¿Qué es la gestión de stock con IA? Una guía para tomar decisiones más inteligentes sobre el inventario

Durante muchos años, la gestión de stock se basó en una metodología sencilla que tenía en cuenta medias históricas, reservas de seguridad y la intuición de los planificadores para cubrir cualquier hueco que quedara. Esto funcionaba bien en un entorno donde la demanda era estable y la cadena de suministro predecible. Sin embargo, los tiempos han cambiado y hoy en día ya no se puede contar con ninguna de estas dos cosas. Las interrupciones en la cadena de suministro, los cambios en la demanda y unas cadenas de suministro globales más complejas han puesto de manifiesto las carencias de las antiguas técnicas de previsión y han llevado a las empresas a buscar un nuevo camino a seguir.

Uno de los enfoques alternativos es la gestión de stock basada en la IA. No se trata simplemente de añadir otro nombre al ecosistema existente de gestión de existencias; es un paradigma totalmente nuevo de seguimiento y previsión. Con la presión actual sobre los gestores de stock, los responsables de la cadena de suministro y los equipos de operaciones para hacer más con menos, cada vez es más necesario entender qué es y qué no es el control de inventario con Inteligencia Artificial.

¿Qué es la gestión de stock con IA?

La gestión de stock con IA utiliza la inteligencia artificial y el machine learning para tomar decisiones sobre el nivel de stock y su reposición, basándose en datos que cambian constantemente, en lugar de seguir reglas establecidas hace meses o incluso años que están desfasadas. El control de inventario con métodos convencionales se basa en puntos de reposición estáticos y revisiones periódicas fijas. El software de gestión de stock con IA analiza tanto datos en tiempo real como históricos, como las tendencias de ventas, la estacionalidad, las promociones e incluso factores externos como las condiciones meteorológicas y el entorno económico.

En otras palabras, mientras que la gestión de stock tradicional se pregunta: «¿Qué ha funcionado en el pasado?», con la IA se pregunta: «¿Qué está pasando ahora mismo y qué pasará después?». Esta distinción tiene mucho más peso de lo que puede parecer a primera vista. Aunque una regla determinada fuera válida hace un año, puede ir perdiendo poco a poco su precisión debido a los cambios en el comportamiento de los consumidores, los plazos de entrega de los proveedores o la situación del mercado.

Cómo funciona la gestión de stock tradicional

El enfoque tradicional de la gestión de stock se basa en reglas. Cada vez que las existencias caen por debajo de un nivel mínimo predefinido, se realiza un pedido de más stock, mientras que se cuenta con un stock de seguridad para ayudar a gestionar los cambios en la demanda y se lleva a cabo una revisión periódica por parte del planificador. Se trata de un sistema de naturaleza principalmente reactiva. El stock solo se repone cuando cae por debajo de un cierto nivel, basándose en supuestos que podrían estar totalmente desfasados.

Para el responsable de almacén o el planificador de producción que solo maneja un número reducido de referencias (SKU) y una demanda relativamente estable, este método puede resultar muy eficaz durante mucho tiempo. Es fácil de entender y poner en práctica, y ni siquiera requiere ningún programa especial. El problema es que la eficacia de todo este proceso dependerá de la frecuencia y el rigor con que se revisen las reglas.

Esta estrategia puede seguir funcionando de manera muy eficiente en condiciones estables, y muchas empresas la han utilizado con éxito para gestionar sus inventarios. La cuestión es que el proceso requiere mantener esas reglas actualizadas y disponer de tiempo suficiente para revisarlas, ya que la variedad de productos aumenta constantemente.

Por qué la gestión de stock tradicional ya no es suficiente

Cada vez hay menos casos en los que el control de inventario basado en reglas resulte una práctica eficaz. Es más difícil predecir los plazos de entrega debido a las continuas interrupciones en las cadenas de suministro globales. Las demandas de los clientes fluctúan más rápido y con menos antelación debido a las tendencias sociales cambiantes, las promociones y el cambio de un canal de venta a otro, factores que probablemente no se reflejen en un proceso de análisis trimestral. Hay más proveedores, más ubicaciones geográficas y, por lo tanto, más posibilidades de que se produzcan interrupciones en las cadenas de suministro que antes.

Las malas decisiones sobre el stock tienen dos caras. Tener más stock del necesario supone una carga para el capital circulante y el almacenamiento de productos que no se van a vender. Esto también afecta a los márgenes debido a los gastos de almacenamiento y, a la larga, a las amortizaciones. La falta de stock provoca pérdidas de ventas y, a largo plazo, que los clientes compren en otros sitios porque no encuentran los productos que buscan. Los puntos de reposición fijos y las previsiones manuales no pueden adaptarse con la rapidez suficiente para gestionar ambos riesgos, no porque a los planificadores les falte experiencia, sino porque la cantidad de datos y la velocidad a la que cambian han crecido más allá de lo que cualquiera puede revisar de forma realista a mano, SKU por SKU y revisión por revisión.

