La pregunta que define si tiene sentido
En el tejido industrial de Bilbao y la ría del Nervión, donde la siderurgia (Sidenor en Basauri, ArcelorMittal en Sestao), la industria naval y la aeronáutica de ITP Aero en Zamudio mueven componentes de alto valor, el just-in-time es un principio de gestión de cadena de suministro que busca minimizar los inventarios recibiendo materiales y componentes exactamente cuando se necesitan, ni antes ni después. La IA no inventa el JIT — lo hace más preciso al mejorar la capacidad de predecir cuándo exactamente se necesitará cada material.
La pregunta de evaluación: ¿cuál es el coste actual del inventario de trabajo en curso y de materias primas, y cuánto de ese inventario existe como buffer para compensar la imprecisión en la planificación? Si el buffer es significativo y se mantiene por incertidumbre en la demanda o en los plazos de entrega, la predicción con IA puede reducirlo sin aumentar el riesgo de parada.
La segunda pregunta: ¿qué tan confiable es tu cadena de suministro? El JIT amplifica la vulnerabilidad ante disrupciones externas. Antes de optimizar hacia el mínimo inventario, es necesario evaluar el riesgo de suministro de los componentes críticos.
Evaluación de la oportunidad
El JIT con soporte de IA tiene más potencial en entornos donde: la variabilidad de la demanda es predecible con suficiente antelación (la IA mejora la calidad del forecast), los plazos de entrega de proveedores son conocidos aunque variables (la variabilidad del lead time puede modelarse), y el coste del inventario inmovilizado es significativo respecto al margen del producto.
Es menos aplicable cuando los proveedores clave tienen plazos de entrega muy largos o muy variables, cuando las disrupciones de suministro son frecuentes e impredecibles, o cuando los componentes son críticos sin sustitutos y el coste de una parada de producción es extremadamente alto.
Requisitos de datos
Historial de plazos de entrega con variabilidad real. No el lead time nominal del proveedor, sino el historial real de entregas: fecha pedido, fecha prometida, fecha de llegada real. Con este historial, es posible modelar la distribución real del lead time por proveedor y por referencia, y dimensionar el stock de seguridad en función de la variabilidad real en lugar del plazo medio.
Señal de demanda con suficiente antelación. El JIT requiere conocer con precisión cuándo y cuánto se necesitará cada componente. Cuanto mejor sea el forecast de producción con antelación, menor stock de seguridad es necesario.
Datos de fiabilidad de proveedor. Tasas de entrega a tiempo, tasas de calidad en recepción, histórico de disrupciones. Estos datos permiten identificar qué proveedores requieren mayor buffer y cuáles permiten trabajar con stocks más ajustados.
Integración de datos de demanda del cliente final. En cadenas donde existe visibilidad de la demanda del cliente final (VMI — Vendor Managed Inventory), esa señal de demanda es más precisa que los pedidos del escalón inmediatamente anterior, que suelen tener el efecto látigo (amplificación de la variabilidad).
Estructura de costes y complejidad
El coste de la IA para JIT incluye el desarrollo de los modelos de forecast y optimización de stock, la integración con el sistema de compras y el ERP, y el desarrollo de los mecanismos de alerta temprana cuando los plazos de entrega esperados se desvían.
El coste de riesgo es más significativo que en otros casos de uso: si el modelo falla en una predicción crítica y un componente esencial no llega cuando se necesita, el coste de la parada de producción puede superar el ahorro acumulado en inventario. El diseño del sistema tiene que incluir alertas y planes de contingencia, no solo optimización del estado normal.
Evaluación de riesgos
Riesgo de fragilidad sistémica. El JIT es una estrategia de optimización que reduce el margen de error. La pandemia de 2020-2021 demostró a escala global que las cadenas de suministro JIT hiperoptimizadas son extremadamente vulnerables ante disrupciones externas impredecibles. La IA puede mejorar la eficiencia del JIT pero no elimina el riesgo de disrupciones sistémicas.
El equilibrio correcto no es mínimo inventario absoluto, sino mínimo inventario consistente con el nivel de riesgo aceptable. Este equilibrio debe decidirse explícitamente, no dejarse como parámetro por defecto del modelo.
Riesgo de dependencia en proveedores únicos. La IA puede optimizar el suministro con el proveedor actual, pero la diversificación de proveedores para componentes críticos es una decisión estratégica que la IA no puede sustituir. Optimizar la eficiencia con un proveedor único en un componente sin alternativa no reduce el riesgo de ese proveedor.
Riesgo de latencia en la señal de demanda. Si la señal de demanda que recibe el modelo tiene latencia (el cliente hace el pedido hoy pero la información llega al proveedor con días de retraso), la calidad del forecast se degrada. La integración de señales de demanda más upstream (punto de venta, forecast del cliente) reduce esta latencia.
Métricas de éxito
- Días de inventario de materias primas y trabajo en curso
- Tasa de entregas a tiempo de proveedor (como input de calidad de la cadena)
- Tasa de paradas de producción por falta de material
- Coste de pedidos urgentes (indicador de JIT que falla en tiempo real)
- OTIF (On Time In Full) de las entregas al cliente final
- Rotación de inventario de materias primas
Cómo genera ROI
El ROI directo del JIT con IA es la reducción de inventario inmovilizado y su coste de financiación. El ROI indirecto es la reducción de los costes de gestión de inventario (espacio, manipulación, obsolescencia, mermas en perecederos) y la reducción de los pedidos urgentes (que habitualmente tienen un coste de flete y premium de proveedor superior al pedido estándar).
En empresas que compran componentes de alto valor, como las del sector de bienes de equipo y máquina-herramienta del entorno de Bilbao, incluso reducciones modestas del inventario de trabajo en curso liberan capital significativo que puede invertirse en otras áreas del negocio.
Preguntas frecuentes
¿El JIT con IA tiene sentido para pymes industriales en Bilbao? Depende del coste del inventario y de la complejidad de la cadena de suministro. Para pymes con pocos proveedores, componentes estándar y ciclos de compra sencillos, la gestión manual o con herramientas básicas del ERP suele ser suficiente. Para pymes con cadenas de suministro complejas, componentes de alto valor o alta variabilidad de demanda, la optimización con IA puede generar un retorno significativo incluso a menor escala.
¿Cómo se combina el JIT con la necesidad de stock estratégico ante disrupciones? Son complementarios si se diseñan correctamente. El JIT optimiza el inventario en condiciones normales. El stock estratégico (safety stock diferenciado por criticidad del componente y riesgo del proveedor) proporciona el colchón ante disrupciones. La IA puede ayudar a dimensionar ambos de forma óptima: mínimo inventario operativo más el stock estratégico calibrado al riesgo real de cada componente.