Esta es mi conclusión de entrada: de todos los proyectos de pronóstico con IA para almacenes que he visto morir, ninguno murió por la selección del modelo.
Últimamente más operadores de almacenes me preguntan por el «pronóstico con IA» — predicción de demanda, sugerencias de reabastecimiento, estimaciones para la planificación de mano de obra. Las demos siempre se ven igual. El equipo prueba modelos uno tras otro — gradient boosting, Prophet, lo que esté de moda — ajustando hiperparámetros hasta el cuarto decimal. Entonces hago una sola pregunta: ¿qué características le están alimentando? La hoja de cálculo que recibo suele tener tres columnas: fecha, SKU, ventas.
Esos proyectos nacen muertos. El modelo es el chef; las características son los ingredientes. Dale a un chef una canasta de verduras podridas y el plato sabrá igual sin importar quién cocine. En el pronóstico, el verdadero trabajo está fuera del prompt — en esa faena ingrata que nadie quiere hacer antes de que los datos lleguen al modelo: la ingeniería de características.
Nueve de cada diez datos del almacén no están listos para el modelo
En 2023 visité un 3PL de 120.000 pies cuadrados en Ontario, California. Habían pagado buen dinero por un modelo de pronóstico de ventas. Tres meses después del arranque, todavía no podía superar el olfato del supervisor de operaciones — un veterano con más de una década en la planta. «Este modelo ni siquiera sabe qué es el Black Friday», me dijo.
El diagnóstico: el modelo solo se entrenó con el volumen histórico de pedidos. ¿Black Friday? Sin calendario de promociones en el sistema. ¿La temporada de regreso a clases? Nada. ¿La congestión portuaria que retrasa la llegada de mercancía dos semanas y revienta cada pronóstico de reabastecimiento? Definitivamente nada.
Esa es la primera trampa. El conjunto de datos más completo de un almacén — las ventas históricas — es también la característica más pobre. Te dice qué pasó, nunca por qué. Un modelo que solo lee curvas de ventas no hace más que calcar la forma de ayer y adivinar la de mañana. En el momento en que algo estructural cambia — una promoción, una ruptura de stock, el lanzamiento de un SKU nuevo — se derrumba.
Así que antes de tocar cualquier modelo, pon la casa de datos en orden. Esta es la lista que les entrego a mis clientes:
Ventas diarias por SKU y por instalación — dos años mínimo, tres mejor. El calendario de promociones: quién lo decidió, qué tan profundas, cuántos días, cada evento. Registros de rupturas de stock — los días con demanda pero sin inventario no son días con cero ventas, aunque tu sistema registre ambos como 0. Festivos y vacaciones escolares (el Día de Acción de Gracias cambia de fecha cada año). Datos meteorológicos — el clima extremo mueve mucho la aguja en los centros de distribución del comercio local. Congestión portuaria y de larga distancia — para las operaciones de importación, esto decide cuándo lo que va en tránsito se convierte en inventario disponible. Devoluciones por SKU — donde las tasas de devolución son altas, las ventas brutas y netas son historias distintas.
Más de la mitad de esa lista no vive en tu WMS. Vive en las hojas de cálculo de marketing, en la cabeza del gerente de operaciones, en los correos del agente de carga. Antes de la IA, hay que ir a buscarla, estructurarla y aterrizarla en una sola tabla. No hay atajo, y ningún modelo de lenguaje va a hacerlo por ti.
Los ingredientes propios del almacén
Los tutoriales genéricos te enseñarán características de retardo, medias móviles y banderas de día de la semana. Haz todo eso. Pero los almacenes tienen su propio sabor, y hay algunas características que nunca aparecen en esos tutoriales.
Cantidad en tránsito. El «inventario» en el sistema y la «mercancía que puedes vender» a menudo son dos cosas distintas. En una operación de importación, un contenedor pasa 30 días en el agua; durante esos 30 días el inventario del sistema marca cero, pero la planificación de ventas no puede tratarlo como cero. Alimenta como característica el volumen en tránsito «pedido pero aún no recibido», para que el modelo aprenda la diferencia entre «stock bajo, sin pánico» y «stock bajo, problema real». Durante los desvíos del Mar Rojo de 2024, un almacén de artículos para el hogar vio el tránsito marítimo estirarse de 35 a 60 días — mientras su modelo seguía aconsejando «no se necesita reabastecimiento». La mercancía seguía en los barcos.
Velocidad de ubicación. El mismo SKU vende distinto desde una zona dorada de picking que desde el estante más alto — la eficiencia del picking impulsa la velocidad de cumplimiento, la velocidad impulsa la recompra. Poca gente piensa en esta: «distancia media recorrida en picking en los últimos 30 días», o simplemente «estaba en un cabecero de promoción». Absorbe una buena parte de las fluctuaciones de ventas que de otro modo serían un misterio.
Tasa de devolución móvil. Los centros de distribución de ropa y calzado pueden ver tasas de devolución de veintitantos o treintitantos por ciento. Un modelo entrenado con ventas brutas sobreestima sistemáticamente la demanda real. Alimenta «la tasa de devolución de este SKU en las últimas 8 semanas» y deja que el modelo aprenda a descontarla.
