Glosario Logístico Marco Estratégico y Casos de Uso para la Adopción de IA Generativa (GenAI) en Logística

Definición de GenAI y Aumento del Uso por Parte de las Empresas

La inteligencia artificial generativa (o sistema de IA generativa) se conoce en inglés como Generative AI o GenAI, y la palabra generative significa "capaz de producir u originar". Aunque no existe una definición estricta de GenAI, puede decirse que se trata de “inteligencias artificiales capaces de generar diversos tipos de contenido” o “IA con la capacidad de aprendizaje para generar contenidos variados”. Estas IA pueden crear texto, imágenes, música, video y código de programación, y generan contenido nuevo transformando los datos existentes en creatividad.

En la primera mitad de 2023, cuando ChatGPT superó los 100 millones de usuarios, el término Foundation Model empezó a convertirse en una palabra clave entre los ejecutivos de empresas. El foundation model (modelo básico o fundacional) tiene varias definiciones, pero su lógica teórica sostiene que puede demostrar una enorme productividad si se aplica dentro del contexto de una empresa o gobierno. Este término fue creado y difundido por el Center for Research on Foundation Models (CRFM) del Stanford Institute for Human-Centered Artificial Intelligence (HAI).

Utilizar CRFM o IA generativa como ChatGPT en casos de uso específicos, sin necesidad de desarrollarla internamente, resulta mucho más económico. Esto permite a las organizaciones crear rápidamente una base funcional para su uso. Con este respaldo teórico, el interés de los ejecutivos de empresas globales creció exponencialmente.

A partir de marzo de 2023, cuando se demostró teóricamente que herramientas como ChatGPT podían mejorar de manera radical la productividad y creatividad personalizada de las empresas con bajo costo y menor esfuerzo, comenzó una ola de adopción generalizada.

El informe de McKinsey de agosto de 2023, Encuesta Global sobre el estado actual de la IA Generativa, mostró que el interés por GenAI en las empresas globales está aumentando de forma explosiva. Un tercio de los encuestados afirmó que sus organizaciones ya usaban GenAI de forma regular en al menos una función empresarial. La IA ha pasado a ser una prioridad para los CEO y CIO, y el 60 % de los encuestados dijo que los avances en IA impulsarían un aumento en la inversión en IA dentro de sus organizaciones. También afirmaron que ChatGPT aumentaría la productividad de la empresa en más del 20 % y que la mayoría de los empleados necesitarían ser capacitados nuevamente.

Marco Estratégico para la Aplicación y Adopción de GenAI en Logística

El autor propone el Marco 2x2.4 como una herramienta clave para superar de forma sistemática los diversos desafíos que pueden surgir al introducir GenAI en la industria logística. Este marco está diseñado para ayudar a las empresas a clasificar tareas complejas por área de aplicación, seleccionar las tareas aplicables a IA generativa y definir el alcance del proyecto. Este marco fue publicado en el libro del autor Hacer de ChatGPT un arma secreta de la innovación (2024, Knowledge Nomad).

El marco 2x2.4 se divide en dos partes:

• 1. Matriz 2x2 de áreas de aplicación

• 2. 4 tipos de materialización para el desarrollo de proyectos individuales.

La matriz 2x2 se basa en dos ejes principales:

• El eje horizontal distingue entre tareas internas operativas y servicio al cliente.

• El eje vertical distingue entre mejora de procesos empresariales existentes y creación de nuevas tareas.

Esto permite aclarar y priorizar los distintos objetivos estratégicos de la organización.
Los cuatro tipos de materialización representan el criterio para determinar hasta qué punto una tarea seleccionada se puede integrar con GenAI. Estas cuatro categorías fueron elaboradas tras analizar durante un año (2023) los casos de aplicación de IA generativa en empresas globales. La combinación de estas dos estructuras forma el llamado Marco 2x2.4.

2x2 Matrix y Casos en el Sector Logístico

Cuadrante 1: Servicio al Cliente Externo – Mejora de Tareas Existentes

Incluye servicios como:

• Servicio de seguimiento y notificación de entregas en tiempo real con ETA (hora estimada de llegada).

• Respuesta automatizada a consultas de clientes mediante un chatbot de IA.

• Recomendación personalizada de opciones de entrega, analizando el historial de compras y datos logísticos del cliente.

Tras la pandemia de COVID-19, las tiendas libres de impuestos de Sídney enfrentaron un gran aumento en el número de turistas. La escasez de personal y el incremento de los costos laborales afectaron gravemente al servicio al cliente y la eficiencia operativa. Ante esto, Sydney Duty Free decidió introducir la IA, especialmente ChatGPT de OpenAI.

ChatGPT se integró en la gestión de inventario y logística. El análisis predictivo permitió estimar la demanda a partir de los datos de ventas y automatizar la gestión de inventario, solucionando problemas de exceso o escasez de stock y mejorando significativamente la eficiencia operativa.

Cuadrante 2: Servicio al Cliente Externo – Creación de Nuevas Tareas

Incluye:

• Agente de soporte al cliente basado en IA que predice y responde de forma proactiva a la demanda.

• Sistema de recomendación de productos que analiza patrones de compra.

• Servicio de marketing personalizado con promociones y descuentos adaptados.

Stitch Fix, un servicio de estilismo personal online, aplica ChatGPT para generar combinaciones de atuendos (hasta 13 millones al día) mediante su OCM (Outfit Creation Model). Este sistema considera el inventario en tiempo real, preferencias del cliente e historial de compras, generando recomendaciones personalizadas de alto valor para el usuario.

