Los costos de la inteligencia artificial han disminuido en las últimas décadas. Con la tecnología informática actual, los métodos disponibles (incluido el código fuente) y los diversos conjuntos de datos disponibles en las empresas y plataformas públicas/sociales, casi todas las empresas podrían aplicar IA para lograr un beneficio.
La predicción (= AI) se utiliza en más y más aplicaciones, desde la gestión de existencias tradicional y el pronóstico de ventas hasta todos los rincones de nuestra vida cotidiana. Desde el monitoreo de la calidad del sueño hasta la recopilación y análisis de datos de nuestro ritmo cardiaco en un reloj de pulsera para entrenamiento físico.
La inteligencia artificial realmente no aporta inteligencia mientras a la IA no se le asigna un rol decisivo, pero produce un salto cuántico en las metodologías de predicción que minimizan la incertidumbre en todos los procesos.
La predicción es el proceso de completar la información que falta. La predicción toma información (= datos) que está disponible en su empresa o en fuentes externas y la utiliza para generar información que la empresa no tiene, pero necesita.
La AI supera las estadísticas tradicionales
El análisis de regresión estadística ha sido el método de predicción más usado durante décadas. Las estadísticas tradicionales enfatizan ser correctas en promedio. La IA no requiere eso. Los métodos estadísticos tradicionales requieren la articulación de hipótesis para la especificación del modelo. La IA no necesita eso en la misma cantidad. Además, la IA puede representar modelos mucho más complejos con muchas más interacciones entre variables.
Hay un cuento que ilustra el peligro de tomar decisiones con base en promedios estadísticos. Se dice que un físico, un ingeniero y un estadístico van a un viaje de caza. Están caminando por el bosque cuando ven un ciervo en un claro. El físico calcula la distancia al objetivo, la velocidad y la caída de la bala, se ajusta y dispara, fallando su tiro por cinco metros a la izquierda.
El ingeniero se ve frustrado y le dice al físico: “olvidaste considerar el viento. Dame acá el rifle”. Después de humedecer un dedo para determinar la velocidad y dirección del viento, el ingeniero dispara, fallando su tiro por cinco metros a la derecha. De repente, sin disparar un tiro, el estadístico grita: “¡Excelente! ¡Lo logramos!”.
¿Cómo funciona la IA?
La IA basada en redes neuronales para la predicción consiste más o menos en un reconocimiento de patrones, inicialmente entrenado y con autoaprendizaje y superación personal permanentes. Por ejemplo, para reconocer las imágenes de un animal específico, un gato, la IA no utiliza reglas basadas en un árbol de decisión. Un sistema de IA basado en redes neuronales simplemente aprende siendo entrenando con datos (imágenes de gatos) y comentarios.
¿Dónde y cómo puedo aplicar la IA en mi empresa?
En todas partes, no hay límites técnicos, todo es posible.
¿Cuál es el problema de predicción específico que quieres resolver?
Esta es una pregunta excelente para comenzar. Primero debe definirse con toda precisión su problema y la solución esperada. Las cadenas de suministro son un parque de juegos perfecto para todos los métodos de IA, debido a las diferentes incertidumbres que presenta.
Para describir un problema, recomendamos utilizar un “lienzo AI”, dividiendo el problema/solución en 7 elementos, 4 elementos en el nivel de proceso: predicción, juicio, acción y resultado y simultáneamente 3 elementos en el nivel de sistema de IA: entrada, entrenamiento y retroalimentación.
Para mostrar este lienzo, utilizaremos un ejemplo: En 2014 Amazon obtuvo una patente de Estados Unidos para "envío anticipado", lo que significa un cambio estratégico en el modelo de negocio, de recibir la orden y luego enviar, a enviar primero y luego aceptar la orden.
Proceso. Predicción: ¿Cuál SKU va a pedir en línea el cliente?
Sistema de IA. Datos de entrada: información histórica de venta por SKU y patrones de compra de los clientes.
Proceso. Juicio: Satisfacción del cliente mediante una entrega más rápida vs. costos por artículos enviados incorrectamente y rechazados
Sistema de IA. Entrenamiento: Patrones de órdenes y reacciones de rechazo por los clientes
Proceso. Acción: Envío (y entrega) del SKU antes de que el cliente lo pida
Sistema de IA. Retroalimentación: Información de entregas incorrectas y rechazos incorrectos por SKU. Información de entregas correctas aceptadas por el cliente por SKU
Resultados: mejora en la satisfacción del cliente = aumento de ventas = aumento de ganancias. Impacto estratégico: Ventaja competitiva sobre todos los demás minoristas B2C: Amazon obtendrá una ventaja inigualable en el servicio y en el modelo comercial.
La predicción puede ayudar a pronosticar las tendencias de la moda mediante el análisis sistemático de los influencers, de los competidores y de los consumidores, identificando exactamente el producto del mañana que lo llevará a una posición de liderazgo. La predicción es el siguiente paso lógico en los procesos de S&OP: una vez que haya implementado los procesos ágiles relevantes, el siguiente nivel es trabajar en las herramientas de predicción de IA.
Una predicción precisa lo ayudará a optimizar los niveles de stock y las capacidades de producción para evitar paradas de producción / fuera de stock. La IA en la gestión de riesgos lo ayuda a identificar los riesgos potenciales de la cadena de suministro en una "nube de parámetros de influencia" lo antes posible y a activar las medidas respectivas, que podrían ser un cambio de plan de producción, reordenar con carga aérea, y otras medidas similares.
*Director de Miebach Consulting en Alemania.
