Hoja de ruta de IA para retail: de los datos limpios a los agentes de IA

Su sitio web dice que el suéter azul marino en talla M está disponible. El cliente va en coche a la tienda y el estante está vacío.

En esa brecha es donde se caen la mayoría de los planes de IA en retail. Por eso una hoja de ruta de IA para retail tiene que empezar por los datos antes de acercarse a un modelo.

Yo la planifico en cuatro etapas. Primero, una vista confiable de producto, inventario y cliente. Después, una capa gobernada que da a cada reporte y a cada herramienta de IA el mismo lenguaje de negocio.

Luego vienen los agentes que pronostican, reponen, fijan precios y atienden a los clientes. Por último, la IA pasa a formar parte del trabajo diario de merchandising, cadena de suministro y tiendas.

El retail genera más datos que casi cualquier otro sector. Aun así, las tiendas, el comercio electrónico, el almacén y finanzas a menudo reportan inventarios y ventas distintos para el mismo día.

Este plan funciona sean cuales sean sus plataformas de ERP, punto de venta, gestión de pedidos y comercio electrónico. Para conocer dos programas de retail y consumo masivo que he documentado, lea mi caso práctico de migración de un minorista en Oriente Medio y la recuperación de reportes en consumo masivo.

Cada etapa depende de que la anterior esté en un estado razonable.

Tres años, cuatro etapas

1. 01

   Ahora: cimientos de datos

   Datos de producto, inventario, ventas y clientes de tiendas y canal online en una sola plataforma gobernada.

2. 02

   Año 1: inteligencia gobernada

   Un solo lenguaje de negocio para productos, ubicaciones, inventario y clientes, gobierno de la IA y los primeros resultados rápidos.

3. 03

   Año 2: escalar los agentes de IA

   Agentes de pronóstico, reposición, precios, operaciones de tienda y servicio al cliente.

4. 04

   Año 3: IA integrada a escala

   IA en merchandising, cadena de suministro y tiendas, con proveedores y socios conectados.

Antes de cualquier IA, usted necesita un único lugar donde lleguen y coincidan todos sus datos de retail. Eso significa unir sistemas que crecieron por separado: el ERP, las cajas, el comercio electrónico, la gestión de pedidos, el almacén, el programa de fidelización y el portal de proveedores.

Esto es lo que yo pondría en marcha en los primeros meses:

1. Una plataforma de datos moderna, a menudo un lakehouse, que es un único almacén para datos en bruto y depurados. Recibe datos de ventas, inventario, pedidos, devoluciones y fidelización de todos los canales, casi en tiempo real donde importa.
2. Responsables y reglas de calidad para los datos de producto, ubicación y cliente, además de un catálogo que muestra de dónde salió cada cifra. Los datos de tarjetas quedan fuera de la plataforma y dentro de sus controles PCI DSS, el estándar de seguridad del sector de tarjetas.
3. Reportes de autoservicio, para que compradores, planificadores y gerentes de tienda vean las mismas cifras de ventas e inventario que finanzas.

El maestro de productos suele ser la parte más difícil. Es el registro de cada artículo que usted vende, con su talla, color, formato, proveedor y atributos.

Tome un minorista de moda con 40 tiendas y un sitio web. El sitio web publica un vestido en «Navy» con tallas de la 8 a la 16. El sistema de las tiendas lo guarda como «NVY» en S, M y L, con otro código de artículo que viene de otro archivo de compras.

Pregúntele a cualquier herramienta de IA cómo se vende ese vestido y verá dos productos, cada uno con la mitad del rendimiento del real. La solución es trabajo aburrido. Alguien mapea los códigos, acuerda una sola lista de colores y una sola escala de tallas, y hace que el equipo de compras sea dueño de cada artículo nuevo desde el primer día.

Ahora imagine un supermercado que vende agua en botella individual, en paquete de seis y en caja de 24. Las cajas registradoras cuentan botellas, el almacén cuenta cajas y el sitio web cuenta paquetes. Mientras esas unidades no se conviertan limpiamente, el inventario del mismo producto nunca cuadrará, y cualquier herramienta de reposición construida encima pedirá la cantidad equivocada.

¿Y cómo se ve el trabajo terminado? Cuando el director de tiendas y el director de comercio electrónico consultan las ventas de ayer de la misma tienda, obtienen la misma cifra. Yo dedicaría con gusto tres meses a esto para evitar un año de discusiones sobre por qué falla el pronóstico.