Cómo está transformando la IA la gestión del stock

La gestión de stock con IA utiliza el Machine Learning para analizar los datos de ventas, las tendencias, la estacionalidad, las promociones y otras variables, y detectar los cambios en la demanda incluso antes de que aparezcan en las cifras que normalmente preocuparían a un planificador.

La mayor fortaleza de los sistemas de IA es su velocidad y su capacidad para detectar tendencias a niveles inalcanzables para los humanos. Al usar un sistema basado en IA, puedes detectar cambios en la demanda de productos, las condiciones meteorológicas regionales y la actividad promocional mucho antes de lo que lo harías con un análisis manual. Esto es especialmente cierto para los responsables de tiendas que tienen cientos de referencias en diferentes establecimientos.

Las características clave de la gestión de stock con IA

Los sistemas de gestión de stock que usan IA no solo ofrecen mejores previsiones para la planificación. El siguiente nivel de desarrollo en este ámbito tiene que ver con el apoyo a la toma de decisiones y, cada vez más, con la ejecución automática de las decisiones hasta un límite acordado. En concreto, esto implica:

Ajustar dinámicamente el stock de seguridad en función de la situación de la demanda, en lugar de mantener un margen estático.

Detectar el stock de baja demanda y evitar así que se convierta en stock muerto en el almacén.

Reasignar el stock de acuerdo con los cambios en la demanda en las distintas ubicaciones.

Sugerir, o ejecutar hasta un límite establecido, decisiones de reposición sin demora.

Esta es la diferencia clave entre el método convencional y las técnicas más avanzadas. Un sistema capaz de ajustar las cantidades de los pedidos no tiene esa restricción, lo cual es una de las razones por las que la optimización de inventario y la gestión de stock con IA van cada vez más de la mano.

Ideas erróneas comunes sobre la gestión de stock con IA

A medida que se habla cada vez más de la gestión de stock mediante IA, siguen surgiendo algunos conceptos erróneos habituales. Vale la pena abordarlos directamente.

«La IA sustituye al planificador»

Al contrario, esto casi nunca ocurre en la práctica. Aunque la IA es excelente para procesar big data y descubrir patrones, siempre necesita a las personas para tomar decisiones sobre cuestiones que van más allá de los datos, como el establecimiento de una nueva colaboración empresarial, una futura iniciativa de marketing o un cambio en la estrategia empresarial. Las empresas que sacan mayor partido a la gestión de stock con IA aplican este enfoque para ayudar a sus planificadores, no para sustituirlos. Los planificadores definen el marco y toman decisiones en circunstancias extraordinarias, mientras que el sistema se encarga del análisis y la detección de patrones a gran escala.

«La gestión de stock con IA no es más que automatización»

La automatización es más ágil, pero también mucho más rígida. A diferencia de la automatización, la gestión de stock con IA adapta las reglas a las condiciones cambiantes, que vienen definidas por los datos. Por eso, no solo acelera el proceso de toma de decisiones, sino que lo transforma.

“La adopción de la gestión de stock mediante Inteligencia Artificial es «ponerlo todo en marcha de golpe»”

No es habitual implantar la gestión de stock con IA de una sola vez. Las empresas van incorporando poco a poco el apoyo a la toma de decisiones con IA en sus sistemas. Una de las áreas en las que suele implantarse primero este apoyo es la reposición, ya que implica decisiones que se pueden tomar repetidamente y las recomendaciones de la IA para estas decisiones pueden ser analizadas y aprobadas por un planificador antes de pasar a la acción.

«La gestión de stock con IA solo funciona para grandes organizaciones con enormes cantidades de datos»

Tener más datos puede ser útil, pero no es imprescindible. Las empresas medianas con una línea de productos clara y un historial de buenos resultados de ventas también pueden usar la IA en su gestión del inventario, sobre todo cuando la demanda fluctúa muy rápido.

Disponibilidad y calidad de los datos

La IA para la gestión de stock requiere datos buenos y precisos. Es necesario disponer de datos sobre ventas pasadas, inventario, plazos de entrega, promociones y otros datos relacionados para que el sistema pueda generar patrones. La falta de datos o los datos inexactos pueden reducir la eficacia de las recomendaciones generadas por el sistema de IA.

Esto no significa que las empresas necesiten datos perfectos para usar la IA. Pero es uno de los primeros pasos que deben dar antes de usarla.

En general, la gestión de stock con IA suele funcionar bastante bien con un historial de ventas de entre uno y dos años, ya que permite identificar el ciclo estacional completo y distinguir la demanda real de las variaciones aleatorias. También se puede usar un historial de ventas más corto, pero el sistema no tiene mucho de qué aprender y, por lo tanto, las primeras sugerencias que te dé hay que interpretarlas con mucho cuidado.

