Ahora todos los proveedores de SGA incluyen la IA en la primera diapositiva de sus presentaciones. Durante el proceso de selección de un SGA, la mayoría de los compradores no tienen forma de distinguir entre un producto listo para producción y un prototipo con un guion de demo.
La IA en el SGA consiste en el uso de algoritmos de aprendizaje automático y optimización integrados en el SGA para mejorar la coordinación entre el inventario, el personal y la automatización.
En concreto, modifica el comportamiento del sistema entre dos ciclos de configuración. Un SGA basado en reglas espera a que alguien lo reconfigure cuando cambian las condiciones. Un SGA aumentado por IA se adapta dentro de unos límites preestablecidos: reasigna tareas, reequilibra la carga de trabajo y señala las desviaciones antes de que las horas límite se vean afectadas.
La IA funciona a base de datos. Si los límites del sistema no están claros, tal como se explica en Arquitectura de TI y escalabilidad del SGA, la IA aprende lo que no debe.
¿Por qué es importante la IA a la hora de elegir un SGA?
La IA se ha convertido en un criterio de selección, junto con la cobertura funcional, el trabajo de integración, la escalabilidad y el TCO. Esos aspectos siguen importando más que nunca. Nunca diremos lo contrario.
Los almacenes siempre han realizado el seguimiento de las operaciones en tiempo real. Eso no es nada nuevo. El entorno que los rodea sí lo es.
Hoy en día, un almacén coordina la automatización de varios proveedores, absorbe fluctuaciones de la productividad del 30 al 40 % entre trimestres y abastece a canales que no existían hace tres años. Todo eso con los mismos equipos de personas.
Las reglas estáticas y los ajustes manuales siguen funcionando. Simplemente requieren más tiempo del que la operación puede permitirse.
La IA ayuda al SGA a adaptarse a esa complejidad. Cuando un turno se queda corto de personal, se reajusta la asignación de tareas. Cuando hay un pico de volumen, las prioridades se reajustan sin necesidad de esperar a un planificador. Se guía a los operadores a través de las excepciones en lugar de derivarlas.
Es interesante analizar la hoja de ruta en materia de IA de un proveedor de SGA. Podría hacer aflorar algo más amplio: cuánto invierte el proveedor en su producto y hacia dónde dirige la innovación.
Una hoja de ruta clara y bien fundamentada en materia de IA es señal de una cultura activa de I+D. Una que sea vaga indica dónde acaba la ambición.
A la hora de seleccionar un SGA, conviene evaluar la IA no como función adicional, sino como un indicador de cómo la plataforma se adaptará a los cambios que se producirán en los próximos tres años.
¿Qué peso debería tener la IA a la hora de optar por un SGA?
La cobertura funcional, el nivel de integración, la escalabilidad de la arquitectura, el modelo de implementación y el coste total de propiedad siguen siendo los principales criterios de selección.
Un SGA que puntúe bien en IA, pero que falle en estos aspectos fundamentales no resistirá los retos que plantea la realidad operativa a largo plazo.
La IA no sustituye a estos criterios. Distingue a los proveedores cuando ya se cumplen esos aspectos fundamentales.
Dos plataformas con una profundidad funcional equivalente, una madurez de integración similar y una estructura de costes comparable pueden, no obstante, presentar diferencias significativas en cuanto a su capacidad para gestionar la variabilidad, guiar a los operarios y adaptarse a los cambios.
Es en la IA donde esa diferencia se hace patente.
Considera la IA un factor diferenciador, no un cimiento. Evalúa primero los cimientos.
Cinco casos de uso de la IA que ya se están aplicando en los almacenes
La IA en el SGA solo importa si marca una diferencia cuantificable en el almacén.
Productividad, precisión, capacidad de respuesta.
Abordamos la IA con pragmatismo. Lo que queremos decir es que, si no ahorra tiempo ni reduce los errores en las operaciones diarias, no tiene cabida en el producto.
La mayoría de los proveedores invierten en IA. Los niveles de madurez varían. Algunas empresas ofrecen prestaciones de producción en decenas de centros. Otros llevan a cabo proyectos piloto prometedores. Ambas son válidas siempre y cuando los resultados sean observables.
A continuación se presentan cinco ejemplos concretos que ya se están utilizando en producción.
1. Asignación dinámica de tareas:
Reequilibrio en tiempo real de la carga de trabajo entre operarios y robots.
Cuando se produce un pico de volumen o escasea el personal, el sistema redistribuye las tareas sin esperar a que intervenga un planificador. Una empresa de e-commerce pasó a una ejecución 100 % sin oleadas y redujo el plazo de entrega de los pedidos de dos días a dos horas.
2. Predicción de la carga de trabajo y anticipación de los retrasos
El sistema prevé los desequilibrios en la carga de trabajo antes de que se vean afectadas las horas límite.
Los responsables reasignan los recursos basándose en indicadores tempranos, no en alertas que se emiten demasiado tarde. El beneficio que se obtiene es operativo: menos plazos incumplidos y menos necesidad de hacer frente a situaciones de emergencia.
3. Visión por ordenador para la recepción y el control de calidad
La visión por IA identifica los códigos de barras previstos e imprevistos al instante en un palet.
Una sola operación redujo el tiempo de validación de los palets en un 60 %, eliminando así decenas de escaneos manuales por ciclo. La misma tarea, menos tiempo y menos errores.
4. Orientación contextual para los operarios
Los asistentes de IA sugieren la siguiente acción lógica en el idioma del operario.
El personal temporal se pone al día en cuestión de días, y no de semanas. Los turnos de noche se desarrollan con menos errores cuando no hay operarios con experiencia disponibles.
