Del piloto a la operación
Una metodología de seis pasos para sacar la IA de la demo y llevarla a las decisiones que los planeadores toman todos los días: partir de las decisiones que generan valor, probar cada caso de uso en la operación real y dejar que la automatización avance solo al ritmo en que se gana la confianza.
Pensada para líderes de planeación y operaciones cuyos pilotos de IA nunca llegaron al uso diario.
- 6 pasosdel mapa de decisiones al escalamiento
- 8–10 semanaspara tener una hoja de ruta de IA priorizada
- 12 semanaspor ola de pilotos, en operación real
La mayoría de los pilotos de IA funcionan. Pocos llegan a la operación.
El modelo funciona en la demo y luego se atora al pasar a un equipo de planeación que vive de excepciones, metas en conflicto y hojas de cálculo que nadie se atreve a apagar. La causa rara vez es el algoritmo. Es un caso de uso elegido por su tecnología y no por su valor, datos que nunca fueron adecuados para la decisión y ningún acuerdo sobre quién decide cuando el planeador y el modelo no coinciden. Nuestra metodología resuelve los tres.
Así llevó nuestro fundador la IA a la planeación en una multinacional global de consumo masivo, donde hoy más del 40% de las decisiones rutinarias de planeación se ejecutan sin intervención manual. Describimos este patrón de fracaso en Why AI Pilots Die on the Shop Floor (en inglés). En nuestra metodología de estrategia, la IA suele ser uno de los programas del plan maestro; esta metodología es la forma de ejecutarlo.
- 01
Decisiones
Mapear las decisiones recurrentes y el valor en juego.
- 02
Portafolio
Calificar los casos de uso y elegir por dónde empezar.
- 03
Datos
Dejar listos los datos que necesita cada decisión.
- 04
Probar
Pilotos en operación real, frente a una línea base.
- 05
Personas
Acordar responsabilidades de decisión, ajustes manuales y nuevos roles.
- 06
Escalar
Implementar por olas, monitorear modelos y medir el valor.
La automatización se gana, peldaño a peldaño
Cada caso de uso tiene un peldaño objetivo en la escalera. Solo sube cuando su precisión y su tasa de ajustes manuales demuestran que la gente puede confiar en él.
Visibilidad
El modelo muestra qué está pasando y por qué. Las personas deciden y actúan.
Recomendación
El modelo propone una decisión. Las personas la aceptan, la ajustan o la rechazan, y cada ajuste queda registrado.
Acción con aprobación
El modelo prepara la acción. Una persona la aprueba, a menudo en bloque.
Acción dentro de límites
El modelo actúa por sí solo dentro de límites acordados y escala las excepciones.
Las decisiones que tocan la calidad o la seguridad del producto quizá nunca pasen del segundo peldaño, y así está diseñado.
Qué sucede en cada paso
Primero, las decisiones
Partimos de las decisiones, no de la tecnología. Con planeación, operaciones y finanzas listamos las decisiones recurrentes de la cadena de suministro, como pronósticos, reabastecimiento, asignación, programación y pedidos a proveedores, y estimamos el valor en juego en cada una: servicio, costo, efectivo y mermas. La pregunta “¿qué puede hacer la IA por nosotros?” se convierte en “¿qué decisiones nos cuestan más cuando llegan tarde o salen mal?”
Preguntas clave¿Qué decisiones se toman con más frecuencia? ¿Dónde cuesta más una mala decisión?
- Un inventario de decisiones con responsables, frecuencia y valor en juego
- Una línea base de desempeño para cada decisión
Portafolio de casos de uso
Cada caso de uso candidato se califica por valor, viabilidad, madurez de los datos y riesgo. Empezamos con tres a cinco que puedan mostrar resultados en un trimestre y definimos para cada uno el peldaño de la escalera de autonomía al que debe llegar.
Preguntas clave¿Dónde puede la IA demostrar valor más rápido? ¿Cuánta autonomía es realista?
- Un portafolio de casos de uso calificado
- Casos de uso de la primera ola, con caso de negocio y peldaño objetivo
- Para cada uno, la decisión de desarrollar, comprar o asociarse
Datos mínimos viables
En lugar de un programa de datos de varios años, dejamos listos los datos para las decisiones elegidas: un modelo de datos común para productos, ubicaciones y socios, reglas de calidad desde el origen y una frecuencia de actualización acorde con la decisión. La mayoría de las decisiones tácticas necesitan datos confiables cada pocas horas, no cada segundo.
Preguntas clave¿Qué datos necesita realmente cada decisión? ¿En cuáles podemos confiar hoy?
- Requerimientos de datos por caso de uso
- Un modelo de datos común y reglas de calidad
- Responsables de datos designados
Probarlo en la operación
Los pilotos se ejecutan dentro del trabajo real de planeación, con los planeadores que los van a usar y frente a una línea base medida. Por lo general empezamos con modelos predictivos (lo que probablemente va a pasar) y agregamos lógica prescriptiva (qué hacer al respecto) cuando las predicciones ya generan confianza.
Preguntas clave¿Supera la forma actual de trabajar? ¿El equipo lo va a usar?
- Pilotos funcionando en la operación real
- Resultados frente a la línea base
- Para cada caso de uso, la decisión de seguir, ajustar o detener
Personas y máquinas
Acordamos quién decide cuando el planeador y el modelo no coinciden, registramos cada ajuste manual y revisamos los patrones, y rediseñamos los roles para que los planeadores dediquen su tiempo a excepciones y escenarios, no a ajustes rutinarios. Planeadores y especialistas de datos trabajan como un solo equipo, y la IA se presenta como una forma de desarrollar capacidades, no de recortar personal, porque eso es lo que hace que la adopción perdure.
