En el mundo acelerado de la gestión de la cadena de suministro, cada segundo cuenta. Los retrasos, las ineficiencias y los datos desconectados pueden tener consecuencias financieras y operativas enormes. La prioridad de la persona encargada de operaciones (COO) es mantener una cadena de suministro duradera y sostenible, desde el diseño del producto hasta la entrega y operación en la ubicación del cliente.

Esta visión amplia puede generar operaciones más eficientes y una mayor flexibilidad, productividad y sostenibilidad, ya que la toma de decisiones se basa en datos y los recursos se utilizan de manera más estratégica. Sin embargo, últimamente la cadena de suministro les ha dado a los directores de operaciones más que su justa cuota de dolores de cabeza, especialmente cuando se trata de anticipar y mitigar interrupciones: pandemias, guerras comerciales y aranceles, disturbios sociales e incluso fenómenos meteorológicos extremos. Ya conoce el procedimiento. Por eso, la introducción de la IA agéntica—agentes inteligentes, a veces autónomos, que pueden comprender el lenguaje natural, cerrar brechas de información, integrarse entre sistemas e incluso tomar acciones—representa una gran oportunidad e incluso una necesidad empresarial para mejorar las operaciones de los fabricantes y sus socios en la cadena de suministro.

Hay una gran diferencia entre la IA generativa y la IA agéntica. Si bien la IA generativa es excelente para crear contenido, hacer predicciones o responder preguntas, la IA agente va un paso más allá. No solo genera información valiosa, sino que también tiene la capacidad de actuar en consecuencia. Los agentes de IA pueden trabajar juntos, tomar decisiones y desencadenar acciones en diferentes funciones empresariales. En otras palabras, la IA agente lleva la IA de la sugerencia a la ejecución.

Los agentes de IA pueden brindar a los COOs supervisión y control sobre todos los procesos desde el diseño hasta la operación en tiempo casi real, simplemente dándole al agente un objetivo a alcanzar, formulado como una consulta en lenguaje natural. Supongamos que la directora de operaciones de un fabricante de tecnología le pregunta al agente de IA: “¿Cómo podemos mejorar la eficiencia y reducir el costo de fabricación de portátiles en un cinco por ciento?” Este agente de orquestación interpreta la solicitud y tiene la libertad de determinar y aplicar las mejores acciones para encontrar las respuestas. El agente de orquestación es el representante del COO en todos los diferentes sistemas involucrados en este proceso. Aprovechará la información de la producción, la logística, los proveedores y los socios comerciales—en ocasiones interactuando con otros agentes de IA en esas áreas—y reunirá todo para determinar el camino más eficiente y menos costoso. Eso podría significar cambiar de conectores de oro a conectores de cobre, cambiar a proveedores con mejores precios, mejorar el mantenimiento para reducir el tiempo de inactividad en la fabricación y el ensamblaje, o simplemente trasladarse a un lugar de ensamblaje más eficiente.

Es fácil ver por qué los agentes pueden ser exponencialmente más rápidos para encontrar una manera de mejorar la producción, en comparación con recopilar información manualmente de cada departamento.

Para las y los COOs, la IA agente representa tanto un desafío como una oportunidad única. Los agentes de IA tienen el potencial de transformar las cadenas de suministro, pasando de ser operaciones reactivas y aisladas a convertirse en redes inteligentes que mejoran de manera continua.

Pero, como ocurre con la mayoría de las nuevas tecnologías, es necesario separar la exageración de la realidad. En este momento, estamos comenzando a ver los primeros indicios de valor real de los agentes de IA en la cadena de suministro, con un pequeño grupo de agentes de pronóstico, manufactura y almacenamiento que operan de manera eficiente dentro de sus respectivos ámbitos. Pero la tecnología está avanzando a una velocidad vertiginosa, y la verdadera integración de estos agentes de IA no está tan lejos como podría pensar. Cuando los agentes pueden orquestar el intercambio y la conciliación de datos entre departamentos y funciones, no solo los procesos generales se vuelven más eficientes, sino que el COO y el CFO pueden trabajar mejor juntos. Por eso, las y los COOs deben considerar desde ahora los primeros pasos hacia la IA agente, para estar preparados a medida que crecen las capacidades.

