Por: Felice Miller, líder de estrategia de negocios, cadena de suministro y operaciones, venta minorista mundial, bienes de consumo y juegos, Microsoft
Oliver Guy, arquitecto de la industria global, bienes de consumo y comercio minorista, Microsoft
Paul Manikas, arquitecto principal de la industria, entrega de soluciones para la industria, Microsoft
El desafío de la cadena de suministro continúa
Los minoristas y las empresas de bienes de consumo se han enfrentado a cambios constantes, en especial en las cadenas de suministro. Han evolucionado nuevos modelos de venta y distribución, como las ventas online, los enfoques omnicanal, las ventas directas al consumidor y los ecosistemas complejos. Las interrupciones externas son frecuentes, y el 90% de los líderes informan de desafíos en la cadena de suministro en 20241.
La agilidad y la resiliencia de la cadena de suministro dependen de una toma de decisiones rápida y precisa. Las malas decisiones o las respuestas lentas conducen al incumplimiento de las promesas, lo que afecta de manera negativa a los ingresos y la satisfacción del cliente, y aumenta los costos debido a envíos ineficientes y niveles de inventario más altos.
Para hacer frente a estos desafíos, existe una necesidad urgente de mejorar tanto la calidad como la velocidad de la toma de decisiones en la gestión de la cadena de suministro.
Presentamos a los agentes y los sistemas agénticos
Los sistemas agénticos ofrecen una oportunidad revolucionaria para mejorar la calidad y la velocidad de la toma de decisiones. Activados por eventos de negocio, los agentes recopilan y analizan datos relevantes para actuar de manera directa o recomendar acciones.
Microsoft anunció la capacidad de crear agentes autónomos por medio de Microsoft Copilot Studio durante Microsoft Ignite en octubre de 2024. En el contexto de una cadena de suministro, esta capacidad podría, por ejemplo, permitir la identificación y la acción sobre fuentes de suministro alternativas en caso de retraso en el envío, con una intervención humana mínima.
Visión general de los sistemas agénticos
En el contexto de los sistemas agénticos, un agente se refiere a un sistema capaz de tomar decisiones y actuar de forma autónoma. Estos sistemas pueden perseguir objetivos de forma independiente sin intervención humana directa. Los sistemas agénticos tienen las siguientes características:
- Autonomía. Operan de forma independiente, toman decisiones y ejecutan tareas sin supervisión humana, y escalan a un humano cuando es necesario.
- Consciencia del contexto. Interpretan los datos y ajustan las acciones en consecuencia.
- Orientación a objetivos. Pueden aspirar a la consecución de objetivos específicos.
- Aprendizaje. Mejoran su rendimiento mediante el uso de nuevos datos y resultados anteriores.
- Razonamiento y toma de decisiones. Los agentes utilizan el razonamiento para procesar información, inferir relaciones y tomar decisiones.
- Percepción y sensación. Los agentes perciben su entorno a través de sensores u otros medios, lo que les permite ser activados por cambios en el proceso.
- Habilidades y capacidades. Los agentes poseen habilidades o capacidades específicas para realizar tareas. Estas habilidades se pueden aprender o programar.
- Memoria. La memoria de un agente almacena información relevante para la toma de decisiones y acciones futuras.
Los agentes pueden ser programados para perseguir objetivos específicos una vez activados. Por ejemplo, al buscar una fuente de suministro alternativa, pueden priorizar la minimización de costos en lugar de seleccionar la primera opción disponible.
Los agentes ya han comenzado a entregar valor a los clientes, por ejemplo, un cliente tiene agentes autónomos que revisan las facturas de envío con más casos de uso planeados. Con el tiempo, los agentes se pueden desarrollar para diversas tareas en toda la organización, con Microsoft Copilot que sirve como «interfaz de usuario para la IA».
¿Hemos escuchado esto antes?
Esto puede sonar como RPA (Automatización Robótica de Procesos). Pero también pueden preguntarse en qué se diferencia un agente de un copiloto.
