Revisión de Pigment, Proveedor de Software de Planificación Empresarial

Última actualización: diciembre, 2025

Volver a Investigación de mercado

Pigment es un SaaS de planificación y gestión del rendimiento (EPM), fundado en París y respaldado por venture capital, posicionado como una única capa de modelado para la planificación financiera y operativa: los usuarios construyen modelos multidimensionales (dimensiones/métricas/“blocks”), escriben fórmulas que recalcúan automáticamente los blocks dependientes, definen controles de acceso y publican informes y escenarios para los stakeholders. Más allá de los casos de uso tipo FP&A y consolidación, Pigment comercializa aplicaciones con plantillas para S&OP y planificación de demanda e inventario, y ofrece capacidades de forecast mediante funciones estadísticas integradas (por ejemplo, forecast de series temporales estilo ETS) además de una función separada “Predictions” descrita como forecast basado en machine learning con soporte para factores externos. Pigment también ofrece funcionalidades orientadas a AI (por ejemplo, un “Analyst Agent” y páginas relacionadas con AI), pero el detalle técnico público varía según la funcionalidad: algunos de los mecanismos centrales de modelado están documentados de forma precisa (comprobaciones de dependencias, mitigación de referencias circulares mediante PREVIOUS/PREVIOUSBASE, etc.), mientras que los componentes ML/AI se explican parcialmente a nivel de sistemas (por ejemplo, una arquitectura de Predictions escalable horizontalmente utilizando Dask) sin divulgar de manera consistente las clases de modelo, los procedimientos de entrenamiento/evaluación, o benchmarks reproducibles.

Visión general de Pigment

Pigment vende una plataforma de planificación basada en navegador centrada en un modelo semántico compartido para la planificación, simulación e informes a lo largo de múltiples funciones (finanzas, ventas, RRHH, supply chain). El proveedor enfatiza el reemplazo de la planificación centrada en hojas de cálculo por un modelo centralizado que soporta colaboración, permisos, auditabilidad y análisis de escenarios.¹² En una posición adyacente a supply chain, Pigment publica páginas dedicadas para la planificación de supply chain, S&OP y planificación de demanda e inventario, enmarcando el producto como una forma de conectar los planes de demanda, inventario y capacidad con los resultados financieros dentro de un espacio único de planificación.³⁴⁵

Según la documentación disponible, el “motor de modelado” de Pigment se basa en fórmulas: cuando las fórmulas cambian, los blocks dependientes se recalculan, y la plataforma previene o gestiona activamente las dependencias circulares utilizando funciones específicas (por ejemplo, PREVIOUS para iteración dentro del mismo block; PREVIOUSBASE para configuraciones iterativas de múltiples blocks), con restricciones explícitas, como límites en las “métricas permitidas” e implicaciones de rendimiento documentadas.⁶ Esto es evidencia concreta de que Pigment no es “solo CRUD + dashboards”: el sistema central es un motor de cómputo con seguimiento de dependencias para modelos de planificación multidimensional.

Pigment vs Lokad

Pigment y Lokad abordan la “planificación” desde puntos de partida fundamentalmente diferentes. Pigment es, ante todo, una plataforma de planificación empresarial y gestión del rendimiento: su entrega principal es una capa de modelado interactivo a nivel organizacional (dimensiones/métricas, fórmulas, flujos de trabajo, permisos, informes) que permite a los humanos construir planes, ejecutar escenarios y alinear a los stakeholders — opcionalmente complementada con herramientas de forecast (funciones estadísticas y “Predictions” orientadas a ML) y asistencia basada en AI.³⁴⁶⁷ En cambio, Lokad se construye como una plataforma de optimización supply chain cuantitativa: se centra en producir recomendaciones de decisión (por ejemplo, compras, asignación de inventario, planificación de producción) en condiciones de incertidumbre utilizando forecast probabilístico y objetivos de optimización explícitos, implementados de manera programática a través de su Envision DSL y ejecutados como pipelines computacionales repetibles.⁸⁹¹⁰

Esta diferencia es importante desde el punto de vista técnico. Los materiales públicos de Pigment enfatizan la flexibilidad del modelo, la colaboración y la rapidez en la iteración de escenarios, con cierta asistencia en forecast y AI, pero proporcionan evidencia pública limitada de que la plataforma resuelve rutinariamente grandes problemas de optimización combinatoria restringida (por ejemplo, optimización de enteros mixtos para decisiones de supply chain) como resultado principal del producto; las páginas de supply chain de Pigment están enmarcadas en conectar planes y mejorar la capacidad de respuesta en lugar de demostrar la arquitectura de un optimizador, funciones objetivo y manejo de restricciones a gran escala.³⁴⁵ La narrativa técnica pública de Lokad, en comparación, resalta “probabilistic forecasts → optimized decisions” como el output principal del producto, incluyendo descripciones publicadas de forecast probabilístico/cuántil y métodos orientados a la optimización, y evidencia de trabajo técnico enfocado en forecast (por ejemplo, la participación en la competencia M5 forecasting).¹¹⁸

Comercialmente, Pigment se asemeja a un proveedor de EPM/IBP de alto crecimiento: múltiples rondas importantes de VC y un posicionamiento amplio en la planificación multifuncional.¹²¹³ Lokad se asemeja a un proveedor especializado en optimización de supply chain que enfatiza aplicaciones de optimización hechas a la medida definidas por código en lugar de una capa de planificación empresarial generalizada.⁸⁹

Historia de la compañía, financiación y hitos

Pigment fue fundada en 2019 (París) por Éléonore Crespo y Romain Niccoli, posicionándose desde el inicio como una alternativa moderna a las herramientas heredadas de EPM/planificación.²¹⁴ Los informes públicos documentan una secuencia de rondas de venture: una Serie A reportada en 2020, una Serie C reportada en 2023, y una gran Serie D reportada en 2024, lo que indica un apetito sostenido de los inversionistas y una escalada comercial significativa.^14151213

No se identificó actividad de adquisiciones (que Pigment adquiera a otros o sea adquirida) en las fuentes públicas revisadas para este informe. Esta ausencia debe tratarse con cautela: puede reflejar “sin adquisiciones”, o puede reflejar la falta de divulgaciones indexadas públicamente.

Capacidades del producto y técnicas

Modelo de planificación: blocks multidimensionales, fórmulas y recálculo

La documentación de Pigment ofrece detalles inusualmente específicos sobre cómo se comporta su motor de modelado cuando las fórmulas generan ciclos de dependencia. La plataforma recalcula los blocks dependientes cuando las fórmulas cambian y realiza comprobaciones para detectar dependencias circulares; proporciona mecanismos para expresar cálculos iterativos (dependencias desplazadas en el tiempo) sin crear bucles infinitos, como PREVIOUSBASE para configuraciones iterativas de múltiples blocks.⁶ La misma documentación describe cómo Pigment consolida las fórmulas de un ciclo de dependencia en una “fórmula base única” para el cálculo, y advierte sobre el impacto en el rendimiento y los modos de fallo en la depuración cuando la fórmula base fusionada se vuelve inválida.⁶

Esto es una evidencia sólida de que el valor central de Pigment es un motor de cómputo acoplado a un modelo de planificación multidimensional, y no meramente un envoltorio de flujos de trabajo alrededor de hojas de cálculo.

Plantillas y casos de uso orientados a supply chain

Pigment mantiene páginas dedicadas a supply chain que describen casos de uso para S&OP y planificación de demanda/inventario (incluyendo “planes resilientes”, simulación de escenarios y alineación de supply chain con finanzas).³⁴⁵ Una historia de cliente concreta afirma que Danone utilizó Pigment para S&OP y planificación de demanda a largo plazo, con un “tiempo de implementación” de tres meses, y describe la sustitución de procesos intensivos en Excel por un modelo Pigment personalizado construido con un socio de implementación.⁷ Aunque sigue siendo material de marketing, al menos se trata de una referencia nominada y atribuible con detalles de implementación y alcance declarado.