En el caso de los productos de los que se dispone de pocos o ningún dato histórico de ventas para el análisis, la situación es diferente, ya que el sistema no tiene forma de hacer una predicción precisa basada en datos históricos. En tales situaciones, la gestión de stock mediante IA utiliza otros criterios como base para realizar predicciones, como el rendimiento de productos similares u otros indicadores, hasta que el producto acumule un historial de ventas propio suficiente.

El futuro de la gestión de stock con IA

Cada vez está más claro por dónde sopla el viento en lo que respecta a los sistemas de inventario basados en IA. A las empresas que se ciñen a simples puntos de reabastecimiento y a previsiones manuales les resultará cada vez más difícil superar a la competencia que utiliza técnicas de gestión de stock proactivas y adaptativas, sobre todo a medida que las cadenas de suministro se vuelven más internacionales e impredecibles.

Esta es la visión que tenemos en Slimstock. Nuestra solución aprovecha las previsiones y la reposición basadas en IA, combinadas con la libertad de los planificadores para usar su criterio donde más se necesita, junto con capacidades más amplias en la planificación de la cadena de suministro. No se trata de dejar que los algoritmos tomen todas las decisiones; se trata de desarrollar un proceso que mejore y dé al planificador más tiempo para tomar las decisiones que requieren su criterio.

La brecha entre quienes adoptan la tecnología de IA y quienes esperan no hará más que ampliarse a medida que la IA madure. Para muchos responsables de la cadena de suministro, la cuestión no es si la IA tiene cabida en la gestión de inventarios, sino más bien cuándo pueden integrarla sin que interfiera en sus operaciones.

Se espera que, en el futuro, la IA pase de ser una ayuda en la toma de decisiones a ser cada vez más autónoma dentro de ciertos límites, mientras que el planificador se centrará más en gestionar las excepciones y tomar decisiones estratégicas. Las organizaciones que sienten ahora unas bases sólidas en cuanto a datos y procesos estarán mejor preparadas para sacar partido de esto en el futuro.

Ventajas de las operaciones «lean» (y qué medir)

La gestión de stock impulsada por la IA y los procesos «lean» tienen el mismo objetivo: minimizar el desperdicio. El desperdicio se manifiesta a través del exceso de inventario, la pérdida de tiempo en análisis manuales y las posibles pérdidas por falta de existencias. La gestión de stock basada en la IA ayuda a implementar procesos de gestión «lean», ya que proporciona al planificador información más precisa y sobre la demanda y las existencias disponibles. Como resultado, la decisión de mantener, reducir o reponer productos se toma en función de la situación actual, en lugar de basarse en datos estáticos.

Las empresas que evalúan el impacto de la IA en la gestión de stock suelen tener en cuenta algunas de estas métricas de rendimiento:

• Rotación de stock: la ‘velocidad’ con la que se venden los productos en un periodo determinado.
• Nivel de servicio: la proporción de solicitudes de los clientes que se satisfacen sin demora utilizando el stock disponible.
• Precisión de la previsión de la demanda: la correspondencia entre la demanda prevista y la real a lo largo del tiempo.
• Capital circulante inmovilizado en stock: los fondos bloqueados en las existencias que podrían haberse utilizado en otra cosa.
• Nivel de stock obsoleto: el stock que ya no se puede vender y hay que dar de baja.

Hacer un seguimiento constante de estos indicadores ayuda a las empresas a convertir la gestión de stock con IA de una inversión tecnológica en una mejora empresarial cuantificable. Además, contribuye a una planificación más amplia del stock y a la mejora continua en toda la organización.

El ejemplo de Aster Pharmacy, la principal organización de servicios sanitarios integrados de la región, con 338 tiendas en los países del CCG, es ilustrativo en este sentido. Desde que Aster implementó la solución Slim4 de Slimstock, logró una reducción de los días de inventario (capital circulante) del 19%, una mejora en el nivel de disponibilidad de existencias del 4% y una disminución del exceso de inventario del 26% en los dos meses siguientes a la implementación. Estos resultados abarcan a la vez la gestión del capital circulante, el nivel de servicio y el nivel de existencias muertas.

Poniéndolo todo en perspectiva

La gestión de stock mediante IA no implica eliminar el factor humano del proceso de planificación de existencias. Más bien, se trata de un esfuerzo por proporcionar a los planificadores la información que necesitan para tomar mejores decisiones de forma más eficiente y precisa. A medida que el mercado se vuelve cada vez más incierto y las cadenas de suministro se complican, el cambio de una gestión de stock reactiva a una predictiva ya no es una ventaja, sino una necesidad.