La inteligencia artificial puede intervenir en muchos ámbitos de un comercio: ventas, inventario, catálogo, proveedores, documentos, clientes o tienda online.
Pero su interés no consiste simplemente en añadir una función « IA » a cada una de estas herramientas.
Cuando puede acceder a los datos y funciones necesarios, permite sobre todo partir de una petición formulada en lenguaje corriente para buscar una información, analizar una situación o preparar una acción.
Estos son siete usos concretos.
1. Analizar las ventas
«Compara mis ventas de esta semana con las de la semana pasada y muéstrame las principales diferencias.»
Un software de caja ya produce muchos datos. La IA puede facilitar su exploración sin obligar al comerciante a construir manualmente cada informe.
Puede, por ejemplo, comparar:
- la facturación (ventas);
- el número de tickets;
- el ticket medio;
- las cantidades vendidas;
- las ventas por categoría;
- las ventas por producto;
- los establecimientos.
Pero constatar una variación no siempre basta. Si la facturación (ventas) baja un 8 %, la siguiente pregunta es:
«¿Qué contribuye principalmente a esta bajada?»
El análisis puede entonces buscar las categorías, referencias u otros indicadores que más han cambiado. Eso sí, hay que distinguir contribución estadística y causalidad: los datos pueden mostrar qué elementos acompañan una variación sin demostrar necesariamente por qué los clientes han cambiado de comportamiento.
El detalle de este uso se desarrolla en nuestro artículo sobre el análisis de ventas en tienda.
2. Anticipar el inventario y preparar la reposición
«¿Qué productos corren el riesgo de quedar por debajo de su umbral de stock esta semana?»
La gestión de stock es especialmente adecuada para los análisis cruzados. El stock disponible por sí solo no permite saber si una referencia está realmente en riesgo.
Hay que poder tener en cuenta, entre otros:
- el ritmo de ventas;
- el stock disponible;
- los pedidos ya realizados;
- el plazo del proveedor;
- el stock de seguridad;
- eventualmente la estacionalidad.
La IA puede ayudar a hacer aflorar las referencias que merecen una atención especial. Después, el comerciante puede continuar:
«Prepara una propuesta de reposición para estas referencias.»
Sin embargo, la cantidad que pedir no debe deducirse solo del ritmo de ventas. También puede depender del embalaje, del pedido mínimo, del stock objetivo, de los pedidos en curso o de las limitaciones del proveedor.
El interés está, por tanto, en pasar de la detección del riesgo a una propuesta de pedido verificable, y no en considerar el cálculo como automáticamente correcto. A la inversa, la misma lógica permite hacer aflorar los productos sin rotación o las referencias en sobrestock.
3. Gestionar el catálogo
Crear y mantener fichas de producto puede resultar tedioso cuando el catálogo contiene cientos o miles de referencias. La IA puede ayudar a preparar ciertas operaciones. Por ejemplo:
«Prepara una ficha nueva para esta referencia: harina T65, saco de 25 kg, proveedor X.»
A partir de la información facilitada y del modelo de datos que usa el comercio, puede preparar los campos necesarios. También puede ayudar a:
- buscar una referencia;
- completar cierta información;
- reformular una descripción;
- clasificar productos;
- detectar fichas incompletas;
- preparar modificaciones en serie.
La creación efectiva de la referencia depende después del sistema al que esté conectada la IA y de los permisos de que disponga. Esta distinción es importante: generar la información de una ficha y modificar realmente el catálogo son dos operaciones distintas.
4. Tratar los proveedores y los documentos comerciales
Parte de la gestión diaria se apoya en información que circula entre varios documentos:
- presupuestos;
- pedidos;
- albaranes;
- facturas;
- tarifas de proveedores.
La IA puede ayudar a encontrar estos documentos, a extraer cierta información de ellos o a preparar el siguiente documento del proceso. Por ejemplo:
«Prepara el presupuesto correspondiente a esta solicitud del cliente.»
Después, una vez aceptado el presupuesto:
«Prepara la factura a partir del presupuesto validado.»
El interés está en evitar volver a introducir inútilmente la misma información. En las compras, una petición también puede referirse a los proveedores:
«¿Qué proveedores han subido sus tarifas en estas referencias?»
o:
«Encuentra el último pedido hecho a este proveedor.»