1. 01Punto de ventaCada compra y devolución, por tienda
2. 02Comercio electrónico y pedidosPedidos, clics y entregas
3. 03Almacén e inventarioInventario por ubicación y en tránsito
4. 04Zona de aterrizajeCopias en bruto con linaje
5. 05Un solo maestro de productosUn código, un color, un formato
6. 06ReportesVentas e inventario que cuadran con finanzas

Una sola vista de producto, inventario y cliente en todos los canales

El núcleo del primer año es una capa semántica. Es un diccionario compartido. Indica a cada reporte y a cada herramienta de IA qué significan producto, tienda, inventario, promoción y cliente, y cómo se calculan.

Un director comercial pide «la disponibilidad en las 50 tiendas principales». ¿Disponibilidad significa en el estante, en la trastienda o en el sistema?

¿Las 50 principales se ordenan por las ventas de este año o por las del año pasado? Si un copiloto responde con su propia suposición, usted obtiene una cifra segura de sí misma que nadie puede defender en la reunión comercial del lunes. La capa semántica lo resuelve una vez, y a partir de ahí el copiloto usa la misma regla que el propio reporte del director comercial.

El gobierno de la IA empieza ese mismo año. La personalización y los precios usan datos de clientes, así que las normas de consentimiento y de protección de datos marcan los límites.

Yo llevaría un único registro de casos de uso de IA. Cada uno tiene un responsable, una calificación de riesgo, resultados de pruebas y una nota sobre dónde revisa una persona el resultado.

Tenga claro qué decisiones pueden ver los clientes. La descripción de un producto es de bajo riesgo. Un precio que alguien paga, o una oferta que recibe un comprador y otro no, exige mucho más cuidado.

Después, entregue resultados rápidos. Me gustan estos porque los datos que los sostienen suelen estar en un estado razonable:

1. Contenido de producto: descripciones, atributos y traducciones redactados a partir del maestro de productos y revisados por una persona.
2. Copilotos para tiendas: los equipos de tienda preguntan en lenguaje sencillo por inventario, entregas, promociones y procedimientos.
3. Resúmenes para el servicio al cliente: el historial de contactos y el estado del pedido reunidos en una nota breve para el agente de servicio.

Tome un minorista de electrónica que da de alta unos cientos de artículos nuevos al mes. Cada uno necesita una descripción, una tabla de especificaciones y, a menudo, un segundo idioma. El copiloto lee la ficha técnica del proveedor, redacta la página y señala lo que falta, como un portátil sin autonomía de batería indicada.

Un merchandiser revisa cada afirmación y decide qué se publica. La ficha del proveedor sigue siendo la única fuente de los datos, y esa regla importa más que el modelo que usted elija.

Ahora imagine a una gerente de tienda un jueves a las 7:00. Una promoción de cereales empezó el lunes y el estante está casi vacío. Le pregunta al copiloto cuándo llega su próxima entrega de cereales y cuántas cajas trae.

El copiloto revisa el calendario de entregas y los pedidos abiertos. Le dice que mañana a las 6:00 llegan 12 cajas, que no durarán el fin de semana al ritmo de ventas de esta semana. Ella decide si llama al equipo regional o saca mercancía de la trastienda.

1. 01La gerente de tienda pregunta¿Por qué vuelven a faltar cereales el jueves?
2. 02Capa semánticaReglas de tienda, producto, promoción y disponibilidad
3. 03Datos gobernadosVentas, inventario, entregas y promociones
4. 04El copiloto respondeCon la causa y la fuente de cada cifra
5. 05La gerente actúaCambia el pedido o señala la promoción

La respuesta que daría el director comercial

Valor de negocioAltoMedioBajo

• Precios dinámicos
• Personalización

• Pronóstico de demanda

• Copilotos para tiendas

• Contenido de producto
• Resúmenes de servicio

BajaMediaAltaMadurez de los datos

• Después
• Planificar
• Empezar ya

El segundo año pasa de los copilotos, que responden preguntas, a los agentes, que actúan dentro de los límites que usted fija. En retail, estos suelen amortizarse primero:

1. Pronóstico y reposición. El agente pronostica por tienda y día, propone pedidos y mueve inventario entre tiendas antes de que los estantes se vacíen.
2. Precios y rebajas. Propone rebajas para los artículos de venta lenta y cambios de precio dentro de las reglas que fija el equipo comercial.
3. Operaciones de tienda. Las cámaras de estantería o las etiquetas RFID (etiquetas de radio que se cuentan sin escanear cada artículo) detectan huecos, y el agente crea una tarea para el equipo de tienda.
4. Servicio al cliente. Gestiona el seguimiento de pedidos, las devoluciones y las quejas sencillas, y pasa los casos complejos a una persona con el contexto preparado.

