Dos casos concretos de IA aplicada a logística

La expectativa que genera la inteligencia artificial (IA) como herramienta dominante del futuro de los negocios es innegable. Sin embargo -como en muchos otros temas clave- sólo entendemos la verdadera potencia y aplicabilidad cuando la ponemos en práctica sobre casos de la vida real. Quien esté leyendo estas líneas no se sorprenderá si afirmo que para cualquier organización logística el día a día implica planificar, comprar, transportar, recibir, preparar, clasificar, entregar, devolver. O en general, gestionar el flujo de materiales. En este sentido hay muchas tareas que se desarrollan de forma manual, desincronizada y sin parámetros claros, lo cual termina incidiendo en procesos duplicados, comunicaciones erróneas, gestión de datos con errores, y demoras en las respuestas.

Del otro lado de la ecuación, las soluciones de IA buscan diseñar sistemas que imiten procesos humanos, como el razonamiento, el aprendizaje y la resolución de problemas. Usando algoritmos y modelos para que este aprendizaje automático (ML), sea capaz de realizar tareas complejas de forma autónoma. Entonces, ¿cuáles son esas cosas que hacemos los humanos y que queremos que las máquinas puedan a hacer por nosotros? Bueno, según el IBM Technology podríamos acotarlos a tres temas claves:

1. Descubrir: hallar lo que estaba ignorado o escondido.
2. Inferir: deducir algo o sacarlo como conclusión de otra cosa.
3. Razonar: exponer razones para explicar o demostrar algo.

Bajo este enfoque -y aplicando la tecnología en operaciones- podríamos entonces consultar y “descubrir” el estado en el seguimiento de una orden. También podríamos “inferir” que -de acuerdo con los niveles de servicios pactados- esa orden tiene un problema. Y finalmente –tras cruzar esa información con otras bases de datos-, podríamos “razonar” una respuesta que explique al cliente el motivo de la demora y/o que active una alerta de resolución al equipo.

Así, esta tecnología podría ser utilizada para dar solución a infinitas aplicaciones en diversas áreas del negocio, desde la detección de fraudes en transacciones financieras hasta la recomendación de productos en el eCommerce, o la atención personalizada en los equipos de customer care. Pero como este artículo va de logística, vamos a explicar dos casos concretos (y muy recientes) en donde la IA resuelve operaciones del día a día actuando de una forma muy humana.

Caso 1: Automatización en cotización y gestión de flotas con HappyRobot.ia

El transporte de cargas tiene grandes desafíos, lo sabemos:

• Manejar el departamento de gestión de tráfico con actualizaciones constantes sobre los estados de la carga.
• Gestionar departamentos comerciales que realizan cotizaciones de transporte sobre variables y parámetros cambiantes.
• Conseguir autorización de reservas especiales, descuentos de última hora, o cambios no esperados…

En fin, el mundo de la gestión del transporte es un área clemente con oportunidad de mejoras. Siendo la primera, la comunicación. Esta “comunicación logística” -principalmente realizada por teléfono o aplicaciones de mensajería- se vuelve rápidamente abrumadora y difícil de escalar, especialmente cuando no hay suficientes manos para atender los llamados o estar al tanto de cada carga.

Una empresa de los Estados Unidos con fundadores españoles parece haber dado con el objetivo creando HappyRobot.ia. Una plataforma que ofrece agentes de inteligencia artificial que pueden manejar conversaciones y tomar medidas por sí solos. A diferencia de los sistemas rígidos y parametrizados del pasado (Chatbots 1.0), estos trabajadores de IA son dinámicos y reaccionan a las conversaciones en tiempo real, sin perder de vista nunca el objetivo final que se les ha asignado. Los agentes se integran completamente con los sistemas existentes y hacen más que simplemente leer información. También asignan ofertas, detalles de carga y actualizaciones críticas. Todo queda registrado en un tablero de control y se puede aprovechar para un uso futuro.

