AI Top Business Leaders México | Entrevista editorial
La estrategia de inteligencia artificial (IA) de Grupo Jumex comenzó antes de que la IA ocupara el lugar que tiene hoy. Hace cinco años, dos intentos fallidos de implementar una tecnología de planeación revelaron un problema más profundo. La empresa necesitaba asegurar cómo nacían los datos, cómo viajaban entre sistemas y quién respondía por su calidad antes de construir nuevas capacidades sobre ellos.
Iván González, Head of Data and Analytics de Grupo Jumex, llegó entonces para crear el área desde cero y diseñar una estrategia alineada con el negocio. El recorrido siguió un orden deliberado: primero gobierno de datos, después inteligencia de negocio, luego analítica y, finalmente, IA. Hoy, con modelos ya operativos y una nueva oficina ejecutiva de gobierno de datos e IA, el desafío pasa por aprovechar esos cimientos para escalar.
¿Cómo empezó la IA en Grupo Jumex?
Todo surgió con la institucionalización de Grupo Jumex y una visión clara de transformación digital. En ese momento la IA no era lo que es hoy, pero ya queríamos construir una inteligencia de negocio más poderosa, avanzar en analítica y machine learning y, posteriormente, explotar la IA.
El detonante fue la implementación de Blue Yonder. Se intentó dos veces y no funcionó. Cuando llegué, mi primera misión fue entender por qué. La pregunta fue cómo estaba la calidad de los datos, cómo nacían, cómo viajaban entre sistemas y cómo se gobernaban. La realidad es que no existía ese gobierno.
A partir de ahí construimos una estrategia a cinco años. El primer año fue de gobierno de datos; el segundo, de inteligencia de negocio y automatización. Después llegaron la analítica y los primeros casos de machine learning. Hoy tenemos una fuente única de verdad y una base para avanzar hacia IA y data products.
Cinco años después, ¿quién decide dónde entra la IA?
Desde el día uno tuve claro que esta agenda tenía que ser top-down y estar alineada con el director general y el comité ejecutivo. Hoy esto ya es un pilar estratégico y creamos la Enterprise Data & AI Governance Office, en la que participamos cuatro vicepresidentes, la máxima dirección de la compañía y yo. Desde ahí vamos a definir la estrategia de IA para los próximos tres o cuatro años.
Primero tenemos que hacer un inventario de lo que ya existe y definir qué herramientas vamos a utilizar, bajo qué políticas y qué información no puede compartirse. Nos ha pasado que alguien sube información de ventas a una IA y obtiene un análisis espectacular, pero pone en riesgo información de la empresa. Por eso también necesitamos capacitación y gobierno.
El siguiente paso son los data products. No todo se soluciona con IA. Tenemos que trabajar con cada dirección para identificar oportunidades y construir una agenda sobre una tecnología unificada. Para el próximo año aspiramos a diez casos de uso y diez data products vinculados con IA en cinco direcciones.
"La ventaja competitiva la tenemos que construir a partir de los datos".
¿Dónde se ve hoy el retorno?
El caso más maduro es Pedido y Carga Sugerida, en nuestro canal de menudeo. El modelo anticipa las compras habituales de cada punto de venta y propone un pedido al vendedor. Al final de la jornada también recomienda la carga para la ruta del día siguiente según el comportamiento histórico y la capacidad de la camioneta. Hoy opera en una región y estamos por implementarlo a escala nacional. Ha sido bastante rentable y ya genera retorno de inversión.
El gobierno de datos también ha generado resultados. En materiales, el tiempo de ciclo para lanzar una iniciativa de innovación pasó de 232 a 93 días en un año. Ese resultado ayudó a que la gente empezara a abrazar la agenda.
En IA generativa estamos en una etapa más reciente. Ya hicimos una campaña publicitaria totalmente con inteligencia artificial y utilizamos análisis de sentimiento en redes sociales para entender cómo funcionan nuestras publicaciones en distintos mercados.
"En una agenda de transformación, el primer frente es la gente: convencerla y subirla al barco".
¿Qué costó más: la tecnología o las personas?
Las dos, en momentos distintos. El gobierno de datos fue sobre todo un reto cultural y de proceso. Por eso, contamos desde el principio con un equipo de gestión del cambio. Soltar el Excel cuesta trabajo, especialmente cuando más del 50% de la plantilla lleva 30 años en la empresa. Nuestro mensaje fue: vamos a hacer más con lo mismo.
Trabajamos con cerca de 20 áreas para mapear procesos y nos tomó dos o tres años que la gente entendiera qué significa ser data owner o data steward y asumiera su responsabilidad sobre los datos. La percepción empezó a cambiar cuando aparecieron resultados claros.
En tecnología partimos de lo más básico. Incorporamos virtualización de datos para acelerar la inteligencia de negocio y después un data lakehouse. Estamos dando un salto importante, pero con una premisa: no se trata de comprar tecnología por comprar.
¿Dónde tiene sentido aplicar la IA y dónde no?
La IA va a seguir creciendo y tenemos que adaptarnos a ella. Debemos habilitar estas capacidades empresariales y buscar las ventajas competitivas que puede generar, pero también escoger bien dónde aplicarla. Puede automatizar muchos procesos, aunque siempre habrá áreas donde será necesario el componente humano.
Cada industria avanzará de manera diferente. Lo importante es tomar la inteligencia artificial con seriedad, adaptarla y aprovechar su potencial.
¿Qué aprendizaje se lleva de este recorrido?
El aprendizaje más importante es la resiliencia. Más allá de lo tecnológico, uno de los retos más grandes sigue siendo la gente. Siempre hay personas que apoyan, otras neutrales y otras detractoras. El trabajo consiste en lograr que la mayoría se suba al barco o, por lo menos, no bloquee el cambio. Para eso hay que demostrar los beneficios concretos de esta agenda en su día a día.
También aprendí a hablar del retorno desde el principio. ¿Dónde está el beneficio? ¿Cómo lo monetizamos para que realmente se vea? Puede ser un ahorro directo o un beneficio en eficiencia.