Imaginen conmigo por un momento. Supongan que son el director de compras de un fabricante mediano de componentes de control en el Medio Oeste. Entran a su oficina un luminoso lunes por la mañana y le dicen a su asistente digital de escritorio: “Muy bien, ‘Bridget’, muéstrame el consumo de componentes pasivos utilizados en la línea de ensamblaje 2 durante el último mes, y dame un pronóstico de pedidos a 90 días para revisar, basado en el consumo actual y los envíos previstos ± 10%”.

En cuestión de segundos aparece una hoja de cálculo en la pantalla de su computadora y su asistente digital le pregunta si desea comparar la necesidad proyectada de componentes con los inventarios estimados disponibles en el mercado abierto, y tener en cuenta las fluctuaciones de precios debidas a los aumentos arancelarios previstos.

Esa es la promesa de la inteligencia artificial (IA), que sigue transformando el sector de las compras. Sin embargo, la pregunta es: ¿qué tan lejos estamos de este escenario?

Desde que el término “inteligencia artificial” (IA) fue acuñado por primera vez en 1956 por el científico informático de Stanford John McCarthy, su definición ha evolucionado considerablemente. Su uso inicial se refería a la IA como “sistemas informáticos o máquinas capaces de realizar tareas que normalmente requerirían inteligencia humana”.

En 1961, el científico y matemático británico Alan Turing escribió sobre la idea de máquinas capaces de “simular a los humanos y hacer cosas inteligentes”. La palabra clave en ese momento era “simular”.

Sin embargo, la definición del término tal como se usa hoy en día es la capacidad de una computadora o máquina no solo de “simular”, sino de realizar operaciones equivalentes al aprendizaje y la toma de decisiones humanas. La diferencia radica en la incorporación de la palabra “aprendizaje”, que significa que las máquinas se adaptan a partir de las experiencias vividas con su entorno, o como parte de él, y ajustan sus acciones en consecuencia.

El aprendizaje automático es lo que realmente define a la nueva IA, lo que hace que su uso en los sistemas de compras y las redes de suministro sea especialmente interesante. El aprendizaje automático se basa en el consumo y análisis de enormes cantidades de datos generados por un proceso o sistema, para luego aprender de esos datos y así asesorar o incluso controlar literalmente otros sistemas.

Las compras generan muchísimos datos de los que los sistemas de IA pueden aprender, y a medida que los sensores sofisticados y las redes de sensores, además del Internet de las cosas, se convierten en una parte cada vez más crítica de los sistemas de control de procesos, los sistemas de gestión de inventario y las redes de transporte y envío, los conjuntos de datos se vuelven cada vez más ricos.

Sin embargo, en muchos departamentos de compras hoy en día predominan la analítica y el big data, mientras que la calidad e integración de los datos quedan relegadas a un segundo plano. Esto significa que las ganancias relativamente pequeñas en contención de costos derivadas de precios por volumen, entregas agrupadas u otras eficiencias de compra tienen prioridad sobre aquello en lo que la IA realmente destaca, como identificar sesgos cognitivos en las compras, lo cual podría generar eficiencias mucho mayores.  

De hecho, la IA podría tener su mayor impacto inmediato al alertar a las empresas sobre factores que afectan su desempeño y que no se habían considerado. Comprender el gasto total de una organización mediante software de análisis de gastos puede dar sentido a grandes volúmenes de datos de gasto y conducir a una consolidación del gasto, reducción de costos, procesos más rápidos y una mayor eficiencia general.   

El uso de la IA en la función de compras, junto con el compromiso corporativo con la recopilación de datos integrada y los procesos inteligentes, también puede generar oportunidades en el pensamiento estratégico general y el abastecimiento. El desarrollo de asesores cognitivos de compras (CPA) y asistentes personales virtuales (VPA) que utilizan procesamiento de lenguaje natural, como “Bridget” en nuestro ejemplo inicial, puede conducir a una mayor automatización y eficiencia en toda la función de compras.

Por ejemplo, los CPA pueden generar resúmenes, dar consejos y hacer recomendaciones que afecten la evaluación de proveedores, el desempeño, la gestión de riesgos y el cumplimiento normativo. El proveedor de software SAP Ariba ya ofrece un paquete impulsado por IA capaz de entender las políticas y procedimientos de compra de una empresa e implementarlos en el área de facturación y pagos para reducir errores y agilizar el procesamiento.

En resumen, los sistemas de IA ya existen o están en desarrollo, y prometen capacidades que incluyen, entre otras, las siguientes:

• Detección de datos internos de gasto incompletos o inexactos
• Automatización de tareas rutinarias (negociación con proveedores, actualización de listas de inventario, etc.)
• Comparación de datos internos con tendencias externas y datos de proveedores individuales para gestionar mejor el riesgo
• Seguimiento y reporte de la volatilidad del tipo de cambio y su efecto sobre el gasto
• Sugerencias de compra automatizadas basadas en tendencias históricas
• Perspectivas sobre el desempeño de la función de compras interna frente a la externa y los patrones de gasto
• Recomendación de proveedores adaptada a necesidades de producción específicas
• Identificación de oportunidades para procesos más rápidos, costos reducidos y mayor eficiencia
• Análisis de las tendencias de demanda externa para predecir patrones de precios

Sin embargo, la disponibilidad de esta potencia de procesamiento analítico no significa que su adopción a gran escala esté avanzando al mismo ritmo. De hecho, un estudio reciente de Hackett Group mostró que, aunque el 85% de los ejecutivos corporativos de grandes empresas cree que la tecnología digital cambiará la forma en que prestan sus servicios en los próximos 3 a 5 años, solo el 32% ha implementado una estrategia digital en su empresa.

A pesar de este vacío general en materia de estrategia digital, Forrester Research señala que el 55% de las empresas invertirá en alguna forma de IA antes de que termine 2019, y una investigación de Gartner Inc. indica que casi el 50% de las grandes empresas globales estará usando IA para 2023 en sus operaciones de cadena de suministro.

Claramente, la realidad del uso de algún tipo de software potenciado por IA en toda la industria, y en la función de compras, está empezando a acercarse a la promesa. Si trabajan en una gran empresa global, es probable que ya estén profundamente involucrados en la implementación de diversas estrategias que emplean IA. De hecho, es posible que ya estén implementando tecnología robótica asistida por IA para el cumplimiento de pedidos y discutiendo el uso creciente de robots impulsados por IA para asistir a los trabajadores de almacén.

El desarrollo tecnológico y su adopción práctica no siempre van de la mano. Pero el desarrollo tecnológico de comienzos del 21^.º siglo, en particular el uso de la IA en sistemas de compras inteligentes, avanza cada vez más rápido. El trabajo transaccional se está automatizando. Las decisiones basadas en el análisis de vastas métricas pronto serán habituales. Sin duda, le seguirán predicciones basadas en esas mismas métricas.

Todo esto significa que la función de compras en las organizaciones, tanto grandes como pequeñas, se moverá cada vez más de lo operativo a lo estratégico. La IA tendrá un gran efecto en la velocidad de este cambio. Una cosa es segura: la IA llegó para quedarse.