Empresas industriales enfrentan un reinicio comercial: lo que un año de implementación de IA en Texas enseñó al sector

Las empresas industriales se encuentran al borde de lo que McKinsey denomina "el reinicio comercial más trascendental en décadas". Un reciente informe de McKinsey Insights advierte que, aunque el 70% de los ejecutivos cree estar preparado para la transformación comercial impulsada por IA, solo el 13% ha integrado esta tecnología en sus procesos de comercialización. La brecha entre percepción y realidad está obligando a las empresas a probar la IA en entornos reales antes de escalarla.

Un ejemplo concreto proviene de SteelCo, una mediana empresa fabricante de componentes de acero con sede en Houston, Texas. A principios de 2023, la compañía lanzó un motor de precios con IA para abordar tres puntos débiles: errores frecuentes en listas de precios, lentitud en la aprobación de descuentos y oportunidades de margen perdidas. El proyecto tenía un plazo deliberadamente ajustado: una fase de preparación de datos de seis meses seguida de un ensayo en vivo de tres meses.

Durante la preparación de datos, SteelCo descubrió que el 27% de los registros maestros de sus SKU contenían entradas duplicadas y el 18% de los registros de transacciones carecían de campos clave de costos. Limpiar estos datos costó 120.000 dólares, pero resultó esencial; el error de pronóstico del modelo de IA se redujo del 12% al 4% una vez que el conjunto de datos fue normalizado.

Cuando la herramienta de precios con IA entró en funcionamiento en septiembre de 2023, el sistema generó recomendaciones de precios para 4.500 SKU en 15 regiones de ventas. Los revisores humanos aprobaron el 85% de las sugerencias en minutos, reduciendo el tiempo promedio de aprobación de descuentos de 4,2 días a 0,9 días. En los 12 meses siguientes, SteelCo registró un aumento del 5,3% en el margen bruto —equivalente a 8,7 millones de dólares en ganancias adicionales— mientras reducía los errores en listas de precios en un 42%.

El éxito del piloto se basó en tres lecciones que el informe destaca para el ecosistema industrial más amplio:

1. La higiene de datos supera la sofisticación del modelo – Incluso los algoritmos más avanzados fallan con datos sucios. Invertir en la limpieza de datos desde el inicio genera un mayor retorno que ajustar parámetros del modelo.

1. La gobernanza transversal acelera la adopción – SteelCo formó un comité directivo con representantes de ventas, finanzas y TI, asegurando que las recomendaciones de la IA alinearan con las reglas comerciales y el cumplimiento normativo.

1. La implementación incremental supera la transformación overnight – Un enfoque por fases permitió a la empresa medir el impacto, ajustar flujos de trabajo y generar confianza entre el personal de ventas.

Para el ecosistema más amplio de IA, el caso de SteelCo subraya que la IA comercial no es una solución plug-and-play. Los proveedores y plataformas deben ofrecer herramientas para la evaluación de la calidad de datos, la integración de flujos de trabajo y la gestión del cambio. El camino cauteloso pero basado en datos del sector industrial podría establecer un referente realista para otras industrias de activos pesados que buscan convertir el bombo de la IA en ganancias medibles.

En conjunto, el informe de McKinsey y la experiencia de SteelCo sugieren que la próxima ola de transformación comercial liderada por IA se medirá en meses, no en años, y se juzgará por mejoras concretas en los márgenes en lugar de promesas ambiciosas como "10×".

Foto: Rich Smith / Unsplash (https://unsplash.com/@richwilliamsmith)