Lo que la IA generativa realmente está haciendo a la planificación de la cadena de suministro
Todo proveedor de planificación ahora ofrece un copiloto de IA. Después de catorce años viendo cómo las capacidades se renombran y se revenden, esto es lo que la tecnología realmente cambia, y lo que no.
Durante catorce años he visto el mismo patrón en la tecnología de cadena de suministro: una capacidad se renombra, se reempaqueta y se revende. "Demand sensing" se convirtió en "pronóstico con IA", se convirtió en "planificación impulsada por ML" y ahora es IA "generativa" o "agéntica". Las presentaciones de los proveedores cambian más rápido que la matemática de optimización que hay debajo.
Así que empecé la investigación para esta pieza como escéptico. Salí de ella como uno con matices. La IA generativa en planificación es real, está en producción, y es la mejora más genuina en usabilidad de software de planificación en dos décadas. Pero el valor que realmente captura es más limitado, y más aburrido, que lo que prometen los keynotes. Es sobre todo tiempo de planificador ahorrado en análisis y explicación. No son mejores planes, y no es una cadena de suministro autónoma.
Aquí está la distinción, y por qué importa para dónde gastas dinero en 2026.
Lo que realmente hace, sin el marketing
Quita el lenguaje y la IA generativa está haciendo siete cosas distintas hoy en entornos de planificación de producción. Ninguna de ellas es "hacer un mejor pronóstico".
La primera es analítica en lenguaje natural sobre datos de planificación. El lanzamiento del Q2 de 2025 de SAP para IBP agregó un complemento que permite a los planificadores generar fórmulas de IBP en Microsoft Excel usando lenguaje llano. El beneficio es una curva de aprendizaje más corta, no un mejor número.
La segunda es el resumen de excepciones y disrupciones. Las capacidades de análisis posteriores de SAP en 2025 resumen resultados complejos de optimización, inventario y pronóstico, traduciendo cálculos intrincados a lenguaje natural claro. El plan no cambia; la explicación del mismo es más rápida de leer.
La tercera es la generación de escenarios en lenguaje natural: describir una disrupción ("nuestro proveedor principal de acero cierra por tres semanas") y obtener un análisis de impacto aguas abajo sin construir el escenario a mano.
La cuarta es el copiloto del planificador, o "compañero de trabajo digital". Kinaxis lanzó Maestro Agents en octubre de 2025, posicionándolos como asistentes conscientes del contexto integrados en el entorno de planificación en vivo.
La quinta son los agentes compuestos de varios pasos que recuperan información, razonan y actúan a través de sistemas. o9 mejoró su plataforma Digital Brain con agentes compuestos impulsados por IA generativa construidos sobre su grafo de conocimiento empresarial.
La sexta y séptima (datos sintéticos para pronósticos de arranque en frío y detección de riesgo de proveedores a partir de documentos no estructurados) están más tempranas en madurez pero son reales. Blue Yonder lanzó nuevos agentes de IA y un grafo de conocimiento de cadena de suministro en su evento ICON 2025 en mayo de 2025, combinando enfoques predictivos, generativos y agénticos.
Lo que la IA generativa notablemente no está haciendo en ningún despliegue de producción creíble: reemplazar el motor de optimización, generar pronósticos numéricos defendibles por sí sola, o tomar decisiones responsables de compromiso de planes. Todo proveedor serio mantiene un humano en el circuito y enfatiza la "explicabilidad", no por razones de marketing, sino porque las industrias reguladas no pueden delegar el compromiso de un plan a un modelo que no puede mostrar su razonamiento.
