“La predicción de la demanda a corto plazo cambiará las reglas del juego de los e-commerce”
Vea el vídeo de la entrevista completa >
Matthias Winkenbach, investigador principal en el Massachusetts Institute of Technology (MIT)
Sobre el expertoMatthias Winkenbach es investigador principal en el MIT Center for Transportation & Logistics. También es director y fundador del laboratorio Computational Analytics, Visualization & Education (CAVE) del MIT, donde lidera un equipo de investigadores, diseñadores UI/UX y desarrolladores de software que crea tecnologías para aplicaciones de análisis visual de la cadena de suministro. Winkenbach ha trabajado con numerosos socios de la industria global para resolver problemas que tienen una repercusión en la vida de las personas, los negocios y el planeta. Asesora periódicamente a start-ups y a actores industriales en proyectos relacionados con análisis de la cadena de suministro, diseño de sistemas logísticos y tecnologías de última milla.
Mecalux entrevista a Matthias Winkenbach, investigador principal en el Massachusetts Institute of Technology (MIT), para analizar las tendencias de IA que tendrán un mayor impacto en el futuro del comercio electrónico.
Recientemente ha afirmado que la inteligencia artificial será la próxima gran tendencia en la cadena de suministro. ¿Cuál es su potencial para mejorar la logística?
Hay muchas formas en las que la inteligencia artificial (IA) podría aplicar su potencial en la industria de la logística. Mi equipo centra su investigación en el diseño de sistemas. Por ejemplo, cómo la IA permitirá a la industria incorporar no solo más datos, sino también conjuntos de datos más valiosos a la hora de resolver problemas. Piense en un caso sencillo como la planificación de rutas. Tradicionalmente, ha sido impulsada por algoritmos de investigación de operaciones con un objetivo bien simple: encontrar la ruta más corta, económica y rápida. Sin embargo, en la vida real, las empresas se marcan objetivos más complejos, como garantizar que la ruta sea rentable a la vez que segura, además de seguir otras pautas imposibles de abordar con algoritmos tradicionales. Los modelos de aprendizaje automático son capaces de resolver estos problemas: integran más funciones y datos para afrontar desafíos logísticos como la gestión del inventario, el diseño de redes, las condiciones de las carreteras o las necesidades específicas de los clientes.
¿Cómo están testando estas tecnologías en el MIT?
Dirijo dos laboratorios. Uno es el Megacity Logistics Lab, donde llevamos a cabo investigaciones relacionadas con la última milla logística, la movilidad urbana, la distribución e-commerce y el diseño de redes omnicanal. El otro es CAVE Lab, dedicado al desarrollo de software: creamos herramientas que ayudan a los investigadores a trabajar con modelos analíticos y datos logísticos a gran escala. Diseñamos interfaces intuitivas que permitan interactuar con estos modelos de modo práctico, aunque no se sea un experto técnico para utilizarlos.
¿A qué retos se enfrentan los e-commerce cuando optimizan sus procesos de distribución?
El comercio electrónico ha cambiado bastante en los últimos dos años. Cuando empecé mi investigación en este campo, comprábamos mucho menos online y solíamos esperar entre cuatro y cinco días a que llegase el pedido. Ahora, lo habitual es recibirlo al día siguiente, y creo que en un futuro cercano la expectativa será la entrega el mismo día o en cuestión de horas. Este aumento imparable de la velocidad y variedad de productos disponibles online está añadiendo un grado de complejidad y desafíos que la industria de la logística tiene que resolver. Uno de ellos es, por ejemplo, la gestión y el posicionamiento estratégico del stock. Cuando el escenario era un mundo con plazos de entrega más largos no había que preocuparse por el inventario, porque desde tan solo tres centros de distribución repartidos por Estados Unidos podías abastecer al 80% de la población en dos o tres días. Pero en el mundo actual, de entregas inminentes, necesitas al menos nueve o diez instalaciones en todo el país para llegar al mismo número de personas en ese tiempo.
¿Cómo funcionará un mundo de entregas en el mismo día?
