El stock es una de las partidas donde más rápido se nota una mala decisión: compras de más y te quedas con caja inmovilizada; compras de menos y pierdes ventas que ya tenías ganadas. La IA no elimina la incertidumbre, pero ayuda a cuantificarla y a fijar reglas de reposición que no dependan del estado de ánimo del lunes.
Qué problemas resuelve de verdad
En una pyme, la gestión de stock con IA se concentra en cuatro tareas concretas: estimar la demanda de las próximas semanas, detectar referencias que se van a agotar, señalar las que llevan demasiado tiempo paradas y proponer una cantidad de pedido razonable. Nada de esto requiere un sistema complejo; requiere histórico limpio y una herramienta que calcule.
La parte que la IA hace mejor que una hoja de cálculo es capturar patrones que se repiten: subidas por temporada, caídas tras una promoción, efecto de un cambio de precio o de un nuevo competidor en la zona. Siempre que existan datos suficientes para verlo.
Previsión de demanda: qué necesitas para que funcione
Antes de hablar de modelos, revisa la base. Una previsión es tan buena como el histórico del que sale:
- Ventas por referencia y por semana, no solo por mes.
- Fechas reales de entrega de proveedor y desviaciones.
- Roturas registradas, para no confundir falta de stock con falta de demanda.
- Promociones, cambios de precio y aperturas de canal.
- Devoluciones y mermas separadas de las ventas.
Con dos años de histórico ya se pueden ver estacionalidades. Con menos, conviene usar medias móviles y ajustar a mano los picos conocidos. La IA sirve para combinar ambas cosas, pero no sustituye el conocimiento de que agosto baja y la campaña de septiembre sube.
Si no registras las roturas, tu histórico dirá que vendiste poco cuando en realidad no tenías producto. Es uno de los errores que más distorsiona cualquier previsión.
Roturas y exceso: dos caras del mismo problema
Una rotura no cuesta solo la venta perdida: cuesta la confianza del cliente que se acostumbra a comprar en otro sitio. El exceso, en cambio, cuesta financiación, espacio y, a menudo, obsolescencia. La IA permite poner precio a ambos lados y decidir con criterio en lugar de por costumbre.
Un ejercicio útil es clasificar las referencias en cuatro grupos: alta rotación y alta incertidumbre, alta rotación y demanda estable, baja rotación con margen alto y baja rotación con margen bajo. Cada grupo merece una política distinta. A las de baja rotación y bajo margen conviene dejar de comprarlas o pedirlas solo por encargo.
También ayuda revisar el coste de mantener inventario frente al coste de una rotura puntual. No todas las referencias merecen el mismo nivel de servicio: las que sostienen la relación con el cliente, sí; las accesorias, probablemente no.
Mide el nivel de servicio por referencia, no de forma global. Un promedio alto puede esconder que tus diez productos más vendidos se agotan cada mes.
Parámetros de reposición que aguantan la realidad
El punto de pedido y el stock de seguridad son la traducción operativa de la previsión. La fórmula es sencilla: demanda media durante el plazo de entrega más un colchón para cubrir variaciones. Lo complicado es que el plazo de entrega real casi nunca es el que promete el proveedor.
- Calcula el plazo medio real de cada proveedor con datos propios.
- Estima la variabilidad de la demanda por referencia.
- Fija el stock de seguridad según el nivel de servicio que quieras dar.
- Revisa los parámetros cada trimestre, no cada día.
- Ajusta a mano los casos atípicos que la IA no puede conocer.
La IA aporta valor al recalcular estos parámetros con frecuencia y al avisar de desviaciones: un proveedor que empieza a tardar más, una referencia que acelera sin motivo aparente. Esa señal temprana es más valiosa que la predicción exacta.
Cómo implantarlo sin parar el negocio
Empieza por un subconjunto: las veinte referencias que más facturan. Compara durante tres meses la previsión con la venta real y mide el error. Si mejora, amplía el alcance; si no, revisa los datos antes de culpar al modelo.
Mantén una revisión humana en los pedidos grandes y en las compras de temporada. La automatización total solo tiene sentido cuando el proceso está estable y el coste de un error es bajo. En una pyme, casi nunca lo es al principio.
Preguntas frecuentes
¿Cuánto histórico necesito para prever demanda?
Con un año se detectan estacionalidades básicas; con dos, la previsión gana fiabilidad. Con menos, conviene combinar medias móviles con ajustes manuales.
¿La IA puede fijar sola el punto de pedido?
Puede proponerlo y recalcularlo, pero el plazo real de proveedor y las decisiones comerciales necesitan supervisión humana.
¿Vale la pena para un catálogo pequeño?
Si tienes pocas referencias y buena visibilidad, una hoja de cálculo con reglas claras puede bastar. La IA aporta más cuando el catálogo crece o los plazos son irregulares.