Inteligencia artificial en logística: cómo puede mejorar la eficiencia de tus procesos (guía)

La inteligencia artificial (IA) está en boca de todos en el mundo de la logística. Sobre todo porque cada vez es más accesible y asequible para los gestores de cadenas de suministro y profesionales de la logística.

• A medida que los costes se reducen, la IA ofrece eficiencias y oportunidades que se traducen en crecimiento y ventaja competitiva para las empresas.
• Entre otras ventajas, la IA en el sector logístico permite aprovechar datos que están infrautilizados, automatizar procesos y realizar un análisis predictivo para reducir imprevistos.

En este artículo analizamos el papel que puede desempeñar la IA en relación a tus cadenas de suministro y cómo puede mejorar tus procesos. Además de mostrarte de qué manera puede ayudar a gestionar posibles anomalías a las que se enfrente tu empresa.

Desde procesos sencillos a aplicaciones complejas

En su forma más simple, la IA respaldaría las funciones administrativas y los procesos mediante la detección de anomalías y excepciones. Gracias a ello, se evidenciarían los problemas antes de que puedan llegar a mayores.

En el caso de aplicaciones más complejas, ofrece a operadores 3PL (servicios de logística tercerizada), expedidores y transportistas información basada en el análisis de datos de la cadena de suministro. Esto es más importante que nunca conforme aprendemos las lecciones del coronavirus (COVID-19).

IBM comenta al respecto: «Si bien nadie sabe qué nos deparará el mañana, podemos trabajar hoy en la construcción de una cadena de suministro mundial más inteligente.

Las empresas pueden aprovechar la inteligencia artificial (IA) para ayudar a transformar lo impredecible en previsible».

En términos operativos, la IA es la base de la optimización de rutas inteligente (IRO), ya que ayuda a las empresas de logística a coordinar los recursos y los viajes de forma más rentable. A menudo lo hace en tiempo real y de manera mucho más eficiente de lo que los humanos podrían conseguir. Una mejor gestión de los procesos implica predicciones más fiables y, por ende, menos sorpresas.

Además, la oportunidad de mejorar tanto las comunicaciones con el usuario final como el servicio al cliente contribuye a la solidez de la gestión de relaciones.

El desafío de la IA en logística

Según un informe sobre el sector logístico de DHL y IBM, uno de los mayores desafíos y de los valores más infrautilizados de la industria es el gran volumen de datos estructurados y no estructurados.

Pese al hecho de que un estudio llevado a cabo por Forrester concluyó que apenas el 17 % de los encuestados consideraba la falta de  datos bien depurados como su mayor desafío, debemos admitir que la calidad de los datos que se recopilan y guardan suele ser baja.

Chris Geiser, director de tecnología de The Garrigan Lyman Group, una empresa de marketing que ayuda a las empresas a procesar datos de diversas fuentes, comentó al respecto: «Entender las matemáticas y los patrones te ayudará hasta cierto punto. Lo más importante es entender cada una de tus fuentes de datos».

El ERP (Enterprise Resource Planning) tiene los datos y conecta cada parte operativa de la organización para crear un valioso activo central de datos que contribuyan al éxito de la IA.

Al entender las fuentes de datos individuales por su función puedes crear registros precisos, completos y coherentes. Así podrás aprovechar todo el potencial de la IA a la hora de generar resultados prácticos y realistas para la creación de nuevas oportunidades de negocio.

Ayudadas por la i-ERP (planificación inteligente de recursos empresariales), el 65 % de las empresas que integran la lista Forbes Global 2000 habrán actualizado sus sistemas para 2023 mediante un proceso de racionalización, modernización y transformación. Por tanto, lo que hagas ahora para superar los desafíos que la calidad de los datos plantea para la IA te servirá para seguir el ritmo a tus competidores.

Tres maneras en las que la IA puede ayudarte a mejorar tus procesos de logística

Para maximizar la eficacia de la IA en tu negocio debes apuntalarla con datos de calidad, en línea con tus objetivos empresariales. Estos son tres aspectos que debes tener en cuenta:

1. Aprovecha activos de datos infrautilizados

• Aplica la IA a grandes volúmenes de datos generados en las cadenas de suministro que a su vez permitan obtener análisis e información para identificar tendencias allí donde sea posible lograr eficiencias.

2. Automatiza y acelera los procesos

• El propósito aquí es erradicar/minimizar errores y propiciar el ahorro de costes. Un ejemplo de ello es el NLP (procesamiento de lenguaje natural), que permite procesar documentación aduanera en un sinfín de formatos.
• La extracción de información relevante y la acumulación de conocimientos permite automatizar las declaraciones y complementar el factor humano al tiempo que se crean eficiencias.

3. Análisis predictivo para limitar los imprevistos

• Al aplicar IA a la optimización de rutas y la gestión de redes podrás planificar el futuro con conocimiento de causa como le ocurrió a DHL, que desarrolló una herramienta basada en el aprendizaje automático para predecir retrasos en los tiempos de tránsito de carga aérea y poder adoptar medidas de mitigación proactiva.
• Mediante el análisis de 58 parámetros distintos de datos internos, este modelo de aprendizaje automático es capaz en la actualidad de predecir aumentos y disminuciones en los tiempos de tránsito con hasta una semana de antelación para mejorar eficazmente la gestión de recursos.
• Sobre la marcha, asegúrate de establecer una métrica de negocio para cada solución (reducción de costes, creación de valor, compromiso del cliente, etc.) a fin de lograr un impacto cuantitativo importante, de manera que sepas reconocer lo que es bueno.

