00:00:03 IA en supply chains.
00:01:02 La visión de Joannes Vermorel sobre la IA práctica.
00:02:40 El potencial de la IA para un forecast más preciso.
00:04:07 La IA en la práctica: resolviendo la compatibilidad de piezas de automóviles.
00:06:33 El papel de la IA en el manejo de casos límite de la supply chain.
00:08:01 El potencial de la IA para detectar casos límite del sistema.
00:09:59 Aplicando IA al forecast de la supply chain.
00:11:42 La necesidad de supervisión humana en las implementaciones de IA.
00:14:27 La resistencia a la adopción de la IA debido al temor a la pérdida de empleo.
00:16:00 El doble papel del inventario en el retail.
00:17:33 La IA en la determinación de las necesidades precisas de inventario.
00:18:39 El impacto de la IA en las funciones de supply chain y marketing.
00:19:32 Desafíos de la implementación de la IA.

Resumen

La discusión se centra en la aplicación de la IA en la gestión de supply chain. Vermorel, quien es el fundador de Lokad, está enfatizando el potencial de la IA para abordar desafíos complejos que van más allá de simples problemas estadísticos, como la compatibilidad de piezas de automóviles, y gestionar casos límite que tradicionalmente se manejan manualmente. Aun con el temor predominante a la pérdida de empleos, él argumenta que la IA a menudo elimina tareas tediosas, mejorando así la calidad laboral. Sin embargo, reconoce que la naturaleza disruptiva de la IA puede incitar conflictos internos, como cita en un ejemplo en el que la optimización de inventario impulsada por IA está afectando las responsabilidades de marketing y supply chain. Vermorel sugiere que tales cambios organizativos, más que el despliegue de software, podrían ser lo que ralentice la adopción de la IA en las empresas, señalando un cambio significativo en las normas comerciales a lo largo del tiempo.

Resumen Ampliado

La discusión se centra en el tema de la Inteligencia Artificial (IA) dentro de la gestión de supply chain, destacando potenciales beneficios e implicaciones. Kieran Chandler, el anfitrión, inicia la conversación afirmando que la IA es una palabra de moda reciente en la industria tecnológica. Esto incita al invitado, Joannes Vermorel, a reflexionar sobre el momento oportuno para la integración de la IA en las operaciones de la supply chain.

Vermorel está de acuerdo con el comentario de Chandler sobre el estatus de la IA como palabra de moda y propone que los verdaderos expertos en el campo rara vez emplean el término “Inteligencia Artificial”. Hace hincapié en que, a pesar de ser una palabra de moda, esto no descarta los desarrollos significativos que están ocurriendo bajo el paraguas de la IA. Nombra tres componentes clave: métodos matemáticos mejorados, una mayor cantidad de datos accesibles y un poder de procesamiento en aumento.

Vermorel plantea que estos avances pueden conducir a predicciones más precisas dentro de la gestión de supply chain. Sin embargo, insiste en que el plazo para una integración total es vago y probablemente se extienda por décadas debido a los desafíos únicos en la industria de la supply chain.

Cuando Chandler solicita una aclaración sobre los potenciales beneficios que métodos estadísticos sofisticados o técnicas de deep learning pueden aportar a la gestión de supply chain más allá de mejorar los forecast, Vermorel argumenta que el impacto de la IA es multifacético. Aclara que la revolución de la IA es como experimentar el color después de haber conocido solo el blanco y negro; no se trata únicamente de una mayor resolución, sino también de desvelar nuevas perspectivas y dimensiones.

Además, enfatiza que los beneficios más significativos de la IA para la gestión de supply chain podrían surgir de áreas que inicialmente no parecen problemas estadísticos. Vermorel sugiere que estas oportunidades ocultas para la aplicación de la IA es donde su verdadero valor brillará.

Para ejemplificar su punto, Vermorel ofrece un caso de una aplicación no obvia de la IA en la supply chain: la compatibilidad de piezas de automóviles. Expone la dificultad de mantener una base de datos de compatibilidades de piezas de automóviles, una tarea formidable considerando los millones de piezas únicas y cientos de miles de vehículos únicos solo en Europa.

