Antonio Mires Gambetta
Director – EREA Management Consulting
¿Está la inteligencia artificial agilizando la toma de decisiones operativas, o reemplazando el criterio del jefe de tienda sin que lo notemos?
La inteligencia artificial ha comenzado a cambiar la forma en que los gerentes y supervisores de tienda gestionan sus operaciones diarias. Hoy es posible obtener en segundos indicadores de desempeño, comparativos de ventas o proyecciones de reposición que antes requerían horas de análisis manual. Esa velocidad es real. El problema no está en la rapidez de las respuestas, está en lo que ocurre con quien las recibe.
Cuando un número llega rápido, bien presentado y con apariencia de precisión, el cerebro tiende a asumirlo como correcto. Se reduce el tiempo de verificación, disminuye el cuestionamiento operativo y la responsabilidad de interpretar los datos se delega sin que nadie lo haya decidido. En la gestión de una tienda, una métrica mal interpretada al inicio del día puede traducirse en reposición incorrecta, asignación de personal fuera de foco, o acciones comerciales que agravan el problema que se intentaba resolver, con impacto directo en ventas perdidas y erosión de margen.
La paradoja es clara: la IA aumenta la velocidad de respuesta, pero puede reducir la calidad del criterio operativo si se utiliza como oráculo y no como asistente. Esa distinción lo cambia todo.
La realidad del piso: la analítica llega procesada
Antes de hablar de cómo preguntar bien, hay que nombrar el problema real. En la mayoría de las operaciones Retail actuales, el gerente de tienda no está frente a una IA conversacional analizando sus datos en tiempo real. Está resolviendo tres problemas simultáneos con un equipo incompleto, recibiendo un reporte corporativo que ya fue procesado por alguien más, leyendo un tablero de indicadores que muestra semáforos verdes y rojos sin explicar por qué.
Ese es el riesgo más frecuente y menos discutido: no que el gerente le pregunte mal a una IA, sino que consuma sin cuestionar información que ya viene interpretada por capas anteriores. El criterio propio no desaparece de golpe, se erosiona turno a turno, semana a semana, hasta que el gerente opera sobre supuestos que ya no verifica porque «siempre ha funcionado así».
La IA amplifica este riesgo porque aumenta el volumen y la velocidad de esa información procesada. Más datos, más rápido, con mejor presentación visual generan mayor confianza en quien los recibe, independientemente de si la interpretación de fondo es correcta. El problema no es la herramienta; es la ausencia de criterio y tiempo para cuestionarla.
Cuando el número es correcto pero la lectura es falsa
Existe un peligro específico en el uso de analítica e IA para la gestión operativa: obtener información técnicamente exacta, pero con una interpretación incorrecta de los ratios; la tendencia o las causas reales del problema. Es la combinación más peligrosa: datos verdaderos, conclusión equivocada.
Una tendencia positiva en ventas puede estar encubriendo una erosión silenciosa de margen por cambio en la mezcla de productos. Si los clientes están comprando más volumen de las categorías de menor margen, la línea de ventas sube y la rentabilidad cae. El sistema reporta crecimiento; la tienda está perdiendo eficiencia. Un costo operativo dentro del rango histórico puede ser una trampa si ese rango fue construido en condiciones de dotación, alquiler o energía que ya no existen. Estar «dentro del rango» no es bueno si el rango ya está mal calibrado. Y una caída en el ticket promedio puede atribuirse a la mezcla de surtido cuando en realidad es un problema de habilidad de venta del equipo en turno, o al revés. La causa importa tanto como el indicador, y confundirlas produce acciones que no resuelven nada.
En todos estos casos el número es correcto. El problema está en la interpretación sin contexto, en la lectura automática de un indicador sin preguntarse qué hay detrás. Cuando esa interpretación la genera una herramienta con apariencia de rigor analítico, el gerente que no la cuestiona toma decisiones sobre una realidad que no existe.
La diferencia entre preguntar “¿qué debo hacer con estas ventas bajas?” y preguntar “esto es lo que creo que está pasando en mi tienda hoy, ¿qué me están diciendo los datos que podría estar omitiendo?” es la diferencia entre delegar el criterio y usarlo como punto de partida para pensar mejor.