Aquí también, preparar, crear y enviar no son necesariamente la misma operación. Una acción que compromete puede conservar un paso de validación.
5. Segmentar, fidelizar y hacer seguimiento a los clientes
La IA también puede facilitar el análisis de la clientela cuando las transacciones están vinculadas a clientes identificados. Una petición como:
«¿Qué clientes fieles no han comprado desde hace dos meses?»
parece simple, pero primero hay que definir el término « fiel ». Por ejemplo:
«Identifica a los clientes que hicieron al menos seis compras en los últimos doce meses y que no han comprado nada desde hace 60 días.»
El segmento se vuelve entonces medible. La IA puede ayudar después a:
- analizar la recencia;
- medir la frecuencia de compra;
- buscar los clientes que han generado más facturación (ventas);
- identificar comportamientos de abandono;
- preparar una comunicación para un segmento.
Por ejemplo:
«Prepara un mensaje de reactivación para este grupo.»
La calidad de la acción depende ante todo de la calidad del segmento. La IA no convierte automáticamente una base de clientes en una campaña pertinente: los criterios elegidos siguen siendo determinantes.
Para profundizar en este caso, consulta nuestro artículo dedicado al seguimiento de los clientes inactivos y nuestras capacidades de fidelización.
6. Gestionar la tienda online
El comercio electrónico también genera tareas repetitivas. La IA puede ayudar a:
- preparar una ficha de producto;
- reformular una descripción;
- clasificar referencias;
- buscar información que falta;
- analizar las ventas online;
- comparar los comportamientos entre canales.
Por ejemplo:
«Reescribe esta descripción de producto para que sea más clara sin modificar las características técnicas.»
La generación de contenido es aquí un uso directo. En cambio, la sincronización del inventario entre la tienda y la tienda online no la realiza la propia IA. Depende de la arquitectura del sistema de gestión y de las integraciones entre los canales. La IA puede consultar estos datos o buscar ciertas incoherencias, pero no sustituye el mecanismo técnico que mantiene el inventario sincronizado.
7. Automatizar las tareas recurrentes
Algunas peticiones se repiten cada día o cada semana. Por ejemplo:
«Cada lunes, resume las ventas de la semana anterior y destaca las diferencias importantes.»
O:
«Cada mañana, revisa las referencias cercanas a su umbral de reposición.»
Cuando un análisis se basa siempre en las mismas reglas, puede convertirse en una rutina. Así el comerciante no tiene que repetir manualmente la misma búsqueda.
Pero no todas las automatizaciones tienen por qué producir una acción. Hay que distinguir:
Una rutina de información
«Envíame el resumen cada lunes.»
De una vigilancia condicional
«Avísame solo de las referencias que pasen por debajo de su umbral.»
Y de una acción operativa
«Crea un pedido a proveedor.»
Estos tres niveles no tienen las mismas consecuencias ni la misma necesidad de control. Una pregunta útil de forma puntual puede convertirse así en una tarea automatizada cuando responde a una necesidad recurrente.
Una octava palanca transversal: la visión IA
Algunos usos no empiezan con datos ya registrados, sino con un documento o una imagen. Por ejemplo:
- foto de un albarán;
- factura de proveedor;
- catálogo en papel;
- lista de tarifas;
- carta o menú;
- etiqueta de producto.
Una IA capaz de analizar imágenes puede ayudar a extraer y estructurar la información visible. Una foto de un albarán puede servir, por ejemplo, para anotar las referencias y cantidades que figuran en el documento.
Pero hay que mantener una distinción importante: leer « 12 unidades » en un documento no prueba físicamente que se hayan entregado realmente 12 unidades. Del mismo modo, extraer la información de un catálogo no significa que deba importarse sin verificación.
La visión IA reduce la reintroducción de datos; no elimina la necesidad de controlar la información cuando lo que está en juego lo justifica.
De la pregunta a la acción
Todos estos usos pueden agruparse en varios niveles:
- Buscar«Encuentra la última factura de este proveedor.» La IA busca una información existente.
- Entender«¿Cómo han evolucionado mis ventas esta semana?» Presenta y relaciona los datos disponibles.
- Analizar«¿Qué categorías contribuyen más a la bajada?» Busca los elementos que permiten interpretar la situación.