Así funciona un agente de reposición para un supermercado antes de un fin de semana caluroso:

1. El jueves por la mañana lee el pronóstico del tiempo, las ventas de fines de semana similares del año pasado y el inventario actual de cada tienda.
2. Ve que un grupo de tiendas se quedará sin agua embotellada y sin hielo para el mediodía del sábado.
3. Propone pedidos adicionales al centro de distribución y un traspaso de mercancía desde dos tiendas donde las ventas van lentas.
4. Los pedidos dentro de los límites acordados se ejecutan directamente. Todo lo que sea mayor, y cada traspaso entre tiendas, espera a un planificador.
5. El planificador rechaza un traspaso porque esa tienda tiene un partido de fútbol local, y aprueba el resto.

Los precios funcionan igual. Imagine una cadena de moda al final del verano con cientos de líneas de venta lenta.

El agente elige las que necesitan una rebaja para liquidarse antes de agosto. Propone un 20 o un 30 % de descuento, por encima de los precios mínimos que fijó el equipo comercial.

No toca la gama básica y nunca fija precios por debajo del costo. El merchandiser retiene los trajes de baño, que siguen vendiéndose en los fines de semana festivos, y aprueba el resto.

El lujo necesita un toque más ligero. Quien pregunta por la reparación de un bolso que vale miles debería recibir respuesta de una persona. Ahí el agente recupera el registro de compra y el historial de reparaciones y redacta una respuesta, y un asesor de clientes la envía con sus propias palabras.

Cada agente necesita un responsable en el negocio. El director comercial es dueño del agente de precios, y el director de cadena de suministro es dueño de la reposición. TI opera la plataforma, y las decisiones son del negocio.

1. 01PronosticarDemanda por tienda y día, con clima y promociones
2. 02CompararFrente al inventario disponible y en tránsito
3. 03ProponerPedidos y traspasos entre tiendas
4. 04AprobarEl planificador revisa todo lo que supere el límite
5. 05PedirPedidos enviados a proveedores y al almacén
6. 06AprenderLas ventas reales ajustan el siguiente pronóstico

Un responsable de negocio por agente

En el tercer año la IA está dentro del merchandising, la cadena de suministro, las tiendas y la relación con el cliente. Compradores, planificadores y equipos de tienda trabajan con agentes todos los días, y toda la cadena funciona bajo el mismo gobierno.

Compartir datos con los proveedores cambia la economía del negocio.

Tome un minorista de electrónica que comparte cada semana las ventas reales y un pronóstico de auriculares a 12 semanas con la marca que los fabrica. El proveedor planifica la producción según la demanda real. El minorista tiene más posibilidades de contar con inventario antes del Black Friday y de que le sobre menos en enero.

El retail media sigue el mismo patrón. Un supermercado permite que una marca de bebidas lance ofertas en su app para los compradores que aceptaron recibirlas, usando la misma capa de clientes gobernada. La marca ve resultados por grupos de compradores, y los registros individuales se quedan con el supermercado.

¿Es este el año de la personalización a escala en su hoja de ruta de IA para retail? Sí, si el maestro de productos y los registros de consentimiento resistieron durante los años uno y dos.

