Retos y oportunidades en la era post Covid para sectores como el retail

Nadie puede predecir cuándo superaremos definitivamente la crisis del COVID-19. Ahora bien, lo que sí que parece claro es que el impacto en nuestras vidas y en la forma en que nos relacionamos con el mundo exterior, va a ser mucho más duradero que la propia crisis sanitaria en sí misma.

En este contexto, son muchas las empresas que se han visto obligadas a revaluar sus respectivos modelos de negocio. Pensemos, por ejemplo, en sectores como el retail, dónde la crisis provocada por el Coronavirus ha volatilizado los mecanismos tradicionales de comunicación de estas compañías con sus clientes.

Ante esta problemática, muchas empresas de retail están apostando por la venta on-line, con el objeto de sostener sus negocios, mantener el contacto con el cliente y aliviar la presión sobre sus tiendas físicas.

Pero esta práctica está teniendo un tremendo impacto sobre la gestión de la llamada “última milla logística”. Al crecimiento exponencial de las entregas a domicilio se suma la necesidad, cada vez más acuciante, de mejorar la experiencia del usuario. No en vano, esta es una de las mayores preocupaciones de los retailers que apuestan por el canal on-line. La acumulación de criticas negativas en este sentido puede condicionar las preferencias de un gran volumen de usuarios, haciendo a las compañías perder buena parte de sus clientes en favor de sus más directos competidores. A esto se suman otros retos relacionados con la gestión de los retrasos y cancelaciones en la cadena de suministro, así como a la necesidad de tener que hacer frente a picos en la demanda en un entorno de crecimiento exponencial de la misma.

Ante esta tesitura, no es de extrañar que muchos vean en la tecnología el salvavidas al que aferrarse para poder salir victoriosos de tamaña empresa. De hecho, una gestión adecuada de la última milla logística, a partir de una prudente inversión tecnológica, puede preparar a las empresas del retail para mejorar su estructura de costes, ser más competitivas y conseguir ventajas sostenibles sobre la base de un gran servicio al cliente.

En este sentido, experiencias como las de DHL en colaboración con IBM pueden resultar tremendamente significativas. Estas dos compañías han estado colaborando desde el año 2000 en el despliegue de soluciones para la optimización de rutas logísticas mediante el uso de la Inteligencia Artificial (IA). En la actualidad, sus algoritmos analizan una gran cantidad de variables, desde el estado del tráfico a las condiciones climatológicas, para planificar qué rutas van a resultar más rápidas o van a requerir un menor nivel de consumo. Algunas de sus iniciativas van incluso más allá, al utilizar la IA para poder realizar análisis predictivos de la demanda futura.

Inteligencia artificial, machine learning y deep learning

El concepto de Inteligencia Artificial no es nuevo. Acuñado por John McCarthy en 1956, puede ser definitivo como el conjunto de sistemas desarrollados para que las máquinas puedan aproximarse, mimetizar, replicar, automatizar y, eventualmente, mejorar el pensamiento humano.

A la hora de entender el concepto de Inteligencia Artificial, existen dos conceptos clave que conviene clarificar: El Machine Learning, como disciplina o subconjunto de la inteligencia artificial y el Deep Learning, como caso particular de Machine Learning.

Si hemos dicho que la Inteligencia Artificial se refiere a cualquier sistema o dispositivo orientado a actuar con inteligencia, el concepto de Machine Learning es mucho más concreto y se refiere a aquellos sistemas diseñados para recoger una determinada información, dentro de un dominio específico, y aprender a partir de la misma. Cuando, además, conseguimos dar continuidad a este proceso de aprendizaje, es cuando hablamos de Deep Learning. En este último caso, la intención es que el sistema aprenda del mundo real y sea capaz de reajustar su modelo de aprendizaje en función del conocimiento generado.

El rol de loT en el proceso de aprendizaje de las máquinas

Muchas veces se ha criticado la excesiva simplificación a la que se ha sometido el concepto de Inteligencia Artificial. En realidad, no existe una única tecnología que pueda ser denominada como tal. La IA es, en realidad, un conjunto interrelacionado de tecnologías que pueden ser utilizados mediante diferentes combinaciones en función del problema a resolver. Normalmente, la IA integra tecnologías relacionadas con la sensórica, el procesamiento de datos y el aprendizaje.

Para poder entender el mundo real, la IA necesita recoger información. Necesita sensar ese mundo que trata de comprender. Esa información puede llegar de diferentes formas, por lo que la IA debes ser capaz de digerir texto, capturar imágenes y videos, entender sonidos y, eventualmente, recoger la información acerca de las condiciones del entorno objeto de trabajo: temperatura, humedad, calidad del aire,… cualquier cosa, en realidad, que los humanos llegamos a captura a través de nuestros sentidos.