Forecasting, ML, and “Predictions”

Pigment expone funciones estadísticas de forecast en la documentación/materiales comunitarios (por ejemplo, funciones ETS de forecast).¹⁶¹⁷ Por separado, Pigment posiciona “Predictions” como una característica orientada a ML para forecast, incluyendo la documentación “Choose prediction model” que describe opciones de configuración pero que no especifica, en la página pública, familias de algoritmos exactos, metodología de entrenamiento, métricas de validación o benchmarks reproducibles.¹⁸

El blog de ingeniería de Pigment ofrece la evidencia técnica más sustancial para el subsistema de Predictions. En una publicación sobre la escalabilidad de predictions, Pigment describe una arquitectura que utiliza un clúster de Dask para ejecutar muchos forecasts en paralelo y afirma que “cada serie temporal es forecast de manera independiente,” lo que permite la escalabilidad horizontal.¹⁹ Esto respalda la afirmación de que el forecast de Pigment se implementa como una verdadera tubería de cómputo (no como una etiqueta superficial de la interfaz de usuario), pero aún deja sin respuesta públicamente preguntas clave sobre ML: qué modelos se utilizan, cómo se maneja la ingeniería de features (más allá de las afirmaciones de “factores externos”), cómo se monitorea el drift, y qué compensaciones entre precisión y costo se logran en producción.

Asistentes AI y componentes “agentic”

Pigment comercializa capacidades orientadas a AI (por ejemplo, “Pigment AI,” “Analyst Agent Overview”) y cuenta con contenido de ingeniería que describe un “Insights Assistant” y “agentic AI,” incluyendo referencias a marcos de trabajo comunes de LLM-agent (por ejemplo, LangGraph) y consideraciones de diseño de sistemas.²⁰²¹ Estas fuentes sustentan que Pigment está implementando funcionalidades de asistente AI como características del producto. Sin embargo, desde un punto de vista técnico escéptico, estos materiales se interpretan mejor como una ampliación de la capa UX (consultas, resumen, acciones guiadas) en lugar de evidencia de que las decisiones centrales de planificación están optimizadas de extremo a extremo por AI; la documentación pública no proporciona demostraciones reproducibles de que la capa AI produce de manera fiable decisiones de planificación bajo restricciones estrictas.

Evidencia de arquitectura y tecnología

Pigment no publica de forma pública un único whitepaper de arquitectura canónica en las fuentes revisadas aquí. Sin embargo, múltiples señales independientes convergen en una pila plausible:

• Un perfil “tech” en Welcome to the Jungle enumera tecnologías centrales que incluyen PostgreSQL, .NET (C#), React, D3.js, TypeScript, Google Cloud Platform, Kubernetes (GKE) y CircleCI.²²
• El blog de ingeniería de Pigment indica el uso de herramientas del ecosistema Python (por ejemplo, Dask) para escalar cargas de trabajo de forecast.¹⁹
• La documentación del producto de Pigment demuestra un motor de modelado personalizado capaz de análisis de dependencias y gestión de cálculos iterativos (PREVIOUS/PREVIOUSBASE), lo que implica un tiempo de ejecución de cómputo no trivial integrado con el modelo de planificación.⁶

En conjunto, la evidencia pública respalda que Pigment es un SaaS cloud-native con un frontend web moderno, un núcleo backend basado en .NET, y subsistemas de cómputo especializados para forecast.

Despliegue, implementación y garantías operativas

El contenido del estudio de caso de Pigment proporciona un ejemplo de afirmación de implementación: la implementación de Danone se describe como pasando de investigación/construcción/pruebas/implementación en “solo tres meses,” involucrando a un socio de implementación y una iteración repetida del modelo (múltiples versiones probadas en un día).⁷ Esto sugiere un patrón de despliegue más cercano a “modelado de soluciones + gestión del cambio” que a “instala el software y listo,” a pesar de que Pigment se entrega como SaaS.

