¿La IA de Flowlity es transparente y explicable para los usuarios?

Sí — es incluso uno de los principios fundamentales de Flowlity: proporcionar una IA que las personas que la utilizan puedan explicar y entender.

Sabemos que en la cadena de suministro, los planificadores y gerentes deben confiar en las recomendaciones de una herramienta, y esto requiere entender el «por qué».

Por lo tanto, Flowlity no se diseñó para ser una caja negra, sino más bien una herramienta educativa y una herramienta para la toma de decisiones.

Concretamente, ¿cómo se manifiesta esto?

En la interfaz de Flowlity, cada previsión y cada recomendación van acompañadas de elementos explicativos. Por ejemplo, si Flowlity recomienda pedir 500 unidades del producto X para el mes que viene, el usuario verá el desglose de la demanda esperada: estacionalidad, tendencia, efecto promocional, etc., según el caso.

La herramienta también muestra un intervalo de confianza en torno a la previsión (por ejemplo: previsión central 500, con un escenario bajo en 450 y un escenario alto en 560), lo que da una idea de la incertidumbre. Esto permite justificar las reservas de seguridad calculadas. Además, Flowlity proporciona alertas y justificaciones. Por ejemplo: «Este producto corre el riesgo de que falte en 15 días porque la demanda reciente supera las previsiones en un 20%». O: «Se propone reducir el inventario de este artículo porque su tasa de rotación ha disminuido en los últimos 3 meses». Técnicamente, la IA de Flowlity utiliza modelos de aprendizaje automático (incluido el aprendizaje profundo), pero la complejidad se oculta tras una interfaz sencilla.

También se prefieren las técnicas de aprendizaje por conjuntos, que suavizan las predicciones y evitan las aberraciones. Y, sobre todo, Flowlity se ve a sí misma como un asistente: el usuario siempre tiene la opción de revisar una decisión. Si no está de acuerdo con una recomendación, puede modificarla (por ejemplo, pedir un poco más o un poco menos) y el sistema tendrá en cuenta estos comentarios para ajustarlos en el futuro. Es un ciclo de aprendizaje virtuoso en el que el ser humano conserva el control final. Durante la formación, insistimos en que los usuarios entiendan cómo funciona la herramienta.

Sin revelar todos los detalles algorítmicos, explicamos los principios fundamentales (previsión probabilística, cálculo del búfer dinámico, etc.). Los planificadores se dan cuenta rápidamente de que la herramienta reacciona como lo harían en muchos casos, pero mejor porque reacciona más rápido e integra más datos. Por ejemplo, la herramienta puede detectar correlaciones entre productos que los humanos no habrían visto, pero mostrará «un aumento del 30% en la demanda prevista del producto A porque está correlacionada con la del producto B promocionado». Este tipo de explicación hace que la IA sea tangible.

Por último, sobre la cuestión de la transparencia técnica, Flowlity está abierta a discutir su enfoque:

Publicamos libros blancos y artículos sobre nuestro enfoque (por ejemplo, el uso de pronósticos probabilísticos frente a deterministas). Nuestro objetivo no es desconcertar el algoritmo, sino hacer que la cadena de suministro sea más inteligente de manera colectiva. Los usuarios de Flowlity mejoran en su trabajo porque aprenden de los comentarios de la IA. Muchos afirman que, al cabo de unos meses, comprenden mejor la dinámica de su cadena de suministro (estacionalidad, impacto de las promociones, comportamiento de los proveedores) gracias a la visibilidad que proporciona la herramienta.

En resumen, la IA de Flowlity es transparente, explicable y amigable para los humanos. Es un complemento que sirve de base para tus decisiones en lugar de sustituirlas arbitrariamente. Esta filosofía aumenta la confianza y la adopción de la solución en los equipos de la cadena de suministro. (Si quieres ver en la práctica cómo presenta Flowlity sus recomendaciones y qué explicaciones se proporcionan, te invitamos a una demostración en la que podrás comprobar por ti mismo la claridad de la herramienta).