1. Director de operacionesResponsable del portafolio de agentes y de sus resultados
   Gobierno de la IARegistro, pruebas y un interruptor de apagado
2. Directores comercial y de cadena de suministroResponsables de los agentes de su área

• Agente de pronósticoA cargo del director de planificación
• Agente de preciosA cargo del director comercial
• Agente de operaciones de tiendaA cargo del director de tiendas
• Agente de servicioA cargo del director de servicio al cliente

1. 04Agentes y copilotos de IAAgentes de pronóstico, reposición, precios, tienda y servicio, con responsables de negocio
2. 03Capa de inteligencia gobernadaModelo semántico de productos, ubicaciones, inventario y clientes, más el registro de IA
3. 02Cimientos de datosLakehouse con datos de ventas, inventario, pedidos y fidelización, catálogo y linaje
4. 01Sistemas de retailERP, punto de venta, comercio electrónico, gestión de pedidos, almacén y fidelización

Algunas cosas se aplican desde el primer mes hasta el último:

1. Consentimiento y privacidad del cliente. La personalización solo funciona si los clientes confían en ella. Use los datos que aceptaron compartir y mantenga los datos de tarjetas dentro de los controles PCI DSS.
2. Una arquitectura abierta y multiplataforma. La tecnología de retail cambia rápido. Conserve la libertad de cambiar de modelos, plataformas y socios.
3. Un gobierno acorde con el riesgo. Use controles ligeros para el contenido y los copilotos, y otros más fuertes para los precios y todo lo que vean los clientes.
4. Su gente capacitada. Los equipos de tienda y los compradores deciden si los agentes se usan. Capacítelos pronto y escúchelos.

Es fácil subestimar la capacitación. Una gerente de tienda que recibe diez tareas equivocadas de una cámara de estantería en la primera semana ignorará la tarea once.

El error más común es comprar un motor de personalización o de precios antes de que los datos de producto e inventario puedan sostenerlo. El motor recomienda un televisor agotado, o calcula una rebaja con el costo del año pasado. La confianza se pierde en semanas y tarda un año en reconstruirse, y por eso desconfío de cualquier plan que empiece por el motor.

El segundo error es llevar la IA como un proyecto de la oficina central. Las tiendas ven a los agentes como trabajo extra a menos que las tareas que crean sean correctas. Haga el piloto en unas pocas tiendas con gerentes de tienda reales, corrija lo que le digan y solo después despliegue.

Digamos que un piloto de detección de huecos señala un estante de papas fritas vacío. Las papas fritas se habían trasladado a una cabecera de góndola por una promoción.

Nadie actualizó el planograma, el plano de qué va en cada lugar. El agente acierta según sus reglas y se equivoca en la tienda. Solo la gerente de tienda lo habría detectado.

Cómo fallaQué funciona

1. 01Cómo falla: Un motor de precios o personalización comprado primero→Qué funciona: Primero se corrigen el maestro de productos y los datos de inventario
2. 02Cómo falla: Datos de producto e inventario en los que nadie confía→Qué funciona: Una vista confiable para tiendas y canal online
3. 03Cómo falla: Un proyecto de la oficina central que las tiendas nunca pidieron→Qué funciona: Pilotos con gerentes de tienda reales
4. 04Cómo falla: Nadie a cargo de las decisiones de los agentes→Qué funciona: Un responsable de negocio para cada agente

¿Está pensando por dónde debería empezar su propio negocio? Reserve una llamada y traiga una pregunta real, por ejemplo si su maestro de productos está listo para el pronóstico. La trabajaremos juntos.

¿Qué es una hoja de ruta de IA para retail?

Es un plan por etapas para usar la IA en una empresa minorista. Empieza con una vista confiable de producto, inventario y cliente. Después añade IA gobernada y agentes, y termina con la IA integrada en el trabajo diario del retail.

¿Por dónde debe empezar un minorista con la IA?

Empiece por llevar los datos de producto, inventario y ventas de todos los canales a una sola plataforma gobernada, y corrija el maestro de productos. Después entregue resultados rápidos como el contenido de producto, los copilotos para tiendas y los resúmenes para el servicio al cliente.

¿Qué casos de uso de IA en retail se amortizan primero?

El contenido de producto y los resúmenes de servicio se entregan rápido. El pronóstico de demanda y la reposición suelen aportar más valor cuando los datos están listos, con los precios y las rebajas muy cerca.

¿Necesitan los minoristas un ERP nuevo antes de usar IA?

No. La IA funciona sobre sus sistemas actuales a través de los cimientos de datos. Lo que importa es que los datos de producto, inventario y ventas sean los mismos en tiendas, en el canal online y en finanzas.

¿Cuánto tiempo lleva una hoja de ruta de IA para retail?

Yo la planifico a tres años, una vez que los cimientos de datos están en marcha. El año uno construye la capa gobernada, el año dos escala los agentes y el año tres integra la IA. Los resultados rápidos deberían mostrar valor en el primer año.