Últimos reportajes
Temas destacados
Trending
Los ERP genéricos se diseñaron para estandarizar los aspectos básicos: finanzas, compras, inventario e informes. Ese modelo sigue funcionando. Pero la IA está poniendo de manifiesto dónde deja de hacerlo.
Un asistente de IA puede resumir una orden de compra o señalar una factura vencida. Su valor aumenta aún más cuando comprende por qué es relevante una parada de una máquina, cómo debe gestionarse un lote sujeto a regulación o qué compromiso de nivel de servicio está en riesgo.
Por eso, la IA vertical pondrá de manifiesto los límites de los ERP genéricos.
La IA necesita algo más que datos limpios. Necesita contexto: la terminología, los flujos de trabajo, los controles y las concesiones entre distintas prioridades que definen el funcionamiento de un sector concreto.
Una herramienta de IA integrada en un ERP genérico puede detectar que el nivel de existencias ha caído por debajo de un umbral. Una herramienta específica para el sector manufacturero puede relacionar esa señal con los calendarios de producción, el historial de mantenimiento, los plazos de entrega de los proveedores y las restricciones de calidad.
La diferencia no es meramente estética.
Determina si la IA genera una alerta interesante o una decisión sobre la que alguien puede actuar.
Nuestro análisis del impulso de Acumatica hacia una IA práctica (artículo pendiente de traducción) exploró la creciente apuesta por integrar la IA en las tareas cotidianas de los ERP. Ese es el camino correcto. Sin embargo, su utilidad depende de que el sistema comprenda el entorno operativo en el que se desarrollan esas tareas.
Tradicionalmente, los proveedores de ERP han diseñado plataformas para distintos sectores mediante módulos configurables. Esa flexibilidad ofrece ventajas, especialmente para las empresas del mercado medio que necesitan una funcionalidad amplia sin asumir el coste de una plataforma hecha a medida.
Sin embargo, la configuración por sí sola tiene sus límites.
Un sistema de IA entrenado con datos genéricos de finanzas, cadena de suministro y clientes puede tener dificultades cuando se enfrenta a términos, normas y excepciones específicos de un sector. En el ámbito sanitario, debe comprender la gobernanza y la seguridad de los pacientes. En la construcción, debe tener en cuenta los contratos, las condiciones de las obras y las dependencias entre subcontratistas. En la fabricación, debe reconocer las conexiones entre calidad, producción, mantenimiento y trazabilidad.
Sin este contexto, la IA puede ofrecer recomendaciones con seguridad, pero que carecen de relevancia operativa.
O, peor aún, son incorrectas.
Las nubes sectoriales ofrecen una posible solución, ya que combinan modelos de datos, flujos de trabajo y controles específicos de cada sector con las capacidades de los ERP basados en la nube. Como señalamos en nuestro análisis de la estrategia de nubes sectoriales de Infor (artículo pendiente de traducción), su valor estratégico reside en hacer que las plataformas empresariales se adapten mejor a las realidades operativas locales y específicas de cada sector.
Pero la IA vertical no es simplemente una función del proveedor que se pueda activar.
Las empresas siguen necesitando datos maestros de calidad, una asignación clara de responsabilidades sobre los procesos y controles rigurosos sobre los permisos, las excepciones y los registros de auditoría. La IA no puede reparar procesos deficientes. Solo puede amplificar sus debilidades con mayor rapidez.
La próxima batalla en el mercado de los ERP no consistirá en determinar quién tiene más agentes de IA.
Consistirá en determinar quién comprende mejor el trabajo que se les pide realizar a esos agentes.
