Adaptar la Inteligencia Artificial a las plataformas logísticas puede reducir los costes hasta un 5%

La incorporación de herramientas de Inteligencia Artificial y machine learning en los modelos de gestión de plataformas logísticas pueden mejorar la precisión del pronóstico de envíos hasta en un 90% y abaratar los costes hasta un 5%, según el último análisis de Oliver Wyman, Excelencia operativa en las redes logísticas.

El auge global del comercio electrónico ha generado que las empresas de paquetería estén viviendo una época dorada con un crecimiento de dos dígitos, pero la escasez de mano de obra o los volúmenes volátiles de envíos han reducido la rentabilidad.

Además, el volumen del comercio electrónico es dinámico y volátil. Los envíos aumentan en ciertos días de la semana y en temporada alta. Por ejemplo, en época de compras navideñas, así como en fechas clave como Black Friday o El Día del Soltero, celebrado en China, la cantidad de envíos se puede incrementar en más de un 300%. Incluso durante una semana normal, sin fechas clave, los volúmenes de pedidos suelen fluctuar entre un 30% y un 40%.

De acuerdo con el análisis de Oliver Wyman, “las plataformas logísticas deberían realizar un cambio radical a nivel de operaciones y aumentar la agilidad de sus procesos y equipos para mantenerse al día y poder competir con Amazon y otros gigantes del comercio electrónico”.

Para lidiar con estos cambios poco previsibles, Oliver Wyman recomienda a las empresas de paquetería incorporar la Inteligencia Artificial en sus operaciones, que les permitiría crear plataformas logísticas más dinámicas, y sugiere aproximar la proporción actual entre coste fijo y variable de un 70:30 a un 60:40.

El objetivo de incorporar la Inteligencia Artificial es “conseguir una planificación más ágil que permita anticipar estos volúmenes para gestionar y planificar de forma eficiente las plataformas, rutas y el personal, ayudando a configurar la red de plataformas logísticas y hubs dependiendo de la demanda del día, así como a organizar a los trabajadores de forma más eficiente y productiva, y que no haya mano de obra infrautilizada”.

Entregas de última milla

La fase desde que el repartidor sale de la plataforma hasta la recepción en mano por parte del usuario final, la denominada última milla, representa más del 50% de los costes de envío de un paquete. Las previsiones inteligentes pueden ayudar a reorganizar las rutas diarias para optimizar el uso de vehículos y repartidores disponibles. Las rutas, por ejemplo, pueden adaptarse a la fijación de precios de incentivo, incluyendo un cierto porcentaje de paradas de pedido bajo demanda. Esto es particularmente ideal para alimentos frescos y entregas en el mismo día.

Para mejorar progresivamente la planificación de estos recorridos, el machine learning o aprendizaje automático es la herramienta elegida, señala el informe, ya que pueden adquirir conocimiento de dónde están los mejores puntos de estacionamiento y cuánto tiempo es necesario por parada, al tiempo que estiman el impacto de la congestión del tráfico.

Dada la intensa competencia y los altos costes para adoptar tecnologías del siglo XXI, se espera que la presión sobre la rentabilidad se mantenga alta. Si bien los aumentos de precios recientemente anunciados ayudarán con los márgenes a corto plazo, cualquier nueva eficiencia descubierta por los rivales hará que los precios bajen nuevamente. Los primeros proyectos piloto han demostrado que las nuevas tecnologías de planificación de la Inteligencia Artifical pueden abaratar los costes entre un 2% y un %5.

“Incorporar toda esta tecnología supone una gran inversión económica, pero no se trata de introducirlos en toda la cadena de operaciones de forma abrupta, sino ir aplicando estas soluciones progresivamente para, en último término, extenderlas a toda la red logística”, concluye Oliver Wyman.