Gestión de inventario con IA: lo que calcula de verdad sobre tu stock, y lo que no le toca.

Qué hace en gestión de inventario con ia.

¿Qué es la gestión de inventario con IA?

Es aplicar modelos que aprenden de tus datos a las decisiones del inventario: cuánto se va a vender, qué se va a acabar, qué no se va a vender y qué conviene mandar. La palabra «IA» cubre cosas muy distintas, y conviene separarlas porque cada una sirve para algo diferente.

Por un lado están los modelos de previsión: series temporales y aprendizaje automático entrenados con tus ventas, tu stock y tu calendario. Son los que cambian de verdad la reposición, porque dan cifras que se pueden medir contra lo que pasó. Por otro lado están los modelos de lenguaje, los de los chats. Sirven para preguntar en lenguaje normal y para explicar las cifras, pero no son buenos calculando previsiones y pueden dar una respuesta falsa con mucha seguridad.

Previsión con banda de error.

Pongamos una cadena de tiendas de deporte, Cumbre y Ola, con tiendas en Granada, Málaga, San Sebastián, Santander, Palma y Valencia. Para cada producto en cada tienda, el modelo da la venta de las próximas semanas como un abanico: los neoprenos de 3 mm en San Sebastián, «lo más probable 6 la semana que viene, y en ocho de cada diez casos entre 3 y 10».

Esa banda es lo que separa una previsión útil de una cifra suelta. Según el manual de Hyndman y Athanasopoulos, un intervalo de predicción expresa la incertidumbre de la previsión, y sin él una previsión puntual dice poco. Para el stock importa todavía más: dos productos con la misma previsión central y bandas distintas necesitan colchones muy distintos.

El modelo aprende con todas las tiendas a la vez. Un producto que vende dos o tres unidades por tienda a la semana tiene una historia corta y ruidosa en cada una; juntas, se ve la temporada (las raquetas de pádel antes en Málaga que en Santander) y cada tienda ajusta su nivel. También corrige los días en que no había stock, para no aprender que un producto vende poco justo cuando faltaba.

Riesgo de rotura y cantidad a mandar.

Con la banda, el stock de hoy, lo que va de camino y el plazo hasta el siguiente envío, se calcula la probabilidad de quedarse sin cada producto en cada tienda. Si en San Sebastián quedan 7 neoprenos y el siguiente envío llega en una semana, el riesgo es la probabilidad de vender más de 7. Con la banda de antes, ronda el 30 %.

Tú fijas el riesgo que aceptas para cada familia: más bajo en lo que más se vende, más alto en lo que se sustituye fácil. El sistema propone la cantidad que deja cada producto en ese nivel, mirando primero si hay traspasos posibles entre tiendas. La calculadora de riesgo de rotura hace la misma cuenta con tus números.

Stock muerto y stock que va a morir.

Encontrar lo que lleva seis meses sin venderse no necesita IA: basta con un filtro. Lo que aporta el modelo es lo que todavía se vende un poco pero, al ritmo previsto, no se va a vender antes de fin de temporada o de su fecha. Esa lista llega con tiempo para moverlo a la tienda donde sí rota, ofrecerlo o dejar de pedirlo.

Cada línea lleva su valor en euros y la previsión que la justifica. La guía de stock muerto explica cómo medirlo y qué hacer con él.

Lo que la IA no hace.

No adivina lo que no está en los datos. Una campaña de publicidad que no se le cuenta, una tienda que abre en una ciudad sin historia o un competidor que baja precios no aparecen en las ventas pasadas. En esos casos se apoya en lo parecido, ensancha la banda y lo dice.

No cuenta el inventario por ti. Si el programa dice que hay 12 y no hay ninguno, la previsión será buena y la propuesta mala. Puede señalar ese stock dudoso, pero el recuento lo hace una persona.

No decide sola. Cada propuesta lleva su porqué y una persona la aprueba. Y el asistente conversacional no calcula: lee la previsión, el stock y el plazo ya calculados y los explica. Si no tiene el dato, dice que no lo tiene.

Tampoco gana siempre. Con venta estable y plazos cortos, una regla sencilla bien ajustada puede funcionar igual. Por eso se compara siempre con una referencia simple y, donde no la mejora, se usa la simple.

• No prevé lo que nunca ha pasado ni lo que no se le cuenta.
• No sustituye al recuento físico.
• No compra sola, salvo donde tú lo permitas y con límites.
• No garantiza cero roturas: deja el riesgo en el nivel que eliges.

Cómo se comprueba con tus datos.

Antes de usarla, se repiten tus semanas pasadas con lo que se sabía cada lunes y se mide el error en unidades, el sesgo (si se equivoca siempre hacia el mismo lado) y la calibración (si cuando dice 10 % de riesgo se rompe cerca del 10 % de las veces). Después, uno o dos meses en modo sombra con datos frescos. El análisis gratuito es el primer paso: con un export de ventas y stock te decimos qué se rompió, cuántos días y cuánto hay parado.

¿Te suena alguno de estos casos?

• Si te han ofrecido «IA para el inventario» y no sabes qué hace Aquí cada pieza tiene nombre, entrada y salida, y se prueba con tus datos.
• Si tu venta tiene temporada y muchos sitios Es donde la previsión con IA se separa más de una media o de un mínimo fijo.
• Si tienes mucho dinero en producto que no rota El modelo señala qué no se va a vender a tiempo y dónde se vendería mejor.
• Si tu venta es estable y tus plazos cortos probablemente una regla bien ajustada te sirve igual. La prueba lo dice, y lo decimos.

IA donde mejora una cifra, y una regla simple donde no.

La IA aplicada al inventario no es una sola cosa. La parte que de verdad cambia la reposición son modelos estadísticos y de aprendizaje automático que prevén y miden la incertidumbre. La parte conversacional sirve para explicar y preguntar, no para decidir. Arume Stock usa cada una para lo suyo y compara siempre con un método sencillo: si en un grupo de productos la IA no lo mejora con tus datos, en ese grupo se usa el sencillo.

• Previsión y riesgo con modelos medibles, no con un chat.
• Un modelo de lenguaje solo para explicar y contestar con tus datos.
• Siempre contra una referencia simple, con las mismas reglas.
• La decisión final la toma una persona.