Blog

IA para operaciones: automatiza pedidos, inventario y logística

Pablo Cabrera

Fundador de OperandIA

5 de octubre de 202610 min de lectura

Cada lunes, alguien en tu empresa abre una hoja de cálculo, mira ventas de la semana pasada, cruza eso con el stock que queda en el almacén y decide a mano qué pedir y a quién. Si se equivoca por exceso, el dinero se queda inmovilizado en el almacén o caduca en la estantería. Si se equivoca por defecto, hay rotura de stock y un cliente que se va a otro proveedor. Esa tarea —repetitiva, con datos ya disponibles en tus sistemas— es exactamente el tipo de trabajo que hoy ya puede llevar una IA, no como sustituto de quien decide, sino como quien prepara la propuesta antes de que alguien la revise. Este artículo explica qué parte de pedidos, inventario y logística puedes automatizar ya, con qué herramienta y con qué límites.

Qué puede hacer ya la IA en pedidos, inventario y logística

Separemos lo que ya funciona de lo que todavía es promesa de feria. Hoy, un agente de IA conectado a tus datos puede:

Leer tu histórico de ventas y tu nivel de stock (desde una hoja de cálculo, tu ERP o tu TPV) y calcular cuánto deberías pedir de cada producto esta semana, teniendo en cuenta estacionalidad y plazos de entrega de cada proveedor.
Redactar y enviar el pedido a cada proveedor en su formato habitual (email, PDF, formulario), sin que nadie tenga que copiar y pegar referencias.
Vigilar caducidades y rotación y avisar antes de que algo se quede obsoleto o caduque en el almacén.
Ajustar rutas de reparto cuando hay un retraso, una baja de un conductor o un pedido urgente de última hora.
Clasificar y priorizar incidencias logísticas (un pedido que no llega, una entrega incompleta) para que alguien del equipo las revise en orden de urgencia, no por orden de llegada del email.

Lo que no hace todavía de forma fiable: negociar condiciones con un proveedor nuevo, decidir sin supervisión una compra grande o resolver una excepción que no se parece a nada que haya visto antes. Volvemos a esto en la última sección.

El agente que vigila el stock y propone el pedido

Pensemos en una distribuidora mayorista de ferretería y materiales de construcción en Toledo, 22 empleados, que trabaja con unos 40 proveedores y más de 3.000 referencias. Hasta hace poco, una persona dedicaba cada lunes entre 8 y 10 horas a revisar el Excel de stock, comparar con las ventas de las últimas semanas y montar los pedidos de reposición de la semana, proveedor por proveedor.

Montaron un agente al que conectaron el Excel de stock (exportado cada noche desde su programa de gestión) y el histórico de ventas de los últimos 12 meses. Cada lunes por la mañana, el agente genera una propuesta de pedido por proveedor: qué referencias están por debajo de su punto de reposición, cuánto pedir según el ritmo de venta de las últimas semanas y el plazo de entrega de ese proveedor en concreto, y qué referencias llevan más de 90 días sin moverse (candidatas a dejar de comprar). Una persona revisa la propuesta, ajusta lo que haga falta y da el visto bueno; el envío al proveedor sigue siendo un paso manual, a propósito, para que nadie pierda el control de la relación comercial.

El resultado: la revisión y ajuste del pedido semanal pasó de 8-10 horas a 2-3 horas, y las roturas de stock en las referencias de mayor rotación bajaron de forma notable al evitar los "se me olvidó pedir esto" de los lunes con prisa. No porque la IA decida mejor que la persona que lleva quince años en el almacén, sino porque le ahorra el trabajo mecánico y deja el criterio para lo que de verdad lo necesita.

Cuando el problema es la caducidad, no solo la rotura de stock

El caso cambia cuando el producto caduca. Una distribuidora de alimentación fresca para hostelería en Pontevedra, 15 empleados, reparte a diario a restaurantes y comedores de la zona. Su problema no era tanto quedarse sin stock como quedarse con stock que no podían vender a tiempo: fruta, verdura y producto refrigerado que perdía valor cada día que pasaba en la cámara.

Aquí el agente no solo mira cantidades, también mira fechas: cruza la fecha de caducidad de cada lote con la previsión de pedidos de los clientes habituales (muchos piden lo mismo cada semana) y señala cada mañana qué lotes hay que mover primero y a qué clientes ofrecer un descuento rápido antes de que caduquen. En cuatro meses, la merma —el producto que se tira sin vender— bajó de forma sensible: menos cajas de fruta y verdura acababan en el contenedor cada semana, y el equipo dejó de enterarse de un lote caducado el mismo día que tocaba tirarlo. El ahorro mensual en producto desperdiciado cubrió varias veces el coste de mantener el sistema, sin contar el tiempo que antes se perdía revisando cámara por cámara a última hora de la tarde. El punto importante: nadie automatizó "comprar menos" como estrategia; automatizaron "saber antes" qué iba a sobrar, para poder reaccionar a tiempo.

Los 5 pasos para montar tu primer agente de pedidos e inventario

No hace falta un proyecto de seis meses. Un primer agente útil se monta en dos o tres semanas:

Elige un almacén o una familia de productos, no toda la empresa a la vez. Empieza por la que más dolor de cabeza da hoy: la que más roturas de stock tiene o la que más caduca.
Exporta tus datos a algo que la IA pueda leer. Un Excel o CSV diario de stock y ventas es suficiente para empezar; no necesitas integrar tu ERP entero el primer día.
Define las reglas de negocio en una frase, no en un algoritmo. "Pide cuando quede menos de dos semanas de stock según la venta media de las últimas cuatro semanas" es instrucción suficiente para que un agente trabaje con ella.
Pide siempre una propuesta, no una acción automática, al principio. Que el agente prepare el pedido y una persona lo revise durante las primeras semanas, hasta que confíes en el criterio.
Mide antes y después. Horas dedicadas a la tarea, roturas de stock o producto caducado del mes anterior. Sin ese número de partida, no vas a saber si de verdad ha funcionado.

Un error típico: conectar de golpe todos los almacenes y todos los proveedores antes de validar el criterio con uno solo. Se tarda más en depurar errores de diez sitios a la vez que en acertar primero con uno.

Qué herramienta usar según lo que ya tienes montado

No hay una única IA "para operaciones": lo que cambia es a qué sistemas se conecta cada una y cuánta autonomía te da.

Herramienta	Qué aporta a pedidos/inventario/logística	Para quién
Claude (Anthropic)	Conectores MCP a hojas de cálculo, Google Workspace, Microsoft 365 y, vía Zapier, a miles de aplicaciones adicionales (ERP, TPV, mensajería) sin desarrollo a medida. Plan Team desde 20-25$/puesto/mes (anual/mensual), pensado para equipos de 2 a 150 personas.	Pymes que ya trabajan con Google Workspace o Microsoft 365 y quieren empezar sin montar infraestructura nueva.
ChatGPT / Dots (OpenAI)	Agentes que trabajan de forma continua, incluso de noche, conectados a miles de aplicaciones; pensados para tareas que se dejan "en marcha" y se revisan al día siguiente.	Empresas que ya usan el ecosistema de Microsoft/OpenAI y quieren un agente que no dependa de iniciar cada conversación.
Gemini Enterprise (Google, antes Agentspace)	Plataforma de agentes con conectores ya montados a Drive, SharePoint, Salesforce y otros sistemas habituales en empresas que ya usan Google Cloud o Workspace.	Empresas con varios departamentos que quieren un mismo panel de agentes para ventas, operaciones y atención al cliente.
Mistral (Agents API)	API para construir agentes a medida, con integraciones a herramientas como Google Drive, Notion o Asana; usada en transporte y logística por su enfoque abierto.	Empresas con algo de capacidad técnica interna (o un proveedor que la tenga) que quieren un agente muy a medida.

Para la mayoría de pymes españolas, el camino más corto en 2026 sigue siendo el mismo: usar la IA que ya tienen contratada (Claude, ChatGPT o Gemini, según con qué trabaje el equipo) conectada vía Zapier o Make a su ERP o TPV, antes de plantearse una integración a medida.

Una advertencia antes de conectar cualquier IA a tu ERP o a tu TPV: ese conector lee datos de clientes, precios y proveedores, no solo cantidades de almacén. Antes de activarlo, comprueba qué plan tienes contratado (los planes de empresa de Claude, ChatGPT y Gemini no usan tus datos para entrenar el modelo por defecto; las cuentas personales, sí pueden hacerlo según la configuración) y quién en tu empresa puede ver y revocar esos accesos. No es un trámite burocrático: es la diferencia entre un agente que te ahorra horas y uno que expone tu lista de precios a quien no debería verla.

La novedad de esta semana: agentes que no se apagan cuando cierras el ordenador

El 2 de octubre, en su DevDay anual, OpenAI presentó Dots: agentes que siguen trabajando aunque no estés delante de la pantalla, conectados a más de 4.000 aplicaciones, capaces de avanzar una tarea durante la noche y presentarla terminada por la mañana. El primer agente viene incluido en los planes Pro y Business Premium; para un plan individual completo, el precio de entrada es de 100$/mes.

Para operaciones, esto importa más que el titular: hasta ahora, "automatizar pedidos" significaba programar una tarea para que se ejecutara a una hora fija. Un agente que trabaja de forma continua puede, en teoría, reaccionar a media tarde a un pedido urgente de un cliente, ajustar la ruta de reparto del día y avisar al responsable de almacén, sin esperar a la ejecución programada de las 6 de la mañana. Es un cambio real de capacidad, pero también una razón más para no delegar sin supervisión: un agente que trabaja solo toda la noche necesita límites claros sobre qué puede decidir sin preguntar, no solo capacidad técnica para hacerlo.

No hace falta correr a apuntarse. Lo que sí conviene hacer esta semana es preguntarte, de las tareas de pedidos e inventario que ya tienes en mente automatizar, cuáles necesitan de verdad que alguien las revise antes de ejecutarse y cuáles podrían, con el tiempo y la confianza suficiente, dejarse en manos de un agente que trabaja solo. No es la misma respuesta para un pedido de reposición rutinario que para un pedido urgente a un cliente nuevo.

Lo que no conviene delegar todavía

La honestidad aquí vale más que la promesa. Tres cosas que seguimos viendo que conviene mantener en manos de una persona:

Negociar con proveedores nuevos o renegociar condiciones. Un agente puede preparar el pedido; la relación comercial y el margen que se defiende en una negociación siguen necesitando criterio humano.
Decidir compras grandes o estacionales atípicas (una campaña de Navidad, un pico puntual): los modelos de IA predicen bien sobre patrones que ya han visto: una demanda completamente nueva o un evento sin precedentes los puede llevar a errores silenciosos, sin que nadies note que algo va mal hasta que el pedido ya está hecho.
Resolver la excepción que no se parece a nada anterior: un proveedor que quiebra, una reclamación de un cliente grande, un error de transporte con mercancía dañada. Ahí el agente debe escalar, no decidir.

La regla práctica que usamos para separar lo uno de lo otro: si el error de una decisión equivocada cuesta más de lo que cuesta pararse a revisarla, que la revise una persona antes de ejecutarse.

Conclusión

Automatizar pedidos, inventario y logística con IA no es una promesa de futuro: es una tarea de un par de semanas con los datos que ya tienes en un Excel o en tu ERP, empezando por un solo almacén o familia de producto. El primer paso accionable para hoy: coge el Excel de stock y ventas del mes pasado y calcula cuántas horas dedicó alguien de tu equipo a decidir qué pedir. Ese número es tu punto de partida para saber si de verdad merece la pena automatizarlo.

Si quieres saber por dónde empezar en tu empresa, en OperandIA auditamos tus procesos de operaciones y te decimos qué automatizar primero y qué retorno esperar, sin compromiso: operandia.es.

Fuentes

← Volver al blog