Planificador de la cadena de suministro

Estados Unidos. La oficina de estadística proyecta que el empleo de logísticos crecerá un 18 por ciento entre 2025 y 2035, mucho más rápido que la media, desde 255.100 empleos con una variación de 44.900, y unas 26.600 vacantes al año. O*NET incluye planificador de demanda y planificador de la cadena de suministro entre los títulos de puesto de logísticos y analistas de logística. Cuenta empleos de un solo país, no tareas.

Una persona con nombre y con posición reconocida predijo algo públicamente, en una fecha, en una declaración atribuible. Se registra para que quede comprobable quién dijo qué y cuándo, y nunca mueve la evaluación de una tarea, porque una predicción no es una observación. Su valor llega después: el registro queda en la misma página que la evidencia sobre esa ocupación, así que quien lee el pronóstico lee al lado el registro de lo que pasó luego. Esa es la rendición de cuentas; este sitio no publica ningún veredicto sobre si un pronóstico se cumplió.

El relato de Unilever sobre su propia cadena de suministro. Dice que su Forecast Engine Utility combina aprendizaje automático y ciencia de datos para generar cada semana una previsión a 104 semanas para más de 5 millones de combinaciones de producto y cliente en 40 mercados en los que opera, y que, aunque la IA ayuda a tomar mejores decisiones a escala, la experiencia humana sigue siendo clave: su gente aporta el juicio, el contexto y la experiencia necesarios para tomar las decisiones finales. Es la empresa describiendo sus propios procesos; no se dan cifras de plantilla.

Una empresa lo ha puesto en producción. Puede mover la línea de base, ponderado por la escala y por cuánto se parece ese entorno al tuyo.

El blog tecnológico de Walmart. Dice que, en lugar de reaccionar después de que ocurra una interrupción, los planificadores usan simulaciones para ver de inmediato cómo el tiempo podría afectar a la disponibilidad de inventario, las rutas de transporte y las entregas a clientes, y que esa información les ayuda a identificar oportunidades para recolocar inventario, ajustar los tiempos de tránsito o desviar envíos antes de que el tiempo afecte a las operaciones. La herramienta informa a los planificadores, que son quienes actúan; no se dan cifras.

Una empresa lo ha puesto en producción. Puede mover la línea de base, ponderado por la escala y por cuánto se parece ese entorno al tuyo.

UE-27, empresas de 10 o más empleados, año de referencia 2025. El 19,95% de las empresas usó al menos una tecnología de IA, y el 6,08% de ellas la aplicó a la logística — cerca del 1,21% de todas las empresas —, el más bajo de los siete fines que publica el conjunto de datos; entre las empresas de 250 o más empleados, la proporción de logística es del 14,95%. Mide la adopción por parte de empresas de toda la economía, no el trabajo de los planificadores, y «logística» es la categoría amplia de la encuesta.

Una empresa lo ha puesto en producción. Puede mover la línea de base, ponderado por la escala y por cuánto se parece ese entorno al tuyo.

China, JD.com. Un modelo de reposición validado mediante un despliegue real con un análisis de diferencias en diferencias, que informa de una reducción de 5,27 días en la rotación, un aumento del 2,29% en la tasa de disponibilidad y una disminución del 29,95% en los costes de almacenamiento frente a la práctica existente. El artículo define la tasa de automatización como el porcentaje de decisiones de reposición que salen de los modelos y se adoptan para su ejecución, y dice que los artículos tratados los eligieron los responsables de JD por su alta tasa de automatización. Varios de los autores trabajan para JD.com, que tiene interés en el resultado.

Una empresa lo ha puesto en producción. Puede mover la línea de base, ponderado por la escala y por cuánto se parece ese entorno al tuyo.

Artículo de la propia sala de prensa de Walmart. Dice que, cuando aparece un exceso de existencias, un sistema desvía automáticamente el suministro a las tiendas que más lo necesitan antes de que el excedente se convierta en desperdicio, y que este sistema por sí solo ya le ha ahorrado a Walmart más de 55 millones de dólares. Es la empresa describiendo su propio sistema; no dice qué hacen de forma distinta los planificadores ni informa sobre la plantilla.

Una empresa lo ha puesto en producción. Puede mover la línea de base, ponderado por la escala y por cuánto se parece ese entorno al tuyo.

El anuncio de la propia Amazon sobre sus operaciones. Dice que, mientras los sistemas anteriores usaban el historial de ventas para orientar las decisiones de planificación de inventario, un modelo fundacional añade datos ligados al momento, como patrones meteorológicos y calendarios de festivos, y que estas previsiones han contribuido a una mejora del 10% en las previsiones nacionales a largo plazo para eventos de ofertas y a una mejora del 20% en las previsiones regionales para millones de artículos populares. Es la empresa describiendo sus propios sistemas; no informa de efectos sobre el personal de planificación.

Una empresa lo ha puesto en producción. Puede mover la línea de base, ponderado por la escala y por cuánto se parece ese entorno al tuyo.

