El sector minorista experimenta con la IA generativa y retail, mientras empieza a comprender cómo esta tecnología puede convertirse en una herramienta estratégica para relanzar el crecimiento y aprovechar rápidamente las oportunidades.
Después de todo, la IA generativa y retail ganan cada vez más terreno. Según el artículo LLM to ROI: How to scale gen AI in retail de la consultora McKinsey, publicado en agosto de 2024, la IA generativa tiene el potencial de generar entre 240 y 390 mil millones de dólares en valor económico en el sector, lo que equivale a un aumento del margen de entre 1,2 y 1,9 puntos porcentuales.
Es interesante notar que, según el informe, en el último año la mayoría de los operadores del sector comenzaron a probar diferentes casos de uso de IA generativa y retail. Sin embargo, hasta ahora, parece que solo unas pocas empresas lograron explotar todo el potencial de esta tecnología a gran escala.
Cómo la IA generativa transforma el retail
La inteligencia artificial generativa puede simplificar las operaciones internas del retail, lo que permite tomar decisiones más rápidas y mejor informadas. Además, esta tecnología mejora la eficiencia operativa inmediata y redefine la manera en que se toman decisiones en la industria.
Los operadores del sector exploran cómo la IA generativa y retail pueden fortalecer las interacciones entre las empresas y los clientes, al mejorar el recorrido del cliente y hacer que la experiencia sea más personalizada y satisfactoria. De hecho, los chatbots avanzados impulsados por modelos de lenguaje natural convierten al asistente de compras inteligente en un canal de compra clave.
Estos son algunos de los principales casos de uso de la IA generativa y retail:
- Diseño de productos y displays: La IA generativa puede crear diseños de productos innovadores a partir de las tendencias actuales del mercado, las preferencias de los consumidores y datos históricos de ventas. Esto permite generar más variantes, al ofrecer opciones más atractivas para las empresas o al personalizar displays según los gustos del cliente.
- Generación automática de contenido: Los retailers pueden utilizar la IA para producir descripciones de productos, contenido promocional para redes sociales, publicaciones de blogs y otros materiales que optimicen el SEO y fomenten la interacción con los clientes.
- Marketing personalizado: La IA generativa puede crear experiencias personalizadas a través de contenido de marketing dirigido a clientes individuales, como emails o anuncios. Esto se basa en datos como el historial de compras y las preferencias previas, al predecir qué contenido será más atractivo para cada cliente, lo que aumenta la eficacia de las campañas.
- Recomendaciones de productos: La IA puede sugerir productos nuevos o alternativos según el historial y las preferencias de los clientes, lo que permite anticipar necesidades futuras y mejorar la experiencia de compra.
- Gestión del inventario y optimización de la cadena de suministro: Gracias a la IA, es posible prever la demanda de productos con base en datos históricos de ventas, tendencias y estacionalidad. Esto permite una mejor gestión del inventario, al reducir tanto el exceso como la falta de stock. También resulta clave en la revisión de la demanda, evaluación de riesgos de proveedores, detección de anomalías y optimización del transporte y las rutas.
- Asistentes de compra virtuales: La IA generativa potencia asistentes virtuales conversacionales que ayudan a los clientes durante su proceso de compra, al responder preguntas y al guiarlos de forma eficiente.
- Automatización del servicio de atención al cliente: Tecnologías como la IA conversacional, los modelos de lenguaje (LLM) y los chatbots pueden automatizar tareas y mejorar la productividad en atención al cliente, lo que aumenta la satisfacción y la eficiencia en las interacciones.
IA generativa y retail: ¿qué dicen los datos?
En abril de 2024, se realizó una encuesta en la que participaron 52 ejecutivos del sector retail global pertenecientes a empresas de la lista Fortune 500. El estudio se enfocó en los avances que logró el sector al explorar y experimentar con la inteligencia artificial generativa. La mayoría de los ejecutivos del retail (el 90%) aseguró que ya empezó a probar soluciones basadas en IA y a ampliar los casos de uso prioritarios, lo que también impactó en otras iniciativas relacionadas con esta tecnología. Por su parte, dos tercios de los líderes afirmaron que buscan invertir y enfocarse más en datos y análisis.
Además, la encuesta reveló que el 64% de los líderes del retail llevaron adelante proyectos piloto relacionados con IA, que incrementaron las cadenas de valor internas de sus organizaciones. Asimismo, el 82% de los operadores del sector implementaron proyectos piloto orientados a casos de uso de IA, especialmente para innovar en el servicio de atención al cliente.
Un dato interesante es que las herramientas de IA generativa y retail son cada vez más accesibles. En el último año, más de la mitad de los ejecutivos encuestados (60%) optaron por este tipo de plataformas. Sin embargo, la tasa de adopción de plataformas de terceros es más baja en áreas como compras (18%) y comercialización (25%). A pesar de esto, dos tercios de los operadores del retail manifestaron su intención de aumentar el presupuesto destinado a IA durante el próximo año.