La RPA emplea la automatización basada en reglas, mientras que los agentes mejoran esta capacidad mediante el razonamiento sobre datos y el uso de grandes modelos de lenguaje (LLM, por sus siglas en inglés) para extraer información relevante de conjuntos de datos extensos. Mientras que una solución basada en RPA es rígida en términos de los escenarios que puede abordar y requiere programación para realizar cambios, una solución de automatización de procesos basada en agentes puede aprender y mejorar con el tiempo, lo que resulta en resultados más efectivos.
Los agentes operan de forma autónoma, a diferencia de los copilotos que asisten a los usuarios en tiempo real. Un agente puede trabajar dentro de Copilot, alineándose con la visión de Microsoft de Copilot como la interfaz de usuario para la IA. En el futuro, los usuarios tendrán un copiloto, pero varios agentes, muchos de los cuales trabajarán de forma autónoma entre bastidores.
Cómo pueden operar los agentes en la cadena de suministro minorista y de bienes de consumo (RCG)
Los agentes se pueden aplicar de manera amplia en toda la cadena de suministro de RCG para automatizar tareas repetitivas, analizar grandes cantidades de datos para obtener información y mejorar la gestión de la cadena de suministro. Un caso de uso ideal implica tareas que requieren un uso intensivo de humanos, repetitivas y que requieren toma de decisiones en tiempo real, donde la IA puede aumentar de manera significativa la eficiencia y la precisión. Los criterios para un caso de uso ideal incluyen una alta disponibilidad de datos, resultados alcanzables definidos con claridad y el potencial de mejoras medibles en los ingresos y el ahorro de costos.
Los agentes de IA pueden desempeñar un papel crucial en el rendimiento de las tiendas minoristas y en las prácticas de gestión de inventario. Un agente puede monitorear de forma autónoma los datos de rendimiento para alertar al gerente de la tienda cuando las métricas de rendimiento de la tienda caigan por debajo de un umbral definido. Al comparar el rendimiento de tiendas similares, el agente puede identificar áreas de mejora y recomendar acciones para mejorar el rendimiento de la tienda.
Los agentes pueden ayudar a evitar situaciones de desabastecimiento y exceso de existencias en las tiendas minoristas. Al analizar datos de varias fuentes (como ventas, inventario, promociones y eventos externos), un agente puede identificar cuándo un pico de ventas no está alineado con el pronóstico, lo que lleva a una posible escasez, y alertar al equipo de la cadena de suministro. El agente recomienda una orden de reposición que puede generar de manera automática para ayudar a garantizar niveles óptimos de existencias, menores costos de transporte y reducir la probabilidad de desabastecimientos o excedentes de inventario.
Mitigación de desafíos con IA agéntica
Las interrupciones en toda la cadena de suministro a menudo conducen a la escasez de productos y a una baja tasa de llenado de cajas (CFR, por sus siglas en inglés), lo que lleva a la compleja tarea diaria de asignar el inventario entre sus clientes. Un agente puede analizar los pedidos de los clientes, los niveles de inventario actuales y las opciones de sustitución de productos para identificar posibles situaciones de CFR. El agente asigna el inventario a través de la priorización de los pedidos en función de criterios predefinidos, como la lealtad del cliente, la segmentación del cliente, el valor del pedido, las multas de SLA y la urgencia.
Uno de los mayores retos a los que se enfrentan las empresas de RCG en 2025 es evaluar el impacto de los aranceles. Los agentes de IA pueden evaluar y recomendar proveedores alternativos de diferentes regiones para mitigar el riesgo de tarifas altas. Esta estrategia de diversificación ayuda a mantener un suministro constante de materiales al tiempo que minimiza los costos. Al monitorear de manera continua las regulaciones arancelarias y las condiciones del mercado, un agente de IA puede sugerir medidas de ahorro de costos, como compras al por mayor antes de aumentos de tarifas o trasladar la producción a países con tarifas más bajas. Un agente puede ayudar a negociar mejores términos con los proveedores mediante el análisis de las condiciones del mercado y los datos históricos de precios. Esto ayuda a garantizar que las empresas obtengan las mejores ofertas posibles a pesar de las fluctuaciones tarifarias.
¿Qué sigue?
