00:00:03 IA en las cadenas de suministro.
00:01:02 La visión de Joannes Vermorel sobre la IA práctica.
00:02:40 El potencial de la IA en la previsión más precisa.
00:04:07 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 cadena de suministro.
00:08:01 El potencial de la IA para detectar casos límite del sistema.
00:09:59 Aplicación de la IA en la previsión de la cadena de suministro.
00:11:42 Necesidad de supervisión humana en la implementación de la IA.
00:14:27 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 comercio minorista.
00:17:33 IA en la determinación de las necesidades precisas de inventario.
00:18:39 El impacto de la IA en los roles de la cadena de suministro y el 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 la cadena de suministro. Vermorel, fundador de Lokad, destaca el potencial de la IA para abordar desafíos complejos que van más allá de los problemas meramente estadísticos, como la compatibilidad de piezas de automóviles, y gestionar casos límite que tradicionalmente se manejan de forma manual. A pesar del temor generalizado a la pérdida de empleo, argumenta que la IA a menudo elimina tareas tediosas, mejorando así la calidad del trabajo. Sin embargo, reconoce que la naturaleza disruptiva de la IA puede generar conflictos internos, citando un ejemplo en el que la optimización del inventario impulsada por la IA está afectando las responsabilidades de marketing y cadena de suministro. Vermorel sugiere que estos cambios organizativos, en lugar de la implementación de software, podrían ser lo que ralentiza la adopción de la IA en las empresas, señalando un cambio significativo en las normas empresariales con el tiempo.
Resumen Extendido
La discusión se centra en el tema de la Inteligencia Artificial (IA) en la gestión de la cadena de suministro, destacando los posibles beneficios e implicaciones. Kieran Chandler, el presentador, inicia la conversación afirmando que la IA es una palabra de moda reciente en la industria tecnológica. Esto lleva a Joannes Vermorel, el invitado, a reflexionar sobre el momento de la integración de la IA en las operaciones de la cadena de suministro.
Vermorel está de acuerdo con el comentario de Chandler sobre el estatus de palabra de moda de la IA y propone que los verdaderos expertos en el campo rara vez emplean el término “Inteligencia Artificial”. Destaca que a pesar de que la IA es una palabra de moda, esto no descarta los importantes avances que se están produciendo bajo el paraguas de la IA. Menciona tres componentes clave: métodos matemáticos mejorados, una cantidad creciente de datos accesibles y un aumento de la capacidad de procesamiento.
Vermorel plantea que estos avances pueden llevar a predicciones más precisas en la gestión de la cadena de suministro. Sin embargo, insiste en que el cronograma para una integración total es incierto y probablemente abarcará décadas debido a los desafíos únicos en la industria de la cadena de suministro.
A medida que Chandler solicita aclaraciones sobre los posibles beneficios que los sofisticados métodos estadísticos o técnicas de deep learning pueden aportar a la gestión de la cadena de suministro más allá de las mejoras en los pronósticos, Vermorel argumenta que el impacto de la IA es multifacético. Aclara que la revolución de la IA es como experimentar el color después de conocer solo el blanco y negro; no se trata solo de una mayor resolución, sino también de revelar nuevas perspectivas y dimensiones.
Además, enfatiza que los beneficios más significativos de la IA para la gestión de la cadena de suministro pueden surgir de áreas que inicialmente no parecen problemas estadísticos. Estas oportunidades ocultas para la aplicación de la IA, sugiere Vermorel, es donde se destacará el verdadero valor de la IA.
Para ejemplificar su punto, Vermorel ofrece un ejemplo de una aplicación no obvia de la IA en la cadena de suministro: la compatibilidad de las piezas de automóviles. Describe 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 revela cómo su equipo en Lokad utilizó el aprendizaje automático (un subconjunto de la IA) para abordar este problema. Su algoritmo demostró un 98% de precisión al identificar reclamaciones incorrectas de compatibilidad en la base de datos, así como compatibilidades faltantes. Este caso subraya el potencial de la IA para resolver problemas complejos dentro de la cadena de suministro que van más allá de los problemas estadísticos típicos.
