El sector mayorista ha sido tradicionalmente un sector de márgenes, volúmenes y precisión logística. Los datos ocupan un lugar central desde hace décadas — niveles de existencias, líneas de pedido, precios de proveedores, cálculos de márgenes. Eso da la impresión de que este sector debería tener ventaja en materia de IA. Al mismo tiempo, esos datos suelen estar repartidos entre sistemas que no se comunican entre sí: un paquete ERP de hace años, un software de inventario aparte, un CRM desconectado de la facturación, hojas de cálculo que tapan los huecos que dejan los sistemas. La cantidad de datos no es, por tanto, un buen indicador de la madurez de la IA en este sector. La estructura en la que están esos datos, sí lo es.
Esa diferencia es determinante para cómo terminan los proyectos piloto. Un mayorista que invierte en una aplicación de IA para la previsión de la demanda o la optimización de compras descubre a menudo que el problema no está en el modelo, sino en lo que se le da al modelo para procesar. Datos de inventario que no coinciden con los datos de ventas, una segmentación de clientes organizada de forma distinta según el establecimiento, acuerdos de precios que constan en correos electrónicos en lugar de en un sistema. El proyecto piloto funciona en el entorno de prueba y se atasca en cuanto tiene que entrar en la organización.
Los mayoristas varían mucho en escala y forma organizativa — desde empresas familiares con una estructura compacta hasta grandes distribuidores con varios establecimientos y una gestión escalonada. Esa variación repercute en la madurez de la IA. En las organizaciones más pequeñas y manejables, la distancia entre la dirección y el personal operativo es corta, lo que puede acelerar las decisiones sobre gestión de datos e infraestructura de TI en cuanto se percibe su importancia. En las organizaciones más grandes y descentralizadas, esa distancia pasa por varias capas, y lo que en un centro de distribución es un proceso bien desarrollado puede ser, en otro, todavía terreno sin trabajar.
Esta es precisamente la razón por la que una ronda de puntuación en este sector suele poner de manifiesto lo que una sola conversación no muestra. Cuando un CEO, un COO, un CIO y un gerente de establecimiento puntúan de forma independiente las mismas siete dimensiones, se observa con frecuencia que la dirección valora la calidad de los datos más alta que las personas que trabajan con ellos a diario. Esa diferencia no es una discrepancia de opinión que haya que resolver — es información sobre dónde se encuentra realmente la organización.
Las siete dimensiones de la medición de madurez no tienen el mismo peso en el orden. Organización, infraestructura de TI y gestión de datos son las dimensiones fundamentales: determinan si hay algo sobre lo que construir. Dimensiones como la gobernanza, las competencias y la cultura dependen de ellas. Un mayorista que quiera empezar con asesoramiento de compras impulsado por IA, pero cuyos datos de inventario estén repartidos en tres sistemas que se contradicen entre sí, no le falta ambición, sino la base. Eso no se resuelve con más formación o más apoyo interno — es una cuestión de gestión de datos que primero necesita una respuesta.
Este orden también explica por qué los proyectos piloto en el sector mayorista a menudo se quedan estancados en el nivel de foundation o activation. La organización ha adquirido o hecho construir una aplicación de IA — eso es visible y demostrable —, pero los fundamentos sobre los que debería funcionar esa aplicación nunca se han puesto en orden. El resultado es una herramienta que queda al margen del trabajo en lugar de integrarse en él.
La pregunta no es si su empresa mayorista está preparada para la IA en un sentido general — esa es una pregunta sin respuesta útil. La pregunta es en cuáles de las siete dimensiones su organización tiene una base sólida y en cuáles no, y si esa imagen coincide entre las personas que deciden sobre ello y las personas que trabajan con ello. Esa comparación es precisamente sobre lo que está construida la medición de madurez: cinco niveles, siete dimensiones, y una ronda de puntuación que hace visible la dispersión en lugar de disimularla.
El resultado varía mucho de una empresa a otra, incluso dentro del sector mayorista. Algunas de las dificultades propias de este sector se comparten con el sector del transporte, donde la logística orientada al volumen exige igualmente una gestión de datos coherente en toda la organización. Otras similitudes se encuentran en la industria manufacturera, donde los procesos de producción e inventario plantean exigencias comparables a la infraestructura de TI. Y quien comercia con muchas relaciones de clientes pequeñas y dispersas puede reconocerse en lo que ocurre en el comercio minorista, donde los datos sobre clientes y transacciones tampoco convergen automáticamente en un solo lugar.
La medición de madurez de hybridresourcing se está construyendo actualmente. Quien desee realizar la medición en cuanto esté disponible puede inscribirse en la lista de espera. Aquí no se vende nada que todavía no exista — solo la posibilidad de ser el primero en saber cuándo sí exista.
Esta medición responde a la pregunta de si su empresa mayorista tiene los fundamentos necesarios para sostener la IA — la organización, la infraestructura, la gestión de datos sobre las que todo lo demás se apoya. No responde a la pregunta de qué parte del trabajo en su gestión de inventario, procesamiento de pedidos o compras puede ser realmente asumida por la IA. Esa pregunta corresponde al escáner de trabajo de FTE TO AI, que calcula, por tarea, qué parte del trabajo se presta para ello. Ambas preguntas van unidas, pero en un orden fijo: primero saber si el terreno aguanta, y solo después qué se puede construir sobre él.
Vraag maar wat er moet staan voordat AI in uw organisatie kan landen.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.