IA y gestión de anomalías

Las empresas de logística son conscientes del valor que aporta la IA a la hora de resolver problemas habituales en el sector, como es el caso de la optimización de rutas.

Además de entenderse instintivamente, la planificación de rutas es algo que los ordenadores, al contrario que los humanos, pueden ejecutar en tiempo real.

Al conectar fuentes de datos como, por ejemplo, localizadores GPS, información meteorológica y sistemas de tráfico, puedes empezar a predecir los tiempos de transporte sobre la marcha.

También puedes planificar mejor los recursos e incluso informar a tus clientes de la hora de llegada de su envío; es una fantástica aplicación de la IA.

Pero el beneficio es solo incremental –reduce el transporte en unos minutos y tendrás una reducción parecida en tiempo, combustible, sueldo y costes de mantenimiento– en el mejor de los casos.

Las anomalías generan pérdidas

Algo más interesante y de lo que sin embargo se habla mucho menos, al menos hasta que el coronavirus trastocó por completo el sector de la logística,  es la aplicación de la IA a excepciones, anomalías u otros elementos susceptibles de fallar, ya sea para solventarlos o para evitar que sucedan desde un principio.

Las excepciones son interesantes por lo increíblemente caras que salen.

En las actuales cadenas de suministro donde los márgenes son extremadamente ajustados, gestionar una excepción (ya sea un código de barras equivocado o la ocurrencia de un evento perturbador al más puro estilo «cisne negro» como es el coronavirus) tiene todas las probabilidades de acabar saliendo más caro que el coste del propio servicio.

Basta con pensar en tramitar una devolución o en gestionar un equipaje que ha ido a parar al destino equivocado. Y en lo tocante a la parte administrativa, los errores de tipo financiero o contractual que pueden costar dinero o acarrear problemas de cumplimiento normativo.

Las excepciones generan pérdidas, por lo que usar la tecnología para reducirlas puede ser una solución muy rentable.

Las excepciones y errores también son difíciles de detectar para los humanos. Precisamente porque son errores o circunstancias que deben ser descubiertas por un gerente de cumplimiento o un supervisor que se encargue de detectar una ocurrencia entre mil.

Los humanos no son especialmente hábiles en este terreno, mientras que la IA es un asesor cada vez más inteligente que nunca duerme.

Ocuparse de procesar millones de facturas

A diferencia de los humanos, la capacidad de juicio de la IA no se resiente ante situaciones complejas. Un informe llevado a cabo por DHL en colaboración con IBM concluye lo siguiente: «Los proveedores de servicios de logística suelen depender de muchos terceros, entre los que se incluyen servicios de transporte general, personal subcontratado, compañías de flete aéreo y otros servicios de terceros que se encargan de funciones esenciales de su negocio».

Esto supone una carga cada vez mayor para los equipos contables de logística, que deben procesar millones de facturas anualmente de miles de vendedores, socios y proveedores».

En este punto, tecnologías de IA como el procesamiento de lenguaje natural son capaces de extraer información esencial. Como importes de facturación, información de cuentas, fechas, direcciones y partes involucradas de entre el aluvión desorganizado de facturas que recibe la empresa.

Una vez clasificados los datos, un bot de RPA (automatización de procesos robóticos) puede extraerlos e introducirlos en el software de la empresa para generar una orden, ejecutar el pago y enviar al cliente una confirmación por correo electrónico, todo ello sin intervención humana.

La consultora Ernst & Young (EY) está aplicando un enfoque similar para la detección de facturas fraudulentas. El sistema de detección de fraude de EY tiene una precisión del 97 % y se ha implantado en más de 50 compañías.

La IA elimina la carga humana, detecta errores eficazmente y actúa como un conjunto de guías no intrusivas. Así, podrá seguir manteniendo el negocio en marcha y resolviendo los problemas sin interrumpir ni el flujo ni el ritmo diario de trabajo.

Cómo usar la IA para solucionar anomalías: aspectos a tener en cuenta

Para implementar con éxito la IA para la evaluación de anomalías, céntrate en los siguientes aspectos:

• Detección de patrones y tendencias: Los sistemas de IA deben aprender a identificar lo que es bueno (y, en consecuencia, también lo que es malo) a partir de tu data lake.
• Ocurrencias dependientes de eventos: La mayoría de las excepciones se mantienen dependientes de eventos, lo que sin duda se reflejará en los regímenes de detección. La IA debe formar parte de un conjunto de procesos existentes.
• Trabajar con proveedores: Trabaja de forma colaborativa e integrada con los proveedores para adentrarte en sus organizaciones y procesos y detectar los problemas a tiempo. Compartir datos puede ser un tema controvertido, pero es esencial. La detección de anomalías en transacciones ascendentes mediante el uso de IA está empezando a arrojar resultados prometedores en el sector.

Reflexiones finales sobre la inteligencia artificial en logística

Como habrás podido deducir de este artículo, la IA tiene un papel clave que jugar en la logística. Tanto si piensas adoptarla para modernizar tu cadena de suministro como para gestionar anomalías, usar la IA correctamente siempre compensa.

Analiza qué es lo que quieres que hagan y resuelvan los sistemas de IA en tu caso. Después, adóptalos en consonancia con tus objetivos de negocio y usa las métricas adecuadas para medir las eficiencias.