En una reciente entrevista, el fundador Pablo Palafox explicaba: “Hoy, la industria logística que sustenta nuestra economía global está al límite… Incluso los cargadores pequeños y medianos pueden generar y recibir cientos, sino miles, de llamadas por día, y contratar personas para este trabajo es cada vez más difícil”. Agregó, además: “Adaptándose a las complejas necesidades de comunicación de los agentes de carga, nuestros trabajadores de IA suelen automatizar las ventas entrantes y salientes de los transportistas, mediante diversas llamadas de verificación y gestión de cobros. Hoy, ayudamos a los agentes, transportistas, almacenes y otros actores de la cadena de suministro a aumentar la eficiencia, mejorar márgenes, y liberar a los equipos humanos de tareas repetitivas, lo que les permite centrarse en un trabajo más estratégico”.

“Puedes actualizar tus tarifas en tiempo real en función de la información que el sistema recopila para ti. Y luego entra en juego el componente humano cuando, por ejemplo, deseas asignar la mejor tarifa, puedes transferirla a un representante de ventas (humano) para finalizar la oferta. Así la persona sigue teniendo el control, pero el proceso mejora porque estos agentes realizan muchas de las tareas mundanas y repetitivas que realmente nadie quiere hacer”.

Algo estarán haciendo bien los muchachos de HappyRobot ya que hace unas semanas confirmaron la inversión de USD 15.6 MM por parte del fondo Andreesen Horowitz (a16z) para seguir expandiendo su solución a más actores en la cadena.

Caso 2: Detección de desvíos y re-cálculos automáticos en la Planificación de la Demanda con ZeroError.ia

Aunque no parezca, el trabajo de los logísticos se basa un poco en esto de “ver el futuro”, anticiparse a cosas que van a ocurrir y tomar decisiones en tiempo real para mitigar riesgos e impactos. Una gran parte de esa “magia” sucede al analizar los datos. Y uno de los mayores impactos económicos y de sostenibilidad tiene lugar mediante una correcta planificación de la demanda (*entendida como el proceso que usan las empresas para estimar y proyectar la demanda futura de sus productos, utilizando datos históricos, tendencias de mercado y patrones de consumo, entre otras variables). Esta actividad clave es responsable de la reducción de gastos innecesarios y la maximización de la rentabilidad. No obstante, (en general) tiene un alto grado de gestión manual, en silos, y poco parametrizada.

En este sentido, la empresa ZeroError.ia viene ayudando a las empresas a convertirse en “organizaciones impulsadas por datos”, garantizando que la información a gestionar sea precisa, confiable y oportuna. Lo hacen además abordando el desafío de la calidad de los datos como aspecto esencial para tomar decisiones informadas y seguras. Su solución está diseñada para evaluar rápidamente la confiabilidad de los informes de datos, ofreciendo resultados en minutos en lugar de depender de largos proyectos de mejora de calidad de datos que pueden durar años. Esto permite a líderes empresariales, como directores de finanzas, operaciones o directivos tomadores de decisiones actuar de manera más rápida y eficaz. Hablamos entonces de una herramienta que aporta soluciones reales a la hora de detectar errores en órdenes de compra y gestión de inventarios, identificación de inconsistencias entre oferta y demanda, y que es capaz de alertar sobre cambios abruptos y señalar datos maestros desactualizados.

Usando ZeroError.ia ya hay empresas que corrigen desajustes en niveles de inventario, anticipan problemas de suministro y reaccionan rápidamente ante variaciones imprevistas. En una reciente nota con La Vanguardia, María José Martí, fundadora de la empresa indicaba: “En el mundo en el que vivimos cada vez hay más datos y los equipos (de trabajo) son los que son, no aumentarán. Con la IA lo que hacemos es buscar las anomalías en los ficheros sin que tengas que decirle nada. La IA los tomará y empezará a aplicar modelos matemáticos. A partir de ahí, con un lenguaje comprensible, sugerirá lo que es sospechoso o lo que no está bien”.

Además, especificó: “Hay tres tipos de errores, los humanos, los de proceso y los voluntarios, es decir, fraude. Todo lo que no sea perfecto, hay que revisarlo”, aconseja, porque errar ya no es de humanos.

Estas son dos de las aplicaciones reales que están sucediendo en materia de operaciones logísticas y gestión de la cadena de suministro bajo el impulso de la inteligencia artificial. En los próximos meses podemos esperar muchas más, ya que donde haya ineficiencias y tareas repetitivas, estos modelos prometen altos resultados apalancados por aprendizaje automático, autonomía y trabajo sin descanso. Industria 5.0 en su máxima expresión. Nos leemos en la próxima.