Preguntas y respuestas: Inteligencia artificial en el comercio minorista y la planeación de la cadena de suministro

Jul 28, 2025 • 9 min.

Nos sentamos con los expertos de RELEX Max Mononen, Director de Producto, y Rich Kurhajetz, Estratega Senior, para explorar qué son los agentes de IA, cómo funcionan en la práctica y cómo las empresas pueden implementarlos con éxito.

¿Qué son los agentes de IA?

Max: Los agentes de IA son pequeñas entidades autónomas que actúan, se adaptan y colaboran con una eficacia sobrehumana. Dentro de un sistema, pueden operar de manera individual o como una red de responsables de la toma de decisiones. Una vez que se les asigna un objetivo, los agentes diagnostican, optimizan y ejecutan tareas continuamente para resolver problemas complejos y alcanzar ese objetivo. Pueden ser activados por sistemas de datos y, en el futuro, por otros agentes.

“Los agentes de IA son pequeñas entidades autónomas que actúan, se adaptan y colaboran con una eficacia sobrehumana.”

Quiero señalar un matiz importante. El trabajo del agente consiste en alcanzar un objetivo. Cuando digo que un agente “actúa”, quiero decir que decide qué tarea apoyará ese objetivo y luego recurre a una herramienta para llevarla a cabo. Hay varias herramientas a su disposición -algoritmos, códigos y cálculos matemáticos- y esas herramientas realizan la acción. A continuación, el agente analiza el resultado, determina si ha tenido éxito o no y recurre a las herramientas en un bucle constante hasta alcanzar el objetivo.

Por eso los agentes no sirven de mucho sin una plataforma sólida de datos de calidad y capacidades de aprendizaje automático y optimización probadas. Los agentes son tan eficaces como las herramientas que pueden utilizar.

¿En qué se diferencian los agentes de IA de los chatbots?

Max: La mayor diferencia entre los agentes y los chatbots de IA genérica es que los agentes actúan y los chatbots proporcionan información.

Por ejemplo, en RELEX, tenemos a Rebot, nuestro simpático asistente de inteligencia artificial que se comporta como un copiloto. En su versión actual, accede al repositorio RELEX de conocimientos específicos del sector y de las soluciones, pero no accede a los datos del entorno RELEX del cliente. Por lo tanto, puede pedirle a Rebot que le explique un término del sector o la capacidad de una solución, o que esboce diferentes formas de medir la precisión de la previsión de la demanda, y le dará esas respuestas. Pero no examina sus datos. Actúa como un consultor 24 horas al día, 7 días a la semana, ayudando a las empresas a acelerar la incorporación, facilitar las operaciones diarias y mejorar la comprensión de la solución por parte de los usuarios para que se sientan más seguros a la hora de tomar decisiones.

“La mayor diferencia entre los agentes y los chatbots gen AI es que los agentes actúan y los chatbots proporcionan información.”

Los agentes son la evolución natural de los chatbots conversacionales. Pero a diferencia de los asistentes gen AI, viven en su entorno y, por lo tanto, pueden tomar medidas basadas en sus datos, de forma transparente, segura y en colaboración con humanos.

Rich: Desde la interfaz del usuario, las interacciones con los agentes y con los asistentes genéricos de IA pueden ser muy similares. Suele haber un cuadro de entrada en el que se escriben las preguntas e indicaciones. Pero la mayor diferencia es lo que hay bajo el capó. Con un chatbot de IA generativa, LLM o GPT, haces una pregunta y él responde, pero no actúa. Los agentes de IA pueden percibir, decidir y actuar basándose en los parámetros y reglas que usted le proporcione.

¿Cómo funcionan los agentes de IA en la práctica y cuáles son algunos de sus principales casos de uso?

Max: En pocas palabras, todo lo que un usuario puede hacer en el sistema RELEX, lo puede hacer un agente. Y como el agente no tiene las limitaciones de tiempo de los humanos, puede realizar muchas más tareas. Pero un agente suele tener una sola acción que debe realizar. Esta restricción forma parte de las barandillas que garantizan que no cambie nada que no deba hacer.

