La importancia de los datos de referencia de los sensores para la automatización agéntica en la logística

Antes de que cualquier operación logística invierta en inteligencia artificial, la pregunta más importante que hay que hacerse es, sencillamente: ¿por qué? ¿Qué estamos tratando de lograr en realidad? ¿Por qué la automatización y la IA son las herramientas adecuadas para lograrlo? Y, sobre todo, ¿cómo generan un valor real y medible?

El valor de la velocidad

En la cadena de suministro y la logística, la velocidad es una ventaja competitiva. La capacidad de tomar decisiones más rápidas, redirigir envíos en tiempo real y anticipar interrupciones antes de que se agraven se traduce directamente en satisfacción del cliente, reducción de costos y mejora de márgenes. Cuando la automatización y la IA se utilizan para aumentar la velocidad de la cadena de suministro, se libera valor.

Pero hay una trampa. Las decisiones más rápidas no producen automáticamente resultados más rápidos. Si su sistema de IA toma una decisión de enrutamiento en milisegundos, pero el equipo de transporte tarda horas en actuar en consecuencia, usted no ha aumentado la velocidad, simplemente ha desplazado el cuello de botella más adelante en la cadena. La IA agéntica tiene el potencial de cambiar esto al permitir una acción más rápida, y no solo una decisión más rápida.

Elija su punto de partida

Una vez que tiene claro el por qué la automatización y la IA agregan valor, la siguiente pregunta es dónde. No todos los procesos logísticos son un punto de partida igualmente adecuado. Un buen enfoque consiste en evaluar los posibles casos de uso según dos dimensiones: el valor que liberan y la complejidad necesaria para automatizarlos.

Busque primero decisiones de alta frecuencia y bien definidas, donde la lógica pueda codificarse y los resultados puedan medirse. La generación de informes y la resolución de excepciones son un buen punto de partida, ya que la mayoría de las excepciones de transporte son repetitivas y su resolución suele consistir en una cadena de llamadas o correos electrónicos que puede automatizarse en gran medida.

La supervisión humana sigue siendo importante, especialmente para los casos límite y los envíos inusuales, pero lo que constituye un “caso límite” se reducirá con el tiempo a medida que los agentes se vuelvan más capaces, liberando a los equipos para actividades de mayor valor orientadas al cliente.

La paradoja de los datos

Las organizaciones están recibiendo dos consejos opuestos sobre la IA. El primero es empezar por poner en orden sus datos; el segundo es “lanzarse” y resolver los desafíos de datos (mediante la automatización y la IA) sobre la marcha.

La solución consiste en volver a la elección del punto de partida y convertir la disponibilidad de datos en un criterio adicional al seleccionar los primeros casos de uso.  Toda empresa cuenta con suficientes datos para comenzar, siempre que elija el punto de partida adecuado.

Datos de referencia de los sensores

Uno de los métodos más eficaces para acelerar una hoja de ruta de automatización e IA logística consiste en buscar nuevas fuentes de datos, en particular los datos de referencia procedentes de sensores (“ground truth”).

Los datos de referencia son datos que representan directamente activos, actividades o resultados dentro de una cadena de suministro.  Algunos ejemplos son las transmisiones procedentes de cámaras digitales y de sensores de Internet de las cosas (IoT).

Los datos de referencia procedentes de sensores son fundamentalmente diferentes de los datos transaccionales generados por sistemas de registro como un TMS. Los sensores pueden generar datos relacionados con la ubicación, la hora, la temperatura, el estado y otras variables de forma consistente, granular y de alta frecuencia.

¿Son perfectos estos datos? No. Los sensores se desvían, la conectividad presenta fallos y los casos límite producen anomalías. Pero como los datos llegan en flujos continuos con patrones predecibles, los valores atípicos y las averías pueden identificarse y filtrarse automáticamente. Esto da como resultado datos confiables, y los datos confiables son la base de la automatización.

Los casos de uso que pueden construirse a partir de los datos de los sensores se multiplican a medida que se añade más contexto procedente de sistemas internos, como el TMS y el ERP, así como de datos externos, como riesgos o eventos disruptivos.

De los datos a la acción

Las operaciones logísticas que triunfarán gracias a la automatización y la IA no serán necesariamente las que cuenten con los algoritmos más sofisticados. Serán aquellas que hayan logrado conectar datos confiables con acciones ejecutables en toda su red. Los datos de IoT, correctamente integrados, proporcionan la capa sensorial que hace posible la IA agéntica; ofrecen la capacidad de saber qué está sucediendo y de responder a ello automáticamente, a gran escala.

Comience con las preguntas correctas. Priorice según el valor y la viabilidad. Ponga en marcha su estrategia de datos incluso antes de que sea perfecta. Y recurra a los datos de referencia procedentes de sensores del mundo físico para acelerar el camino. La ventaja competitiva en la logística moderna no consiste solo en mover mercancías más rápido, sino en construir un sistema que aprenda, se adapte y actúe más rápido que cualquier proceso manual.

David Shillingford es presidente de Pegasus Analytics, a través de la cual asesora a inversores y empresas de tecnología de la cadena de suministro de alto crecimiento.  Puede encontrarlo en https://www.linkedin.com/in/shillingford/