La tabla comparativa de proveedores
La carrera armamentista es real y ocurrió rápido. Esto es lo que realmente se ha lanzado, en contraste con lo que se ha demostrado.
| Proveedor | Producto | Lanzado | Afirmación destacada (según el proveedor) |
|---|---|---|---|
| SAP | Joule + Joule Agents, en IBP | 2024–25 | 350 funciones de IA, más de 2.400 habilidades de Joule para el Q4 de 2025 |
| Kinaxis | Maestro Agents | Oct 2025 | Pasos de riesgo de inventario reducidos de 40 clics a 4 (farmacéutica) |
| o9 | Specialized AI Agents | Jun 2025 | Primer piloto de IA generativa que pasó a producción |
| Blue Yonder | Cognitive Solutions + 5 agentes | May 2025 | Construido sobre una inversión de 2.000 millones de dólares en IA; respaldado por grafo de conocimiento |
| Anaplan | CoPlanner for Demand Planning | Sep 2024 | IA generativa consciente del contexto en planificación |
| OMP | UnisonIQ | Oct 2025 | Marco de orquestación + asistente de IA generativa siempre activo |
| Microsoft | Copilot en Dynamics 365 SCM | 2025 | Perspectivas de demanda + explicabilidad a nivel de celda |
El patrón en todos ellos es idéntico: la IA se ubica en la capa de interfaz y orquestación. Ayuda al planificador a hacer preguntas, leer resultados y disparar flujos de trabajo. El motor de pronóstico y el optimizador debajo son en gran medida la misma matemática determinista que eran hace tres años.
Los números, tratados con honestidad
Aquí es donde la honestidad intelectual separa el análisis de la mera transcripción. La estadística más citada de toda esta categoría (que la IA reduce el error de pronóstico entre un 20 y un 50 por ciento) proviene de un solo artículo de McKinsey. McKinsey encontró que el pronóstico impulsado por IA puede reducir errores y que los costos de almacenamiento pueden caer entre un 5 y un 10 por ciento, y los costos administrativos entre un 25 y un 40 por ciento. Ese rango es real, pero se recicla a través de presentaciones de proveedores, vuelve a diapositivas de analistas y llega a la prensa comercial, a menudo despojado de su contexto original. Trátalo como un techo ilustrativo, no como un punto de referencia que deberías esperar.
La capa de estudios de caso de 2025 es más concreta pero casi enteramente atribuida a los proveedores:
- Kinaxis × farmacéutica top 10: productividad del planificador hasta 10 veces, con identificación de riesgo de inventario reducida de 40 clics a 4.
- SAP IBP × Joule: productividad del planificador al analizar corridas de pronóstico mejorada en un 25% según cifras del proveedor.
- SAP Digital Manufacturing: hasta un 25% de reducción en el tiempo de análisis de errores.
Lee eso con cuidado. "10 veces la productividad del planificador" y "de 40 clics a 4" son la misma afirmación dicha dos veces, y lo que describen es reducción de clics, no calidad del pronóstico. Es una ganancia de productividad genuina y valiosa. Tampoco es lo mismo que un mejor plan.
Qué tan grande, y qué tan rápido
El dimensionamiento de mercado en esta categoría es casi inútil a menos que lo ancles a quién está contando y cómo define la categoría. Los anclajes defendibles:
Gartner pronostica que el software de gestión de cadena de suministro con capacidades de IA agéntica crecerá de menos de 2.000 millones de dólares en 2025 a 53.000 millones de dólares en gasto para 2030. Por separado, el mercado más amplio de "IA en la cadena de suministro" se sitúa en aproximadamente 13.900 millones de dólares en 2025, subiendo a 50.400 millones para 2032 según MarketsandMarkets, con Norteamérica manteniendo la mayor participación.
En cuanto a adopción, la encuesta State of AI 2025 de McKinsey encontró que el 88% de las organizaciones ahora usa IA en al menos una función de negocio, frente al 78% del año anterior. Pero la misma encuesta contiene el detalle que debería mantenerte honesto: solo una minoría atribuye todavía algún impacto medible en el resultado final. La adopción es casi universal; la captura de valor no lo es.
Dónde todavía no la desplegaría
La literatura de pronósticos es inusualmente franca sobre los puntos débiles de la IA generativa, y la franqueza viene de personas sin incentivo para restarle valor. El dato más aleccionador: en la competencia de pronóstico minorista M5 (el benchmark público más riguroso de la disciplina), el método ganador no fue un modelo grande sino una combinación de igual peso de árboles de gradient boosting, presentada por un estudiante de pregrado. Ese resultado debería moderar cualquier afirmación de proveedor de que los modelos de lenguaje grandes mejoran la precisión del pronóstico. Mejoran la explicación del pronóstico.