Vermorel inicia una conversación sobre cómo las complejidades de la cadena de suministro van más allá de los catálogos estándar o las soluciones prefabricadas. Hace hincapié en que la mayoría de los desafíos de la cadena de suministro se encuentran en los casos excepcionales, situaciones que divergen de la norma. Estos casos excepcionales, afirma, a menudo son abordados por grandes equipos de personas que modifican y corrigen manualmente anomalías mediante el uso extensivo de herramientas como Excel. Este proceso laborioso, aunque necesario, indica un área donde la IA podría proporcionar beneficios sustanciales.
La discusión luego se centra en las posibilidades que la IA presenta para detectar y gestionar estos casos excepcionales. Vermorel ilustra que la IA podría mitigar algunos problemas que se enfrentan en la gestión de la cadena de suministro, incluyendo retrasos y faltantes de stock accidentales. Sin embargo, esta solución de IA puede no parecerse a los sistemas familiares operados por voz como Siri o Cortana. En lugar de una IA única y multifuncional, Vermorel imagina una serie de microcasos de uso altamente especializados de IA diseñados para manejar aspectos específicos de la cadena de suministro.
Vermorel también comenta sobre las capacidades predictivas de la IA en la gestión de la cadena de suministro. Señala que, además del pronóstico de la demanda, la IA también puede ofrecer un pronóstico probabilístico sobre problemas de proveedores, como retrasos o problemas de calidad. Menciona que la IA puede pronosticar las devoluciones de los clientes, un factor especialmente crucial en el contexto del comercio electrónico de moda. Estas capacidades predictivas de la IA podrían desempeñar un papel vital en la optimización de las operaciones de la cadena de suministro, mitigando numerosas incertidumbres inherentes al proceso.
Más tarde, Chandler y Vermorel debaten sobre el nivel de experiencia en IA necesario para implementar dicho sistema. La pregunta es si las empresas necesitan expertos en IA para aprovechar los beneficios de la IA
en la gestión de la cadena de suministro. Vermorel considera que los elementos de IA de la operación se pueden externalizar, 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 empresa como Lokad, especializada en optimización de la cadena de suministro.
Vermorel destaca uno de los principales obstáculos en la adopción de la IA en las empresas como posibles conflictos internos debido a la disrupción del statu 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 temor, aunque válido, a menudo está equivocado. Afirma que la IA tiende a reemplazar tareas tediosas y rutinarias como la gestión de hojas de cálculo, a las 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 roles.
Aun así, Vermorel reconoce que la adopción de la IA puede generar conflictos 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 minorista. El inventario en una tienda minorista cumple dos funciones: satisfacer las demandas de los clientes y hacer que la tienda sea atractiva para los clientes. 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 cadena de suministro naturalmente cubriría el costo del inventario para satisfacer las demandas de los clientes. Sin embargo, el costo del inventario destinado a hacer que la tienda sea atractiva (que Vermorel equipara a gastos de marketing como anuncios de televisión) lógicamente recaería en el departamento de marketing. Esta asignación, impulsada por la precisión de la IA, podría generar disputas significativas, especialmente si, por ejemplo, los directores de marketing de repente se encuentran con grandes gastos inesperados.
Vermorel sugiere que son precisamente este tipo de problemas los que desacelerarán la adopción de la IA en las empresas, en lugar del temor a la pérdida de empleos. Si bien la implementación del software en sí misma podría hacerse relativamente rápido, los cambios organizativos que provoca podrían llevar mucho más tiempo. 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 en los últimos años. Hoy vamos a intentar ir más allá de todo ese bombo y en cambio centrarnos en su aplicación y en lo que puede hacer por el mundo de las cadenas de suministro. Una vez más, me acompaña Joannes Vermorel, y él me ayudará con la discusión de hoy. Así que Joannes, gracias por unirte 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 miramos las cadenas de suministro en general, aún no han llegado a ese punto. Todavía se gestionan principalmente mediante hojas de cálculo de Excel y de una manera muy impulsada por los humanos. Entonces, ¿cuándo crees que la inteligencia artificial llegará a la industria de la cadena de suministro? ¿En qué tipo de plazo 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 está hablando cuando habla de inteligencia artificial es si utiliza el término “inteligencia artificial” o no. Las personas más competentes a menudo no lo hacen. Pero solo porque sea una palabra de moda no significa que no haya nada detrás de ella. Entonces, ¿qué tenemos debajo? Tenemos aproximadamente tres cosas: mejores métodos matemáticos, mucha más información y capacidad de procesamiento. Necesitas un método que pueda convertir todos estos datos con mejores métodos matemáticos en mejores resultados, que en la cadena de suministro se traduce en algo como pronósticos más precisos. En cuanto al tiempo, creo que hay muchos ángulos específicos en el mundo de la cadena de suministro que deben abordarse y el tiempo es bastante incierto. Tomará mucho tiempo, literalmente décadas.
