No todos los problemas de inventario son problemas de personas. En un caso reportado por Grupo Intelsis, un minorista especializado, con una gran cantidad de SKU y una operación que depende del inventario para vender, contaba con compradores experimentados y una rutina de compras bien establecida. Aun así, sufría quiebres en sus productos más vendidos, excedentes de artículos de temporada y pedidos urgentes frecuentes.
En 18 meses, la empresa redujo su inventario total un 35% sin perder nivel de servicio, recuperó 3 puntos de margen sobre ventas y recortó en más de un 60% los pedidos fuera de ciclo. No cambió de ERP ni migró datos. A continuación, el camino recorrido: el diagnóstico, la decisión, la implementación y lo que este caso enseña a quien enfrenta síntomas parecidos.
Buenos compradores, información tardía
La rutina de compras combinaba cuatro fuentes: el historial de ventas, las proyecciones trimestrales del área comercial, los acuerdos con proveedores y la experiencia del equipo. El resultado era razonable, pero arrastraba un retraso de origen. Cuando el pronóstico estaba listo, los datos ya tenían días o semanas de antigüedad, y cada corrección solo surtía efecto en el siguiente ciclo de compra.
Ese detalle cambia el diagnóstico. El equipo no decidía mal; decidía bien con la información disponible, y esa información llegaba tarde. En situaciones así, contratar más compradores o exigir más precisión no suele resolver nada, porque el cuello de botella está en el flujo de datos y no en la capacidad de análisis.
Tres síntomas del mismo retraso
El retraso se manifestaba de tres formas, siempre en los momentos más sensibles para el negocio:
- Quiebres de stock en los productos de mayor rotación durante los picos de demanda, justo cuando cada venta perdida pesa más.
- Sobrestock crónico de artículos de temporada que no se vendieron a tiempo y terminaron inmovilizando capital.
- Pedidos urgentes fuera de ciclo, que encarecían la logística y tensionaban la relación con los proveedores.
A primera vista, los tres problemas parecen independientes. En la práctica, tienen la misma raíz. Falta producto cuando la demanda crece más rápido de lo que el pronóstico logra seguir, y sobra cuando cae antes de que se revise el plan. El pedido urgente es el intento de corregir el primer error, a un costo mayor. Si quieres medir este efecto en tu empresa, empieza por estas cuatro preguntas de diagnóstico sobre sobrestock y quiebres.
Lo que la empresa buscaba y lo que quiso evitar
La empresa tenía claro lo que no quería: ni un ERP nuevo ni un proyecto de consultoría de muchos meses. Buscaba una herramienta de inteligencia artificial que se conectara a sus sistemas existentes, aprendiera del historial y recomendara qué pedir, cuánto y cuándo.
La elección se apoyaba en un principio claro: la decisión final seguiría en manos de las personas. La herramienta asumiría el trabajo repetitivo de construir y recalcular pronósticos, SKU por SKU. Los compradores revisarían las recomendaciones, sumarían lo que saben de proveedores, mercado y negociaciones, y tomarían la decisión.
Ese diseño reduce dos riesgos frecuentes en los proyectos de IA. El primero es el rechazo: cuando el sistema decide solo, el equipo tiende a desconfiar de él y a esquivarlo. El segundo es la pérdida de conocimiento, porque parte de lo que sabe un buen comprador no queda registrado en el historial de ventas.
Recomendaciones en menos de una semana
La implementación fue más rápida de lo esperado. Conectada al ERP que la empresa ya usaba, la solución procesó el historial de ventas e inventario y empezó a generar recomendaciones en menos de una semana, sin migración de datos, sin capacitación técnica extensa y sin interrumpir la operación.
Un arranque a ese ritmo depende de algunas condiciones que conviene revisar antes de cualquier proyecto similar:
- Historial accesible: ventas y movimientos de inventario por SKU que puedan extraerse del ERP sin trabajo manual.
- Datos maestros consistentes: códigos, unidades de medida y jerarquía de categorías que permitan comparar períodos.
- Alcance definido: qué decisiones apoyará la herramienta y quién aprueba cada recomendación.
- Indicadores de partida: inventario, nivel de servicio, margen y pedidos urgentes medidos antes de empezar, para poder comparar después.
Lo que cambió en 18 meses
Los resultados reportados corresponden a los primeros 18 meses de uso:
- Inventario total un 35% menor, sin impacto en el nivel de servicio. El capital liberado se destinó a categorías de mayor rotación y mayor margen.
- 3 puntos más de margen sobre ventas, gracias a menos liquidaciones y a una mejor cobertura de los artículos de alta demanda.
- Más de un 60% menos de pedidos fuera de ciclo, con ahorro logístico y una relación más estable con los proveedores.
- Compradores con foco estratégico: en lugar de armar y corregir pronósticos, el equipo analiza recomendaciones listas y dedica su tiempo a proveedores, negociaciones y decisiones de negocio.
Los beneficios se refuerzan entre sí. Menos stock inmovilizado libera capital; el capital invertido en categorías de mayor rotación mejora el margen; menos urgencias reducen costos y desgaste con los proveedores. Nada de esto vino de un cambio de sistema, sino de un cambio en la forma en que la información llega a quien decide.
Lecciones para un proyecto similar
La principal lección es organizacional. Mejores herramientas e información oportuna llevan a mejores decisiones, con el mismo equipo. La inteligencia artificial ocupó el espacio del trabajo repetitivo y dejó a las personas lo que requiere criterio. En una frase: la IA recomienda y el equipo decide.
También hay una lección de secuencia. En lugar de un programa de transformación amplio, el punto de partida fue una decisión concreta, la reposición de inventario, con indicadores claros. Un alcance acotado facilita medir el retorno, ganar la confianza del equipo y elegir los siguientes pasos con datos.
Para profundizar, este artículo explica cómo una solución de IA apoya las decisiones de demanda, inventario y precios y para qué tipo de empresa tiene más sentido.
Próximo paso: evaluar el potencial en tu operación
Si reconoces estas señales en tu empresa, el equipo de Grupo Intelsis puede ayudarte a estimar el potencial de mejora con tus propios datos, entender lo que tu ERP actual ya ofrece y definir si conviene empezar por algunas categorías. Habla con nuestro equipo y trae a la conversación los números de tu último trimestre.