A medida que va cobrando fuerza el e-commerce bajo demanda, en el que pides un producto y lo recibes en una o dos horas, un sistema centralizado deja de ser viable. Tienes que ser más local y disponer de una red de instalaciones más fragmentada. Y eso también significa que todo el inventario se fragmenta. Debes tomar decisiones inteligentes al almacenar según qué tipo de producto, en la cantidad y dónde corresponda. De lo contrario, terminas duplicando el stock por todas partes y eso es extremadamente costoso. La gestión de inventario y el diseño de la red logística son dos de los mayores obstáculos a los que se enfrentan las empresas de comercio electrónico. A estos desafíos se suma otro más: la predicción de la demanda. Si puedo prever con más precisión no solo cuál será mi demanda para el próximo mes, sino cuáles serán mis ventas en las próximas dos horas en áreas específicas como el centro de Manhattan, esto puede marcar una gran diferencia. Con una predicción de la demanda más atomizada y a corto plazo, las empresas pueden reducir sus necesidades generales de inventario para ofrecer un servicio más rápido y fiable a sus clientes.
El aumento imparable de la velocidad y variedad de productos disponibles online añade retos que la industria de la logística tiene que resolver
¿Cómo puede la IA ayudar a solucionar la problemática de la distribución del comercio electrónico?
La IA puede ayudar de muchas maneras. Además de mejorar la gestión de rutas, otra de sus potencialidades consiste en el diseño de redes y planificación de inventarios. Últimamente, en el laboratorio hemos estado trabajando con un minorista que quería diseñar un sistema de distribución de última milla para proporcionar una experiencia omnicanal superior. Imagina que estás vendiendo moda y tienes un grupo de clientes que aporta mucho prestigio a tu negocio. Imagina que quieres llegar a los influencers de este mundo con un servicio premium que les permita realizar pedidos online y recibir el producto en 60 minutos, independientemente de dónde se encuentren. Diseñar un sistema de distribución así es imposible con un software tradicional debido a su nivel de complejidad. Existen demasiadas variables que no siguen relaciones lineales, y el esfuerzo computacional de cálculo resulta enorme para solventarlo en un periodo de tiempo razonable.
Ahí es donde aprovechamos los algoritmos de IA para tomar mejores decisiones sobre dónde colocar el stock, qué tiendas físicas utilizar para este servicio específico o dónde establecer instalaciones adicionales que solo sirvan al canal online. El aprendizaje automático y el análisis de operaciones se están convirtiendo en aliados que resuelven problemas logísticos complejos.
¿Qué pueden hacer las empresas para ser las primeras en tiempos de envío?
Para ganar la carrera en la gestión de la última milla logística, las organizaciones deben tener en cuenta que todo se reduce a ser capaces de diseñar redes específicas para este tipo de servicio, no solo modernizar las existentes. Los clientes esperan diferentes franjas horarias de entrega y un amplio catálogo de productos para comprar online, si bien las empresas siguen funcionando con infraestructuras heredadas. No obstante, si quieres hacerlo bien, a veces tienes que dar el salto y rediseñar las cosas desde cero. Obviamente, es normal querer aprovechar las infraestructuras que todavía funcionan. De todos modos, por ejemplo, es imposible ofrecer entregas en dos horas si el almacén se halla a 60 km de la ciudad. Para ello, es necesario invertir en infraestructuras dedicadas a servicios de alta velocidad.
Otro aspecto crucial es invertir en el análisis de datos. Históricamente, multitud de empresas de logística se han centrado en los problemas de optimización. Por regla general, cuentan con equipos especializados que trabajan los aspectos de ingeniería de la construcción y explotación de redes logísticas. Sin embargo, es menos habitual que una compañía posea un equipo dedicado a la ciencia de datos. La carrera hacia este nivel de servicio tan elevado es también una competición por el talento y por encontrar los expertos adecuados que puedan crear la próxima generación de algoritmos que la empresa precise; porque el conjunto de habilidades de estos profesionales es ligeramente diferente al de los ingenieros que solían contratarse hace diez o quince años. Igualmente, es fundamental invertir en personas que puedan hacer de puente entre la vertiente logística de las cosas ─la visión empresarial del problema─ y los expertos con una perspectiva más técnica.
¿Hasta qué punto es necesario construir un puente entre estos dos mundos?
Hay organizaciones que cometen el error de contratar a doctores en ciencia de datos que nunca han trabajado en la industria de la logística. A pesar de ser muy competentes, suele haber un abismo entre estos expertos y las personas que saben cómo funciona el negocio. Hemos detectado que muchas empresas tienen dificultades con este tema. Creo que la clave es contratar a personas con una experiencia mixta. En los programas de ingeniería industrial, aquí en el MIT y en otras instituciones, ya estamos tratando de educar a los estudiantes en esa dirección. Se siguen adquiriendo conocimientos sólidos de la industria y formación en ingeniería, pero también un conocimiento bastante profundo de la ciencia de datos y del aprendizaje automático. No significa que tengas que saber construir el último modelo de máquina más avanzado, pero has de poder comunicarte con el científico de datos que la ideó y con el gerente logístico, que sabe exactamente lo que está haciendo aunque no sepa escribir una sola línea de código.