Kieran Chandler: Entonces, si dejamos de lado las preocupaciones con la terminología y decimos que la inteligencia artificial básicamente se refiere a algunas técnicas de aprendizaje profundo realmente avanzadas, ¿qué pueden esperar los profesionales de la cadena de suministro de estos métodos estadísticos avanzados? Probablemente podrían esperar mejores pronósticos, pero ¿hay algo más que puedan esperar?
Joannes Vermorel: Sí, hay mucho más. Uno de los problemas con los pronósticos antes de esta ola de inteligencia artificial es que no teníamos muchos ejemplos de la vida real de cómo podría ser un pronóstico mejor. Por definición, un pronóstico más preciso es un pronóstico mejor, pero ¿es la única forma? La inteligencia artificial proporciona otros ejemplos que sugieren que no lo es. Es un poco como si estuviéramos mirando algo en blanco y negro, y ahora obtenemos el color. No es solo una mejor resolución, es otra dimensión. Para las cadenas de suministro, creo que los mayores beneficios vendrán de problemas que no parecen problemas estadísticos en absoluto, y ahí es donde la inteligencia artificial realmente brillará.
Kieran Chandler: Entonces, lo que estás diciendo es que hay problemas que, en principio, no parecen problemas estadísticos en absoluto, pero que realmente se pueden utilizar como un tipo de pronóstico para hacer posible el uso de la tecnología de IA. ¿Podrías expandir 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 las piezas de automóviles en la industria automotriz.
Kieran Chandler: Básicamente, tienes automóviles que necesitan ser reparados y para esos automóviles, necesitas piezas. Solo para darte una idea del problema en el mercado europeo, hay varios millones de piezas diferentes. Es un poco absurdo cuando piensas que solo hay 300 millones de europeos. Además, hay más de cien mil vehículos distintos. Existe toda una industria, aunque pequeña, que compite en una sola cosa: establecer una base de datos de compatibilidad entre automóviles y piezas. Todo lo que estas empresas hacen es construir una lista de qué automóvil es compatible con qué pieza.
Joannes Vermorel: De hecho, estas bases de datos consisten en 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 aprendizaje automático, no en inteligencia artificial en sí, logró desarrollar un algoritmo. Probamos este algoritmo en una configuración de la vida real y logró una precisión del 98% en la detección de la compatibilidad que afirma la base de datos. El algoritmo también demostró una precisión del 98% en la detección de compatibilidades faltantes, por lo que podría haber una pieza que realmente se pueda montar en tu automóvil, pero tú o cualquier otra persona aún no lo sabe porque es bastante difícil hacer un seguimiento de tantos automóviles y piezas.
Kieran Chandler: Usar inteligencia artificial para determinar si una pieza de automóvil es compatible con mi vehículo parece un poco exagerado. Habría pensado que un simple catálogo podría funcionar para eso o una solución básica lista para usar. Pero, ¿qué pasa con las cadenas de suministro 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 las cadenas de suministro realmente se encuentran en los casos límite. Estas son situaciones que generalmente funcionan, pero luego tienes excepciones. Estas excepciones no se resuelven por sí mismas. Se necesita gente, y mucha, para resolver estos casos límite. Terminas con ejércitos enteros de personas ajustando hojas de cálculo de Excel porque la forma en que te das cuenta de que hay tantas personas lidiando con estos casos límite en las cadenas de suministro es la gran cantidad de personas que editan hojas de cálculo de Excel. No están perdiendo el tiempo. Están lidiando con estos casos límite que realmente no encajan en el sistema principal de ERP. Tienen que recurrir a Excel para gestionarlos. Entonces, técnicamente, cada vez que ves a personas teniendo que lidiar manualmente con una multitud de casos límite que generalmente involucran Microsoft Excel, esta es una situación que muy probablemente la inteligencia artificial pueda resolver.
