IA en intralogística: el beneficio para el cliente es decisivo – Logistics Business

Helmut Prieschenk de Witron (en la foto) y Franziskos Kyriakopoulos, fundador de 7LYTIX de Linz, Austria, han estado debatiendo sobre ChatGPT, el aprendizaje automático en logística y la previsión de la demanda para los minoristas de alimentos. Ambos están de acuerdo: la tecnología de IA ofrece un amplio potencial de optimización para optimizar los procesos en el centro de distribución y en toda la cadena de suministro. Pero la alta calidad de los datos no es el único factor crucial. Igualmente importantes para los modelos de datos son las experiencias de las personas y los requisitos de los consumidores.

"Y de la noche a la mañana todo el mundo se convirtió en un influencer de la IA", bromea Prieschenk, director general de Witron. Quería hablar sobre IA industrial, previsión de la demanda y un poco sobre ChatGPT. Kyriakopoulos y su equipo desarrollan soluciones de aprendizaje automático para el sector minorista e industrial. Él es físico, mientras que Prieschenk es matemático. "Esa es una mezcla peligrosa". Advirtió Prieschenk. “Por supuesto, en Witron ya nos hemos ocupado de los LLM (Large Language Models). Sin embargo, pediría cierta serenidad. El mundo no se acabará con su uso, y verificamos continuamente si dichas herramientas son adecuadas para ayudar razonablemente a nuestros clientes o a nuestros desarrolladores con la implementación de requisitos concretos de los clientes”.

Kyriakopoulos estuvo de acuerdo, pero ya perfila las aplicaciones. “Los LLM son buenos para procesar secuencias: pedidos, débitos, ventas o comunicaciones con los clientes. Esto también se puede utilizar en intralogística. Hay mucho revuelo, muchos influencers andan por ahí difundiendo verdades a medias”. Witron ya lo ha experimentado, afirma Prieschenk. Los competidores del sistema OPM anunciaban IA en el algoritmo de apilamiento. “Pero los resultados no pueden superar las funcionalidades de nuestro Witron OPM. Estos no fueron desarrollados con IA, sino con mucha inteligencia humana, basada en un sólido desarrollo de software, comunicación intensiva con los usuarios y años de experiencia práctica. Siempre debemos adoptar un enfoque sobrio. Básicamente, nuestros clientes no buscan una nueva herramienta. Tienen un problema y necesitan una solución funcional que optimice el proceso logístico en el centro de distribución o en la cadena de suministro, que funcione de manera estable en el uso práctico y que pueda integrarse de manera útil en una estructura adulta”.

¿Pero no nos está frenando esta sobriedad en Alemania y Europa? "Sin duda necesito un retorno de la inversión", subraya Prieschenk. “Los desarrolladores de LLM tienen una tasa de consumo de 500 millones de dólares al año y necesitan unos cuantos miles de millones más”, dijo Kyriakopoulos. "Eso sería inconcebible en Alemania o Austria".

¿Estamos asumiendo muy pocos riesgos? Prieschenk se muestra escéptico. "No me parece. Cuando miro las inversiones en Q-Commerce, por ejemplo, me mareo. Ahí es donde muchos inversores asumieron todo el riesgo. Pero el mercado ha evolucionado en una dirección completamente diferente. Las tasas de crecimiento previstas no aparecieron. Mientras tanto, se está produciendo una consolidación. Los inversores han seguido adelante. Nuestros minoristas quieren IA y están invirtiendo en la tecnología. Pero nosotros y nuestros clientes necesitamos herramientas de inteligencia artificial, como la identificación de muestras o imágenes, que sean transparentes para luego resolver problemas que antes no podíamos resolver o que solo podíamos resolver con mucho esfuerzo”.

Los desarrolladores de 7LYTIX trabajan con LLM, pero la atención se centra en la previsión de la demanda. “Podemos aportar valores añadidos, pero algunas empresas a menudo no entienden al principio cuál será el valor añadido del modelo. ¿Más ventas gracias a una mejor comunicación con el cliente o pérdida de ventas? Mucha gente no puede calcular eso. Ahí es donde necesitan nuestra ayuda”, afirmó Kyriakopoulos. Prieschenk añade: “Nuestros clientes de Witron saben calcular muy bien y han perfeccionado su negocio durante décadas. Pero entiendo lo que quiere decir el Sr. Kyriakopoulous: primero, debemos aclarar qué se debe optimizar. Los minoristas se preguntan si quieren optimizar la red de la cadena de suministro, la almacén tamaño, ya sea que quieran estar más cerca del cliente, ya sea reducir los tiempos de producción, cambiar los ciclos de entrega, reducir el desperdicio de alimentos y el desabastecimiento, o tener menos existencias en el almacén. En este sentido, hemos aprendido mucho junto con nuestros clientes de diferentes partes del mundo. También aprendimos que los requisitos para los días festivos en Finlandia son diferentes a los de los EE. UU., o que un lunes tiene requisitos diferentes a los de un jueves”. Kyriakopoulos está de acuerdo. “Primero necesitamos un requisito y luego la correspondiente herramienta de IA. Y no necesitamos un aprendizaje profundo en todos los sentidos”.