Vermorel explica cómo su equipo en Lokad utilizó machine learning (una subcategoría de la IA) para abordar este problema. Su algoritmo demostró un 98% de accuracy en detectar la compatibilidad que afirma la base de datos, así como en identificar compatibilidades faltantes. Este caso resalta el potencial de la IA para resolver problemas complejos dentro de la supply chain que van más allá de las cuestiones estadísticas típicas.

Vermorel inicia una conversación sobre cómo las complejidades de la supply chain van más allá de catálogos estándar o soluciones prefabricadas. Enfatiza que la mayoría de los desafíos de la supply chain se encuentran en los casos límite—situaciones que se desvían de la norma. Estos casos límite, afirma, suelen ser abordados por grandes equipos de personas que modifican y corrigen manualmente las anomalías mediante el uso extensivo de herramientas como Excel. Este proceso laborioso, aunque necesario, indica un área donde la IA podría aportar beneficios sustanciales.

La discusión luego se desplaza hacia las posibilidades que presenta la IA para detectar y gestionar estos casos límite. Vermorel ilustra que la IA podría potencialmente mitigar algunos problemas que se enfrentan en la gestión de supply chain, incluyendo retrasos y faltante de stock. Sin embargo, esta solución de IA podría no parecerse a los sistemas operados por voz, como Siri o Cortana. En lugar de una única IA multifuncional, Vermorel vislumbra una serie de casos de uso micro-especializados de IA diseñados para abordar facetas específicas de la supply chain.

Vermorel también comenta sobre las capacidades predictivas de la IA en la gestión de supply chain. Señala que, aparte del demand forecasting, la IA también puede ofrecer un forecast probabilístico sobre problemas con proveedores, tales como retrasos o problemas de calidad. Menciona que la IA puede forecast devoluciones de clientes, un factor particularmente crucial en el contexto del fashion ecommerce. Estas capacidades predictivas de la IA podrían desempeñar un papel vital en la optimización de las operaciones de supply chain, mitigando numerosas incertidumbres inherentes al proceso.

Más adelante, Chandler y Vermorel debaten sobre el nivel de experiencia en IA requerido para implementar tal sistema. La pregunta es si las empresas necesitan expertos en IA para aprovechar los beneficios de la IA

en la gestión de supply chain. Vermorel considera que los elementos de IA de la operación pueden ser externalizados, eliminando así la necesidad de que las empresas mantengan un equipo interno de especialistas en IA. Sugiere que las organizaciones pueden delegar sus necesidades de IA a una compañía como Lokad, que se especializa en la optimización de la supply chain.

Vermorel señala que uno de los principales obstáculos en la adopción de la IA en las empresas son los potenciales conflictos internos debido a la disrupción del status quo. El temor a la pérdida de empleos con la implementación de la IA también surge en la discusión. Sin embargo, Vermorel considera que este miedo, aunque válido, a menudo está mal dirigido. Afirma que la IA tiende a reemplazar tareas tediosas y rutinarias como la gestión de hojas de cálculo, a lo que denomina “el peor tipo de trabajo”. En lugar de generar resentimiento, este tipo de automatización puede liberar a los empleados para concentrarse en aspectos más significativos de sus funciones.

Aun así, Vermorel reconoce que la adopción de la IA puede conducir a discordias dentro de una empresa, pero este conflicto se manifestaría a nivel corporativo en lugar de entre los empleados de base. Ilustra esto con un ejemplo del retail. El inventario en una tienda de retail cumple dos funciones: satisfacer las demandas de los clientes y hacer que la tienda sea atractiva para ellos. Aquí, la IA podría determinar el inventario óptimo necesario para cumplir ambos propósitos.

El problema surge al determinar qué departamento dentro de la empresa debería asumir los costos de cada función del inventario. La supply chain cubriría naturalmente el coste de inventario para satisfacer la demanda de los clientes. Sin embargo, el costo del inventario destinado a hacer la tienda atractiva (lo que Vermorel equipara a gastos de marketing como anuncios en televisión) lógicamente recaería en marketing. Esta asignación, impulsada por la precisión de la IA, podría dar lugar a disputas significativas, especialmente si, por ejemplo, los directores de marketing se encuentran de repente cargados con grandes gastos inesperados.