Kieran Chandler: Entonces, tener IA para detectar estos casos límite suena como una gran idea. Sin duda, ayudaría mucho a resolver algunos de los problemas que vemos aquí en Lokad, como retrasos y faltantes de stock accidentales. Pero, ¿cómo se vería esto en la práctica? ¿Sería algo como Siri o Cortana, como una voz en el oído del operador que les dice 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 de IA actuales, como Cortana y Siri, son más una serie de casos de uso micro 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 hacerlo 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 realmente todo un desafío. 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 la cadena de suministro, será prácticamente lo mismo. Obtendrás pronósticos para todas las áreas donde hay incertidumbre. La demanda futura no es lo único incierto en tu cadena de suministro, hay muchas otras cosas como, por ejemplo, tiempos de entrega. Tus proveedores no son perfectamente confiables. No está claro qué tan confiables o no confiables son.
Joannes Vermorel: Absolutamente, y aquí es donde la IA puede ayudar. La inteligencia artificial puede proporcionar un pronóstico probabilístico muy preciso de los problemas que tus proveedores podrían generar. Y no se trata solo de retrasos. Tal vez tu proveedor entregue los productos que has pedido a tiempo, pero cuando lleguen a tu almacén y los inspecciones, podrías encontrar un problema de calidad.
Entonces, no se trata solo del retraso, también se trata de la calidad de lo que recibiste. Si eres una plataforma de comercio electrónico de moda, por ejemplo, vendes productos a tus clientes y a veces, debido a que es moda, simplemente no les gusta. Entonces, lo que hacen es devolverte esos productos. Saber de antemano quiénes y cuántas personas te devolverán artículos es muy útil para optimizar tu cadena de suministro.
Hay toneladas de áreas donde te enfrentas a la incertidumbre, tal vez no tan significativas como predecir la demanda futura, pero aún cruciales de abordar. Creo que estas futuras tecnologías basadas en IA contribuirán significativamente a la gestión de la cadena de suministro.
Kieran Chandler: Pasando al lado de la supervisión humana. Estas tecnologías de IA no podrán funcionar por sí solas. ¿Cuánta experiencia en IA se necesitará realmente para que un proyecto como este funcione? Las grandes empresas, como Google, pueden tener los recursos para emplear a un gran número de expertos en IA, pero ¿qué pasa con el resto de nosotros? Por ejemplo, las empresas de comercio electrónico de moda tienden a estar bastante adelantadas en cuanto a tendencias tecnológicas, pero es posible que no tengan expertos en IA en sus filas. ¿Cómo ves que esto funcione en el mundo real?
Joannes Vermorel: En primer lugar, las mejores empresas de comercio electrónico de moda que conozco sí tienen expertos en IA en sus filas, aunque eso es una excepción. Para responder a tu pregunta, creo que las empresas de cadena de suministro, o las empresas que tienen una cadena de suministro que gestionar, no necesariamente necesitan expertos en IA. Necesitan algo más, y volveré a eso más adelante.
El componente de IA se puede externalizar por completo a una empresa como Lokad. Si tienes alguna preocupación acerca de 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 escalan, y aquí es donde entra en juego el aspecto del tiempo. 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 statu quo. Eso es exactamente de lo que hablo en mi libro sobre Supply Chain Quantitativa. Si esperas optimizar algo, primero necesitas establecer una medida. Esto es desafiante porque cuestiona directamente el statu quo. Eso, creo, es el verdadero desafío de la tecnología de IA en la cadena de suministro.
Kieran Chandler: Las empresas enfrentan el desafío de cambiar el statu quo para mejorar y aprovechar la IA. Esto puede llevar potencialmente a disputas internas. Es interesante explorar cómo se desarrolla esto. Parece que hay empresas que podrían ver la IA como una perspectiva realista. Sin embargo, también hay una simpatía por aquellos empleados que podrían ver sus trabajos reemplazados por estos sistemas inteligentes. ¿Cuánto tiempo pasará antes de que tengamos un presentador de IA aquí en la televisión? Bromas aparte, ¿existe la preocupación de que esto pueda bloquear o retrasar la adopción de la tecnología? Aquí en Lokad, tenemos muchos clientes. Si introducimos un nuevo modelo de inteligencia artificial, ¿cómo crees que funcionará con tus clientes?
Joannes Vermorel: Ese es un buen punto. El miedo es válido, pero las expectativas de las personas 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 la cadena de suministro, eso no es cierto. ¿Por qué? Porque los trabajos que se están reemplazando, francamente, no son geniales. Imagina dedicar ocho horas al día a editar hojas de Excel. No es un trabajo interesante. Las personas suelen estar bastante contentas cuando esa tarea puede ser automatizada. Luego pueden hacer una versión más gratificante de su trabajo que tenga más sentido y no involucre tanto trabajo tedioso con Excel. Pero esto no significa que no habrá disputas. Sin embargo, estas disputas ocurrirán a un nivel completamente diferente, a nivel corporativo.
Por ejemplo, considera una red minorista con varias tiendas. La pregunta es: ¿qué pasa con el inventario en cada tienda? A primera 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 propósitos. El primero es que un cliente entra a la tienda, encuentra lo que quiere y realiza una compra. El segundo propósito es hacer que la tienda sea lo suficientemente atractiva como para que el cliente se sienta tentado a comprar algo. Entonces, el inventario cumple un doble papel.
Kieran Chandler: El problema que estamos discutiendo hoy es la razón por la cual las tiendas están tan llenas de mercancía. Parece como si tuvieran miedo de parecer medio vacías, reminiscentes de una tienda de la URSS. No es una imagen deseable para los clientes.
Joannes Vermorel: Absolutamente, las personas en el comercio minorista son conscientes de esto. Esto es esencialmente de lo que trata el merchandising. Ahora, consideremos lo que la inteligencia artificial puede aportar. La IA es tan precisa que puede proporcionar 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 pensamos en esto a nivel corporativo, ¿quién va a pagar por estos dos tipos de inventario?
Joannes Vermorel: Bueno, la cadena de suministro naturalmente paga por el inventario que se necesita para los clientes. Pero en cuanto al inventario adicional que está ahí simplemente para que la tienda se vea atractiva, eso es básicamente un gasto de marketing. Es similar a pagar por un anuncio de televisión: no vende productos directamente, pero genera interés. Entonces, cuando integras la IA en tu cadena minorista, comienza a difuminar la línea entre la cadena de suministro y el marketing. Algunas personas pueden encontrar esto desafiante, especialmente el director de marketing, quien podría encontrar de repente una gran parte del presupuesto asignado al inventario.
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 anteriores. Podrían decir: “No, gente de la cadena de suministro, por favor, mantengan eso. Estaba bien teniendo solo anuncios de televisión como parte de mi presupuesto”. Pero ahora, la percepción está cambiando. El inventario se está viendo como parte del marketing. Este es un cambio profundo y, si bien la implementación del software de IA se puede hacer rápidamente, comprender y adaptarse a estos cambios podría llevar décadas.
Kieran Chandler: Veo, esa es una perspectiva perspicaz. Bueno, me temo que eso es todo lo que tenemos tiempo para hoy. Gracias por esta interesante discusión, Joannes. Ha sido amplia: comenzamos con la inteligencia artificial y terminamos hablando de tiendas en la URSS. Así son las cosas. Bueno, gracias por tu tiempo, Joannes.
Joannes Vermorel: Gracias, Kieran.
Kieran Chandler: Espero que nuestra discusión haya ayudado a aclarar algunas de las concepciones erróneas comunes sobre la inteligencia artificial. Gracias por sintonizar y por los excelentes comentarios que hemos recibido sobre nuestros videos hasta ahora. Volveremos muy pronto, pero hasta entonces, adiós.