¿Qué pueden hacer realmente los agentes de IA hoy en día?

Por el momento, es difícil encontrar agentes multifuncionales en el mercado, pero las empresas más grandes—cuyo suministro es vital para su funcionamiento—ya implementan agentes de IA especializados. En 2025, casi la mitad (44%) de las ventas minoristas de comercio electrónico en Estados Unidos se realizan a través de Amazon y Walmart. Walmart emplea agentes de inteligencia artificial para predecir la demanda y ajustar los niveles de inventario en su amplia red de tiendas. Los agentes utilizan datos históricos de ventas y factores externos (como eventos comunitarios o el clima local) para predecir la demanda, lo que permite a la empresa abastecer los productos correctos en el momento adecuado y reducir el exceso de inventario. Amazon integra agentes de IA en sus centros de distribución para optimizar las operaciones de almacén. Los agentes gestionan el inventario, optimizan el espacio en los estantes y automatizan la preparación de pedidos. Como otro ejemplo, el proveedor de logística DHL utiliza agentes impulsados por IA para monitorear y optimizar la logística en tiempo real. Los agentes rastrean los envíos, identifican posibles interrupciones como retrasos o escasez de inventario, y sugieren rutas alternativas para minimizar las interrupciones.

Pero cada vez más, los agentes de IA no están limitados a las empresas más grandes. Las cadenas de suministro de todos los tamaños pueden comenzar a explorar los agentes de IA a medida que el ecosistema de IA se desarrolla rápidamente.

Para la mayoría de las operaciones de la cadena de suministro, los agentes de IA totalmente autónomos e interconectados siguen siendo muy conceptuales, pero la tecnología está avanzando rápidamente, dice Sree Mangalampalli, vicepresidente de soluciones de transformación digital en la empresa de IA para cadenas de suministro FourKites. De los 33 diferentes tipos de agentes de IA en la cadena de suministro que Mangalampalli identificó en un artículo de LinkedIn, “yo diría que el 25% son una realidad actual en las operaciones de la cadena de suministro hoy en día (febrero de 2025).”

Los agentes de IA atraviesan una curva de aprendizaje pronunciada

Los agentes de IA hoy en día apenas están comenzando a expandir sus capacidades. Aquí hay cuatro fases del desarrollo agéntico; cada nueva fase representará un gran aumento en la complejidad.

1. Primeras ideas. Cada agente de IA toma una consulta en lenguaje natural y analiza datos estructurados y no estructurados dentro de su área de la cadena de suministro para entregar información relevante y sugerir un curso de acción.

2. Perspectivas paralelas. La inteligencia artificial detecta patrones en los datos más allá de la consulta inicial. La persona agente tiene la capacidad de decir: “Usted ha hecho esta pregunta pero, al analizar los datos para su respuesta, veo problemas adicionales A, B y C. ¿Desea que actúe sobre ellos?” Esta etapa representa un salto exponencial en complejidad. Ampliar el alcance de las posibles acciones a partir de la consulta inicial requiere un trabajo significativo para identificar y habilitar todos los procesos disponibles que podrían ejecutarse.

3. Ejecución sugerida. A medida que el agente se familiarice con sus acciones, comenzará a recomendar acciones basadas en patrones de decisiones previos. Si usted ha hecho una pregunta similar varias veces en el pasado, el agente de IA ha proporcionado ideas similares, y nueve de cada diez veces ha tomado una acción similar, el agente le preguntará si desea que tome esa misma acción esta vez. En esta etapa, el agente de IA proporciona a la persona usuaria información de apoyo para tomar decisiones.

4. Ejecución autónoma. Este es el objetivo final de la IA agente. Ahora que el agente de IA ha “aprendido” sus respuestas a ciertas consultas o datos, tomará medidas por sí mismo, o con una intervención humana muy mínima.