La bandera de ruptura de stock. La característica más pasada por alto y la de mayor impacto. Un día con cero ventas — ¿fue por falta de demanda o por falta de inventario? Tu sistema registra ambos como 0. Sin una bandera binaria de «el inventario vendible fue cero ese día», el modelo aprende «nadie quiere este SKU» a partir de las rupturas y la próxima vez recomienda aún menos stock de seguridad — la espiral de la muerte.
Los tres caballos de batalla: retardos, ventanas móviles y alineación
Características elegidas; ahora la construcción. El pronóstico de almacenes se apoya en tres caballos de batalla, y el diablo está en cómo ajustar cada uno.
Primero, características de retardo: usar las ventas de los últimos N días para predecir el futuro. Con siete días el modelo solo ve el ritmo semanal; con noventa días las características se vuelven ruidosas. Empieza con 7, 14 y 28; verifica qué tramo aporta más en el conjunto de validación y luego ajusta. No metas 365 días completos desde el primer día — demasiadas características y el modelo empieza a memorizar en vez de aprender. Ese es el camino de entrada al sobreajuste.
Segundo, ventanas móviles: media de las últimas 4 semanas, máximo de las últimas 8 semanas, desviación estándar de las últimas 12 semanas. Las ventanas móviles capturan la tendencia. Pero las ventanas de 4, 8 y 12 semanas están muy correlacionadas — es decir lo mismo tres veces. Con una o dos basta.
Tercero — la más almacenera de las tres — alineación temporal: alinear causas con efectos. La promoción empieza el 20 de noviembre, pero la decisión de abastecimiento se tomó a finales de octubre — la marca de tiempo de la característica debe reflejar el momento de la decisión, no el del evento. Estas alineaciones difieren en cada almacén; se mapean sentándose con operaciones y compras, una por una. Es la parte más valiosa de la ingeniería de características, y la menos copiable.
La forma más silenciosa de morir: la fuga de datos
Eso es el «cómo». Ahora el «cómo mueren los proyectos». La fuga de datos es el asesino más silencioso del trabajo de pronóstico, y muere con aspecto respetable — una precisión de validación tan alta que todos celebran, y luego un colapso total en producción.
La fuga clásica: usar «la profundidad real de la promoción de este mes» para predecir «las ventas de este mes». En el entrenamiento funciona de maravilla — promoción profunda, ventas altas. Pero a la hora de predecir, la profundidad de la promoción del próximo mes aún no se ha decidido. Le estás alimentando al modelo datos del futuro. Eso es viajar en el tiempo, no pronosticar. La solución: usar la promoción planificada (conocida al momento de la decisión), o dividir la característica en versiones conocida y desconocida.
Otra fuga se esconde en las ventanas móviles: predecir diciembre con una «media de las últimas 8 semanas» que incluye silenciosamente la primera semana de diciembre — datos que aún no existen a la hora de predecir. La comprobación es tonta pero efectiva: para cada fila de entrenamiento, pregúntate «a la hora de predecir, ¿podría haber tenido realmente este número?». Si no, elimínalo.
Luego la fuga de normalización: calcular las estadísticas de escalado sobre todo el conjunto de datos, validación incluida. Suena trivial, pero en SKUs con muestras pequeñas infla las puntuaciones de validación varios puntos. Calcula las estadísticas solo con el entrenamiento; aplícalas a la validación y a la prueba.
¿Más siempre es mejor? Hablemos de compromisos
Aquí va una conclusión impopular: más características no es mejor.
Una vez vi un modelo de 200 características superar a su hermano de 30 características por dos puntos en validación. El cliente estaba encantado. Entonces conté: sesenta de esas características dependían de fuentes externas — APIs meteorológicas, índices de congestión, señales sociales. Una fuente se cae, cambia de formato o se vuelve de pago, y estás rehaciendo la tubería. Una tubería de 200 características necesita un ingeniero de datos dedicado; con 30 características, el equipo de operaciones se las arregla solo.
¿Valen dos puntos de precisión una contratación a tiempo completo? Con 400.000 pedidos al mes, quizás. Con 30.000, no. El objetivo no es el modelo más preciso — es el modelo más preciso que la organización puede permitirse mantener vivo. Lanza primero con 20 a 30 características centrales; sal a producción, valida, mide el impacto en el negocio y luego decide si añadir más. Un modelo de 30 características funcionando de forma fiable durante dos años le gana a un modelo de 200 características que nadie mantiene después de tres meses.
En el momento de la aceptación, no mires fijamente un solo número de precisión. Hago que los clientes comprueben tres cosas. Primero, supera la base — rinde claramente mejor que alternativas tontas como «mismo periodo del año pasado» o «promedio de las últimas 4 semanas», o no lo lances. Segundo, córtalo en rebanadas — puntúa por separado los más vendidos, la cola larga y los SKUs nuevos; los promedios mienten, y los modelos suelen clavar los más vendidos mientras adivinan en la cola. Tercero, demuestra el valor de negocio — cinco puntos de precisión significan ¿cuántas rupturas menos, cuánto stock muerto menos? Una métrica que no llega al P&L es vanidad.
Volviendo a la frase inicial: el modelo equivocado rara vez te mata; las características equivocadas, siempre. La próxima vez que alguien te presente un pronóstico con IA para almacenes, no preguntes qué modelo usa — pregunta cómo es su tabla de características. Si no sabe responder, el proyecto sigue en la fase del «demo bonito». La verdadera artesanía siempre ha vivido más allá del prompt.
Traducido del inglés. En caso de discrepancia, prevalece la versión en inglés.
