¿Reemplazará la IA Tu Trabajo? Cómo la IA Potenciará la Gestión de Inventarios Sin Sustituir a los Trabajadores

La inteligencia artificial (IA) ha sido a menudo presentada como una tecnología capaz de automatizar el trabajo humano. Con avances en visión por computadora —IA que “ve”— y en IA generativa capaz de redactar y diseñar, han crecido las preocupaciones sobre el riesgo de que grandes sectores de la fuerza laboral queden obsoletos.

Sin embargo, un reciente working paper titulado Beyond AI Exposure: Which Tasks are Cost-Effective to Automate with Computer Vision, elaborado por científicos de IBM y MIT, sugiere que estos temores podrían estar exagerados si se analiza el panorama económico completo más allá de la simple viabilidad técnica.

En el ámbito de la gestión de inventarios, la IA muestra un enorme potencial para ampliar y mejorar las capacidades humanas, aportando herramientas que elevan la precisión y eficiencia sin eliminar de forma masiva los puestos de trabajo. Comprender tanto los beneficios como las limitaciones actuales de la IA permite integrar esta tecnología de forma realista y reflexiva, evitando una automatización precipitada. Veamos los elementos clave en torno a la IA y los trabajos relacionados con la gestión de inventario.

Evaluando el Verdadero Potencial de Sustitución de Empleos por IA

Los modelos anteriores solían estimar el potencial de automatización de la IA fijándose principalmente en el porcentaje de tiempo dedicado a tareas susceptibles de automatización. Sin embargo, el hecho de que algo sea técnicamente posible, como desarrollar un algoritmo de visión por computadora para contar inventarios, no significa automáticamente que sea la opción más viable económicamente.

El documento mencionado presentó un modelo más matizado que tiene en cuenta dos dimensiones:

• Capacidad Técnica: ¿Qué nivel de rendimiento necesitaría un sistema de IA para ejecutar esta tarea? ¿Es alcanzable con las capacidades actuales de visión por computadora?
• Relación Coste-Beneficio: ¿Qué costes directos e indirectos implica desarrollar, desplegar y mantener un sistema de IA para automatizar esta tarea? ¿Resulta más rentable que el trabajo humano?

Al incorporar la viabilidad económica —y no solo la técnica— las conclusiones del informe ofrecen una perspectiva muy distinta sobre el impacto de la IA en los empleos a corto plazo:

Por ejemplo: “Con los costes actuales, muchas empresas estadounidenses optarían por no automatizar numerosas tareas de visión que podrían automatizarse. Solo el 23 % de los pagos salariales correspondientes a tareas de visión serían económicamente viables de automatizar.”

Así, aunque muchas tareas relacionadas con visión podrían automatizarse técnicamente con IA, menos de una cuarta parte son verdaderamente viables económicamente en este momento, considerando los costes totales.

Tareas en la Gestión de Inventarios: Mejora, No Sustitución

Si la sustitución total de empleos en la gestión de inventarios por IA no es económicamente viable, ¿qué lugar ocupa entonces el uso de IA en los flujos de trabajo de inventario?

Analizando las tareas esenciales de inventario, la IA tiene el potencial de mejorar la precisión, la rapidez y la facilidad de trabajo para los responsables de inventario, en lugar de sustituirlos por completo:

• Seguimiento de Inventario: La visión por computadora puede automatizar conteos, localización de productos y extracción de metadatos para apoyar conteos cíclicos y auditorías. Sin embargo, el proceso completo sigue necesitando supervisión humana y manejo de excepciones.
• Forecasting de Demanda: Algoritmos predictivos de IA pueden proyectar la demanda futura de manera más precisa, analizando años de datos históricos, mezclas de productos, promociones, etc., más allá de lo que es posible para una persona. Aun así, el criterio cualitativo de los gestores de inventario sigue siendo clave para considerar nuevas tendencias.
• Monitoreo de Activos: Sistemas de sensores conectados transmiten datos en tiempo real sobre inventario y equipos a plataformas de IA. No obstante, son los humanos quienes definen los KPIs y parámetros críticos que la IA debe vigilar, generando alertas en caso de anomalías.
• Optimización de Reabastecimiento: Con datos globales de la cadena de suministro y señales del mercador, sistemas de recomendación basados en IA pueden optimizar frecuencias, modos de transporte, tamaños de pedidos y más. Finalmente, los responsables de compras establecen los límites para la IA, en función de contratos con proveedores, capacidades de almacén y objetivos presupuestarios.