Como ejemplo concreto, veamos el motor de reglas de negocio (BRE) que hay detrás de la lógica central de RELEX. El BRE permite a los usuarios establecer reglas y flujos de trabajo que se activan automáticamente, dependiendo de la entrada, los datos y los umbrales. Dentro de un sistema de agentes, se podría utilizar un agente para ejecutar dicho flujo de trabajo.

“Un agente suele tener una sola acción que se le ordena completar. Esta restricción forma parte de sus barandillas.”

Por ejemplo, podrías usar una instrucción como esta: “Ayúdeme a crear un cuadro de mandos que muestre el valor de mis ventas perdidas por estos diferentes tipos de artículos en estas diferentes ubicaciones . Resuma las medidas que debería tomar para evitar esas ventas perdidas”. En lugar de crear tú mismo esos cuadros de mando en la interfaz de usuario, puedes preconfigurarlos y solicitarlos cuando los necesites.

Rich: La automatización en general es un caso de uso importante. Pensemos en los sistemas de planeación de la cadena de suministro y el comercio minorista. Hay muchas matemáticas, muchos datos, muchas decisiones complejas. Con los agentes, hay un margen increíble para la automatización. No estamos hablando de automatizarlo todo en una plataforma integral. Los humanos deben estar en el bucle. Pero estamos hablando de asignar tareas y entrenar a los agentes de maneras muy específicas para apoyar las decisiones de planeación.

“Con los agentes, hay un margen increíble para la automatización.”

Por ejemplo, ahora mismo, el número de excepciones de planeación que necesitan una revisión tiene que seguir siendo manejable para un humano. Pero eso puede dejarnos con la pregunta: “¿Nos hemos dejado algo realmente importante?”. El poder de la IA radica en la capacidad de analizar todos esos datos, realizando análisis de alto nivel y priorización, tomando medidas sobre problemas más pequeños y sacando a la luz problemas más grandes que requieren revisión humana.

Esta amplitud y profundidad del análisis de datos abre todo un nuevo campo de análisis avanzados para el que antes un usuario no estaba capacitado. Ahora, con agentes específicos, un usuario de nivel básico o medio podría desbloquear algunos análisis muy avanzados a través de algo tan sencillo como la ingeniería de consultas.

¿Cómo afectarán los agentes de IA al futuro del trabajo y a los roles de los usuarios?

Rich: Creo que lo que la gente se pregunta es: “¿Voy a perder mi trabajo o voy a hacer un trabajo diferente? ¿Se va a eliminar esta función o vamos a empezar a crear más funciones de científico de datos?”.

Fundamentalmente, el trabajo sigue ahí. Se está haciendo un trabajo de más alto nivel y se están eliminando las tareas mundanas, pero se siguen necesitando esas funciones de analista para revisar la gestión de excepciones y la corrección de tareas más sencillas.

Sin embargo, los agentes cambiarán la forma en que los usuarios interactúan con sus sistemas de planeación y añadirán valor. ¿Quién lo hace mejor con la IA? Bueno, quien haga las mejores preguntas. Hace falta un usuario formado.

Max: Por algo se llama interacción persona-ordenador. Aunque los agentes se encarguen de muchas tareas, tú eres el que las controla . Como superusuario, tú estableces las reglas, los objetivos y las metas que siguen la estrategia y las prioridades de tu empresa.

“¿Quién lo hace mejor con la IA? Pues quien haga las mejores preguntas.”

La mayor diferencia es que, con los agentes, ahora dispone de miles de analistas junior. Puede guiarlos para que realicen acciones específicas, cambiando los parámetros en función de sus objetivos. Como los agentes se encargan de tareas repetitivas, usted puede centrarse en las tareas que aportan más valor y ayudan a hacer avanzar su negocio.

Además, la composición de los equipos cambiará porque, incluso ahora, los equipos que utilizan herramientas de IA y copilotos están superando a los equipos que no lo hacen. Esto significa que las empresas podrán escalar y lograr más con el mismo número de personas que tienen ahora.

¿Qué precauciones deben tomarse al implementar agentes de IA?

Rich: Sin una estrategia clara, la IA puede amplificar errores. Es esencial establecer barandillas: definir roles, permisos y flujos de trabajo controlados. Los agentes deben tener acceso solo a las herramientas y datos necesarios, con reglas de autonomía progresiva.