En cuanto a la expectativa frente a la realidad, la IA agente definitivamente está creciendo rápidamente;pero la autonomía total aún es un trabajo en progreso, dice Carlos Romo, gerente senior de cuentas en CodersLab, que ayuda a automatizar la cadena de suministro de la industria automotriz. “Muchas empresas están experimentando con esto, pero todavía se necesita supervisión humana para las decisiones complejas. Sin embargo, la tecnología está evolucionando rápidamente, así que nos estamos acercando a sistemas más autosuficientes.

La mayoría de las organizaciones de la cadena de suministro utilizan agentes de IA para la previsión, dice él. Desde la pandemia, las organizaciones no pueden contar con datos históricos como base para el crecimiento futuro. “Tiene que incorporar factores externos del mercado que tengan la correlación más cercana con su negocio y hacer sus pronósticos en consecuencia”, dice él. “Permita que la IA aprenda de esos factores de mercado para entender cuánto deben ser ponderados en la previsión futura y cómo afectarán su demanda. Es un problema muy complejo, pero el agente está aprendiendo constantemente y actualizando su pronóstico a medida que avanza.

La programación de la manufactura es otro objetivo fácil para los agentes de IA. Pueden analizar datos de los proveedores de materiales, cambios de los clientes y objetivos de entrega para lograr una programación más eficiente en la planta de fabricación y reducir el tiempo de inactividad. Los agentes de IA están en el almacén, asegurándose de que el inventario entrante esté optimizado para los envíos salientes, de modo que usted tenga un almacenamiento limitado y una distribución eficiente.

¿Estos agentes están interactuando entre sí a lo largo de la cadena de suministro? Aún no, pero la tecnología está avanzando rápidamente, dice Mangalampalli. "Dale seis meses más."

El arte de lo posible: ¿Qué se proyecta que hará la IA agente mañana?

Están surgiendo casos de uso de IA agente para cada función en el proceso de la cadena de suministro, y cada uno tiene el potencial de mejorar la eficiencia, ahorrar dinero e incrementar la automatización en todo el proceso.

El objetivo final es que todos estos agentes de la cadena de suministro, específicos para cada tarea, no solo trabajen juntos, sino que también colaboren con agentes de IA en otras áreas del negocio—como ventas y compras—para crear un proceso de principio a fin con automatización flexible e inteligente.

Diseño de productos

La inteligencia artificial puede analizar comentarios de clientes, tendencias del mercado y datos de rendimiento para sugerir mejoras a los productos existentes o incluso inspirar nuevos productos.

Al diseñar un nuevo producto para el cuidado de la piel, la inteligencia artificial puede recopilar todos los datos de servicio al cliente de la empresa sobre cómo están funcionando sus productos actuales y qué se está solicitando en el mercado. Entonces, la persona diseñadora podría preguntarle al agente de IA qué falta en sus productos existentes o qué están pidiendo las personas clientes. Por ejemplo, la vitamina C y la niacinamida están en tendencia en línea como los principales ingredientes para el cuidado de la piel que estarán en demanda para 2025. El agente de IA investigará en datos de I+D y redes sociales que coincidan con su base de clientes y propondrá fórmulas, recetas o modelos alternativos sobre cómo la organización podría crear nuevos productos. Incluso podría sugerir nuevos materiales que podrían usarse, como reemplazar los destilados de petróleo—que están prohibidos en el Reino Unido—por manteca de karité, cera de abejas o aceite de coco. O podría evitar ciertos materiales como parabenos o aluminio que muchas personas consumidoras no desean en sus productos.

Fabricación

Los agentes de IA pueden optimizar los pasos y procesos de producción, y hay un interés creciente en utilizarlos para el control de calidad. Las herramientas de inspección visual ya pueden identificar defectos en una línea de producción en tiempo real, reduciendo el desperdicio y mejorando la calidad. Pero el agente de IA no se detendría ahí; también podría generar órdenes de mantenimiento o ajustar los parámetros de producción automáticamente.

En la manufactura por contrato, los agentes de IA pueden monitorear el progreso de las órdenes de producción y comunicarse directamente con los sistemas de IA de los contratistas para asegurarse de que las organizaciones estén cumpliendo con sus acuerdos de nivel de servicio (SLA).