- Preparar«Prepara la reposición de estas referencias.» Construye una propuesta a partir de los datos y reglas disponibles.
- Actuar«Crea el pedido a proveedor correspondiente.» Si dispone de las herramientas y autorizaciones necesarias, un agente puede ejecutar una operación en el sistema.
- Automatizar«Repite esta comprobación cada lunes.» Una petición recurrente se convierte en una rutina.
Esta progresión permite entender qué distingue una simple interfaz conversacional de un sistema capaz de usar herramientas. Responder a una pregunta y actuar en el sistema de información no son la misma capacidad. Es esta capacidad de encadenar comprensión, análisis y acción lo que distingue a un agente de IA de un asistente limitado a producir una respuesta.
La IA no sustituye al software de gestión
Es un punto importante. La IA no está pensada para sustituir:
- la caja que registra las ventas;
- el sistema de stock que registra los movimientos;
- el CRM que conserva la información de los clientes;
- el sistema de facturación;
- el motor de comercio electrónico;
- las herramientas de los proveedores.
Puede constituir una capa de acceso y de acción sobre estos sistemas, siempre que estén conectados y que los datos necesarios estén disponibles.
Esta distinción permite evitar una idea engañosa: la IA no « sabe » espontáneamente lo que ocurre en el comercio. Debe disponer de los datos o de las herramientas que le permitan saberlo.
No todos los datos valen lo mismo
La calidad del análisis depende directamente de la calidad de los datos.
Una previsión de rotura de stock será poco fiable si el inventario no se actualiza correctamente. Un análisis de clientes será limitado si la mayoría de las transacciones no están vinculadas a ningún cliente. Una comparación entre tiendas puede ser engañosa si los establecimientos no usan las mismas reglas o ámbitos.
Una IA muy potente no corrige automáticamente datos incoherentes. Cuanto más importante sea la acción prevista, más hay que verificar la calidad de los datos utilizados.
¿Qué nivel de control conservar?
No todas las acciones requieren el mismo nivel de validación.
Mostrar una facturación (ventas) supone poco riesgo. Preparar una ficha de producto supone más. Enviar una comunicación a clientes, modificar un precio o crear un pedido a proveedor puede tener una consecuencia directa en la actividad.
El nivel de control puede adaptarse, por tanto, a:
- la reversibilidad de la acción;
- su impacto financiero;
- su impacto en un cliente;
- la confianza depositada en los datos;
- las reglas internas del comercio.
El objetivo no es impedir la automatización. Es aplicarla donde realmente ahorra tiempo sin crear un riesgo desproporcionado.
¿Cómo aplica Gillia estos usos?
Gillia reúne varias funciones de gestión y también puede aprovechar las herramientas y los datos a los que está conectado.
El comerciante puede empezar por una pregunta:
«¿Qué productos corren riesgo de rotura de stock esta semana?»
y continuar:
«Prepara la reposición correspondiente.»
O partir de un análisis de clientes:
«¿Qué clientes habituales empiezan a dejar de volver?»
y después:
«Prepara una acción de reactivación para este segmento.»
El interés está en conservar el contexto entre la pregunta, el análisis y la preparación de la acción, en lugar de volver a empezar de cero en varias herramientas. Algunas consultas útiles en el día a día también pueden convertirse en rutinas recurrentes. Según la acción y los permisos concedidos, se puede conservar una validación antes de la ejecución.
Estos usos solo cubren una parte de las posibilidades. El catálogo de usos de Gillia reúne los casos de uso detallados por ámbito.
IA para el comercio: empezar por el problema, no por la IA
El uso pertinente no empieza por:
«¿Dónde puedo poner IA?»
sino más bien por:
«¿Qué tarea me hace perder tiempo?»
«¿Qué información es difícil de encontrar?»
«¿Qué análisis tengo que repetir con regularidad?»
«¿Qué operación implica demasiada reintroducción de datos?»
A partir de ahí, se puede determinar si la IA aporta realmente algo. Para una regla perfectamente fija, una automatización clásica puede ser a veces más sencilla. Para una pregunta que exige entender el lenguaje, relacionar varios datos o adaptar el análisis al contexto, la IA puede resultar mucho más interesante.
El buen uso de la IA no es el que parece más espectacular. Es el que mejora realmente una tarea del comercio.