Vermorel sugiere que son precisamente este tipo de cuestiones las que desacelerarán la adopción de la IA en las empresas, más que el temor a la pérdida de empleo. Aunque el despliegue del software en sí podría realizarse relativamente rápido, los cambios organizativos que provoca podrían tardar mucho más. Vermorel cree que esta reevaluación de las normas operativas y las responsabilidades, impulsada por la implementación de la IA, constituirá el principal desafío para las empresas en los próximos años.

Transcripción Completa

Kieran Chandler: Hoy vamos a hablar sobre inteligencia artificial, un tema que ha sido una palabra de moda en el mundo de la tecnología durante los últimos años. Hoy intentaremos elevarnos por encima de ese bombo para enfocarnos en su aplicación y en lo que puede hacer por el mundo de supply chains. Una vez más se une a mí hoy Joannes Vermorel, y él me ayudará con la discusión de hoy. Así que, Joannes, gracias por acompañarnos de nuevo.

Joannes Vermorel: Hola, Kieran.

Kieran Chandler: Entonces, si escuchamos a algunos de los expertos en el campo, afirman que la inteligencia artificial va a reemplazar la mitad de los empleos en el mundo para 2050. Sin embargo, si observas las supply chains en general, aún no han llegado a ese punto. Todavía se gestionan de manera muy manual, con hojas de cálculo de Excel. Entonces, ¿cuándo crees que la inteligencia artificial llegará a la industria de la supply chain? ¿De qué marco temporal estamos hablando aquí?

Joannes Vermorel: Esa es una pregunta muy interesante. Estoy de acuerdo con tu afirmación de que la inteligencia artificial es una palabra de moda. E incluso creo que una forma de reconocer si alguien sabe de lo que habla al referirse a la inteligencia artificial es si utilizan el término “inteligencia artificial” o no. Las personas más competentes a menudo no lo hacen. Pero el hecho de que sea una palabra de moda no significa que no haya nada detrás. Entonces, ¿qué tenemos detrás? Tenemos aproximadamente tres cosas: mejores métodos matemáticos, muchos más datos y poder de procesamiento. Se necesita un método que pueda convertir todos estos datos mediante mejores métodos matemáticos en mejores resultados, lo que en la supply chain se traduce en algo así como forecast más precisos. En cuanto al plazo, creo que hay muchos ángulos específicos en el mundo de la supply chain que deben abordarse, y el tiempo es bastante incierto. Tomará mucho tiempo, literalmente décadas.

Kieran Chandler: Entonces, si dejamos a un lado las preocupaciones con la terminología y decimos que la inteligencia artificial básicamente se refiere a algunas técnicas de deep learning realmente avanzadas, ¿qué pueden esperar los practicantes de supply chain de estos métodos estadísticos avanzados? Probablemente podrían esperar forecast mejores, pero ¿hay algo más que puedan esperar?

Joannes Vermorel: Sí, hay mucho más. Uno de los problemas con el forecasting antes de esta oleada de inteligencia artificial es que no teníamos muchos ejemplos en la vida real de cómo podría ser un forecast mejor. Por definición, un forecast más preciso es un mejor forecast, pero ¿es esa la única forma? La inteligencia artificial proporciona otros ejemplos que sugieren que no lo es. Es un poco como si estuviéramos viendo algo en blanco y negro, y ahora obtenemos el color. No se trata solo de una mejor resolución, sino de otra dimensión. Para las supply chains, creo que los mayores beneficios provendrán de problemas que no parecen ser problemas estadísticos en absoluto, y es ahí donde la inteligencia artificial brillará de verdad.

Kieran Chandler: Entonces, lo que estás diciendo es que hay problemas que, en apariencia, no parecen problemas estadísticos en absoluto, pero que en realidad pueden utilizarse como un tipo de forecast para hacer posible el uso de la tecnología de IA. ¿Podrías ampliar un poco más sobre eso?