Los agentes de IA también determinarán la mejor secuencia de pasos en la línea de producción y los ajustarán en consecuencia.

Gestión de almacenes

La inteligencia artificial agente adapta continuamente las operaciones del almacén según las fluctuaciones de la demanda y los niveles de inventario. También puede funcionar con sistemas robóticos de almacén ya existentes para almacenar los materiales de manera más eficiente y optimizar su uso. Por ejemplo, si la demanda de un componente electrónico en particular aumenta repentinamente, los agentes de IA pueden ajustar la distribución del almacén para asegurar que el producto esté ubicado cerca del muelle de carga para facilitar su acceso. Con un mayor aprendizaje, los agentes de IA automatizarán todo el proceso de envío, embalaje y mejorarán la velocidad de cumplimiento.

Transporte y logística

Los agentes de IA pueden optimizar las rutas de entrega, mejorar los tiempos de entrega y reducir los costos de combustible. También pueden utilizar datos externos, como informes meteorológicos, precios de la gasolina e informes de noticias sobre congestión en los puertos, para ajustar los envíos o las rutas de conducción en tiempo real.

Aquí, es fundamental tener acceso a datos no estructurados como textos e informes de noticias. Cuando un barco estaba bloqueando el Canal de Suez, la información fue transmitida por mensaje de texto y esto afectó las cadenas de suministro. En una situación similar, los agentes de IA podrían detectar el incidente rápidamente a partir de las comunicaciones internas y los canales de noticias. Luego, podrían calcular proactivamente la economía de desviar las entregas alrededor del Cabo de Buena Esperanza o por tierra, y trasladar los pedidos a proveedores alternativos o ajustar las estrategias de inventario y precios.

Planificación y pronóstico

Pronto, los agentes de IA estarán sincronizados en manufactura, planificación y logística, y podrán indicarle el plan de fabricación más eficiente para cumplir con los acuerdos de nivel de servicio (SLA). Por ejemplo, una persona encargada de la planificación podría preguntarle a un agente de IA si debería enviar dos órdenes de producción al mismo fabricante o a fabricantes diferentes para cumplir con los acuerdos de nivel de servicio (SLA). El agente recopilará datos sobre las materias primas, los detalles de fabricación y los requisitos del SLA para formular un plan de acción.

Cuando se trata de pronósticos, monitorear datos estructurados y no estructurados, desde el clima hasta las redes sociales y las cuentas de noticias de audio, con agentes de IA en tiempo real puede ayudar a las empresas a ajustar rápidamente sus planes de producción y logística.

¿Qué está frenando la cadena de suministro para adoptar la IA agente?

Los proveedores de tecnología apuestan a que las empresas están listas para usar bots de IA autónomos, pero las compañías no están tan seguras. Mientras que el 61% de las personas asistentes a una cumbre tecnológica del Wall Street Journal en febrero dijeron que están experimentando con agentes de IA, el 21% dijo que no los están usando en absoluto. La encuesta encontró que su preocupación más apremiante con la tecnología es la falta de confiabilidad, y eso incluye tener datos confiables.

Antes de que cualquier tipo de IA pueda ser utilizada con éxito, las cadenas de suministro necesitan que tanto los datos estructurados como los no estructurados sean visibles, correctos y accesibles. Y ese es el problema. Las empresas están ahogándose en datos—provenientes de sistemas internos, colaboraciones con proveedores, proveedores de logística e incluso redes sociales y sensores de Internet de las Cosas (IoT)—pero gran parte de estos datos está aislada, no estructurada o simplemente desordenada.

Si bien un primer paso hacia una IA agente incluye organizar sus datos, es más fácil hacerlo cuando se comienza con algunos agentes en áreas específicas de la cadena de suministro.

Mangalampalli incluso sugiere adoptar una mentalidad más orientada a la mejora continua y flexible cuando se trata de datos. “No tiene que ser perfecto antes de que empecemos”, dice él.

