Producir de más y producir de menos cuestan dinero por razones distintas, y casi ninguna pyme mide las dos cosas juntas. El exceso de producción acaba en liquidaciones con descuento o, peor, en mermas si el producto tiene fecha de caducidad. El defecto de producción se traduce en roturas de stock justo cuando la demanda sube. En medio de ambos extremos está la previsión de demanda, una tarea que en muchas empresas se hace "a ojo", con la experiencia de una persona y el dato del año anterior como única referencia, y que sale cara en las dos direcciones.
Cuánto cuesta hoy estimar la demanda a ojo
Conservas Puig es un fabricante de conservas con 30 empleados. Cada mes, el responsable de compras y producción dedica 10 horas semanales a estimar cuánto se va a vender el mes siguiente, cruzando ventas del año anterior, sensaciones sobre la campaña en curso y algún aviso puntual de comerciales. Es un perfil senior, con un coste por hora de 24 euros.
Esas 10 horas semanales, unas 43 al mes, suman 1.032 euros mensuales, cerca de 12.380 euros al año, en el tiempo dedicado solo a decidir cuánto producir. Pero en un negocio de alimentación, el coste real de una previsión mal hecha está en otro sitio: exceso de producción que acaba liquidándose con descuento o perdiéndose por caducidad, y roturas de stock en los picos de demanda que no se anticiparon a tiempo. Puig estima este coste combinado en unos 1.400 euros mensuales, una cifra alta pero realista cuando se trata de producto perecedero. El coste total de una previsión de demanda hecha a ojo asciende así a 2.432 euros al mes, unos 29.180 euros al año.
Este es uno de los casos donde el coste de no automatizar no está en el tiempo de una persona, sino en las decisiones equivocadas que esa persona toma sin suficientes datos. Puedes ver el razonamiento completo en el coste de no automatizar.
Qué cambia cuando un agente de IA hace la previsión
Un agente de IA que cruza el histórico de ventas, la estacionalidad, las campañas comerciales previstas y datos externos como el calendario de festivos genera una previsión semanal por referencia, en lugar de una estimación mensual global hecha a ojo. El responsable de compras deja de calcular cifras desde cero y pasa a revisar y ajustar la previsión que propone el agente, incorporando el criterio que solo una persona tiene: una promoción puntual, un cliente nuevo, un cambio de tarifa.
Ese trabajo de revisión baja a unas 3 horas semanales, 13 horas al mes, que a 24 euros suponen 312 euros mensuales. El coste por desviación de la previsión no desaparece del todo, ninguna previsión es perfecta, pero baja de 1.400 a unos 500 euros mensuales. El coste del servicio del agente en este caso es de 600 euros al mes.
Poner en marcha un agente de previsión de demanda es, de todos los procesos de esta serie, el que más depende de la fase previa de datos: antes de generar la primera previsión útil, hay que consolidar el histórico de ventas de los últimos años, limpiar duplicados y errores de registro, y definir junto al responsable de compras qué eventos especiales (campañas, festivos locales, cambios de precio) deben tenerse en cuenta. Esa fase inicial puede llevar entre tres y seis semanas según el estado de los datos de partida, y es tiempo bien invertido porque de ahí depende la precisión de todo lo que viene después.
Antes vs. después: la cuenta completa
| Concepto | Antes (manual) | Después (con agente de IA) |
|---|---|---|
| Horas de previsión al mes | 43 h | 13 h |
| Coste de personal | 1.032 €/mes | 312 €/mes |
| Coste por desviación de previsión | 1.400 €/mes | 500 €/mes |
| Coste del servicio de IA | — | 600 €/mes |
| Coste total mensual | 2.432 € | 1.412 € |
| Ahorro mensual | 1.020 € | |
| Ahorro anual estimado | ≈ 12.200 € |
Con una inversión inicial de unos 3.500 euros, algo mayor que en otros procesos porque requiere consolidar y limpiar histórico de ventas antes de entrenar el modelo, la amortización llega en poco más de tres meses. A partir de ahí, el ahorro se mantiene, con el añadido de menos capital inmovilizado en exceso de producción que no se vende a tiempo.
Por qué el ahorro real puede variar en tu empresa
La previsión de demanda es, de los procesos de este tipo de artículos, uno de los que más varía según el sector y el producto. Un negocio con demanda estable y poca estacionalidad tendrá menos margen de mejora que uno como Puig, con picos de campaña y producto perecedero, donde una mala previsión sale especialmente cara. También influye la cantidad de histórico disponible: un agente de IA necesita al menos uno o dos años de datos de ventas fiables para generar previsiones precisas desde el principio; con menos historial, las primeras previsiones serán más conservadoras y mejorarán con cada ciclo de ventas real.
Conviene no prometer una precisión perfecta: ningún modelo de previsión, por bueno que sea, elimina toda la incertidumbre de la demanda futura, y factores externos como una crisis de suministro o un cambio brusco de mercado seguirán generando desviaciones. El objetivo realista es reducir el margen de error frente al criterio humano no sistemático, no eliminarlo. Para entender qué tipo de retorno es razonable esperar en un proyecto así, conviene aplicar la misma fórmula que en ROI real de implantar un agente de IA.
Como en el resto de procesos operativos de este tipo, automatizar la previsión no sustituye el criterio de negocio de quien hoy la hace, lo apoya con datos; el enfoque completo está en tareas repetitivas: cuánto cuestan.
El número de referencias distintas que fabrica o vende la empresa también pesa en el resultado: un catálogo amplio con muchas referencias de bajo volumen es más difícil de prever con precisión que uno concentrado en pocos productos de alta rotación, simplemente porque hay menos histórico por referencia sobre el que aprender.
Conclusión
Prever la demanda a ojo cuesta en dos direcciones a la vez: exceso de producción que se liquida con pérdidas y roturas de stock en los picos que nadie vio venir. En el caso de Conservas Puig, automatizar esta previsión con un agente de IA generó un ahorro de unos 12.200 euros al año, con la inversión amortizada en poco más de tres meses. Si quieres saber qué ahorro tendría sentido en tu proceso de previsión, pide un diagnóstico gratuito.