El comercio electrónico exige unas redes de logística más inteligentes
- Estrategias digitales
La incorporación de herramientas de Inteligencia Artificial y machine learning en los modelos de gestión de plataformas logísticas pueden mejorar la precisión de las entregas hasta en un 90%, según el estudio "Excelencia operativa en las redes logísticas", realizado por Oliver Wyman. No solo eso, sino que estas tecnologías mejoran la planificación y generan eficiencias.
El auge global del comercio electrónico ha generado millones de envíos a domicilio al día. Las empresas de paquetería están viviendo una época dorada con un crecimiento de dos dígitos, pero la escasez de mano de obra o los volúmenes volátiles de envíos han reducido la rentabilidad. De ahí que la firma autora del estudio haga una serie de recomendaciones.
Por un lado, el estudio recomienda a los operadores logísticos que incorporen soluciones de inteligencia artificial y machine learning para ser más eficientes y ofrecer una mejor experiencia al cliente al mejorar la precisión en la entrega de los paquetes. Por ejemplo, les permitiría crear plataformas logísticas más dinámicas, y sugiere aproximar la proporción actual entre coste fijo y variable de un 70:30 a un 60:40.
Según explica, el objetivo de incluir esta tecnología es conseguir una planificación más ágil que permita anticipar estos volúmenes para gestionar y planificar de forma eficiente las plataformas, rutas y el personal, ayudando a configurar la red de plataformas logísticas y hubs dependiendo de la demanda del día, así como a organizar a los trabajadores de forma más eficiente y productiva, y que no haya mano de obra infrautilizada.
La fase desde que el repartidor sale de la plataforma hasta la recepción en mano por parte del usuario final, la denominada ‘última milla’, representa más del 50% de los costes de envío de un paquete.
Las previsiones inteligentes pueden ayudar a reorganizar las rutas diarias para optimizar el uso de vehículos y repartidores disponibles. Las rutas, por ejemplo, pueden adaptarse a la fijación de precios de incentivo, incluyendo un cierto porcentaje de paradas de pedido bajo demanda. Esto es particularmente ideal para alimentos frescos y entregas en el mismo día.
Para mejorar progresivamente la planificación de estos recorridos, el machine learning o aprendizaje automático es la herramienta elegida. Pueden adquirir conocimiento de dónde están los mejores puntos de estacionamiento y cuánto tiempo es necesario por parada, al tiempo que estiman el impacto de la congestión del tráfico.
Dada la intensa competencia y los altos costes para adoptar tecnologías del siglo XXI, se espera que la presión sobre la rentabilidad se mantenga alta. Si bien los aumentos de precios recientemente anunciados ayudarán con los márgenes a corto plazo, cualquier nueva eficiencia descubierta por los rivales hará que los precios bajen nuevamente. Los primeros proyectos piloto han demostrado que las nuevas tecnologías de planificación que usan la inteligencia artificial pueden abaratar los costes entre un 2% y un 5%.
“Incorporar toda esta tecnología supone una gran inversión económica, pero no se trata de introducirlos en toda la cadena de operaciones de forma abrupta, sino de ir aplicando estas soluciones progresivamente para, en último término, extenderlas a toda la red logística”, explica el informe.
