El debate sobre inteligencia artificial en retail empieza a madurar. Lejos del discurso aspiracional, la mesa redonda celebrada en el marco de Retail Forum, en Ifema Madrid, aterrizó el foco en un problema mucho más tangible: cómo conectar la toma de decisiones desde el forecast hasta el lineal.
Bajo el título “Del Forecast al Lineal: IA y tecnologías para crear un ecosistema circular, autónomo y conectado”, el encuentro, moderado por Julian Ruiz, country manager de Retano Solutions, empresa de software especializada en soluciones innovadoras de IA y análisis de datos para la optimización de procesos en el sector minorista, reunió a Ángela Trelles, responsable de estrategia y gestión comercial en Hijos de Luis Rodríguez, Supermercados MasyMas; Patricio López de Carrizosa, director de la cadena de suministro de Tramas+, cadena internacional de tiendas del sector textil-hogar; y José Bernal, director comercial de Grupo Upper (Supermercados SPAR Sureste).
Del hype a la operativa: el problema no es la IA, es el dato
Uno de los consensos más claros de la sesión es que la inteligencia artificial no es el punto de partida. Es la consecuencia. El propio guion de la mesa lo anticipaba: la IA “no empieza en la tienda”, sino en cómo se estructuran los datos, se interpreta la demanda y se conecta toda la cadena de suministro.
Este matiz no es menor. Durante años, muchas decisiones en retail –especialmente en alimentación– se han basado en históricos simples o intuición comercial. El salto actual no está tanto en la tecnología como en la capacidad de integrar variables: promociones, estacionalidad, clima o comportamiento del cliente en tiempo real. Sin esa base, cualquier promesa de automatización queda vacía.
Primer reto: anticipar una demanda cada vez menos predecible
El forecasting sigue siendo el punto crítico, pero con una diferencia: ya no basta con prever, hay que gestionar la volatilidad. En la mesa se puso sobre la mesa una tensión estructural: los modelos predictivos mejoran, pero la realidad es cada vez más inestable. Factores como olas de calor, cambios en calendarios comerciales o diferencias regionales hacen que la demanda sea menos lineal que nunca.
Aquí aparece un segundo problema: la fragmentación del dato. En operadores con redes de asociados o tiendas independientes, como ocurre en parte del retail alimentario, la visibilidad completa sigue siendo limitada. Y sin visibilidad, no hay optimización real. La conclusión implícita: la IA puede afinar el forecast, pero solo si el dato es completo, homogéneo y accesible.
Segundo reto: el fin del surtido uniforme
Si el forecast falla, el surtido también. Y el impacto es directo en la cuenta de resultados. Durante el debate se recordó una cifra relevante: las pérdidas globales por surtidos incorrectos alcanzan los 1,7 billones de dólares. Más allá del dato, el mensaje es claro: seguir gestionando surtidos de forma homogénea ya no es viable.
El concepto que gana peso es la hiperlocalización. Es decir, adaptar el surtido a cada tienda según variables reales de consumo: desde formatos hasta rotación o perfil de cliente.
Sin embargo, aquí surge una contradicción operativa: cuanto más se personaliza, mayor es la complejidad de gestión. Y no todas las organizaciones están preparadas para escalar esa granularidad.
La IA aparece como habilitador, pero también como factor de dependencia tecnológica.
Tercer reto: donde todo se rompe – el lineal
El punto más crítico –y menos resuelto– sigue siendo la ejecución en tienda. La mesa coincidió en una idea clave: se puede tener el mejor forecast y el mejor surtido, pero si no se ejecuta correctamente en el lineal, el sistema falla.
Aquí entran en juego los planogramas, que están evolucionando de herramientas estáticas a sistemas dinámicos basados en datos. El objetivo ya no es solo diseñar el lineal, sino adaptarlo continuamente a la demanda real y a las limitaciones operativas de tienda.
Pero hay un obstáculo evidente: los recursos humanos.
La implementación depende de equipos en tienda con capacidad limitada, alta rotación y presión operativa. Esto introduce un gap entre la decisión centralizada y la ejecución real.
Algunas soluciones pasan por simplificar la operativa (por ejemplo, facilitar reposiciones más automatizadas o formatos logísticos adaptados al lineal), pero el problema sigue lejos de resolverse completamente.
El factor humano sigue siendo diferencial
Frente al discurso tecnológico, en la mesa también emergió una idea menos visible: la IA necesita ser entrenada con conocimiento experto.
La experiencia acumulada en las organizaciones –especialmente en perfiles senior– sigue siendo clave para interpretar excepciones, ajustar decisiones y validar recomendaciones algorítmicas.
El riesgo, como se apuntó, es perder ese conocimiento sin haberlo transferido a los sistemas.
Hacia un modelo autónomo… pero no inmediato
De cara al futuro, el consenso apunta hacia un modelo más automatizado: cadenas de suministro capaces de anticipar demanda, ajustar surtido y ejecutar en tienda con mínima intervención.
Sin embargo, la realidad actual está en una fase intermedia.
Más que autonomía total, lo que se está construyendo es un sistema híbrido: decisiones apoyadas en datos, pero todavía supervisadas y corregidas por equipos humanos.
La tecnología está preparada, cómo explicaba Julián, de Retano. Sus sistemas trabajan ya de manera autónoma. Lo que falta es que la parte humana en los retailers la adapte y confié en ella.
La transformación no se ve, pero se nota
El cierre de la mesa dejó una idea que resume bien el momento del sector: la transformación del retail no está en la tienda visible, sino en lo que ocurre antes.
Cuando el sistema funciona, el cliente simplemente encuentra el producto. Cuando no, todo lo demás –tecnología, experiencia, marketing– pierde sentido.
Y ahí es donde, hoy por hoy, sigue estando el verdadero reto del retail.