Preguntas clave¿Quién es ahora responsable de cada decisión? ¿En qué se convierte el trabajo del planeador?
- Responsabilidades de decisión por caso de uso
- Reglas de ajuste manual y escalamiento
- Perfiles de puesto y un plan de capacitación
Escalar y gobernar
Los casos de uso probados se implementan por olas en plantas y líneas de producto. Los modelos se monitorean por precisión y desviación, el valor se mide cada mes dentro de la revisión de planeación existente y el presupuesto se libera por etapas conforme llegan los resultados, en lugar de un gran caso de negocio por adelantado.
Preguntas clave¿Qué escalamos después? ¿Cómo mantenemos confiables los modelos con el tiempo?
- Una hoja de ruta de implementación por olas
- Monitoreo de modelos con responsables claros
- Un tablero de valor revisado cada mes
Un fabricante mediano de dispositivos médicos
Un fabricante europeo de instrumental quirúrgico y dispositivos de un solo uso, con ventas de unos 300 millones de euros, dos plantas y un socio externo de esterilización. Vende a hospitales de forma directa y a través de distribuidores, mantiene inventario en consignación en los quirófanos y gestiona unos 12,000 productos con vida útil y trazabilidad por lote.
El servicio a los hospitales se protege con inventarios altos, y cada año se dan de baja productos caducados. Un piloto previo de pronóstico con IA funcionó bien en pruebas, pero el equipo de planeación nunca lo usó.
En un diagnóstico de diez semanas, el equipo mapeó sus decisiones, eligió cuatro casos de uso y acordó las reglas entre personas y modelos. La primera ola de pilotos se ejecutó en el trimestre siguiente. Los gráficos siguientes muestran cómo toma forma la metodología.
Ejemplo ilustrativo de un fabricante típico de dispositivos médicos de tamaño mediano. Los nombres, cifras y plazos son indicativos y no describen a ningún cliente en particular.
Dónde están las decisiones
| Decisión | Frecuencia | Valor en juego | Madurez de los datos hoy |
|---|---|---|---|
| Pronóstico de demanda hospitalaria, por producto y cuenta | Semanal | ||
| Niveles de inventario en consignación en hospitales | Semanal | ||
| Reabastecimiento de centros de distribución | Diaria | ||
| Planeación de turnos de esterilización | Diaria | ||
| Programación de la producción | Diaria | ||
| Riesgo de caducidad y rotación de inventario | Semanal | ||
| Momento de los pedidos de componentes críticos a proveedores | Semanal | ||
| Estimación de volúmenes de licitaciones | Mensual |
Por dónde empezar
La escalera de autonomía, hoy y en el mes 18
Primera ola de pilotos: resultados frente a la línea base
| Caso de uso | Indicador | Línea base | A las 12 semanas |
|---|---|---|---|
| Pronóstico de demanda hospitalaria | Error de pronóstico (MAPE ponderado) | 38% | 29% |
| Riesgo de caducidad y rotación de inventario | Inventario que caduca antes de usarse, % del valor del inventario por año | 2.4% | 1.6% |
| Reabastecimiento de centros de distribución | Pedidos liberados sin cambio manual | 15% | 62% |
| Planeación de turnos de esterilización | Turnos de esterilización reservados que realmente se usan | 81% | 90% |
Una hoja de ruta de 18 meses en tres olas
Un solo tablero, revisado cada mes
| Dimensión | Indicadores |
|---|---|
| Adopción | Porcentaje de decisiones tomadas sin cambio manual; tasa de ajustes manuales de los planeadores y sus razones |
| Calidad de los modelos | Error y sesgo del pronóstico; desviación de la precisión de cada modelo; calidad de los datos en el origen |
| Valor de negocio | Nivel de servicio a hospitales; inventario y efectivo; producto caducado dado de baja; capacidad de esterilización utilizada |
| Capacidades | Casos de uso en cada peldaño de la escalera de autonomía; planeadores capacitados; tiempo dedicado a excepciones en lugar de trabajo rutinario |
Cuatro entregables, de la hoja de ruta a la IA en operación
El diagnóstico y la hoja de ruta toman de 8 a 10 semanas; después, cada ola de pilotos dura unas 12 semanas en operación real.
Hoja de ruta de IA y portafolio de casos de uso
El inventario de decisiones, los casos de uso calificados, los peldaños objetivo en la escalera de autonomía y una hoja de ruta por olas, con casos de negocio.
Datos listos para la primera ola
Un modelo de datos común, reglas de calidad y responsables designados para los datos que requieren los primeros casos de uso.
Pilotos funcionando, con resultados
Pilotos en operación real, medidos frente a la línea base, con una decisión de seguir, ajustar o detener para cada uno.
Modelo operativo entre personas y máquinas
Responsabilidades de decisión, reglas de ajuste manual, perfiles de puesto, capacitación y el tablero mensual que mantiene la IA en operación.
¿Su IA de cadena de suministro ya está en operación o sigue en piloto?
Hable directamente con nuestro equipo sobre qué decisiones generarían retorno primero. O comience con el Diagnóstico de madurez en cadena de suministro e IA de tres minutos.