Consideren la significativa cantidad de tiempo y esfuerzo que se necesita hoy en día para responder a la pregunta: «¿Cómo puedo optimizar mi cadena de suministro para aumentar las ventas en un 10%?».
Aunque esto puede parecer una pregunta de la cadena de suministro, involucra finanzas, ventas, marketing y posiblemente fabricación. Es una pregunta tan compleja que es probable que responderla requiera días o semanas de análisis.
Hoy en día, los agentes integrados en Copilot permiten a los usuarios hacer preguntas específicas en áreas definidas. Esta capacidad se expandirá en alcance y complejidad con el tiempo, lo que de manera eventual conducirá a un rediseño integral de las aplicaciones comerciales.
Project Sophia imagina agentes, copilotos y aplicaciones empresariales que convergen en un lienzo de investigación infinito.
Diseñado con un enfoque que da prioridad a la IA, Project Sophia les permite hacer preguntas empresariales mediante el análisis de datos de varios sistemas y entradas dispares. La IA los guía para ver diferentes perspectivas, lo que los ayuda a comprender y actuar sobre los conocimientos de manera integral.
Project Sophia reinventa la experiencia del usuario, al apoyar a cada función laboral para abordar las preguntas desde su perspectiva, al tiempo que integra enfoques estratégicos y tácticos.
Introducción a los sistemas agénticos
Aumentar el potencial de la IA para escalar la optimización de la cadena de valor en el comercio minorista y los bienes de consumo
La IA agéntica se presta bien para navegar por la complejidad de las rutas al mercado, al integrar estrategias de fabricación y ventas, vender a través de múltiples canales o directo al consumidor, administrar múltiples líneas de productos y negocios, e integrar esfuerzos de marketing y ventas a nivel mundial.
Se trata de una herramienta integral que da agencia a los LLM, con la capacidad de actuar de forma autónoma. Mientras que los LLM se han utilizado antes para realizar tareas como la generación de texto y el resumen de documentos, no han podido actuar según sus recomendaciones. La IA agéntica, por otro lado, está diseñada para impulsar optimizaciones basadas en objetivos y puede adaptar y ejecutar objetivos de manera dinámica con alta previsibilidad y mínima supervisión humana. Juntos, los avances en IA generativa e IA agéntica redefinirán el valor estratégico y la productividad derivados de la tecnología, al incorporar procesos de toma de decisiones más avanzados con mayor precisión y velocidad.
Identificar los problemas y escenarios de negocio para una mayor participación estratégica
Al considerar cómo utilizar los agentes de IA de manera estratégica, es vital enmarcar las aplicaciones de la IA agéntica en el contexto más amplio de la identificación de los procesos de la línea de negocio que se prestan a la automatización: optimización de tareas/escenarios mundanos y que consumen mucho tiempo; establecer la confianza de los usuarios en las capacidades del agente y establecer barreras operativas claras para la IA de los agentes, incluida la gobernanza de datos, la privacidad y la seguridad; e infundir confianza en la entrega de valor del agente, para extender la gestión del trabajo colaborativo más allá del seguimiento de tareas a las funciones de planificación y ejecución.
La integración de la IA agéntica y la IA generativa en las aplicaciones empresariales significa un cambio monumental en la forma en que las organizaciones pueden abordar la resolución de problemas, la planificación estratégica y la eficiencia operativa. Mediante el uso de capacidades avanzadas de IA, las empresas pueden anticipar un futuro en el que la toma de decisiones no solo sea más rápida y precisa, sino también más perspicaz y holística. Esta convergencia de la tecnología allana el camino para soluciones innovadoras y niveles de productividad sin precedentes, con la IA en el centro del panorama empresarial del mañana.
Más información sobre los sistemas agénticos
Exploren Microsoft Cloud for Retail.
- Entrega de su copiloto de cadena de suministro: Priorización de áreas de retorno de la inversión
- Entrega de su copiloto de cadena de suministro: Introducción a la ideación
- Potenciar las prácticas responsables de IA
- Sitio web de Microsoft Cloud for Retail
Fuentes
1 https://www.mckinsey.com/capabilities/operations/our-insights/supply-chain-risk-survey