IA retail
MW: En el contexto actual del retail y consumo masivo, la Inteligencia Artificial (IA) está generando una revolución sin precedentes. Esta tecnología está transformando fundamentalmente la manera en que las empresas operan, interactúan con los consumidores y toman decisiones estratégicas. De acuerdo con tu experiencia, ¿cómo está transformando la IA la industria del retail y del consumo masivo?
LG: Primero, debo mencionar que todavía hay un campo enorme para seguir aprovechando lo que hoy estamos viendo. Esta semana se presentó la nueva versión de ChatGPT 4, donde vimos demos impresionantes, como dos celulares hablando en distintos idiomas y otros casos. Diría que la industria del retail y del consumo masivo viene un poco rezagada. Hay casos de usos concretos, como chatbots para facilitar la atención al cliente, detección de fraudes, predicción de demanda y reabastecimiento (como la cadena TARGET), y recomendaciones personalizadas, como las implementadas por H&M.
Avances en el Mundo Digital y Físico
En el mundo digital o del e-commerce, y en el mundo de las tiendas físicas, hay tecnologías como recomendaciones hiperpersonalizadas que dependen de una ejecución adecuada para variar la oferta de productos según las preferencias del consumidor. Esto es difícil de ejecutar en el contexto físico. Los precios dinámicos, por ejemplo, ya se ven en los marketplaces o sitios de e-commerce, pero implementarlos en una tienda física requiere tecnologías como ESLs (electronic labels). También estamos viendo reconocimiento de exhibición en góndola para validar cumplimiento de acuerdos con proveedores y análisis de tendencias en redes sociales para adaptar nuevos lanzamientos, como lo hizo Zara.
Muchos de estos casos de uso no están utilizando la gran potencia de herramientas como ChatGPT o los modelos LLaMA de Meta, sino tecnologías que ya tienen varios años de desarrollo. Hay un campo grande de exploración en lo que estamos viendo en otras industrias con IA generativa y casos de uso que pueden ser ejecutados.
Desafíos en el Retail y Consumo Masivo
MW: En la actualidad, los retailers y manufactureros enfrentan una serie de desafíos complejos y dinámicos que impactan directamente en su capacidad para competir y prosperar en un mercado cambiante. Es un hecho que las empresas del sector están bajo una presión constante para innovar y diferenciarse. ¿Cuáles son los principales desafíos que enfrentan hoy en día y cómo puede la IA ayudar a superarlos?
LG: Llevo 20 años trabajando en la industria del retail y consumo masivo, y los desafíos no son muy distintos a los de antes: contar con el producto correcto, en el lugar indicado, con el precio correcto y dar un buen servicio. Hoy, el consumidor está mucho más informado y es más impaciente, lo que favorece la conveniencia y sus preferencias son más cambiantes. Por ejemplo, según la consultora IRI, un supermercado promedio en Estados Unidos puede perder más de 2 millones de dólares por año debido a quiebre de stock, malas decisiones de surtido o de precios.
La Importancia de los Datos
La IA puede generar un incremento enorme de productividad, pero es crucial tener buenos datos. Muchas veces se ha puesto mucho foco en el desarrollo de modelos, pero poco en la generación de datos, capturarlos y ponerlos en un Data Lake centralizado, normalizarlos y enriquecerlos. Por ejemplo, para calcular la elasticidad de precios, hemos deflactado series de ventas de clientes de retail en Latinoamérica, y sin variaciones de precios significativas, es difícil predecir correctamente el volumen de ventas con cambios de precio. Por lo tanto, el foco debe estar en los datos para aprovechar los modelos de IA al máximo.
Optimización con IA
MW: La IA está revolucionando la forma en que las empresas toman decisiones estratégicas, permitiendo análisis predictivos y recomendaciones precisas en tiempo real. ¿Cómo se podría utilizar la IA para optimizar precios, promociones, surtidos, inventarios y otras variables importantes en el retail?
LG: Voy a dar algunos ejemplos de tecnologías que hemos desarrollado en Prisma. Por ejemplo, trabajamos con hard discounters que tienen un alto share de productos de marca propia y necesitan comparar sus precios contra los de otros productos. Desarrollamos un modelo que detecta productos sustitutos o similares, facilitando la comparación de precios y promociones. Otro modelo que tenemos es de normalización y enriquecimiento de datos, mejorando descripciones y atributos de productos para recomendar estrategias de precios y surtidos segmentados.
Integración de Datos para Mejorar la Precisión
Hemos diseñado nuestro propio Data Lake, integrando información de precios, volúmenes de ventas, precios de competidores y exhibición de productos. Esto nos permite responder con mayor precisión a preguntas sobre ventas, exhibición y promociones, generando sugerencias precisas.