En lugar de que la IA funcione como “gerente de inventarios” realizando todas estas tareas interdependientes de manera autónoma, la mayor eficiencia y el mayor impacto se logran cuando la IA se diseña para mejorar pasos específicos dentro de flujos de trabajo más amplios. Este alcance adecuado de los proyectos de IA para inventarios también los hace más viables económicamente, en comparación con despliegues masivos.

El vicepresidente de supply chain de una gran cadena minorista podría, por ejemplo, declarar:

“Imaginamos que la IA puede agilizar puntos críticos, como automatizar ciertos conteos de inventario en tiendas, lo que podría ayudar con la planificación de asignaciones. Sin embargo, mantener el recurso humano para supervisar funciones como relaciones con las tiendas, iniciativas de merchandising y variaciones en el suministro seguirá siendo fundamental.”Inventory Management AI Adoption in Action

Casos Reales de Adopción de IA en Gestión de Inventario

En sectores como retail, e-commerce, manufactura y otras industrias basadas en inventario, integrar IA para potenciar las capacidades humanas muestra mayor potencial y refleja las prioridades reales de inversión tecnológica. Algunos ejemplos hipotéticos:

Mejorando Auditorías en Tiendas de un Gran Minorista

Una destacada empresa de moda podría probar cámaras de IA para monitorear estantes y realizar conteos automáticos en algunas tiendas emblemáticas, reduciendo parcialmente la pérdida de inventario.

No obstante, para un despliegue a gran escala en todas sus tiendas a nivel nacional, podría optar por dotar a los gerentes de tienda con apps móviles de escaneo, lo cual permitiría verificaciones de inventario más frecuentes y eficientes, en lugar de sustituir totalmente los conteos manuales.

Personalización del Forecasting para un Súper Online

Una plataforma de supermercados online podría descubrir que incluso las previsiones más avanzadas basadas en IA presentan márgenes de error del 10-20 % debido a variaciones inesperadas en la demanda de productos perecederos.

Podrían desarrollar un modelo de forecasting neural adaptable, capaz de aprender de las observaciones de los planificadores humanos sobre factores inusuales, como promociones o fenómenos climáticos, mejorando así las previsiones con el tiempo.

Monitoreo de Inventario Médico de Alto Valor

Una red hospitalaria podría implementar un sistema de sensores para rastrear en tiempo real el uso y la disponibilidad de equipos médicos costosos compartidos entre departamentos, visualizando estos datos en dashboards.

Pedidos automáticos y alertas sobre equipos extraviados podrían complementar, en lugar de sustituir, el trabajo del departamento central de suministros, permitiendo un control más proactivo del inventario.

Cada caso busca lograr mayor visibilidad, eficiencia y planificación en inventarios, más que perseguir una gestión completamente automatizada sin intervención humana.

Hacia una Integración Responsable de la IA en Inventarios

Con la IA prometiendo transformar desde pequeños comercios hasta grandes empresas globales, las prácticas responsables de adopción tecnológica son clave para una integración adecuada:

• Realizar análisis de impacto que evalúen las transiciones laborales junto con los beneficios en eficiencia antes de implementar IA en inventarios. Donde la automatización sea inevitable, mitigar la pérdida de empleos mediante programas de recualificación.
• Adoptar un enfoque iterativo, desplegando funcionalidades de IA orientadas a la mejora gradual antes de plantear automatización total. Medir continuamente el rendimiento humano-IA en lugar de fijar niveles absolutos de automatización de antemano.
• Involucrar a los responsables de inventario en todas las fases de la implementación de IA, mediante sesiones de diseño participativo y canales de feedback. Los flujos de trabajo con IA deben potenciar, no marginar, el conocimiento experto de las personas.
• Revisar los KPIs de inventario para incluir tanto métricas técnicas, como variaciones de inventario, como métricas centradas en las personas, como relaciones con proveedores y satisfacción del cliente, para evitar una hiper-optimización puramente técnica.

Conclusión

Un análisis ajustado de la economía detrás de la automatización con IA puede reflejar mejor el ritmo prudente con que las empresas adoptan nuevas tecnologías. En la gestión de inventarios, la IA ofrece un enorme potencial para fortalecer áreas como precisión, planificación y supervisión.

No obstante, la realidad económica de desarrollar e integrar estas tecnologías sugiere que la IA desempeñará un papel colaborativo, complementando los flujos de trabajo en lugar de reemplazar completamente los empleos, al menos en el futuro próximo.