Joannes Vermorel: El año pasado, tuve la oportunidad de trabajar en un problema muy intrigante, que es la compatibilidad de piezas de automóviles en la industria automotriz.

Kieran Chandler: Básicamente, tienes autos que necesitan ser reparados y para esos autos se requieren piezas. Solo para darte una idea del problema en el mercado europeo, hay varios millones de piezas diferentes. Es un poco una locura si piensas que solo hay 300 millones de europeos. Además, hay más de cien mil vehículos distintos. Existe una industria entera, aunque pequeña, que compite en una sola cosa: establecer una base de datos de compatibilidad entre autos y piezas. Todas estas compañías se dedican a construir una lista de qué auto es compatible con qué pieza.

Joannes Vermorel: De hecho, estas bases de datos constan de millones de líneas y se mantienen completamente a mano, con literalmente cientos de personas dedicando sus vidas a mantener esta única base de datos. Mi equipo en Lokad, que se especializa en machine learning, no en inteligencia artificial per se, logró desarrollar un algoritmo. Probamos este algoritmo en un entorno real y alcanzó un 98% de accuracy en detectar la compatibilidad que afirma la base de datos. El algoritmo también demostró un 98% de [accuracy] en detectar compatibilidades faltantes, así que podría haber una pieza que en realidad pueda montarse en tu auto, pero tú o cualquier otra persona aún no lo sabe debido a que es bastante difícil hacer seguimiento de tantos autos y piezas.

Kieran Chandler: Usar inteligencia artificial para determinar si una pieza de automóvil es compatible con mi vehículo parece un poco excesivo. Hubiera pensado que un catálogo simple podría funcionar para eso o una solución básica off-the-shelf. ¿Pero qué hay de las supply chains en general? ¿Qué puede hacer la inteligencia artificial por ellas?

Joannes Vermorel: El punto que quiero ilustrar es que la mayoría de los desafíos en supply chains realmente radican en los casos extremos. Estas son situaciones que usualmente funcionan, pero luego hay excepciones. Estas excepciones no se resuelven solas. Se necesita gente, y mucha de ella, para resolver estos casos extremos. Terminas con ejércitos enteros de personas ajustando esencialmente hojas de Excel, ya que la forma en que notas que hay tanta gente lidiando con estos casos extremos en supply chains es el gran número de personas editando hojas de Excel. No están perdiendo el tiempo. Están tratando con estos casos extremos que no encajan realmente en el sistema principal ERP. Tienen que recurrir a Excel para gestionarlos. Así que, técnicamente, cada vez que ves a personas teniendo que lidiar manualmente con una multitud de casos extremos que típicamente involucran Microsoft Excel, esta es una situación que probablemente la inteligencia artificial pueda resolver.

Kieran Chandler: Así que tener IA que detecte estos casos extremos suena como una gran idea. Sin duda ayudaría a resolver algunos de los problemas que vemos aquí en Lokad, como resultar en cosas como retrasos y faltante de stock accidental. Pero, ¿cómo sería esto en la práctica? ¿Sería algo como Siri o Cortana, como una voz en el oído del operador que le indique qué hacer y cuándo hacerlo?

Joannes Vermorel: La idea de que tu teléfono de repente diga, “mira a la izquierda, tienes un problema” es pura ciencia ficción. Estos sistemas actuales de IA, como Cortana y Siri, son más una serie de micro casos de uso altamente especializados. Por ejemplo, las personas que implementaron Cortana y Siri tienen un caso de uso especial para pedir una pizza. Construyen mucho código solo para hacerla lo suficientemente flexible como para funcionar prácticamente en cualquier parte del mundo, para que puedas pedir una pizza.

Kieran Chandler: Lograr una entrega exitosa de pizza en cualquier parte del mundo es, en realidad, todo un desafío. Todo se trata de casos de uso muy específicos. Esos asistentes de IA no son más que una colección de casos de uso bien integrados. Ahora, para supply chain, será más o menos lo mismo. Vas a obtener forecast para todas las áreas donde hay incertidumbre. La demanda futura no es lo único incierto en tu supply chain, hay muchas otras cosas, como, por ejemplo, lead times. Tus proveedores no son perfectamente confiables. No está claro cuán confiables o no confiables son.