Un ejemplo concreto de éxito es con los hard discounters en Latinoamérica, donde creamos maestros de artículos capturando información de múltiples fuentes, normalizamos y enriquecimos datos, y detectamos similitudes de productos para comparar precios y reemplazar productos sin stock en góndola. Esto no solo aumenta la productividad, sino también captura oportunidades de margen.
Recursos y Capacitación en IA
MW: ¿Qué recursos recomendarías a los retailers y manufactureros interesados en aprender más sobre la IA y su aplicación en el negocio?
LG: Soy autodidacta y recomendaría plataformas como Coursera, Udacity o edX, que tienen excelentes cursos técnicos en Machine Learning y IA generativa. También hay publicaciones en Medium, como To Data Science, que son muy útiles para entender casos de uso prácticos. La clave está en unir el conocimiento de la tecnología con el del negocio para resolver problemas reales y maximizar el potencial de la IA en la industria del retail y el consumo masivo.
El Impacto de la IA en el Futuro
Es importante destacar que los cambios impulsados por la IA están ocurriendo a un ritmo acelerado. Las empresas del sector retail y de consumo masivo deben estar preparadas para adaptarse rápidamente a estas transformaciones. Implementar IA no es solo una cuestión de adoptar una nueva tecnología, sino de repensar y reorganizar procesos internos, capacitar al personal y estar dispuestos a invertir en el largo plazo. Con un enfoque estratégico y un compromiso con la innovación, los retailers y manufactureros pueden desbloquear todo el potencial de la IA para impulsar su éxito en un mercado cada vez más competitivo y dinámico.
Esta revolución tecnológica no solo promete mejoras en eficiencia y rentabilidad, sino también una experiencia de cliente significativamente mejorada. Al entender y anticipar mejor las necesidades y preferencias de los consumidores, las empresas pueden ofrecer productos y servicios más alineados con sus expectativas, logrando así una mayor lealtad y satisfacción del cliente.
Ejemplos Concretos de Éxito
MW: Una de las mejores formas de comprender el impacto de una solución tecnológica como la Inteligencia Artificial es a través de ejemplos concretos de éxito que nos permitan entender las mejoras que se lograron en esos procesos. ¿Podrías compartir un ejemplo concreto de cómo Prisma y la Inteligencia Artificial han ayudado a algún cliente a mejorar su rentabilidad?
LG: Claro, uno de los casos más relevantes es con los hard discounters en Latinoamérica, pero también tenemos ejemplos en Europa y Estados Unidos con cadenas como Aldi y Lidl. La problemática principal era cómo comparar su oferta con la de sus competidores. Primero, creamos nuestros propios maestros de artículos capturando información de múltiples fuentes. Luego, normalizamos y enriquecimos los datos para detectar similitudes entre productos, facilitando la comparación de precios y la gestión de inventarios.
Este enfoque no solo aumentó la productividad, sino también permitió capturar oportunidades de margen significativas. Por ejemplo, si un producto se quedaba sin stock, la IA sugería automáticamente el producto más adecuado para reemplazarlo en la góndola, basado en tamaño y similitud. Este tipo de soluciones ha demostrado ser invaluable para nuestros clientes, mejorando tanto la eficiencia operativa como la satisfacción del cliente.
Resultados y Adopción de IA
MW: ¿Cuánto tiempo toma ver resultados una vez que se comienza un proceso de implementación de IA?
LG: Nosotros solemos pasar por un proceso de Discovery al inicio, para detectar “quick wins”. Dependiendo del grado de madurez de los procesos comerciales, equipos o datos, algunos resultados pueden verse en un mes, mientras que otros pueden tomar hasta un año. Es crucial demostrar valor a corto plazo para mantener el compromiso mientras se realizan inversiones a largo plazo para capturar todas las oportunidades.
Herramientas y Servicios para la Adopción de IA
MW: Uno de los desafíos clave en la implementación de soluciones de Inteligencia Artificial es asegurar una adopción exitosa por parte de los clientes. ¿Cuáles son las herramientas y servicios diseñados para facilitar esa adopción de tecnologías avanzadas?
LG: Para facilitar la adopción, recomendamos un enfoque progresivo. Empezamos con quick wins para demostrar el valor inmediato, lo que ayuda a ganar la confianza del cliente. Paralelamente, trabajamos en proyectos de largo plazo que requieren una inversión mayor. Además, proporcionamos formación y recursos continuos para que los equipos internos se sientan cómodos y capacitados en el uso de estas nuevas tecnologías.
También fomentamos una cultura de innovación dentro de las organizaciones, promoviendo la colaboración entre equipos de tecnología y de negocio para asegurar que las soluciones de IA se alineen con los objetivos estratégicos de la empresa. De esta manera, logramos una adopción más fluida y efectiva, maximizando el retorno de la inversión en IA.