Por otro lado, el 10% de los encuestados adoptó una postura de “esperar y ver qué pasa” en lo que respecta a la IA generativa y retail. Es decir, planean integrar esta tecnología en sus operaciones en el futuro, especialmente en áreas donde aún no existen plataformas de servicio completo. Entre las razones para esta cautela se encuentran la falta de habilidades o recursos organizativos, problemas relacionados con la calidad y privacidad de los datos, y los costos asociados a la implementación de la IA generativa.
IA generativa y retail: el aumento de la cadena de valor
La inteligencia artificial tiene el potencial de mejorar la productividad y la eficiencia en todas las etapas de la cadena de suministro del retail, incluidas actividades de marketing, distribución y administración. Esto se puede apreciar en la tabla incluida en el artículo de McKinsey sobre el antes y el después de la IA generativa.
| Adquisiciones | Los colaboradores gestionan manualmente todas las negociaciones con los proveedores (incluida la creación del contrato de principio a fin), lo que a menudo lleva a que se pasen por alto algunos detalles. Evaluaciones aburridas de los proveedores basadas en datos limitados que conducen a decisiones que distan mucho de ser óptimas | La ronda inicial de negociaciones con los proveedores está gestionada por chatbots generados por IA. Los trabajadores de compras utilizan la IA para cerrar acuerdos (es decir, por ejemplo, informes basados en la IA y resúmenes automatizados de las condiciones y la información clave de los proveedores) |
| Distribución | Comunicación de principio a fin con la logística de terceros gestionada por los colaboradores. Retraso en la respuesta a las interrupciones de la distribución debido a la complejidad de las operaciones de la cadena de suministro | La comunicación inicial y los mensajes de correo electrónico destinados a la logística de terceros se gestionan mediante chatbots basados en la inteligencia artificial. Proceso de gestión de devoluciones y acción ante la interrupción de la distribución, con el apoyo de AI gen |
| Operaciones en la tienda | Las búsquedas de información (por ejemplo, el precio, la ubicación en la tienda, el nivel de existencias) las gestionan manualmente los trabajadores, lo que provoca un retraso en el servicio de atención al cliente | Los empleados utilizan asistentes basados en la inteligencia artificial para acceder por voz de forma instantánea a la información (por ejemplo, precios y promociones, ubicación de los productos, nivel de existencias) |
| Comercio electrónico | Cientos de horas dedicadas a generar contenido de comercio electrónico. Personalización manual del sitio web en función de las reglas, lo que consume recursos de los empleados | Generación automatizada de contenido de comercio electrónico (por ejemplo, perfiles de productos, descripciones) en unos minutos Experiencia de cliente de comercio electrónico personalizada de forma espontánea gracias a técnicas de desarrollo front-end automatizadas |
| Marketing | Un enfoque de marketing único ante la limitada información sobre los clientes derivada de datos estructurados Creación de materiales de marketing mediante un largo proceso iterativo | Información efectiva extraída de diversas fuentes no estructuradas (por ejemplo, reseñas de productos) Materiales de marketing completamente personalizados para cada cliente y generados con mayor eficiencia |
| Oficina administrativa | Los procesos administrativos que consumen mucho tiempo, es decir, la gestión de los recursos humanos y la nómina, están sujetos a errores e ineficiencias | El enfoque «administrativo» de última generación: transfiere los procesos administrativos de las funciones de apoyo a los chatbots y a las interfaces basadas en la inteligencia artificial (por ejemplo, copiloto de desarrollo de software, copiloto de recursos humanos y copiloto financiero) |
| Comercial | Herramientas analíticas con distintos niveles de madurez, a veces difíciles de adoptar | Mejora de las herramientas analíticas con una interfaz de generación de IA y automatización de las actividades creativas (copiloto de comerciantes) |
| Cadena de valor de principio a fin | La toma de decisiones independiente por parte de las funciones individuales, lo que lleva a un ciclo recurrente de búsqueda de las causas subyacentes de los acontecimientos empresariales, sin identificar a menudo los verdaderos factores subyacentes | Optimización integral de la toma de decisiones en toda la cadena de valor mediante información más rápida, precisa y personalizada a partir de fuentes de datos estructuradas y no estructuradas, lo que impulsa las decisiones sobre precios, promociones, asignación de inventario, marketing digital y otros factores que impulsan el rendimiento |
Es importante destacar que el sector retail también puede aprovechar casos de uso rápidos para aplicar la IA en toda la cadena de valor. Estos casos suelen requerir menos recursos para su implementación y permiten distribuir más fácilmente herramientas estándar disponibles, sin necesidad de una gran personalización.