China, Alibaba. El resumen dice que tradicionalmente son compradores humanos quienes toman las decisiones de reposición y pueden ignorar las recomendaciones de los algoritmos, que la empresa ha estado explorando un nuevo sistema de reposición en el que las recomendaciones del algoritmo son definitivas, y que los autores presentan pruebas de que sus algoritmos superan a los compradores humanos en la reducción de las tasas de rotura de stock y de los niveles de inventario. Tres de los cuatro autores trabajan en Alibaba; el resumen no da cifras, y «explorando» es más débil que un despliegue completo.

Ensayo a pequeña escala en un entorno real. Nos dice que se están probando las condiciones de despliegue, no que se cumplan, así que un piloto nunca basta por sí solo; dos independientes sí.

Estados Unidos, Bureau of Engraving and Printing. La entrada del inventario, marcada como desplegada con fecha de puesta en funcionamiento del 15 de septiembre de 2023, dice que el modelo ayuda a reducir las interrupciones de la cadena de suministro pronosticando el desempeño de los proveedores y las roturas de stock de artículos, lo que permite decisiones de aprovisionamiento anticipadas y mejora la planificación de inventario. Es el organismo describiendo su propio modelo; no informa de efectos sobre el personal.

Una empresa lo ha puesto en producción. Puede mover la línea de base, ponderado por la escala y por cuánto se parece ese entorno al tuyo.

Estados Unidos, cadena de suministro de servidores de Microsoft Azure. El artículo dice que los autores desplegaron la herramienta OptiGuide para la optimización del despliegue de servidores que se usa en la cadena de suministro de Azure; que los principales usuarios de la optimización son planificadores, que confirman que su resultado responde a las necesidades del negocio o lo anulan; que antes de OptiGuide responder a una sola pregunta hipotética requería más de tres operadores y un ingeniero de guardia; y que una evaluación preliminar muestra más de un 90% de precisión en distribución. Microsoft construyó la herramienta y la usa, y vende los modelos en los que se basa.

Una empresa lo ha puesto en producción. Puede mover la línea de base, ponderado por la escala y por cuánto se parece ese entorno al tuyo.

Estados Unidos, Center for Devices and Radiological Health de la FDA. La entrada del inventario, marcada como desplegada con fecha de puesta en funcionamiento de abril de 2023, describe la estimación de la posible demanda futura de dispositivos médicos y la previsión de la demanda de dispositivos críticos en distintos escenarios, como un desastre natural o una emergencia de salud pública. La entrada no tiene identificador en el archivo y no da cifras; es el organismo describiendo su propio modelo.

Una empresa lo ha puesto en producción. Puede mover la línea de base, ponderado por la escala y por cuánto se parece ese entorno al tuyo.

Si estás empezando, cuenta con que la previsión y buena parte de la reposición rutinaria las produzcan sistemas, y con que el trabajo esté en las excepciones: el artículo en el que el modelo se equivoca, la promoción que no puede ver, la interrupción que exige un plan nuevo. Aprende cómo funcionan los modelos lo bastante bien como para saber cuándo corregirlos.

Cuenta con dedicar menos horas a construir previsiones y más a decidir equilibrios y a gestionar lo que señala el sistema. Las empresas más avanzadas siguen dejando en manos de personas la decisión final sobre los equilibrios — ahí es donde cuenta tu experiencia.

Quedarte y reforzarte

Quedarte, y ser quien gestiona las excepciones

Las previsiones y la reposición automáticas se ocupan de lo rutinario; las empresas siguen confiando en los planificadores para juzgar los equilibrios y corregir cuando el modelo se equivoca.

Rehacer el puesto

Acercarte a los equilibrios de planificación y a la S&OP

Equilibrar suministro, ventas y coste entre funciones es donde las empresas recogidas aquí mantienen a personas al mando.

Movimiento lateral

Pasar a analítica de planificación y a la responsabilidad sobre los modelos

Alguien tiene que saber cuándo un modelo de previsión o de reposición se ha desviado, y decidir qué proporción de las decisiones puede tomar por su cuenta.

Se está quedando con buena parte de la previsión y de la reposición rutinaria en las grandes empresas — algunos minoristas dejan que los algoritmos tomen directamente las decisiones de reposición. Pero esas mismas empresas dicen que las decisiones finales sobre los equilibrios las toman personas, y las proyecciones de EE. UU. prevén que el empleo de logísticos crezca un 18 por ciento entre 2025 y 2035.

No respondemos a eso con un número de años. Vigila la proporción de decisiones que salen sin que un planificador las toque — empresas como JD.com ya la miden — y si los equilibrios entre coste, servicio y capacidad empiezan a fijarlos sistemas en lugar de personas. Hoy las empresas recogidas aquí mantienen lo segundo en manos de personas.

A gran escala, las empresas recogidas aquí dicen que sí. Amazon informa de previsiones a largo plazo un 10% mejores para eventos de ofertas y de previsiones regionales un 20% mejores tras añadir un modelo fundacional, y un estudio escrito junto con personal de Alibaba concluyó que sus algoritmos superaban a los compradores humanos en tasas de rotura de stock y niveles de inventario. Los planificadores siguen ajustando por lo que el modelo no puede ver.

Las proyecciones de EE. UU. prevén que el empleo de logísticos crezca un 18 por ciento entre 2025 y 2035, mucho más rápido que la media, con unas 26.600 vacantes al año. El trabajo se está desplazando de producir previsiones a gestionar excepciones, equilibrios e interrupciones.