La inteligencia artificial ya se instaló en la agenda empresarial. Pero en supply chain el reto ya no es entender su potencial, sino convertirlo en resultados. No es casual que se estime que cerca del 95% de las iniciativas de IA no estén generando un retorno material: el problema no parece estar en la promesa tecnológica, sino en la dificultad de llevarla a una operación real.
Un buen ejemplo es el llamado agentic commerce. En vez de que una persona entre a distintas páginas, compare opciones y complete una orden, un agente de IA podría recibir una instrucción simple: “cómprame zapatillas para correr, talla 42, por menos de cierto valor y que lleguen antes del viernes”. Para hacerlo bien, ese agente no solo debe buscar productos. Tiene que consultar stock real, validar disponibilidad, comparar tiempos de entrega, ejecutar la orden y eventualmente gestionar cambios o devoluciones.
Ahí aparece un punto clave: para que eso ocurra de forma confiable, la IA necesita conectarse con los sistemas operativos de la cadena de suministro mediante estándares comunes. Uno de los más relevantes que empieza a ganar tracción es el Model Context Protocol o MCP, un protocolo abierto pensado para que modelos de IA interactúen de forma segura y estructurada con datos y herramientas externas. En simple, funciona como un idioma compartido entre la IA y la realidad operacional: inventario, órdenes, transporte o devoluciones. Para los CIOs, seguir de cerca la evolución de protocolos como MCP será cada vez más importante al momento de seleccionar herramientas y construir un entorno tecnológico capaz de escalar sin multiplicar la complejidad.
Este cambio marca una transición desde una IA que solo asiste hacia una IA que participa en decisiones y acciones concretas. Pero también explica por qué tantas iniciativas no logran retorno: muchas empresas intentan sumar inteligencia sobre procesos fragmentados, datos desconectados y operaciones que aún dependen de demasiada intervención manual.
He visto que, cuando la IA logra integrarse de verdad con la ejecución, los beneficios dejan de ser conceptuales. Ya se observan reducciones de entre 20% y 30% en tiempos de ciclo en pocas semanas, caídas de 53% en tareas de seguimiento manual y mejoras concretas en fill rate y entregas a tiempo. Eso importa porque apunta al corazón del negocio: menos fricción, mayor velocidad de respuesta y mejor capacidad para resolver excepciones.
Ahora bien, incluso con buenos datos y buena tecnología, hay un factor que sigue siendo decisivo: el humano. En mi experiencia, en implementaciones complejas el éxito rara vez depende solo del plan. Depende de cuán preparada está la organización para ejecutar el cambio. Preparar significa alinear equipos, aclarar roles, anticipar riesgos, documentar decisiones, escalar problemas a tiempo y generar confianza en una nueva forma de operar.
El caso chileno exige una mirada más ejecutiva y menos experimental. Chile tiene atributos valiosos: una base logística relativamente madura, avances en digitalización y una creciente comprensión del rol estratégico del sector. Pero también enfrenta desafíos estructurales evidentes: dependencia del transporte carretero, presión por continuidad operacional, necesidad de mayor sostenibilidad y una brecha de talento preparada para conectar operación, tecnología y negocio.
Eso obliga a una mirada más ejecutiva sobre la IA. No se trata de lanzar pilotos dispersos para probar tecnología, sino de decidir dónde la inteligencia puede remover la fricción real del negocio. En algunas compañías, el mayor valor estará en mejorar la velocidad y calidad de las decisiones de inventario. En otras, en reducir el costo de servir sin deteriorar la promesa. En otras, en acelerar la resolución de excepciones, elevar productividad o dar resiliencia a una red expuesta a variabilidad constante.
La discusión, entonces, no es tecnológica en esencia. Es estratégica. ¿Dónde está hoy el mayor costo de la complejidad? Ahí es donde la IA puede comenzar a mover la aguja.
Por: Aimara Fagundez, especialista en transformación de supply chain, tecnología e inteligencia artificial. Socia de WINS Chile.