En cuanto a seguridad y cumplimiento, la página de seguridad de Pigment afirma el cumplimiento con SOC 2 Tipo 2 y SOC 1 Tipo 2, además de referencias a GDPR/CCPA; también describe la integración de identidad empresarial (SAMLv2 SSO, provisión SCIM, MFA), cifrado en tránsito (TLS 1.3, HSTS) y en reposo (AES-256), además de objetivos declarados de RTO/RPO y un programa de garantía de seguridad (pruebas de penetración, bug bounty, auditorías, escaneo de vulnerabilidades).²³ Estas son afirmaciones operativas específicas, aunque los detalles de certificación independientes deben ser verificados a través del “trust report” referenciado de Pigment si se utiliza para la contratación.²³

Clientes, referencias y estudios de caso

Existen referencias de clientes públicamente identificadas y no son puramente anónimas. Pigment publica historias de clientes identificados (por ejemplo, Danone), que incluyen casos de uso declarados y un plazo de implementación.⁷ Informes de terceros también hacen referencia al traction y la adopción por parte de clientes de Pigment en términos generales junto con anuncios de financiación.¹²¹³

Sin embargo, los lectores deben distinguir:

• Referencias nombradas y atribuibles (por ejemplo, una página dedicada a la historia del cliente que nombra a la empresa y describe el alcance/cronograma).⁷
• Paredes de logos / afirmaciones de adopción generalizadas que pueden no especificar qué módulos, geografías o madurez de la implementación.¹²¹³

Evaluación técnica escéptica

Lo que entrega Pigment (precisamente): un entorno de cálculo de planificación en la nube donde las organizaciones definen un modelo de planificación multidimensional (estructuras de datos + fórmulas), ejecutan simulaciones de escenarios, colaboran en la entrada de planes con permisos y auditabilidad, y producen informes; opcionalmente, pueden añadir forecast mediante funciones estadísticas y la tubería “Predictions”, y utilizar características de consultas/insights asistidas por AI.^3461923

Cómo logra esos resultados: la evidencia respalda (1) un motor de fórmulas con seguimiento de dependencias y mecanismos para resolver cálculos iterativos/circulares,⁶ (2) una arquitectura SaaS en la nube con controles comunes de identidad empresarial y encriptación,²³ y (3) un subsistema de forecast escalable utilizando computación distribuida (Dask) para forecast de series temporales en paralelo.¹⁹ Los detalles de la arquitectura que se pueden verificar públicamente son más sólidos para los mecanismos del motor de modelado y menos para los algoritmos exactos de ML/AI utilizados.

Evaluación de vanguardia: Pigment parece técnicamente moderno en términos de ingeniería de plataformas (stack cloud-native, fuertes afirmaciones de postura de seguridad, computación distribuida para forecast).¹⁹²²²³ Sin embargo, muchos aspectos “AI” siguen siendo difíciles de validar externamente porque Pigment no publica de forma consistente clases de modelo, protocolos de evaluación o benchmarks reproducibles para las funcionalidades de Predictions/AI. Desde un punto de vista escéptico, la innovación sustentada es la capa de cálculo de planificación y la productivización operativa; las afirmaciones menos sustentadas son aquellas que implican una toma de decisiones avanzada impulsada por AI más allá del forecast y la asistencia.

Madurez comercial: Las múltiples rondas de venture en etapas avanzadas de Pigment (incluida una gran Serie D) y las historias de clientes empresariales identificados indican una scale-up comercialmente establecida en lugar de un experimento de producto en etapa temprana.⁷¹²¹³

Conclusión

Pigment se evidencia mejor como una plataforma de planificación empresarial multifuncional con un núcleo de computación real: la documentación en torno a la gestión de dependencias, cálculos iterativos y recálculo de fórmulas proporciona evidencia concreta de un motor de modelado diseñado específicamente en lugar de de una UI delgada sobre hojas de cálculo.⁶

En comparación con Lokad, Pigment se presenta como una capa de planificación/modelado empresarial con forecast y asistencia de AI, mientras que Lokad se muestra como una plataforma de optimización de supply chain cuyo entregable principal es la optimización prescriptiva de decisiones bajo incertidumbre mediante modelado programático.⁸⁹¹⁰¹¹

Fuentes