¿Qué tecnologías o tendencias emergentes de IA tendrán una influencia significativa en el futuro de la distribución del comercio electrónico?
Ahora suena un poco desfasado dado que todo el mundo habla de chatbots, pero pienso que estas tecnologías tendrán un gran impacto en la industria. El mismo tipo de métodos que impulsan herramientas como ChatGPT son muy prometedores para resolver algunos de los problemas de planificación y optimización logística que hemos tratado de combatir durante muchos años. Métodos similares a los que impulsan estos chatbots podrían resultar muy útiles para resolver problemas como poder predecir una buena ruta en lugar de únicamente optimizarla. Y eso afectará no solo a la ruta, sino también a la optimización del inventario y a la red logística. Casi todos los grandes problemas de optimización combinatoria que existen podrían abordarse con este tipo de métodos.
En lo que respecta al consumidor, la principal revolución que es probable que veamos es la interacción fluida con plataformas e-commerce. Ya no será preciso entrar en un sitio web, buscar un producto y hacer clic en comprar. Simplemente hablarás con tu agente de inteligencia artificial en tu smartphone y le dirás: “Me olvidé de comprar pasta de dientes; ¿puedes comprar un tubo?”. Luego, este analizará tus hábitos de compra anteriores para detectar qué marca sueles utilizar y cuál es el precio que aceptas pagar. Considero que toda la experiencia e-commerce será mucho más fluida e integrada en la vida cotidiana, lo que también implica, dicho sea de paso, que la tendencia hacia un consumo bajo demanda crecerá. La logística, por su parte, tendrá que volverse mucho más adaptable y dinámica para responder a este escenario. Porque si tienes una interacción fluida, pero luego tienes que esperar cuatro días para recibir tus productos, eso desvirtúa el propósito. Creo que ahí es hacia donde se dirige el mundo del comercio electrónico, tal vez no hoy ni mañana, pero sí a medio plazo.
El desafío radica en almacenar la mercadería cerca de los clientes de una manera más sostenible
¿Qué consejo daría a las empresas e-commerce que buscan adoptar la IA en sus procesos de distribución?
Ahora que el uso de los chatbots empieza a extenderse, la gente se da cuenta del potencial de estos modelos, si bien la inteligencia artificial sigue siendo una caja negra. Cuando hablo con representantes de la industria, algunos me dicen que quieren invertir en IA ya que están convencidos de que resolverá automáticamente todos sus problemas. De todas maneras, estos métodos aún están en desarrollo. Tienen un enorme potencial, pero debemos comprenderlos mejor. No es tan fácil como si pudieras escoger un modelo de chat ya existente, plantearle un problema y esperar que lo solucione. La IA no es el santo grial, no puede solventar todos los desafíos de inmediato y sin esfuerzo.
Si deseas adentrarte en este mundo como empresa, comienza poco a poco. Identifica cuestiones que ya comprendes muy bien. No elijas problemas que no tengas ni idea de cómo resolver. Empieza por aquellos que sabes cómo solucionar, como la planificación de rutas o la gestión del inventario, y trata de resolverlos con un enfoque de aprendizaje automático. Una vez obtengas buenos resultados, siempre podrás añadir complejidad y retos adicionales. Si tus recursos son limitados, intenta invertir tu dinero de manera inteligente en problemas fáciles de encarar para ganar experiencia y desarrollar capacidades. Pienso que así es como puedes ampliar la capacidad analítica dentro de tu empresa para solventar problemas, aprender de ellos y aplicar ese aprendizaje en el próximo obstáculo con el que te encuentres. Es imposible pensar que puedes construir un modelo de inteligencia artificial, “lanzarle” toda tu cadena de suministro y que lo solucione todo milagrosamente. Eso no va a suceder.
¿Cómo ve el futuro de la última milla en el e-commerce?
