Por un lado, tenemos a una gran mayoría de personas queriendo hablar de la Inteligencia Artificial (IA), queriendo entender qué es y, cómo puede ayudar en su negocio. Por otro lado, hay profesionales, entre los que me encuentro, fascinados por el potencial de la misma, ansiosos de conocer la última innovación que se ha logrado alcanzar gracias a las técnicas más avanzadas de IA.
Todo esto nos lleva a conocer cómo un algoritmo nos puede anticipar enfermedades como el cáncer, el Alzheimer o un glaucoma; o como los asistentes virtuales, ya sean vendedores o enfermeras, resuelven las barreras de la distancia o de la disponibilidad horaria de los pacientes o clientes; o cómo los coches prescindirán de sus conductores gracias a sofisticados sistemas de sensorización, de modelos de Computer Visión y modelos complejos de Machine Learning.
Todo esto podría llevar a pensar que las empresas tienen un nivel de madurez en IA elevado y que lo aplican a sus procesos de negocio de forma generalizada para mejorar su competitividad. La realidad a la que nos enfrentamos cada día es que, no sólo el nivel de implementación de tecnología de IA aplicada a procesos de negocio es sorprendentemente baja, sino que además, la mayoría de las compañías prefieren invertir en proyectos muy disruptivos en lugar de invertir en aplicaciones más acotadas que mejoren su eficiencia, incluso cuando el business case es tremendamente favorable. Y, ¿por qué ocurre esto?
Nuestra experiencia nos dice que los proyectos de IA son mayoritariamente iniciados desde el departamento de innovación o desde el departamento de tecnología y suelen estar más alejados de las áreas de negocio, donde su aplicación es más directa y tiene un mayor impacto en el resultado de las compañías. Quizá llevado por una menor comprensión del potencial de la IA frente a otros procesos tradicionales, por barreras a soluciones complejas que no siempre se pueden explicar al 100 % o simplemente por un rechazo a depender del departamento técnico.
En mi opinión, sólo aquellas compañías que resuelvan estas dificultades organizativas y generen una cultura en torno a la IA en su negocio, aprovecharan el verdadero potencial que tiene hoy la IA que no es otro que la de lograr eficientar sus procesos de negocio para mejorar los productos y servicios a sus clientes, mejorar sus operaciones internas de modo que tengan los mejores márgenes y ofrezcan el mejor precio, con un mayor beneficio que sus competidores.
De todos los procesos de negocio donde los modelos avanzados de IA pueden ser determinantes, sin duda, hay uno que es extraordinariamente estratégico para las compañías y que está particularmente desaprovechado: La previsión de demanda. Si bien los modelos de Machine Learning tienen excelentes resultados con todas las previsiones que debemos hacer en el día a día de una compañía, tener una buena previsión de demanda es “todo” para tener un buen servicio, un buen modelo operativo y logístico y, en definitiva, buenos resultados económicos.
Si bien es cierto que algunos sectores con poco transaccional o poca complejidad pueden operar con modelos sencillos de previsión basados en comportamientos pasados, pero para la mayoría de las compañías la realidad es mucho más compleja. Cada vez más, intervienen factores internos y externos con casuísticas extremadamente complejas que hacen muy complicado acertar en las previsiones. En el caso del retail, el volumen de transacciones, el volumen de referencias y la relevancia de la eficiencia logística para dar un buen servicio al cliente hacen que las previsiones y, en particular, la previsión de demanda sea uno de los elementos más relevantes de competitividad.
¿Qué aporta la IA a la previsión de demanda? Es sencillo, mayor precisión, más fiabilidad, un proceso automatizado que se puede actualizar con la frecuencia deseada y más ahorros en recursos dedicados al proceso. En nuestra experiencia, un buen desarrollo de modelos de IA puede mejorar la previsión de demanda entre un 30 y un 50 % la fiabilidad. Precisamente, el punto fuerte de la IA pasa por poder aprender de las casuísticas complejas de las que hablábamos antes, y así poder afinar la predicción. De esta forma, estos modelos mejoran sus prestaciones cuantos más factores asociados a la demanda utilicemos, totalmente al contrario de los métodos clásicos, los cuales tienen una capacidad mucho más limitada. Es clave disponer de tecnologías avanzadas de gestión del dato y computación como las de Amazon Web Services ante soluciones críticas que deben funcionar 24×7.
Es el momento y, animamos a todos aquellos en el sector retail o en sectores con gran complejidad, a iniciar el camino de la transformación de sus compañías, tan necesaria, gracias a la inteligencia artificial. Más allá de crear un área de innovación, invitamos a formar a sus empleados en la IA, lo que será la gran revolución de esta década y a abordar proyectos con retornos en el corto plazo, empezando, por ejemplo, por revisar la previsión de demanda.
