Cuatro cosas distintas se venden con un mismo nombre
La etiqueta «IA» abarca funciones de madurez muy distinta. Separarlas hace que las ofertas sean más fáciles de leer.
| Lo que se vende | Lo que hace realmente | Cómo comprobarlo |
|---|---|---|
| Motor de reglas | Decide a partir de umbrales predefinidos (reponer cuando el stock baja de un nivel). | «¿Qué regla toma esta decisión y puedo cambiarla?». Si la respuesta es sí, es configuración, no IA, y a menudo es la mejor respuesta. |
| Previsión / optimización | Genera sugerencias de carga de trabajo, demanda o slotting a partir de datos históricos. | «¿Con cuánto histórico se entrena, qué pasa cuando falla, miden la exactitud?» |
| Detección de anomalías | Señala actividad inusual (diferencias de recuento inesperadas, cancelaciones atípicas). | «¿Cuál es la tasa de falsos positivos, quién descarta una alerta, queda registrado el descarte?» |
| Modelo de lenguaje (asistente, voz) | Hacer preguntas, pedir informes o crear tareas en lenguaje natural. | «¿Dónde se ejecuta el modelo, salen los datos del almacén de la empresa, qué pasa cuando malinterpreta?» |
Que una función sea un motor de reglas no es un defecto. La mayoría de las decisiones de almacén deben ser explicables y repetibles, y una regla bien escrita suele ser la mejor forma de lograrlo.
Nueve preguntas para el proveedor
Proceden de la sección de IA de nuestro catálogo interno de evaluación; usamos las mismas al evaluar las fichas de proveedores.
- ¿En qué pantalla exactamente entra en juego el apoyo de la IA?
- ¿Qué decisión toma: sugiere o actúa por sí sola?
- ¿Puede el usuario ver y anular el resultado, y queda registrada la anulación?
- ¿Qué datos usa: solo los nuestros, o también los de otros clientes?
- ¿Dónde se procesan los datos: en qué país y con qué proveedor?
- Si prevé demanda o carga de trabajo, ¿se mide la exactitud y pueden compartir la cifra?
- ¿Se pueden consultar informes en lenguaje natural, y cómo detecta el usuario una respuesta errónea?
- Si hay control por voz, ¿se ha probado en un almacén ruidoso, y en qué idiomas?
- ¿Esta función está en el paquete estándar, es un módulo adicional o se desarrolla por proyecto?
Dónde se procesan los datos: la pregunta que no hay que omitir
Los datos de almacén contienen más datos personales de lo que parece: nombres y direcciones de destinatarios, teléfonos y a veces el contenido de los pedidos. Si un modelo de lenguaje se ejecuta en la nube, esos datos pueden salir de su empresa para procesarse, y si el proveedor está en el extranjero se plantea una transferencia internacional. Trátelo como una cláusula contractual, no como un detalle técnico: qué proveedor, qué país, si los datos se usan para entrenar y cuánto tiempo se conservan. Tratamos la implantación y la ubicación de los datos en <a href="/analysis/cloud-or-on-premise-wms">nube o local</a>.
Lo que la IA no resolverá
- Datos maestros erróneos. Ningún modelo produce una buena previsión para un artículo con un código de barras, unas dimensiones o una jerarquía de embalaje erróneos.
- Un almacén sin ubicaciones. Sin datos de ubicación, un optimizador no tiene espacio en el que trabajar.
- Un proceso sin definir. El sistema no decidirá algo que nadie ha decidido; solo acelera una decisión existente.
- Rendimiento sin medir. Si no se mide la exactitud ni el beneficio, nadie puede saber si la función funciona.
Con esos cuatro puntos resueltos, la IA puede aportar un beneficio real. Sin ellos, la primera inversión debe ir a los datos y al proceso, no a un modelo. Use el <a href="/wms-finder">buscador de WMS</a> para seleccionar sus requisitos y comparar capacidades confirmadas por fuentes.
Preguntas frecuentes
¿Para qué se usa la IA en un WMS?
Sobre todo en cuatro áreas: prever la carga de trabajo y la demanda a partir del histórico, señalar actividad inusual (detección de anomalías), consultar informes en lenguaje natural y comandos de voz. Algunas de ellas son en realidad motores de reglas; para distinguirlas, pregunte «¿qué regla toma esta decisión y puedo cambiarla?».
¿Cómo pongo a prueba una afirmación de «WMS con IA»?
Bastan cuatro preguntas: en qué pantalla aparece, qué decisión toma, si el usuario puede ver y anular el resultado y si se mide su exactitud. Si no hay respuesta concreta a las cuatro, no hay una función medible.
¿Adónde van mis datos cuando uso una función de IA?
Si un modelo de lenguaje se ejecuta en la nube, los datos del almacén pueden salir de su empresa para procesarse, y si el proveedor está en el extranjero se plantea una transferencia internacional de datos personales. Qué proveedor, qué país, si los datos se usan para entrenar y cuánto tiempo se conservan: póngalo en el contrato.
¿Arreglará la IA unos datos malos?
No. Ningún modelo produce una buena previsión para un artículo con un código de barras o unas dimensiones erróneos, y sin datos de ubicación un optimizador no tiene espacio en el que trabajar. La primera inversión debe ir a los datos maestros y al proceso, no a un modelo.
Método y correcciones: política editorial.