Hoy en día, el Internet of Things (IoT) ya está capturando datos para ponerlos a disposición de los sistemas de IA. Recordemos que el IoT implica la captura de una gran cantidad de datos gracias al despliegue masivo de dispositivos desarrollados a tal efecto. Pero capturar el dato es una cosa y transformar esa información en conocimiento que le de sentido, es otra cosa muy diferente. De hecho, en determinadas aplicaciones, la generación de conocimiento a partir de los datos disponibles puede ser un reto tremendamente complicado incluso para los sistemas de analíticas de datos más avanzados.

La esencia del IoT puede resumirse en cinco partes: la “cosa” conectada en sí misma, como se conecta dicha cosa, como se recoge el dato, qué podemos aprender del dato y qué hacemos con el aprendizaje generado.

Podemos decir, a riesgo de simplificar excesivamente los conceptos, que el rol de la IA en este contexto es el de dar soporte las tecnologías IoT en los pasos cuarto y quinto: aquellos relacionados con la generación de conocimiento y su aplicación.

IoT, Inteligencia Artificial y logística. ¿Por qué ahora?

Existen varias razones para creer que ha llegado el momento de apostar definitivamente por la aplicación de tecnologías IoT/IA en los procesos logísticos, pero podríamos arriesgarnos a destacar una por encima de las demás: el grado de madurez que las tecnologías IoT/IA han alcanzado en la actualidad, las hacen accesibles para que cualquier compañía las pueda aprovechar para dar respuesta a los enormes retos que la actual coyuntura plantea.

Pensemos que la naturaleza en forma de red de la industria logística plantea un ecosistema especialmente proclive, para la implementación de sistemas de IA con el fin de amplificar y mejorar las actuales cadenas de suministro globales. Es más, aquellas compañías que no apuesten por este tipo de tecnologías corren el riesgo de caer en la obsolescencia en el medio y el largo plazo, en favor de aquellos de sus competidores que sí que lo hagan.

En este sentido, a pesar de que los datos demuestran que el retorno generado por la aplicación de la IA en los procesos logísticos no hace más que crecer, el 40% de los CEOs consultados por PWC en su Encuesta Mundial de CEOs 2019 – Transporte y Logística respondieron que no se plantean ningún proyecto relacionado con la aplicación de la IA a sus procesos.

A la vista de la situación actual, ¿es sostenible que este tipo de compañías desprecien las enormes ventajas que la tecnología les puede llegar a reportar en términos de ventajas competitivas sostenibles y duraderas?

Lo cierto es que no.

Pero por otro lado, podemos concluir que las empresas logísticas, y todas aquellas que apuesten por la actividad logística como fuente de ventajas competitivas, se encuentran en una posición privilegiada, en la medida en que el IoT y la IA artificial pueden impactar en prácticamente todos los aspectos de la cadena de suministro.

Tengamos en cuenta que la actividad logística se organiza en forma de redes interrelacionadas, tanto físicas como digitales, que deben funcionar de manera armoniosa a la hora de gestionar grandes volúmenes de transacciones, márgenes ajustados, activos en movimientos a los que realizar un seguimiento y plazos de entrega cada vez más exigentes. La inteligencia artificial nos ofrece la posibilidad de optimizar la coordinación de todas esas redes hasta unos niveles que no pueden ser alcanzados por el pensamiento humano desasistido. La inteligencia artificial puede resultar de gran ayuda a la hora de redefinir los actuales procesos de gestión de la última milla logística, haciendo que las operaciones dejen de ser reactivas y sean más proactivas, facilitando análisis predictivos dónde antes solo se hacían previsiones, facilitando procesos autónomos dónde antes de hacía una gestión manual de los mismos, facilitando la prestación de servicios personalizados dónde antes solo se podía proponer la estandarización de estos.

Sin duda, una gran oportunidad para las empresas del retail que apuesten de manera definitiva por el canal on-line, así como para todas aquellas compañías que, mediante la oferta de servicios de integración tecnológica en el ámbito logístico, les den soporte y servicio.

Fran Sánchez Ocaña

Director de Marketing

Fran es economista, graduado en Administración y Dirección de Empresas (ADE) y MBA por ESADE. Atesora una larga experiencia directiva en marketing y ventas y ha trabajado en sectores tan diversos como el sector inmobiliario, el sanitario o el dedicado a los servicios de consultoría en estrategia empresarial y desarrollo de negocio. Esto le ha permitido asesorar a todo tipo de empresas y organizaciones, tanto del sector público como del privado.

Además de esta amplia experiencia en responsabilidades directivas y de consultoría, Fran ha sido colaborador docente en varias universidades y escuelas de negocios, como ESIC, ESADE o la UOC. En esta última ha sido, además, autor del material didáctico dedicado a la Identificación de Nuevas Oportunidades de Negocio.

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *