MODELOS PREDICTIVOS EN LOGÍSTICA: EL USO DE LA INTELIGENCIA ARTIFICIAL EN LA GESTIÓN DE COMPRAS, INVENTARIOS Y DEMANDAS

Resumen

La creciente incorporación de tecnologías basadas en inteligencia artificial ha generado transformaciones notables en la gestión logística, especialmente en lo que respecta a la aplicación de modelos predictivos utilizados en funciones relacionadas con compras, gestión de inventarios y análisis de demandas. Estos cambios han posibilitado una mejora en los procesos logísticos, optimizando las operaciones y aportando una mayor eficiencia en la ejecución de estas actividades esenciales. En este contexto, la utilización de datos y la adopción de algoritmos analíticos han permitido un aumento significativo en la precisión de las previsiones, al mismo tiempo que mejoran la coordinación de las diferentes operaciones dentro de una organización. Esto, en consecuencia, ha favorecido la toma de decisiones más consistentes, especialmente en un entorno organizacional cada vez más dinámico e integrado, reflejando la complejidad y la interacción entre diversas áreas y procesos. El objetivo general de esta investigación consiste en analizar la aplicación de modelos predictivos basados en inteligencia artificial en la gestión de compras, inventarios y demandas, con el propósito de optimizar los procesos logísticos y mejorar la toma de decisiones. En cuanto a la metodología, se adoptó un enfoque cualitativo, orientado a la comprensión detallada de las implicaciones del uso de la inteligencia artificial en la logística. Como procedimiento de investigación, se utilizó la revisión bibliográfica, desarrollada mediante el análisis sistemático de producciones científicas relevantes, lo que permitió la construcción de una base teórica consistente para el desarrollo del estudio. En síntesis, la investigación evidenció que la aplicación de modelos predictivos basados en inteligencia artificial en la gestión de compras, inventarios y demandas contribuye a la optimización de los procesos logísticos y a la mejora de la toma de decisiones, al promover una mayor precisión en las previsiones, una mejor asignación de recursos y una mayor eficiencia operativa a lo largo de la cadena de suministro.