LEAFIO para Progressive Grocer: Repensando el futuro del reabastecimiento de productos de alimentación

Una cadena de supermercados puede automatizar todos los pedidos de reposición que envía y, aun así, hacer que alguien valide manualmente cada uno de ellos. Esa brecha entre lo que un sistema ya es capaz de hacer y lo que la organización le permite realizar es donde actualmente reside el verdadero trabajo.

Recientemente, *Progressive Grocer* me pidió que ofreciera mi perspectiva sobre el rumbo que está tomando la reposición de mercancías en el sector de la alimentación, para un artículo publicado este mes. Dicho artículo abordó gran parte de esa brecha, pero no toda. A continuación, analizo más a fondo los aspectos económicos, el marco de trabajo y los cambios operativos que subyacen a esta cuestión.

Puede leer el artículo original de Progressive Grocer aquí: Aprovechando al máximo el reabastecimiento.

La mayoría de las cadenas de supermercados con las que colaboramos ya han automatizado los procesos básicos. Los pedidos se generan automáticamente y las previsiones se ejecutan discretamente en segundo plano. Lo que tarda más en cambiar es el flujo de trabajo asociado a dichas recomendaciones, diseñado para un mundo anterior a la IA. Por lo general, ahí es donde reside el verdadero cuello de botella, y no en el modelo en sí.

Una vez superado ese obstáculo, los beneficios se hacen patentes rápidamente. En Local Discounter, nuestra automatización del reabastecimiento redujo en un 80 % la carga de trabajo que suponía realizar pedidos a nivel de tienda. En Daily Supermarkets, la automatización genera ya el 99,5 % de los pedidos sin intervención manual alguna. Estas ventajas actúan en ambos sentidos: garantizar la disponibilidad es importante, pero también lo es evitar el exceso de inventario que inmoviliza capital circulante de forma silenciosa y genera desperdicios.

El mayor beneficio se manifiesta con el paso del tiempo, a medida que el minorista crece. La complejidad operativa no tiene por qué aumentar al mismo ritmo que la red de tiendas. La toma de decisiones autónoma permite a una cadena dar soporte a más tiendas sin necesidad de incrementar la plantilla de planificación al mismo ritmo. 7/23, uno de nuestros socios minoristas de larga trayectoria, pasó de tener unas 150 tiendas a más de 540 en un periodo de cuatro años. Durante todo ese proceso de crecimiento, mantuvo el mismo modelo de reabastecimiento. La red se triplicó con creces sin necesidad de rediseñar el proceso en cada etapa.

El verdadero retorno del reabastecimiento se refleja en la capacidad de la organización para absorber el crecimiento sin un aumento proporcional de la complejidad operativa. No se trata solo de lo que aparece en un informe de inventario.

Desde un punto de vista técnico, el reabastecimiento rutinario ya es altamente automatizable. Los sistemas pueden prever la demanda, generar pedidos y enviarlos a los proveedores sin intervención humana. La cuestión más compleja es dónde debería detenerse dicha autonomía.

Decidir qué decisiones puede tomar un sistema de IA por sí mismo depende de un marco de trabajo específico que utilizo con mis clientes.

Cuatro preguntas determinan dónde debe residir la autonomía:

• ¿Con qué frecuencia se toma la decisión?
• ¿Qué tan predecible es el resultado?
• ¿Qué tan fácil es revertirla si el sistema se equivoca?
• ¿Cuál es el costo real de una decisión errónea?

A medida que aumentan el riesgo, la imprevisibilidad o el coste del error, la supervisión humana cobra mayor importancia. La autonomía debe ganarse decisión a decisión, no activarse de golpe para toda una red.

La responsabilidad es el verdadero obstáculo para la planificación impulsada por IA. Cuando un pedido automatizado presenta problemas, alguien debe responder por ello, y la mayoría de las organizaciones no ha asignado claramente esa responsabilidad. He visto a planificadores seguir verificando minuciosamente un sistema de IA que ha funcionado correctamente durante meses; nadie les ha indicado que es seguro dejar de hacerlo.

La pregunta más útil es cómo logran las organizaciones cerrar esa brecha. La respuesta radica en establecer una secuencia adecuada, no en imponer un mandato. Se debe comenzar con decisiones rutinarias y predecibles donde el riesgo de error sea bajo, mostrando a los planificadores —en un lenguaje empresarial claro— qué factores motivaron cada recomendación específica. El alcance solo debe ampliarse una vez que los resultados se validen frente a las métricas en las que el equipo ya confía, y tras establecer reglas claras para escalar cualquier situación inusual. Si se altera este orden y se implementa la automatización completa antes de definir quién asume la responsabilidad, el proyecto suele estancarse. Ese fracaso rara vez se debe al modelo en sí; casi siempre se debe a la gestión del proceso de implementación.

A medida que más decisiones rutinarias se integran en el sistema, la labor del planificador evoluciona en consecuencia. Comenté a *Progressive Grocer* que el planificador del futuro gestionará un sistema de toma de decisiones, no una hoja de cálculo. El cambio más concreto radica en qué tipo de experiencia resulta realmente valiosa.

Hoy en día, el valor de un planificador suele derivar de conocer a fondo, casi por intuición, cada referencia (SKU) individual. En los próximos años, la habilidad más valiosa será comprender por qué un modelo se comporta de la manera en que lo hace. También implicará traducir los objetivos empresariales —que pueden variar— en restricciones sobre las que el sistema pueda actuar. Los planificadores que mejor desempeñan esta función saben interpretar correctamente el sistema: distinguen cuándo este dispone de suficiente contexto para decidir por sí solo y cuándo no. Ese criterio profesional tiene más valor que la constante anulación de las decisiones del sistema o su aceptación ciega.

Una mejor previsión solo llega hasta cierto punto para un minorista. La oportunidad más importante reside en vincular esa información con las decisiones operativas derivadas de ella, abarcando la gestión de inventario, el surtido y la ejecución en el punto de venta.

En conjunto, estos cambios apuntan a algo de mayor envergadura que la simple automatización del reabastecimiento. Los minoristas están transformando no solo qué decisiones puede tomar la IA, sino también cómo se interconectan dichas decisiones y cómo se amplía la autonomía.

Esa es la dirección que estamos tomando en LEAFIO AI: desarrollar una plataforma de toma de decisiones autónoma en la que las decisiones del sector minorista adquieren autonomía de forma progresiva. La demanda, el inventario, el surtido y la ejecución en el punto de venta se retroalimentan entre sí, de modo que cada decisión cuenta con el contexto del resto de la operación. La autonomía también depende de la retroalimentación: es necesario contrastar una decisión con los resultados reales para que la siguiente parta de un contexto más completo que la anterior.