítmicas, y los resultados de la competencia M5 proporcionan un benchmark externo para la precisión del forecast.¹²²³¹⁷¹³¹⁸¹⁹¹⁴⁹²⁶ Lokad también documenta temas matizados como el manejo de enteros en differentiable programming y la optimización sobre datos relacionales a gran escala, lo que indica una inversión continua en I+D a un nivel bastante avanzado.¹⁷¹⁸²⁵

Desde un punto de vista estrictamente “state-of-the-art”, KetteQ aún no ha proporcionado la transparencia técnica suficiente para evaluar si PolymatiQ™ y su stack de AI alcanzan la sofisticación de los enfoques centrados en distribuciones probabilísticas y basados en differentiable programming documentados por Lokad y algunas publicaciones académicas. Es totalmente posible que los métodos internos de KetteQ sean sofisticados, pero en ausencia de documentación o benchmarks, una evaluación escéptica y basada en evidencia debe tratarlos como no comprobados más allá de los testimonios de clientes seleccionados.

Madurez comercial.

KetteQ cuenta con:
- Múltiples clientes empresariales reconocidos en manufactura, distribución y servicios.⁷⁸⁹
- USD 30,9M en financiamiento de capital de riesgo y un equipo en crecimiento, con perfiles de CEO y liderazgo que indican experiencia en escalar compañías de supply chain.¹⁰¹¹⁸¹⁵¹³¹⁴
- Una suite de productos articulada claramente y una estrategia de salida al mercado enfocada en organizaciones centradas en Salesforce.
Sin embargo:
- La compañía tiene 7 años (fundada en 2018), con su solver emblemático y la marca evolucionando rápidamente en los últimos años (por ejemplo, el reciente cambio a un lenguaje de “agentic AI”).³¹⁰¹¹
- Los casos de referencia públicos son relativamente escasos en detalle cuantitativo y abarcan un conjunto limitado de sectores en comparación con proveedores de APS más antiguos.

En contraste, Lokad opera desde 2008, con más de una década de evolución desde el forecast alojado hasta una plataforma completa de optimización probabilística, y con despliegues documentados de larga duración (colaboraciones de 10 años como las de Air France Industries) que sugieren una madurez comercial y técnica superior en ciertos sectores (por ejemplo, MRO aeroespacial).¹⁶¹²¹³¹⁸²⁶²⁰²⁷²⁵

En resumen, KetteQ es un proveedor creíble, moderno y respaldado por VC, con tracción genuina y una arquitectura tecnológicamente actualizada, pero sus capacidades de AI y optimización siguen siendo algo opacas desde una perspectiva basada en la investigación. Lokad, aunque más pequeño y especializado, proporciona evidencia más directa de técnicas avanzadas probabilísticas y de optimización y despliegues de mayor duración en entornos complejos.

Conclusión

KetteQ ofrece una moderna plataforma de planificación y ejecución de supply chain centrada en Salesforce, con un claro enfoque en la planificación de escenarios impulsada por AI a través de su solucionador PolymatiQ™. La evidencia pública respalda las afirmaciones de que es multi-tenant, cloud-native, y diseñada sobre Salesforce y AWS; que utiliza machine learning para forecast; y que ha asegurado clientes empresariales reales y con nombre, además de una financiación de riesgo significativa. El comentario independiente (Sourcing Innovation) corrobora la modernidad de su stack y confirma que el producto no es una simple repintada del código legacy.

Sin embargo, la documentación pública de KetteQ se queda corta al no exponer la sustancia matemática y algorítmica detrás de PolymatiQ™ y su denominación “agentic AI”. No se ofrece una divulgación detallada de funciones objetivo, restricciones, modelado probabilístico o métodos de optimización, ni existen datos de benchmark públicos comparables a competiciones de forecast o estudios de caso reproducibles con métricas completas de antes/después. Por ello, una evaluación rigurosa y escéptica debe considerar las afirmaciones de AI y optimización de KetteQ como plausibles, pero no verificadas más allá del material de marketing y las citas de clientes.

En comparación con Lokad, que ha documentado públicamente su evolución a través de forecast por cuantiles, distribuciones probabilísticas, deep learning y programación diferenciable, y ha validado externamente el rendimiento de forecast (M5) y estudios de caso de larga duración en entornos complejos, KetteQ se presenta como una suite de aplicaciones empresariales más convencional pero moderna: más fácil de alinear con paisajes de TI centrados en Salesforce, pero menos transparente respecto al funcionamiento interno de su stack de AI y optimización. Para los compradores, la elección no se basa únicamente en las características: también depende de cuánto valoren un motor de Supply Chain Quantitativa de caja blanca (Lokad) frente a una aplicación empaquetada y nativa de Salesforce con una fuerte propuesta UX y de TI (KetteQ). En cualquier caso, la debida diligencia debe ir más allá de las páginas de marketing: soliciten inmersiones técnicas profundas, documentación del modelo y mejoras concretas en los KPI históricos antes de aceptar a primera vista cualquier afirmación de “agentic AI” o de planificación “world’s most adaptive”.