¿Cuánta precisión se requiere?

¿Cómo funciona su previsión de la demanda? “Primero, necesitamos obtener una visión general de los datos. Este es un trabajo laborioso para muchos minoristas. No se trata sólo de los productos almacenados, sino también de la cantidad de productos en la tienda, cuánto se vendió, qué factores de influencia existen, como las promociones, cuántas ventas perdidas hay en la tienda y mucho más”, explicó Kyriakopoulos. Además, hay fichas de clientes, temporadas, ubicación de la tienda u ofertas especiales. “Y necesitamos saber qué hay en el centro de distribución, en la trastienda de la tienda, en los camiones en la carretera, porque la optimización no termina en la tienda. También es importante evitar restricciones entre empresas o divisiones, así como lagos de datos. La mayor parte de los datos necesarios se conocen en su mayor parte, pero lamentablemente los diferentes departamentos persiguen intereses diferentes”. Prieschenk coincidió: “Incluso el diseño logístico integral no debería centrarse únicamente en el centro de distribución o en los intereses clave de áreas logísticas individuales o departamentos que influyen en los procesos, como compras o envíos. Es importante incluir toda la cadena de suministro en el proceso de optimización, tanto interna como externamente, y evitar los silos tanto como sea posible, tanto físicamente como en términos de TI”.

“Los datos fluyen en modelos muy simples”, continuó Kyriakopoulos. “La base son las experiencias de la gente. Eso todavía no es IA. Hablamos de regresiones. Entonces nos preguntamos si hemos mejorado. A esto le siguen análisis de series temporales y los primeros métodos de aprendizaje automático. Siempre tenemos que analizar cuánta precisión podemos lograr en el siguiente nivel versus cuánto es el valor agregado para el cliente y el usuario”.

¿Y Witrón? “Tenemos que asegurarnos de que la mecánica se ajuste al modelo. Porque la física debe funcionar de la misma manera. ¿Suministramos cajas o piezas? ¿O un artículo con ambas opciones? ¿Con qué frecuencia se entrega una tienda? ¿Qué sucede cuando cambia la gama de productos? respondió Prieschenk. WITRON Los centros logísticos crean flexibilidad tanto para la tienda como para el comercio electrónico. Sin embargo, la clave para una implementación exitosa es pensar el proceso hacia atrás en todos los canales: desde el consumidor hasta el centro de distribución y, si es necesario, incluso más atrás, hasta llegar al proveedor. Ve un desafío especialmente en la explicabilidad del modelo. “Experimentamos sistemas push y pull con nuestros clientes. Algunos trabajan mejor que otros."

¿Los gerentes de tienda permitirán que un modelo de IA especifique sus pedidos en el futuro? Kyriakopoulos conoce el argumento de la industria de la moda. “Si alguien lleva 20 años comprando allí, es difícil explicar inmediatamente el valor añadido o convencer al consumidor de que este modelo podría ser mejor. Pero lo hacemos transparente: decimos qué factores utilizamos, cómo los ponderamos y dónde se aplica el factor respectivo”.

El ser humano tiene el control.

Los expertos de Austria pueden mirar hacia el futuro dentro de 18 meses. Utilizan interfaces para conectar el modelo a los sistemas existentes del minorista, del fabricante de acero o del minorista de calzado. “No quiero derribarlo todo para utilizar un modelo de IA”, se ríe Kyriakopoulos. "Este es el camino correcto: la integración en las arquitecturas existentes", confirmó Prieschenk.

¿Pero qué tan robusto es el modelo? Palabra clave: Covid 19. “Tampoco pudimos verlo”, explicó el experto austriaco. “En aquel momento trabajábamos con este modelo en la logística de congelados. El pronóstico a corto plazo no era bueno al principio, pero después de una semana el modelo volvió a funcionar. Después de dos semanas, estaba estable. Pero el pronóstico por sí solo no es suficiente. El cliente tiene que trabajar con ello; por ejemplo, fortalecer los canales de marketing, realizar promociones o ajustar los precios, si es necesario”.

"Eso es crucial", dijo Prieschenk. “Aquí es cuando la gente toma el control. Nunca subestimes el instinto de un gerente de logística, técnico de servicio u operador de tienda. Las experiencias de las personas y un modelo de datos que funcione bien son la base para tomar decisiones inteligentes, es decir, correctas a largo plazo. En el centro de distribución, esto también se aplica a la implementación de estrategias de mantenimiento o al “correcto funcionamiento” del sistema. Y, lo que es más importante, los modelos, herramientas y soluciones deben ser estables y demostrar su eficacia en el uso práctico, ofreciendo valores añadidos reales en el día a día del negocio”.

La IA proporciona información, el responsable decide y sigue teniendo el control del proceso. “Hace más de 20 años revolucionamos la física en el centro logístico. Con la solución OPM hemos conseguido que la mercancía se apile automáticamente en palets y contenedores rodantes, sin errores y de forma cómoda para la tienda. Ahora damos el siguiente paso y apostamos por los datos y los modelos logísticos end-to-end. Y estoy seguro de que todavía experimentaré un modelo de IA de Witron de extremo a extremo para el almacén”, predijo Prieschenk.