:quality(85))
Para leer más contenido como este del CEO de Z2Data, Mohammad Ahmad, sígalo en Mohammad Ahmad | LinkedIn
Como ocurre la mayoría de los años, es probable que 2025 presente un panorama de riesgos en la cadena de suministro que combine tendencias de varios años con amenazas imprevisibles que acaben teniendo un impacto profundo en las estrategias de aprovisionamiento y las redes de proveedores.
Grandes cambios en camino, con el ESG como punto de partida
Hemos visto cómo el ESG (Environmental, Social and Governance) ha ganado un impulso significativo durante la primera mitad de la década, y 2025 se perfila como un año clave para el marco global de sostenibilidad. A partir del 1 de enero, decenas de miles de empresas en la UE y otros lugares pasaron a estar sujetas, por primera vez, a la Corporate Sustainability Reporting Directive (CSRD), y ahora deberán comenzar a cumplir requisitos exhaustivos de reporte alineados con diversos objetivos ESG.
Un año marcado por la inestabilidad geopolítica
Además, 2025 parece preparado para convertirse en un año de predominante inestabilidad geopolítica, marcado por momentos de alta volatilidad. A principios de este mes, vimos cómo el juego político de la administración Trump llevó a Estados Unidos al borde de una guerra comercial con los vecinos norteamericanos Canadá y México. Estas crecientes políticas proteccionistas—junto con un conflicto comercial cada vez más intenso con China que no muestra signos de disminuir—reconfigurarán las estrategias de aprovisionamiento y dejarán a muchos profesionales de SCRM (gestión de riesgos en la cadena de suministro) con la sensación de estar construyendo sus cadenas de suministro sobre arenas movedizas.
La IA en la gestión de riesgos de la cadena de suministro: ¿disruptor o solucionador?
Pero existe otra variable que la mayoría de los ejecutivos y sus organizaciones históricamente no han considerado del mismo modo que desafíos como el ESG y el cumplimiento normativo comercial: la inteligencia artificial. La IA y sus diversas variantes de vanguardia—including generative AI y ahora agentic AI—siguen estando en boca de todos, especialmente en el ámbito de la gestión de riesgos de la cadena de suministro y otros campos que pueden obtener grandes beneficios de la tecnología predictiva y la optimización. En estos contextos, las plataformas de IA se perciben principalmente como activos indiscutibles, herramientas novedosas que pueden ayudar a los ejecutivos y sus equipos a mapear sus cadenas de suministro, realizar previsión de la demanda e incluso asistir en esfuerzos de doble aprovisionamiento.
El poderoso potencial de la IA aún está por descubrirse
La realidad, sin embargo, es que la mayoría de las empresas aún están lejos de aprovechar por completo la IA. Aunque estoy convencido de que la tecnología acabará madurando hasta convertirse en un recurso de peso dentro del conjunto de herramientas de SCRM, a día de hoy sigue siendo una fuente de promesas tentadoras y potencial mayormente desaprovechado. Dado que la generación actual de soluciones de inteligencia artificial es aún muy reciente, todavía no se han establecido de forma integral sus casos de uso más efectivos. Por ello, los ejecutivos del ámbito SCRM deberían ver la inteligencia artificial como un factor X muy atractivo con el que deben seguir experimentando, reconociendo su potencial pero entendiendo también que gran parte de su valor y funcionalidad aún no se ha materializado.
Existen dos razones principales por las que la situación actual de la IA requiere una combinación reflexiva de optimismo y discernimiento.
El reto de invertir en IA en sus primeras etapas
La primera razón se refiere a los riesgos asociados a realizar una inversión considerable en un programa específico de IA. Como bien saben quienes siguen la evolución de herramientas como Chat-GPT, Claude y Gemini, la funcionalidad y capacidades de estas soluciones avanzan a una velocidad sin precedentes. GPT-3, por ejemplo, lanzado en 2020, contaba con aproximadamente 175 mil millones de parámetros y una ventana de contexto de poco más de 2.000 tokens. Cuando surgió su sucesor, GPT-4, esa capacidad de entrenamiento y procesamiento había aumentado notablemente: la cuarta generación de la herramienta de OpenAI utilizó cerca de 1,8 billones de parámetros y una ventana de contexto de 64.000 tokens. En solo cuatro años, el modelo de lenguaje había evolucionado hasta convertirse, probablemente, en una herramienta completamente diferente, con una capacidad máxima que transformó radicalmente el alcance de sus casos de uso.
