De la predicción a la acción: La IA consigue cadenas de suministro más inteligentes
La IA puede hacer más que mejorar las previsiones de demanda, pero su valor depende de lo bien integrada que esté con el conocimiento de la gestión de operaciones, las herramientas de optimización y el criterio humano.
En JD.com, una de las mayores empresas de comercio electrónico de China, la inteligencia artificial no solo se utiliza para predecir lo que podrían comprar los clientes, sino también para ayudar a gestionar lo que ocurre dentro del almacén. Su flota de robots móviles puede ajustar sus rutas y tareas a medida que cambian el volumen de pedidos o la disponibilidad de las máquinas, lo que permite que las operaciones físicas de su cadena de suministro respondan de forma dinámica a condiciones cambiantes.
JD.com es solo uno de los varios ejemplos reales que se destacan en una nueva declaración de visión publicada en Manufacturing & Service Operations Management. El artículo reúne a 42 investigadores de gestión de operaciones, profesionales del sector y líderes tecnológicos, entre ellos Joren Gijsbrechts, profesor asociado de Gestión de Operaciones en Esade. Los investigadores consideran que ejemplos como el de JD.com ilustran un punto importante: la IA es más valiosa cuando se integra con el conocimiento de la gestión de operaciones en lugar de utilizarse como una tecnología independiente.
El problema del inventario
Las cadenas de suministro nunca son estáticas. Hay que tomar decisiones en tiempo real sobre cuánto stock mantener, dónde colocarlo y cómo responder a los cambios en la demanda y la oferta. La IA resulta útil en este ámbito porque puede procesar mucha más información e identificar patrones mucho más rápido que los enfoques tradicionales, pero los investigadores sostienen que esto no es todo cuando se trata de las operaciones de la cadena de suministro.
Una previsión de demanda no es una decisión. Aunque la IA haga una predicción muy precisa, esta debe traducirse en una acción que tenga en cuenta el inventario, los niveles de servicio, los plazos de entrega, los recursos y las prioridades de riesgo de la empresa. Los autores del artículo conciben la IA dentro de un marco más amplio de gestión de operaciones. En otras palabras, los algoritmos pueden aprender y adaptarse, pero aun así deben operar dentro de las realidades físicas de la cadena de suministro.
Los robots de almacén de JD.com ofrecen un ejemplo tangible. Su capacidad para ajustar rutas y tareas a medida que cambian el volumen de pedidos o la disponibilidad de las máquinas muestra cómo la IA puede operar dentro de las realidades físicas de una cadena de suministro, respondiendo a condiciones cambiantes mediante decisiones operativas en lugar de limitarse a producir información para que un humano la interprete.
De predecir la demanda a tomar decisiones
El conjunto del sector de la cadena de suministro ha invertido sustancialmente en mejorar las previsiones. Pero una mayor precisión predictiva no siempre se traduce en mejores decisiones. Pequeñas diferencias en una previsión pueden dar lugar a resultados muy distintos cuando las decisiones implican restricciones complejas o cantidades discretas.
Por ello, los investigadores abogan por una mayor integración del aprendizaje automático con herramientas de optimización y simulación. Como explican los coautores, “el conocimiento del dominio de la Gestión de Operaciones define el esqueleto … objetivos, restricciones, compromisos, mientras que la IA trabaja dentro de ese marco para aprender y adaptarse.”
De este modo, la IA podría acelerar la forma en que los responsables de la cadena de suministro utilizan las sofisticadas herramientas existentes. Los grandes modelos de lenguaje (LLM) podrían permitir a los planificadores interactuar con los sistemas de optimización mediante lenguaje natural, lo que potencialmente reduciría el tiempo necesario para analizar escenarios o actualizar modelos. Por ejemplo, en lugar de tener que entender un software técnico, un planificador podría simplemente preguntar a la IA qué ocurriría si la demanda aumentara un 20 %. Sin embargo, los investigadores advierten de que las alucinaciones, las restricciones omitidas y los resultados inconsistentes implican que los LLM deben trabajar junto con modelos matemáticos, con las salvaguardas adecuadas.