Cinco modos de falla que consideraría reales en los despliegues de 2025-26:
- Alucinación en razonamiento numérico. Los LLM son malos en aritmética y optimización con restricciones. Los proveedores mitigan esto enrutando la matemática a motores deterministas, pero en el momento en que el modelo narra el resultado, puede desviarse de él.
- Dependencia de la calidad de los datos. Los pilotos tienen éxito con datos curados y mueren en producción por el desorden de datos maestros que hay debajo. El trabajo difícil aguas arriba (gobernanza, datos maestros) es la condición previa, no la ocurrencia tardía.
- Vacíos de responsabilidad. Por esto todo proveedor enfatiza la explicabilidad. Un planificador regulado no puede comprometer un plan que no puede defender en una auditoría.
- El acantilado de piloto a producción. Gartner predice que más del 40% de los proyectos de IA agéntica serán cancelados para fines de 2027, citando costos crecientes, valor poco claro y controles de riesgo inadecuados.
- La ilusión de la habilitación: comprar la capacidad sin preparar a la fuerza laboral ni los datos para usarla.
La conclusión incómoda
La IA generativa es la mejor mejora de usabilidad que ha tenido el software de planificación en veinte años. Un planificador que puede preguntar "¿por qué cambió el pronóstico de este centro de distribución la semana pasada?" y obtener una respuesta coherente en treinta segundos es genuinamente más productivo, y esa ganancia se acumula en todo un equipo.
Pero ese mismo planificador no está produciendo automáticamente un pronóstico más preciso ni un mejor plan de suministro. El motor que genera el número no ha cambiado. El modelo solo lo explica más rápido y te permite interrogarlo en español o inglés.
Así que la lógica de compra para 2026 es sencilla. Paga por la productividad: es real, y está disponible con tu proveedor actual sin necesidad de una apuesta arriesgada. No pagues por la autonomía, porque lo que se vende como autonomía es en su mayoría reducción de clics con un nombre más caro. Y haz primero el trabajo poco glamoroso de gobernanza de datos, porque esa es la variable que realmente determina si algo de esto sobrevive al contacto con producción.
La tecnología es real. La transformación es más modesta que el keynote. Ambas cosas son ciertas a la vez.
Sources
- SAP News Center. (2025). SAP Business AI: Release Highlights Q2 2025; Q4 2025. news.sap.com
- Kinaxis. (2025). Kinaxis Accelerates Agentic Era for Supply Chain Orchestration with the Launch of Maestro Agents. kinaxis.com
- o9 Solutions. (2024–2025). Composite Agents; Specialized AI Agents for Planning and Execution. o9solutions.com
- Blue Yonder / Business Wire. (2025). Blue Yonder Transforms Supply Chain Management With New AI Agents at ICON 2025. businesswire.com
- Anaplan. (2024). Anaplan CoPlanner for Demand Planning. anaplan.com
- OMP. (2025). OMP Unveils UnisonIQ. omp.com
- Microsoft Learn. (2025). Dynamics 365 Supply Chain Management 2025 Release Wave 1. learn.microsoft.com
- McKinsey & Company. (2021). AI-driven operations forecasting in data-light environments. mckinsey.com
- McKinsey & Company. (2025). The State of AI in 2025: Agents, Innovation, and Transformation. mckinsey.com
- Gartner. (2025). Gartner Predicts Over 40% of Agentic AI Projects Will Be Canceled by End of 2027. gartner.com
- Gartner. (2026). Gartner Forecasts Supply Chain Management Software with Agentic AI Will Grow to $53 Billion in Spend by 2030. gartner.com
- MarketsandMarkets. (2026). AI in Supply Chain Market. marketsandmarkets.com
- Makridakis, S., Spiliotis, E., & Assimakopoulos, V. (2022). The M5 Accuracy Competition: Results, Findings and Conclusions. International Journal of Forecasting.