Entonces, ¿qué barandillas debe tener en su lugar? Piense en las personas, los procesos y la tecnología. No le daría a un analista de nivel básico acceso para realizar cambios importantes en su plan mensual o anual. Ese tipo de permisos específicos para cada función deberían aplicarse también a los agentes.

Max: Correcto, piensa en los permisos que estás dando a tus agentes. Puedes dividir esos permisos en tres categorías básicas.

Primero, decide qué herramientas dar a esos agentes. Como he mencionado, los agentes sólo pueden utilizar las herramientas que tienen a su disposición. Limítelos a las herramientas que necesitarán para cumplir el objetivo que usted les ha fijado.

“Piense en las personas, los procesos y la tecnología. Este tipo de permisos específicos para cada función deberían aplicarse también a los agentes.”

En segundo lugar, determine las normas para los propios agentes. ¿Con qué grado de autonomía pueden actuar? Tomemos el ejemplo anterior en el que hablábamos de pedir a un agente que ayude con las ventas perdidas. Para empezar, pedimos un análisis para determinar qué ubicaciones y productos experimentan más pérdidas de ventas. A continuación, podríamos empezar a pedir sugerencias. ¿Qué debería hacer para solucionar este problema de ventas perdidas en las tiendas de esta región? El agente hace sugerencias y le pregunta si quiere que actúe. Te pide permiso hasta que sus sugerencias demuestren ser fiables, o hasta que hayas establecido reglas u otros agentes que puedan tomar automáticamente las medidas adecuadas.

En tercer lugar, establece normas claras de interacción. Esto se reduce a la gobernanza. Defina en qué área opera cada agente, qué flujos de trabajo gestiona y qué tipo de comportamiento debe seguir cuando usted se lo pide. Y defina controles estrictos a nivel de sistema para evitar desviaciones. No querrá que sea como ese agente de ajedrez que empezó a hacer trampas cuando jugaba contra el mayor sistema de inteligencia artificial de ajedrez porque su única instrucción era ganar; no decía nada sobre jugar según las reglas.

¿Por dónde deberían empezar las empresas su camino hacia la implementación de agentes de IA?

Max Mononen: El primer consejo que daría es que empiecen. Si utilizas RELEX, ya tienes acceso a Rebot y a muchas otras funciones de IA. Cuando se trata de agentes de IA, empieza a probar y jugar con diferentes sistemas. Es la forma más fácil de aprender. Pero ten cuidado con tus datos. Póngase en contacto con su departamento jurídico para asegurarse de que obtiene las herramientas y permisos adecuados que no pongan en peligro la seguridad de la información o la privacidad de los datos. No cargues datos de la empresa en sistemas externos, pero prueba las herramientas disponibles.

“Póngase manos a la obra. Es la forma más fácil de aprender. Pero ten cuidado con tus datos.”

En segundo lugar, determine qué resultados empresariales quiere conseguir y, a continuación, identifique los que son adecuados para la IA. No intente hacerlo todo con los agentes de IA. Acabará creando agentes sin valor. Aunque ahora puedas hacer más cosas, tienes que priorizar. Observe el uso del tiempo de su equipo y considere dónde está perdiendo dinero, dónde estarían sus mayores ganancias y qué es lo que no tiene tiempo de hacer ahora mismo.

“Con los agentes, puede empezar a estudiar temas de gran impacto para los que antes no tenía tiempo.”

Mucha gente piensa inmediatamente en reducir el tiempo de elaboración de informes, y sí, las tareas de elaboración de informes pueden ser una molestia. Pero, al mismo tiempo, se trata de una tarea de muy bajo valor añadido. Con los agentes, puede empezar a analizar temas de gran impacto para los que antes no tenía tiempo, revisar la larga cola de problemas y determinar dónde puede aplicar estos agentes para ayudarle a visualizar los datos y tomar medidas.

En tercer lugar, si aún no lo ha hecho, empiece a implementar una plataforma que proporcione a los agentes lo que necesitan para completar las tareas: las capacidades de aprendizaje automático, optimización y gestión de datos que las empresas ya están utilizando para acelerar y mejorar su planeación de la cadena de suministro y la venta minorista.

Autor

Richard Kurhajetz

Senior Strategic - Value Engineering

Conectar via LinkedIn

Max Forsius

Director de Producto, AI Innovations