Joannes Vermorel: Absolutamente, y aquí es donde la IA puede ayudar. La inteligencia artificial puede proporcionar un forecast probabilístico muy preciso de los problemas que podrían generar tus proveedores. Y no se trata solo de retrasos. Tal vez tu proveedor entregue los productos que has pedido a tiempo, pero cuando llegan a tu warehouse y los inspeccionas, podrías encontrar que hay un problema de calidad.

Así que, no se trata solo de retrasos, también se trata de la calidad de lo que recibiste. Si eres una plataforma de ecommerce de moda, por ejemplo, vendes productos a tus clientes y a veces, porque es moda, simplemente no les gusta. Así que lo que hacen es devolver esos productos a ti. Saber de antemano quién y cuántas personas devolverán artículos es sumamente útil para optimizar tu supply chain.

Hay un montón de áreas donde te enfrentas a la incertidumbre, quizá no tan significativas como predecir la demanda futura, pero aún así cruciales de abordar. Creo que estas tecnologías futuras basadas en IA contribuirán significativamente a la gestión del supply chain.

Kieran Chandler: Pasando al lado de la supervisión humana. Estas tecnologías de IA no podrán funcionar por sí solas. ¿Cuánta experiencia en IA se va a necesitar realmente para hacer que un proyecto como este funcione? Las grandes empresas, como Google, podrían tener los recursos para emplear a una gran cantidad de expertos en IA, pero ¿qué hay del resto de nosotros? Por ejemplo, las empresas de ecommerce de moda tienden a estar bastante adelantadas en cuanto a tecnología, pero podrían no tener expertos en IA en sus filas. ¿Cómo ves que esto funcione en el mundo real?

Joannes Vermorel: En primer lugar, las mejores empresas de ecommerce de moda que conozco sí que cuentan con expertos en IA en sus filas, aunque eso es una excepción. Para responder a tu pregunta, creo que las empresas de supply chain, o las empresas que tienen un supply chain que gestionar, no necesariamente necesitan expertos en IA. Necesitan otra cosa, y luego volveré a ese punto.

El componente de IA se puede externalizar completamente a una empresa como Lokad. Si tienes alguna preocupación sobre la IA, simplemente puedes convertirte en cliente de Lokad y externalizar tu componente de IA con nosotros. Esa es una estrategia que puede escalar bastante bien.

Sin embargo, abordemos los elementos que no se pueden escalar, y aquí es donde entra el aspecto temporal. Creo que el problema con la IA es que obliga a las empresas a volverse más racionales. También las obliga a eliminar ambigüedades y desafiar el status quo. Eso es exactamente lo que discuto en mi libro sobre Supply Chain Quantitativa. Si esperas optimizar algo, primero necesitas establecer una medición. Esto es un desafío porque cuestiona directamente el status quo. Eso, creo, es el verdadero reto de la tecnología de IA en el supply chain.

Kieran Chandler: Las empresas enfrentan el desafío de cambiar el status quo para mejorar y aprovechar la IA. Esto puede potencialmente llevar a disputas internas. Es interesante explorar cómo se desarrolla esto. Parece que hay empresas que podrían ver en la IA una posibilidad realista. Sin embargo, también hay simpatía por aquellos empleados que podrían ver reemplazados sus trabajos por estos sistemas inteligentes. ¿Cuánto tiempo pasará antes de que tengamos un presentador de IA aquí en la TV? Dejando las bromas a un lado, ¿existe la preocupación de que esto pueda bloquear o ralentizar la adopción de la tecnología? Aquí en Lokad, tenemos muchos clientes. Si introducimos un nuevo modelo de inteligencia artificial, ¿cómo ves que funcione con tus clientes?