Por último, la IA generativa y retail pueden ayudar a acelerar la toma de decisiones al generar automáticamente información, analizar causas profundas a nivel de dominio y responder de manera eficiente a las necesidades de toda la empresa.
Los costes de los chatbots basados en la generación de IA
Muchos actores del sector retail intentan cuantificar los costos que se derivan de la adopción de chatbots basados en inteligencia artificial (IA). De hecho, hay que tener en cuenta algunos factores clave como:
- Métricas del rendimiento del producto o duración de una conversación entre un cliente y un chatbot: la duración de la conversación está inversamente relacionada con la calidad de la personalización. Esto significa que, cuanto más personalizado esté un chatbot para un cliente determinado, más corta será la conversación.
- Conversiones de compra: cuanto mayor sea la tasa de conversión, que está directamente vinculada a la eficacia del chatbot, menores serán los costos operativos netos de esa herramienta.
- El precio de las API LLM (interfaces de programación de aplicaciones de modelos de lenguaje grande): el costo de usar las API LLM se redujo drásticamente en el último año. Por ejemplo, en comparación con el costo de los tokens de entrada, la GPT-4.0, lanzada en mayo de 2024, cuesta la mitad que la GPT-4 Turbo, lanzada un año antes. Los expertos en inteligencia artificial creen que, en los próximos dos o tres años, el precio de las API LLM podría bajar incluso un 80%.
Si los chatbots resultan demasiado caros, los operadores de retail pueden considerar soluciones menos complejas, como la búsqueda inteligente. Esta herramienta simplifica el proceso de compra, mantiene los costos bajos y reduce los riesgos asociados a respuestas inexactas o malintencionadas.
¿Cómo ampliar el uso de la IA generativa y retail?
A medida que las empresas entiendan cómo implementar la tecnología para crear valor real, los principales actores del sector deberán pasar de las pruebas iniciales a la escalabilidad, si quieren ser competitivos y retener a sus clientes.
McKinsey identifica los siguientes factores clave para garantizar la escalabilidad de la IA generativa y retail:
- Identificar los dominios a transformar: esto implica reconocer las áreas que requieren cambios y determinar qué herramientas, como la automatización del procesamiento robótico (RPA) o el análisis avanzado, pueden potenciar el impacto de la IA.
- Mejorar las habilidades del personal en inteligencia artificial: las empresas deben implementar programas de aprendizaje para talentos técnicos y no técnicos. Estos programas deberían enfocarse en temas como el desarrollo de software basado en IA y técnicas de ingeniería rápida.
- Formar equipos multifuncionales para facilitar la escalabilidad: es esencial crear equipos que integren distintos departamentos para acelerar la implementación de la IA. Estos equipos, al compartir objetivos comerciales, pueden fortalecer la estrategia general de los operadores de retail.
- Configurar la arquitectura tecnológica para garantizar la escalabilidad: antes de adoptar una solución de IA específica, las empresas deberían experimentar con diferentes opciones para evaluar cuál se adapta mejor a sus necesidades. La idea es construir una arquitectura de IA lo suficientemente flexible como para facilitar la transición entre diferentes modelos LLM y, de esta forma, escalar la tecnología en toda la organización.
- Garantizar la calidad de los datos para los modelos de IA: es fundamental identificar fuentes de datos no estructurados que permitan a los operadores diferenciarse de la competencia. Además, se deben establecer normas de etiquetado de metadatos para que los equipos técnicos puedan alimentar los modelos de IA de manera eficiente. Estas decisiones sobre los datos deben estar respaldadas por una comprensión clara de sus aplicaciones empresariales.
Conclusión
La IA generativa y retail están destinados a expandirse cada vez más, lo que marca el inicio de una nueva era de experiencias de compra personalizadas y operaciones optimizadas que transformarán el sector.
Con vistas hacia el futuro, la IA generativa y retail podrán garantizar una personalización más profunda, cadenas de suministro más eficientes y experiencias de compra innovadoras que integren el mundo físico y digital.
A medida que esta tecnología evolucione, es probable que el panorama del retail sufra una transformación significativa, lo que ofrece a los distintos actores oportunidades para conectarse con los clientes de formas más significativas y eficaces.
Por lo tanto, de cara al futuro, la adopción de la tecnología minorista basada en la inteligencia artificial podría convertirse en la norma y no en la excepción. Sin embargo, debemos ser conscientes de que cada tecnología que se introduce en cualquier ecosistema implica cambios de paradigma y es necesario evaluar sus impactos, así como garantizar el cumplimiento de la normativa vigente, que adopta cada vez más un enfoque basado en el riesgo y la resiliencia, lo que implica la adopción de los principios de la gestión del riesgo, la continuidad del negocio y la ciberseguridad.
