La inteligencia artificial ha entrado en una fase más exigente para el retail. La industria debe centrarse ahora en qué iniciativas generan valor medible, con qué métricas y bajo qué condiciones pueden escalarse, más allá de hacer pruebas. Esa es la tlectura que deja el análisis publicado por Boston Consulting Group (BCG) basado en una encuesta a 39 directivos sénior de gran consumo y retail, entrevistas y experiencia de BCG en proyectos de transformación con IA.
El informe describe un mercado a dos velocidades. En gran consumo, alrededor del 75% de las compañías sigue en fase de pilotos o de análisis, mientras que sólo el 18% escala impacto significativo. En retail, el avance es mayor, pero también desigual: el 45% de los retailers encuestados ya escala impacto, mientras otro 40% apenas ha empezado.
La conclusión industrial es que la ventaja no está en acumular casos de uso, sino en concentrar la IA en procesos comerciales donde el impacto pueda vincularse a EBIT, ventas, margen, disponibilidad o eficiencia operativa.
La brecha entre piloto y escala
BCG sitúa el mayor problema en la distancia entre las economías de un piloto y el retorno real a escala. Una prueba limitada puede funcionar con datos seleccionados, equipos dedicados y procesos simplificados. Pero, cuando pasa a operar en una red comercial viva, entran en juego sistemas heredados, disponibilidad de datos en tiempo real, adopción por parte de tienda, gobernanza, restricciones de suministro, estacionalidad y movimientos de competidores.
Esa complejidad explica por qué muchos proyectos de IA generan aprendizajes, pero no siempre valor recurrente. El propio informe señala que más de la mitad de los encuestados no mide formalmente el ROI de sus inversiones en IA de consumo. En la práctica, muchas compañías siguen midiendo actividad, uso o precisión del modelo, pero no establecen una línea base clara ni un umbral económico que determine cuándo una iniciativa debe escalarse, corregirse o cerrarse.
Para el retail, esta diferencia es muy importante porque buena parte de sus márgenes depende de decisiones frecuentes y muy sensibles al contexto. Por ejemplo, precio, promoción, reposición, surtido, inventario, planificación de tienda, logística y ejecución omnicanal. La IA puede mejorar esas decisiones, pero si el impacto no se compara contra una referencia fiable, el avance tecnológico queda separado de la cuenta de resultados.
¿Dónde se está viendo el valor?
El análisis de BCG identifica los ámbitos en los que los retailers han avanzado más: forecasting?, reposición, disponibilidad, pricing y optimización del transporte. Todos ellos son procesos con datos abundantes, decisiones repetidas y un vínculo más directo con ventas, costes o capital inmovilizado. En esas áreas, el retailer puede observar con más claridad si una recomendación algorítmica reduce roturas de stock, mejora la precisión de inventario, ajusta mejor la demanda o evita markdowns innecesarios.
BCG estima que escalar el conjunto de iniciativas de IA en la cadena de valor de la demanda podría aportar entre 180 y 360 puntos básicos de EBIT acumulado en retailers. El informe matiza que ese potencial no implica necesariamente una traslación íntegra al margen, ya que las compañías pueden reinvertir parte de la mejora en precios más competitivos, mejor propuesta comercial o nuevos servicios. Aun así, la magnitud sitúa la IA como una agenda de negocio, no como una partida tecnológica aislada.
Objetivo comercial
Uno de los mensajes más importantes para los retailers es la necesidad de reducir la dispersión. En muchas organizaciones, la IA ha avanzado mediante listas largas de casos de uso, algunos impulsados por áreas de negocio, otros por equipos de datos, proveedores tecnológicos o laboratorios internos. Ese enfoque ayuda a aprender, pero puede diluir inversión y atención directiva si no se conecta con prioridades comerciales concretas.
BCG plantea que las compañías que se están separando del resto no son simplemente las que lanzan más soluciones, sino las que aplican IA con mayor disciplina sobre pocos frentes relevantes. En retail, eso puede significar escoger dos o tres batallas: mayor disponibilidad en tienda, mejor surtido localizado, pricing más preciso, planificación de demanda o eficiencia en operaciones.
Una iniciativa de forecasting, por ejemplo, no genera impacto por sí misma si compras, logística, tienda y planificación comercial no actúan sobre la señal. Un sistema de pricing tampoco captura valor si no existe una gobernanza clara sobre elasticidades, reglas comerciales, competencia, percepción de cliente y límites de riesgo. La IA cambia el rendimiento cuando se integra en decisiones operativas con responsables, incentivos y métricas compartidas.
El dato: infraestructura competitiva
El informe también apunta a una segunda ventaja: los activos de datos y el conocimiento propietario. A medida que la IA en retail avanza hacia flujos de trabajo más autónomos, las compañías necesitan codificar contexto de negocio, reglas internas, datos de producto, señales de stock, información de cliente y aprendizajes operativos. Esa infraestructura será difícil de replicar si se construye con calidad, gobernanza y uso continuo.
Pero la oportunidad no se limita al dato interno. BCG señala que algunas bolsas de valor futuras podrían depender de elementos precompetitivos y voluntarios, como taxonomías de producto, definiciones de señales de suministro y stock, o estándares que ayuden a que las interacciones habilitadas por IA funcionen con más fiabilidad sin compartir información sensible entre competidores.
Para una industria tan interdependiente como el retail, esta cuestión puede ganar peso en la relación entre fabricantes, distribuidores, plataformas tecnológicas y proveedores logísticos.
Además, el auge del comercio agéntico añade presión. Los consumidores empiezan a usar asistentes para buscar, comparar, planificar y decidir compras. Esto desplaza parte de la visibilidad desde el lineal físico y el buscador tradicional hacia nuevas interfaces de recomendación. BCG menciona la optimización para motores generativos y el comercio agéntico como una frontera emergente, todavía con retorno difícil de medir, pero con impacto potencial en descubrimiento, ficha de producto, disponibilidad y adquisición de cliente.
La nueva disciplina de la IA en retail
La agenda que se abre para el retail es menos vistosa que la fase de pilotos, pero mucho más determinante. Implica medir la IA como cualquier inversión relevante de negocio, con KPI vinculados a P&L, costes, calidad de decisión, adopción en el flujo de trabajo y retorno sobre el coste de ejecución.
También implica incorporar controles de calidad, seguimiento en tiempo real, formación de equipos y reglas claras sobre cuándo una decisión puede automatizarse y cuándo requiere revisión humana.
De esta forma, la IA empieza a dividir a los retailers por su capacidad de gestión, no por su acceso a herramientas. La tecnología se está extendiendo con rapidez, pero el valor se concentrará en quienes sepan convertir casos de uso en sistemas de decisión escalables.
En un entorno de presión sobre costes, consumidores sensibles al precio y competencia omnicanal, medir el ROI de la IA no es una tarea financiera posterior. Es la condición para saber dónde invertir, qué procesos cambiar y qué ventajas pueden sostenerse en el tiempo.
impulsada por las operadoras de telefonía?