5. Asignación de huecos en función de la demanda
La ubicación de los productos se recalcula dinámicamente en función de la rotación, la estacionalidad y la congestión.
Los planes de asignación de huecos estáticos quedan obsoletos en cuestión de semanas. La asignación de huecos basada en IA se ajusta continuamente, lo que reduce el tiempo de desplazamiento en las zonas de picking.
Qué preguntan realmente los responsables sobre la IA integrada en los SGA
Cuando la IA se introduce en la conversación sobre el SGA, los responsables de TI y de la cadena de suministro suelen plantear las mismas cuatro preocupaciones.
Son preguntas lógicas. A continuación explicamos qué pensamos sobre ello.
¿Cómo podemos saber que esto es real y no puro marketing?
Pide pruebas de que funciona. ¿Qué decisiones se automatizan actualmente? ¿De qué datos se alimentan y con qué frecuencia se actualizan? Un proveedor que puede mostrar las intervenciones realizadas en las últimas 48 horas se encuentra en una situación muy diferente a la de uno que se limita a mostrarte una hoja de ruta.
¿Reducirá la IA nuestra dependencia de los expertos clave?
Gradualmente. La IA no sustituye a la competencia experta. Permite compartirla. La ejecución guiada hace que los turnos de noche no dependan de una sola persona. Los nuevos empleados se ponen al día con mayor rapidez. No se reduce la plantilla, sino que lo que se reduce es la debilidad operativa.
¿Complicará esto nuestro entorno informático?
Si se basa en una arquitectura limpia, ocurrirá todo lo contrario. Un sistema que anticipa los problemas genera menos actualizaciones de emergencia y menos llamadas urgentes. La verdadera pregunta es si la IA del proveedor está integrada en el SGA o si se ha añadido como una capa independiente que supone otra integración más que se debe gestionar.
¿Cómo funcionará la IA de mi SGA con el resto de mis sistemas?
Hoy en día, la mayor parte de las IA funcionan de forma aislada por herramienta. El siguiente paso son las IA especializadas que intercambian decisiones a través de protocolos abiertos. Pregunta al proveedor si está trabajando para lograr la interoperabilidad o si está creando otro sistema cerrado.
¿Cómo se evalúa la madurez de la IA en un SGA?
Una vez abordadas las preocupaciones, llega el turno del método.
Ningún proveedor cumple todos los requisitos de madurez en materia de IA. El mercado evoluciona rápidamente y los niveles de madurez varían. Lo que importa durante la evaluación es la calidad de la conversación.
Son cinco las preguntas que te ayudan a comprender cuál es la situación real de un proveedor de SGA.
| Punto de interés | Qué pone de manifiesto la respuesta |
| ¿De qué datos se alimenta vuestra IA y con qué frecuencia se actualizan? | Si la IA funciona con indicadores operativas en tiempo real o con instantáneas estáticas. |
| ¿Se puede cambiar una prioridad durante la demo y ver cómo se adapta el sistema? | Si la IA se adapta al flujo de trabajo o requiere una reconfiguración. |
| ¿Cómo interactúa vuestra IA con la inteligencia de otros sistemas? | Si el proveedor apuesta por una IA colaborativa o crea otro silo. |
| ¿Podéis explicar la lógica que subyace a esta recomendación concreta? | Si la IA se puede explicar y anular en situaciones críticas. |
| ¿Cómo gestionáis la seguridad de los datos y la auditabilidad en lo que respecta a la IA? | Si el proveedor ha abordado la gobernanza de la TI o lo ha dejado para más adelante. |
Un proveedor que responde con honestidad sobre las limitaciones actuales es más creíble que uno que afirma poder hacerlo todo. La transparencia sobre el grado de madurez de la IA dice tanto del proveedor como de las propias prestaciones.
La IA necesita un SGA que se mantenga bajo control
La IA amplifica todo lo que subyace. Un SGA estructurado se vuelve más inteligente con el tiempo. Uno desorganizado genera respuestas incorrectas con total seguridad. Y una IA entrenada con patrones que datan de dos años antes de la COVID se optimizará para un mundo que ya no existe.
La calidad y la actualidad de los datos son requisitos previos innegociables.
Aún queda un cambio por delante. Hoy en día, la mayor parte de la IA en la gestión de almacenes funciona de forma aislada. El SGA se encarga de la ejecución. El ERP se encarga del aspecto económico. El TMS se encarga del transporte. Cada uno analiza su propio ámbito. Resulta útil, pero es un enfoque en silos.
El siguiente paso es la inteligencia colaborativa: IA especializadas que intercambian decisiones a través de protocolos abiertos como A2A. A2A (Agent-to-Agent), un protocolo abierto para la interoperabilidad de agentes de IA compatible actualmente con Google y un número cada vez mayor de proveedores.
Los proveedores que trabajan en esta dirección están haciendo una apuesta estructural que diferenciará las plataformas en los próximos cinco años.
Para que la IA cumpla su cometido en esa trayectoria, el SGA debe cumplir tres condiciones:
- La arquitectura admite flujos de datos continuos entre sistemas, no intercambios por lotes
- El SGA puede coordinar entornos de automatización mixtos conectando cintas transportadoras, robots y sistemas goods-to-person sin depender de un único proveedor de equipamiento. La forma en que un SGA gestiona el grado de preparación de la automatización determina si la IA puede coordinar todo el funcionamiento.
- El modelo de despliegue admite actualizaciones frecuentes de la IA sin interrupciones. Las ventajas e inconvenientes entre un SGA en la nube o local determinan directamente a rapidez con la que las prestaciones de la IA llegan al almacén.