Cómo se llega a formular la pregunta correcta
Una buena pregunta al sistema “tienda con caída de ticket promedio en tres días consecutivos, sin reducción de tráfico y con mezcla de categorías estable: ¿a qué puede deberse y cuál es la primera acción por revisar?” es válida. Pero hay un paso previo que la mayoría omite: ¿cómo llegó el gerente a saber que esos tres datos eran los relevantes y no otros?
La respuesta no está en el sistema. Está en el recorrido de tienda de la mañana, en la conversación con el equipo del turno anterior, en la observación de qué secciones tienen quiebre de stock y cuáles están sobre abastecidas, en la memoria de qué pasó el mismo período del mes anterior. Esa información no existe en ningún tablero de indicadores; existe en la cabeza de quien conoce su tienda.
El proceso real tiene tres momentos que deben respetarse en orden. Primero, observar antes de mirar el reporte: recorrer el piso, hablar con el equipo, identificar qué se ve diferente hoy respecto a lo esperado. Esta observación construye la hipótesis inicial. Segundo, ir al dato con una pregunta ya formulada, no abrir el sistema para ver “qué hay”, sino para confirmar, refutar o ampliar lo que ya se sospecha. Tercero, validar que la acción que sugiere el análisis es ejecutable con los recursos reales disponibles en ese turno, no con los que el sistema asume que existen.
De oráculo a asistente: el modelo de uso que hace la diferencia
La oportunidad no está en usar menos inteligencia artificial, está en usarla mejor. El enfoque correcto en la gestión operativa de una tienda es tratarla como acelerador de análisis, no como sustituto del criterio. El modelo efectivo tiene tres etapas que deben respetarse en secuencia.
La primera es el criterio propio: antes de consultar la herramienta, el gerente debe tener una hipótesis sobre lo que está pasando, basada en su recorrido de tienda, en la conversación con su equipo y en su lectura del contexto del día. Esta etapa no puede saltarse; es la que garantiza que la interpretación posterior tenga valor. La segunda es la expansión con IA: usar la herramienta para confirmar, ampliar o desafiar esa hipótesis con datos, identificar variables omitidas, comparar con períodos similares. Aquí la herramienta multiplica la capacidad analítica de quien ya tiene una posición formada. La tercera es la validación operativa: contrastar los resultados con la realidad visible del piso y confirmar que la acción sugerida es ejecutable con los recursos disponibles en ese momento.
Las preguntas de alto valor no son las más sofisticadas tecnológicamente. Son las que entregan a la herramienta el contexto necesario para que su respuesta sea útil: la situación real de la tienda ese día, la decisión concreta que se busca tomar, las restricciones reales de dotación, stock y comportamiento de los clientes habituales. Una pregunta bien construida no le pide a la IA que adivine, le pide que trabaje sobre la realidad operativa que solo el gerente conoce.
La ventaja competitiva del jefe de tienda que sigue pensando
En los próximos años, el acceso a herramientas de inteligencia artificial para gestión operativa será tan universal como hoy lo es el acceso a un sistema de punto de venta. Las herramientas convergerán. La diferencia competitiva no estará en tenerlas, estará en la claridad operativa de quien las usa: su capacidad de formular la pregunta correcta, su disciplina de validar lo que el sistema reporta y su criterio para distinguir cuándo el número refleja la realidad de la tienda y cuándo la simplifica o la distorsiona.
Las tiendas que pierdan terreno no serán las que no adopten IA. Serán las que dejaron de cuestionar la información que les llega porque el sistema la presentaba con suficiente confianza. Y los gerentes de mayor valor no serán los que procesan más datos con mayor velocidad, sino los que saben identificar el problema real detrás del indicador que el reporte no está capturando.
La IA no elimina el criterio operativo, lo vuelve más necesario. Porque cuanto más fácil es obtener un número, más importante es saber si ese número describe correctamente lo que está pasando en la tienda hoy, en este turno, con este equipo y este contexto. El riesgo de esta era no es la inteligencia artificial; es la comodidad operativa que puede traer consigo.
Quienes desarrollen el hábito de observar primero, cuestionar siempre y validar antes de actuar, no solo gestionarán más rápido: gestionarán mejor. Porque en la era de la IA, el verdadero liderazgo operativo no consiste en tener el reporte más completo, consiste en saber si ese reporte describe lo que realmente está pasando en el piso y tener el criterio para actuar sobre la diferencia.