Cuadrante 3: Operación Interna – Mejora de Tareas Existentes

Incluye:

• Optimización del inventario con IA para evitar exceso o escasez.

• Optimización de rutas de entrega con IA para reducir costos.

• Análisis avanzado de datos para mejorar eficiencia y rendimiento.

Samsung SDS analiza redes logísticas complejas y sugiere rutas óptimas para reducir costos. También genera insights basados en datos (tiempo de entrega, errores, costos) y automatiza la documentación logística (facturas, guías de embarque).

En mayo de 2024, Samsung SDS integró ChatGPT en su plataforma Cello Square, una solución digital de logística que abarca cotización, reserva, seguimiento y liquidación.
Además, recopila 60,000 noticias diarias sobre riesgos en la cadena de suministro y, utilizando GenAI, selecciona 70 as de alto riesgo al día. La planificación, que tomaba un día, ahora puede realizarse en solo 2 horas.

Cuadrante 4: Operación Interna – Creación de Nuevas Tareas

Incluye:

• Automatización robótica logística para clasificación y movimiento de productos.

• Análisis predictivo de demanda futura.

• Gestión inteligente de la cadena de suministro con monitoreo en tiempo real.

Maersk, el mayor transportista de contenedores del mundo, está utilizando GenAI para el mantenimiento predictivo de buques, analizando datos de sensores para prever necesidades de mantenimiento, reducir tiempos muertos y ajustar rutas y precios dinámicamente con base en costos de combustible, tráfico y horarios de entrega.

Métodos de Conexión con GenAI y Prácticas de Uso

Las empresas han adoptado GenAI como ChatGPT de diferentes formas, clasificables en cuatro patrones:

1. Tipo de Definición de Rol

Uso independiente de GenAI para tareas cotidianas sin integrarse con sistemas empresariales: redacción de emails, resúmenes de reuniones, traducciones, corrección ortográfica.

2. Tipo de Integración Funcional

Vincula GenAI a sistemas existentes para mejorar la experiencia del cliente. Ejemplo: bots conversacionales que identifican necesidades y recomiendan productos/servicios.

3. Tipo de Integración con Ajuste Fino (Fine-tuning)

Se entrena GenAI con datos propios de la empresa (manuales, informes financieros, tesis médicas, etc.) para crear asistentes expertos.

En septiembre de 2023, Morgan Stanley anunció que su asistente GenAI estaba completamente operativo para asesores financieros y personal de soporte.

• ChatGPT responde consultas sobre cuentas, carteras, tendencias del mercado y términos financieros complejos.

• Se utiliza para analizar grandes volúmenes de datos y redactar informes de mercado.

• También están desarrollando una herramienta llamada Debrief, que resume automáticamente reuniones con clientes y genera correos de seguimiento.

[Ejemplo de Asistente de Morgan Stanley Integrado con GPT-4] (Source: Morgan Stanley Online)

4. Tipo de Convergencia Multimodal

Este método de vinculación combina dos o más GenAIs con características diferentes para innovar procesos existentes o crear nuevos servicios. Se integran IAs que generan distintos tipos de contenido, como por ejemplo: combinar voces con imágenes, o textos con videos. Este enfoque busca ampliar las capacidades de GenAI mediante la sinergia entre múltiples modalidades.

Aspectos Clave para una Adopción Exitosa de GenAI

Muchas empresas no tienen claro por dónde comenzar ni en qué áreas enfocarse al adoptar GenAI. Por eso, es fundamental considerar los siguientes cinco puntos para implementar GenAI con éxito:

1) Estimar los efectos del uso y establecer objetivos

El éxito del uso de GenAI depende de aplicarlo primero en tareas donde su impacto sea mayor.
En lugar de usarlo sin una política o estrategia definida, es importante identificar cómo puede integrarse a tareas concretas y establecer objetivos claros sobre cómo contribuirá a la eficiencia y la productividad.

2) Seleccionar áreas de alto impacto y diseñar procesos de uso

GenAI es muy eficaz para generar contenido basado en grandes volúmenes de datos, pero no garantiza respuestas correctas a preguntas complejas y puede presentar alucinaciones (errores). Por lo tanto, es crucial revisar y seleccionar cuidadosamente a qué tarea o propósito se aplicará, y decidir el enfoque, el alcance y la herramienta a utilizar, ya que esta decisión puede determinar el éxito o fracaso del proyecto.

3) Desarrollar y adoptar enfoques ágiles

GenAI no debe gestionarse como un sistema de información convencional, sino mediante un enfoque ágil (crear, modificar y evolucionar), que incluya preparación de datos, ajustes del modelo y mejoras continuas. Se recomienda seguir un ciclo de desarrollo ágil, con iteraciones de dos semanas, en las que se construya rápidamente un prototipo, se utilice, se revise y se optimice.

4) Gestionar los riesgos desde el sistema y las normas

Una de las principales razones por las que las empresas dudan en usar GenAI es por los riesgos, como la filtración de información confidencial o infracciones de derechos de autor. Estos riesgos pueden minimizarse estableciendo sistemas que no permitan a la IA aprender de los datos introducidos, así como creando reglas claras sobre el alcance de uso y el tratamiento de información confidencial.

5) Mejorar la alfabetización en el uso de IA por parte de los empleados

Una característica de GenAI es que su salida depende del diálogo con el usuario, por lo tanto, la alfabetización del usuario tiene un gran impacto en los resultados. Es necesario implementar programas de formación y prácticas guiadas para crear un entorno donde los empleados comprendan los fundamentos de GenAI, sus usos adecuados, los riesgos asociados y puedan utilizarlo de forma responsable.