Una mejor previsión de la demanda no acabará con sus roturas de stock. La ejecución, sí

La reacción refleja es casi siempre la misma: afinar la previsión. Más datos, mejores modelos, detección de la demanda en tiempo real. Es un instinto razonable, y es a donde va la mayor parte de los presupuestos de IA para la cadena de suministro. También es la razón por la que tantos problemas de disponibilidad se resisten a desaparecer.

Una previsión más precisa merece la pena. Pero una previsión es una cifra, no un resultado. Entre la predicción y el producto que un cliente puede comprar de verdad hay una cadena de decisiones, restricciones duras y aprobaciones humanas. Ahí es donde se gana o se pierde la mayor parte del valor. Mejore la previsión, deje esa cadena intacta y la disponibilidad se quedará más o menos donde estaba.

La trampa de la precisión

La previsión tiene rendimientos decrecientes que los equipos rara vez tienen en cuenta. Pasar la precisión de la previsión de una referencia del 78 al 82 % parece un avance en un cuadro de mando. En el lineal, a menudo no cambia nada, porque la restricción que manda nunca fue la predicción.

Piense en lo que decide realmente si esa referencia estará disponible la semana que viene. El proveedor envía en cajas de 48 cuando usted necesita 30. El lead time es de nueve días y su ciclo de revisión es semanal, así que la señal útil llega cuando la ventana de pedido ya se ha cerrado. La capacidad del lineal limita cuánto puede tener, sea cual sea la demanda. Un comprador de categoría que desconfía del sistema redondea al alza el pedido sugerido «por si acaso» y reconstruye sin hacer ruido el exceso de stock que se intentaba eliminar.

Nada de esto son problemas de previsión. Una previsión perfecta que alimenta un proceso incapaz de actuar sobre ella produce la misma rotura de stock, solo que con mejor analítica. Es la conclusión incómoda detrás de las cifras de IHL: menos de una cuarta parte de los retailers ha desplegado IA y machine learning en las áreas más afectadas por la distorsión del inventario. La brecha no es la calidad del modelo. Es todo lo que ocurre después de que el modelo se ejecuta.

El verdadero trabajo es la ejecución

La disponibilidad se decide en el momento en que se lanza un pedido, con las restricciones del mundo real, no en el momento en que se genera una previsión. Es la parte del ciclo que la mayoría de las herramientas trata como algo secundario.

Hacerlo bien significa convertir la previsión en un pedido concreto y ejecutable para cada referencia y ubicación, un pedido que ya respete las cantidades mínimas de pedido, los lead times, la capacidad del almacén y del lineal, la fiabilidad del proveedor y la vida útil. Significa recalcular cuando la realidad se aparta del plan, y hacerlo con una cadencia lo bastante rápida para que importe. Y significa dar a los planificadores recomendaciones en las que confíen lo suficiente como para aprobarlas sin cuestionarlas, de modo que la automatización se use de verdad en lugar de modificarse.

Es un trabajo deliberadamente poco vistoso. Y es donde la rotura de stock se evita o se crea.

Por qué el software por sí solo tampoco cierra la brecha

Esta es la trampa del otro lado. Compre una plataforma de previsión y reposición, acóplela a un proceso que no cambia y obtendrá mejores recomendaciones que la gente ignora. La herramienta se queda en el cajón, el comprador sigue modificándola y la empresa concluye que «la IA no funcionó», cuando la IA nunca fue la restricción.

Cerrar el ciclo es tanto un cambio del modelo operativo como un cambio tecnológico. Tiene que cambiar la cadencia de revisión. Tienen que cambiar las funciones y los permisos de aprobación. Los datos que alimentan el motor, normalmente repartidos entre el ERP, hojas de cálculo de planificación y sistemas de proveedores, tienen que unificarse en una única versión de la verdad antes de que se pueda confiar en cualquier modelo. Sáltese eso y el mejor algoritmo del mundo se quedará sin usar.

Aquí es donde el enfoque de Logio se diferencia del de un proveedor de software puro. Encontramos el problema en los datos, rediseñamos el proceso a su alrededor y construimos el software que lo ejecuta, de principio a fin. La consultoría y la ingeniería son el mismo encargo, no un traspaso entre una presentación de estrategia y una licencia de producto. Esa es la diferencia entre un plan y un resultado.

Cómo es cerrar el ciclo en la práctica

Veritico STOCK está construido precisamente para este paso de la predicción a la acción. Empieza con la previsión de la demanda por referencia, tienda y día, y lleva esa señal a través de la política de inventario hasta una reposición automática que respeta las restricciones anteriores. Los planificadores aprueban el plan en lugar de montarlo a mano. Previsión, inventario y reposición funcionan como un único ciclo continuo en lugar de tres pasos desconectados.

Los resultados aparecen donde deben, en la disponibilidad y en el capital circulante liberado, no en un porcentaje de precisión:

• Dr. Max implantó Veritico STOCK en una red de 490 farmacias para automatizar los pedidos y la planificación de entregas. La facturación subió un 5 %, la disponibilidad de producto mejoró un 4 % y cada farmacia ahorró unas dos horas diarias que antes dedicaba a pedidos manuales.
• COOP Jednota Mikulov sustituyó la gestión manual de pedidos por Veritico STOCK, elevó la disponibilidad de stock del 96 al 98 % y redujo un 90 % el tiempo necesario para crear pedidos.
• Albert desarrolla con Logio desde 2017 una plataforma automatizada de inventario y pedidos, hoy en funcionamiento en más de 300 tiendas sobre una única fuente de verdad, lo que se traduce en lineales más llenos y productos más frescos.

Incluso en un encargo de previsión pura se mantiene el patrón. Cuando Logio ayudó a SKF a construir un modelo de ventas a corto plazo durante la disrupción de la COVID‑19, la precisión llegó hasta el 90 %, pero el valor solo se materializó porque la previsión se integró en la rutina de planificación, de modo que los equipos de ventas y de suministro actuaron sobre una misma visión compartida. La cifra importó porque el proceso cambió a su alrededor.

La pregunta que merece la pena hacerse

Si su disponibilidad se ha estancado pese a mejores datos y mejores modelos, probablemente la previsión no es su problema. La mejor pregunta no es «¿qué precisión tiene nuestra previsión?», sino «¿qué parte de esa previsión se convierte realmente en el pedido correcto, a tiempo y con nuestras restricciones reales?».

Respóndala con honestidad y normalmente descubrirá que la oportunidad nunca estuvo en la predicción. Estaba en la ejecución que la predicción debía impulsar.