¿Qué papel desempeñarán los seres humanos en una cadena de suministro impulsada por IA agente?

Como se mencionó anteriormente, los agentes de IA aún necesitan que una persona verifique las decisiones que están tomando. E incluso a medida que las capacidades de la IA crecen, el papel humano en la gestión de la cadena de suministro no desaparece; evoluciona. No importa cuán autónomo sea el agente, una persona siempre estará en el centro brindando supervisión. Pero el conjunto de habilidades de la persona en el centro va a cambiar.

Hoy en día, la gestión de la cadena de suministro depende de empleados especializados: planificadores, gerentes de planta, expertos en logística y otros. Los agentes de IA absorberán gran parte de la experiencia necesaria para crear nuevos diseños de productos, establecer los cronogramas de fabricación en la planta de producción o elegir el mejor proveedor de materiales para un nuevo producto. Esto trasladará la toma de decisiones hacia las operaciones comerciales y la persona encargada de la dirección de operaciones (COO), y la alejará de los expertos técnicos.

Estos "expertos en conocimiento" reentrenados tendrán, en cambio, la responsabilidad de tener una visión holística de la función particular del agente de IA y de cómo interactúa a lo largo de la cadena de suministro. Supervisarán el desempeño del agente de IA y validarán sus interacciones con diferentes datos tanto dentro como fuera de su área funcional.

La clave del éxito será equilibrar la automatización con inteligencia artificial y el juicio humano. Es dudoso que alguna vez logremos una replicación del 100% de la cadena de suministro en un agente, y es muy probable que siempre haya una persona involucrada en el proceso. La inteligencia artificial no reemplazará a las personas, pero las personas que usen inteligencia artificial reemplazarán a quienes no la usen.

¿Qué deberían hacer ahora las y los COOs?

Para las personas COO que buscan empezar a integrar IA agente en su cadena de suministro, el primer paso no es comprar la última herramienta de IA; es identificar dónde están los mayores desafíos empresariales.

1. Tenga en mente un resultado empresarial claro. Si comprende el resultado, puede crear sus agentes para alcanzarlo.
2. Verifique sus datos. ¿Realmente tiene los datos correctos para resolver estos problemas? Si no, ¿dónde puede conseguirlo?
3. Trabaje con proveedores de software. Empresas, incluyendo SAP, están desarrollando agentes de IA para que las y los COO no tengan que crearlos desde cero. Algunas personas están creando agentes individuales con funciones particulares, mientras que otras están ofreciendo—o planean ofrecer—software que gestiona agentes o permite a la persona usuaria crear rápidamente sus propios agentes combinando funciones predefinidas.

La cadena de suministro actual está llena de problemas que pueden beneficiarse de la IA agente. Los agentes de IA están trabajando para dominar el intercambio e integración de datos entre todas las empresas de la cadena de suministro global, incluso si estas fuentes utilizan diferentes formatos, estándares y sistemas. Y puede navegar en un entorno de cadena de suministro dinámico y complejo. La IA agente puede ir más allá de la automatización tradicional basada en reglas que depende de escenarios predefinidos, y en su lugar aprender de datos históricos para predecir posibles interrupciones y ajustar automáticamente el plan sin requerir intervención manual.

Aún más prometedor es cuando los datos pueden integrarse y compartirse en toda la organización; las interacciones entre los COO, CFO y el resto del equipo directivo son mucho más colaborativas. Esto garantiza que sus funciones trabajen en conjunto para identificar los cuellos de botella e incorporar el equilibrio adecuado entre autonomía y límites de control.

La IA agentica en los procesos de diseño a operación no es solo una mejora de la IA generativa; puede ser un gran salto hacia adelante. Lleva la IA de conocimientos pasivos a la ejecución activa. Pero para que funcione, las empresas necesitan una estrategia. Comience con los datos correctos, encuentre los casos de uso adecuados y logre que los agentes de IA primero trabajen de manera eficiente dentro de su disciplina. Así estará preparado a medida que la tecnología avance. Así es como se pasa del bombo publicitario de la IA a los resultados de la IA.

Lea más