Si bien esa velocidad de avance es, sin duda, impresionante, ese dinamismo tecnológico también puede introducir riesgos para las empresas. Aquellas organizaciones que invierten fuertemente en una solución de IA en este momento—y dedican recursos, tiempo y conocimiento para operacionalizarla e integrarla en la mayor cantidad de tareas y flujos de trabajo posibles—pueden obtener beneficios inmediatos. Pero si este campo tan dinámico progresa de manera exponencial en los próximos dos años, esa apuesta total podría terminar pareciendo una jugada demasiado entusiasta. Una encuesta reciente de McKinsey reveló que solo el uno por ciento de los ejecutivos considera que su implementación de IA es “madura”; es decir, el 99 % de los líderes empresariales cree que sus compañías aún están trabajando para entender la funcionalidad completa de sus soluciones de inteligencia artificial. Hay una razón de peso para ello: el verdadero valor de la tecnología está por determinarse y las corporaciones siguen en fase de experimentación.
La adopción eficaz de IA exige un marco estratégico claro
La segunda razón para equilibrar el optimismo con juicio cuidadoso tiene que ver con la planificación y la estructura detrás de la implementación de la IA. La realidad es que la IA está avanzando demasiado rápido como para que muchas estrategias relacionadas puedan mantenerse al día. No hay duda de que los ejecutivos deben querer aprovechar la multitud de capacidades de esta tecnología; sin embargo, necesitan invertir el tiempo suficiente en desarrollar objetivos, asignar responsables de esos objetivos y practicar una gestión del cambio eficaz para guiar a sus empresas durante el importante periodo de transición que permiten estas herramientas. Sin una estrategia coherente y cuidadosamente planteada para todas estas variables, las empresas corren el riesgo de limitar el potencial de su inversión.
Las empresas en SCRM y otras áreas relacionadas deben comunicar claramente los casos de uso, delimitar los tipos de datos e insumos apropiados para la herramienta y establecer una gobernanza interna sobre su uso. Las organizaciones que no desarrollen estos aspectos esenciales de una estrategia sólida y sofisticada de IA pueden terminar esforzándose por filtrar información e inteligencia útil entre un elevado y costoso ruido.
Cabe recordar también que desarrollar una estrategia para algo de esta magnitud y potencial transformador no es un proceso que pueda llevarse a cabo en pocas semanas (ni, en este caso, acelerarse con la propia IA). Las empresas deben estar dispuestas a cambiar de rumbo si la herramienta no arroja los resultados concretos esperados, un proceso que requiere tiempo y agilidad desde la alta dirección. Aún estamos plenamente inmersos en las fases más incipientes de esta tecnología, y el valor de estas soluciones podría seguir evolucionando durante años. Implementar una solución de IA con una visión rígida de sus casos de uso en su empresa puede impedirle desbloquear funcionalidades poderosas que no eran evidentes de antemano. La experimentación es un elemento esencial del proceso de maduración y las empresas deben mantener un enfoque dinámico y abierto si quieren maximizar el valor de su herramienta de IA.
Con liderazgo estratégico, la IA puede cambiar las reglas del juego
Los líderes en el ámbito de SCRM y en todo el tejido empresarial deben superar el uso vacío de frases como “actuar con cautela” al hablar de IA. La herramienta no es un animal peligroso ni un arma biológica, sino una tecnología compleja que debe abordarse de manera estratégica y deliberada. Adoptar la IA debe implicar construir un marco refinado y coherente sobre lo que se espera que aporte a su empresa, cuáles serán los indicadores clave de desempeño (KPIs) para medir el éxito, y cómo ajustarán el rumbo si la plataforma no se integra de manera óptima a los casos de uso previamente definidos.
Si bien el potencial de la tecnología es el motor de titulares y discursos acerca de la IA, cada empresa y su liderazgo ejecutivo tienen la responsabilidad de comprender cómo es el camino específico para dominar ese potencial en su propia organización.