Imagino que la distribución de última milla se atomizará aún más a medida que las opciones de entrega de pedidos sean más personalizadas y adaptadas a lo que los consumidores necesitan, dónde y cuándo. En un futuro, los envíos a domicilio serán más fluidos. Tal vez tu hogar dejará de ser la única dirección física en la que recibir un pedido y se combinará con otro lugar donde te encuentres a una determinada hora del día. Incluso es posible que no haga falta especificar si deseas que la entrega se realice en tu domicilio y que, simplemente, el algoritmo pueda acceder a tu ubicación y enviarte el paquete allí. No estoy seguro de si este escenario es el más deseable, pero al menos existirán opciones y un enfoque más dinámico sobre cuándo y dónde recibir tus pedidos.
Esta transformación va de la mano de la tendencia generalizada de ofrecer entregas más rápidas, personalizadas y bajo demanda. Y, en mi opinión, el e-commerce también ocupará una parte mucho mayor del mercado minorista en general. En los últimos dos años, ha crecido bastante rápido y seguirá haciéndolo. La llegada de la IA y de otras tecnologías hace que la experiencia de compra en línea sea cada vez más parecida a la de adquirir productos físicamente en una tienda minorista.
¿Cómo está cambiando esta experiencia?
Muchas personas todavía van a las tiendas físicas a comprar ciertos productos puesto que no pueden conseguirlos online con el mismo nivel de calidad o experiencia inmersiva, pero esta tendencia está cambiando con la realidad aumentada. En un futuro, los avances tecnológicos seguirán transformando nuestros hábitos de consumo y tendrán efectos duraderos en cómo compramos. Para la industria logística, eso significa que el negocio no desaparecerá, más bien al contrario, habrá más demanda. Eso sí, construir los sistemas y procesos que satisfagan todos estos requisitos de los clientes será todo un reto. Las empresas tendrán que pensar en la próxima generación de sistemas logísticos porque, en un mundo donde predomine cada vez más la opción “bajo demanda”, los sistemas heredados que se instalaron hace diez o quince años en algún momento quedarán obsoletos. Por tanto, hay que invertir sin dilación en tecnología antes de que sea demasiado tarde.
Un mundo en el que el consumo “bajo demanda” sea cada vez más imperante puede comprometer la sostenibilidad.
La industria del comercio electrónico está siendo criticada ya que, con cada vez más personas comprando más productos en línea, los pedidos que se envían a domicilio no paran de aumentar. La conclusión inmediata es que este modelo no puede ser sostenible. En verdad, no está tan claro si vivir en un mundo en el que las entregas se efectúen el mismo día o al siguiente sea un gran problema en términos de emisiones causadas por el e-commerce, siempre y cuando estos sistemas se gestionen y planifiquen de modo apropiado y las empresas cuenten con fuertes capacidades analíticas. Para darte un ejemplo, si compro online un par de zapatillas y las quiero en dos horas, significa que ya deben estar almacenadas cerca de mí para ser entregadas a tiempo. También supone que el producto esté lo suficientemente cerca como para ser transportado por un vehículo eléctrico o una bicicleta de carga.
Esta exigencia de proximidad abre la oportunidad de impulsar flotas logísticas de última milla sostenibles, que no podrían descarbonizarse si las existencias estuvieran centralizadas y alejadas de las grandes ciudades. El problema radica en almacenar la mercadería cerca de los clientes de una manera más sostenible. ¿Cuentas como empresa con las herramientas analíticas adecuadas para ayudarte a anticipar dónde necesitas que esté ese par de zapatillas que pide el cliente? Debes ser capaz de predecir con eficiencia para evitar almacenar productos en espacios equivocados. También has de estar equipado con un sistema que te permita reabastecer el stock que se ha utilizado y que, además, lo haga con un vehículo bajo en emisiones. Todo esto es posible, pero es conveniente planificarlo y diseñarlo oportunamente.
La inteligencia artificial podría resultar crucial en la logística sostenible.
Si las empresas responden de forma incorrecta o deficiente a la transición hacia las entregas ultrarrápidas y el consumo bajo demanda, es probable que se produzca un incremento masivo de las emisiones. Pero si se hace correctamente, contribuirá a una descarbonización mucho más efectiva del proceso de distribución al acercar los pedidos a los consumidores. La IA puede desempeñar un papel crucial en la sostenibilidad del futuro de la logística. El compromiso por la descarbonización en el transporte de mercancias dependerá del poder analítico de las empresas, y solo será posible integrando la IA y el aprendizaje automático más sólida y profundamente en los procesos de planificación y ejecución logística.