El problema del inventario y el DRL
El aprendizaje por refuerzo profundo, o DRL, por sus siglas en inglés, es un enfoque alternativo para utilizar la IA en el control de inventarios. Se diferencia de la previsión convencional y utiliza el aprendizaje por refuerzo, que se centra en decisiones tomadas de forma repetida a lo largo del tiempo. El sistema de IA aprende políticas mediante ensayo y error, respondiendo a condiciones cambiantes de demanda y oferta según recompensas definidas.
Esto podría funcionar especialmente bien en entornos con inventarios complejos y condiciones que cambian con rapidez. Pero, como suele ocurrir con el uso de la IA, existen limitaciones. Los investigadores señalan que el entrenamiento requiere enormes cantidades de datos y escenarios simulados, y que las ‘recompensas’ deben alinearse con las funciones y los objetivos del negocio. Además, cuanto más complejo es el modelo, más difícil resulta interpretarlo y confiar en él.
Teniendo en cuenta estos factores, los investigadores consideran que el DRL funciona mejor en combinación con la experiencia humana, y no como sustituto de esta. La automatización podría ser posible para tareas estables y repetitivas con pocas variables. Mientras tanto, los humanos podrían seguir controlando la toma de decisiones en circunstancias excepcionales, ejercer la supervisión y decidir sobre los compromisos estratégicos cuando sea necesario. Con la combinación adecuada de criterio humano e IA, afirman los coautores, el DRL podría convertirse en “un socio de confianza para construir cadenas de suministro más rápidas, más inteligentes y más resilientes.”
Adopción real de la IA
JD.com ilustra cómo este principio ya está llegando a la cadena de suministro física. Sus robots no operan de forma aislada: forman parte de un sistema de cumplimiento de pedidos más amplio en el que la IA ayuda a traducir información cambiante en acciones operativas. El artículo señala también avances similares en empresas como Amazon, así como aplicaciones habilitadas por IA en planificación, inventario y logística.
El mercado en general se mueve en la misma dirección. Una encuesta de McKinsey de 2025 reveló que el 75 % de las organizaciones de la cadena de suministro estaban planificando, diseñando o pilotando aplicaciones de IA, aunque solo el 19 % las desplegaba a gran escala. La previsión de la demanda, la optimización del inventario y la planificación del suministro figuraban entre las principales aplicaciones de IA generativa.
El reto consiste, por tanto, en pasar de demostrar lo que la IA puede hacer a integrarla con éxito en las operaciones existentes.
La IA sigue necesitando a los humanos
Utilizar la IA para automatizar las cadenas de suministro no significa eliminar la participación humana.
Por ejemplo, JD.com ha anunciado planes ambiciosos para escalar su cadena de suministro automatizada. Quiere adquirir 3 millones de robots, 1 millón de vehículos autónomos y 100.000 drones de reparto en los próximos cinco años. Pero los trabajadores humanos seguirán siendo indispensables. La empresa emplea a 700.000 personas en reparto y logística. El plan consiste en reciclar profesionalmente al personal de reparto y de almacén para que asuma funciones más técnicas.
El artículo sostiene que, a medida que aumenta la automatización, los trabajadores pueden dedicar menos tiempo a tareas repetitivas y más a supervisar sistemas, resolver anomalías y coordinar procesos automatizados.
Los sistemas de IA pueden fallar cuando las condiciones no siguen los patrones con los que fueron entrenados. Por ello, la supervisión humana es esencial. Los investigadores desaconsejan la automatización excesiva y recomiendan una implantación gradual, pruebas de estrés y mecanismos de anulación humana.
La alianza entre humanos e IA
Los planes de automatización de JD.com ilustran cómo la IA puede cambiar las operaciones de la cadena de suministro: no solo produciendo mejores previsiones, sino conectando la inteligencia con la acción.
La visión colaborativa de los investigadores es que esta integración será cada vez más sofisticada. Es posible que la IA acabe apoyando o automatizando más decisiones de inventario, planificación y ejecución, pero los humanos seguirán teniendo que definir los objetivos, las restricciones y los principios que las rigen. Las empresas tendrán que comprender los límites de sus sistemas y decidir quién es responsable cuando un sistema automatizado se equivoca.
La cuestión para los profesionales de la cadena de suministro es dónde puede la IA mejorar realmente las decisiones preservando al mismo tiempo el criterio humano y la resiliencia operativa que las cadenas de suministro complejas siguen necesitando.