Joannes Vermorel: Es un buen punto. El miedo es válido, pero las expectativas de la gente sobre lo que sucederá suelen ser incorrectas. Si lees la prensa, pensarías que todos estos trabajos serán reemplazados y la gente se opondrá. Sin embargo, en el supply chain, ese no es el caso. ¿Por qué? Porque los trabajos que están siendo reemplazados, francamente, no son geniales. Imagina dedicar ocho horas al día a editar hojas de Excel. No es un trabajo atractivo. La gente generalmente está bastante contenta cuando esa tarea puede ser automatizada. Entonces pueden hacer una versión más gratificante de su trabajo, que tiene más sentido y no implica tanto trabajo tedioso con Excel. Pero esto no significa que no habrá disputas. Estas disputas, sin embargo, ocurrirán a un nivel completamente diferente: a nivel corporativo.

Por ejemplo, considera una red de tiendas con diversos establecimientos. La pregunta es: ¿qué pasa con el inventario en cada tienda? A simple vista, pensarías que todos los productos en las tiendas existen únicamente para ser vendidos a los clientes. Pero no es del todo cierto. El inventario dentro de una tienda cumple dos funciones. La primera es que un cliente entra en la tienda, encuentra lo que desea y realiza una compra. La segunda función es hacer que la tienda sea lo suficientemente atractiva como para que el cliente se sienta incitado a comprar algo. Entonces, el inventario cumple un doble rol.

Kieran Chandler: El tema que estamos discutiendo hoy es la razón por la cual las tiendas están tan llenas de mercancía. Parece como si tuvieran miedo de aparecer medio vacías, reminiscentes de una tienda de la URSS. No es una imagen deseable para los clientes.

Joannes Vermorel: Absolutamente, la gente en retail es consciente de esto. Esto es esencialmente de lo que se trata el merchandising. Ahora, consideremos lo que la inteligencia artificial puede aportar. La IA es tan precisa que puede proporcionarte respuestas que ni siquiera sabías que necesitabas. Primero, puede decirte exactamente cuántas unidades de stock necesitas para atender a tus clientes. En segundo lugar, puede calcular cuánto stock necesitas para que tu tienda sea visualmente atractiva para los clientes.

Kieran Chandler: Entonces, si lo pensamos a nivel corporativo, ¿quién va a pagar por estos dos tipos de stock?

Joannes Vermorel: Bueno, el supply chain naturalmente paga por el stock que se necesita para los clientes. Pero en cuanto al stock adicional que está ahí simplemente para hacer que la tienda luzca atractiva, eso es esencialmente un gasto de marketing. Es similar a pagar por un anuncio de TV: no vende productos directamente, pero genera interés. Entonces, cuando integras IA en tu retail chain, comienza a difuminar la línea entre el supply chain y el marketing. Algunas personas pueden encontrar esto desafiante, especialmente el director de marketing, quien podría de repente ver asignada una gran porción del presupuesto al stock.

Kieran Chandler: Parece que este cambio podría causar algunos conflictos internos dentro de la empresa.

Joannes Vermorel: Sí, podría haber resistencia, especialmente de aquellos que estaban cómodos con sus arreglos presupuestarios previos. Podrían decir, “No, gente de supply chain, por favor mantengan eso. Yo estaba bien teniendo solo anuncios de TV como parte de mi presupuesto.” Pero ahora, la percepción está cambiando. El stock se está viendo como parte del marketing. Este es un cambio profundo, y aunque implementar software de IA se puede hacer rápidamente, entender y adaptarse a estos cambios podría llevar décadas.

Kieran Chandler: Entiendo, esa es una perspectiva perspicaz. Bueno, me temo que eso es todo por hoy. Gracias por una discusión tan interesante, Joannes. Ha abarcado muchos temas: comenzamos con inteligencia artificial y terminamos hablando de tiendas en la URSS. Así son estas cosas. Bueno, gracias por tu tiempo, Joannes.

Joannes Vermorel: Gracias, Kieran.

Kieran Chandler: Espero que nuestra discusión haya ayudado a despejar algunos de los conceptos erróneos comunes sobre la inteligencia artificial. Gracias por sintonizarnos y por el gran feedback que hemos recibido en nuestros videos hasta ahora. Volveremos muy pronto, pero hasta entonces, adiós.