Cuadernos Cobóticos #1: La madre de todas las demandas y el algoritmo “por si acaso”
Una historia sobre el Perú de los 80, inflación, escasez, Supply Chain y todo lo que la inteligencia artificial todavía puede aprender de nosotros.
CUADERNOS COBÓTICOS
8/28/20265 min leer
Mi madre fue mi primera planificadora de demanda. Solo que ninguno de los dos lo sabía.
Mucho antes de escuchar términos como forecast, safety stock, demand sensing o risk management, yo ya convivía con alguien que ejercía esas disciplinas a diario. Sin Excel, ERP, dashboards ni Power BI. Mucho menos inteligencia artificial.
Tenía una libreta, memoria, intuición y una frase comodín que servía para todo:
—“Por si acaso”.
Crecí en la Lima de los ochenta. Quienes vivimos aquella época no necesitamos demasiadas explicaciones para recordar su banda sonora. El primer gobierno de Alan García comenzó entre optimismo y promesas de recuperación, pero degeneró en una de las crisis económicas más severas de nuestra historia reciente. La inflación mutó en hiperinflación, el inti perdía valor a ritmo vertiginoso, aparecieron los controles de precios, la multiplicación de tipos de cambio, la escasez y una incertidumbre cotidiana que marcaba cualquier decisión mínima. Hacia el final de la década, los fajos de intis se devaluaban casi frente a nuestros ojos.
De niño uno no entiende de política monetaria. No sabe qué significa déficit fiscal, reservas internacionales o dólar MUC. Uno simplemente escucha hablar a los adultos:
—“¿A cuánto está el dólar?”
—“Compra ahora, porque mañana sube”.
—“Dicen que llegó…”
—“Lleva un poco más, por si acaso”.
El dólar MUC dominaba la conversación económica y convivía con un mercado libre cuyo precio se alejaba velozmente del oficial. El inti —nacido apenas en 1985 para reemplazar a mil soles de oro— terminó convertido en el símbolo de aquellos años.
Lima ostentaba además otra estética: la época de Scala, Monterrey, Todos. E. Wong recién iniciaba su expansión desde aquel emblemático local del Óvalo Gutiérrez. Plaza San Miguel figuraba como el gran punto de encuentro, con Sears (que en 1988 pasaría a ser SAGA) y Todos como tiendas ancla. Y cada julio y agosto, la Feria del Hogar en la avenida La Marina nos convocaba a todos.
Resultaba curioso: en medio de un país convulso, esa feria desbordaba novedades, electrodomésticos, música, luces y productos que prometían un futuro posible. Uno pasaba unas horas contemplando esa Lima que anhelaba modernizarse, para luego retornar a una realidad bastante menos predecible.
Hasta la luz era una variable. Los apagones provocados por el terrorismo se integraron a la rutina de la ciudad. Tener velas en casa no respondía a una estética wellness ni decorativa: era estricta planificación de contingencia.
Sin saberlo, todos hacíamos Supply Chain. Pero mi madre jugaba en otra liga.
Sabía exactamente qué quedaba en la despensa y cuánto duraría. Detectaba qué convenía comprar ante una oportunidad y qué no valía la pena almacenar. Tenía clara la sustitución de productos. Escuchaba, preguntaba, cruzaba datos y reajustaba el plan sobre la marcha.
A eso se sumaba una red de inteligencia extraordinariamente eficiente. Una tía llamaba a otra. Una vecina pasaba el dato. Alguien había visto determinado producto en algún mercado; otra persona conocía a alguien que sabía dónde conseguirlo. No existía WhatsApp, pero me atrevo a decir que esas redes de madres latinoamericanas manejaban un response time que habría dejado en evidencia a más de un algoritmo moderno.
Visto a la distancia, el fenómeno resulta fascinante. Lo que ellas hacían era demand sensing en estado puro: captar señales débiles y dispersas —algunas precisas, otras no tanto—, procesarlas con la experiencia acumulada y ejecutar una decisión.
Mi madre auditaba el inventario. Proyectaba el consumo. Identificaba insumos críticos. Tenía sustitutos listos. Generaba buffers. Diversificaba fuentes de información y blindaba el nivel de servicio.
Décadas después descubrí que las escuelas de negocios le habían puesto nombres muy sofisticados a todo aquello: Forecast, Safety stock, Demand sensing, Alternative sourcing, Risk management.
Ella prefería llamarlo: “Por si acaso”.
Y ese “por si acaso”, que de niño me parecía una fijación materna, fue en realidad mi primer sistema formal de gestión de riesgos.
No pretendo romantizar la época: fue durísima. La hiperinflación pulverizó ahorros y sueldos; el crédito desapareció y las familias asalariadas se llevaron la peor parte. Pero tampoco me interesa mirarla únicamente desde el drama. Las familias se adaptaban. Seguían trabajando, estudiando, reuniéndose, visitando la Feria del Hogar e imaginando un mañana mejor. Esa capacidad de adaptación echó raíces en muchos de nosotros.
Treinta años después, buena parte de mi carrera consiste en gestionar exactamente el mismo problema, solo que a otra escala. Ya no administramos una despensa: gestionamos plantas, países, proveedores, puertos, centros de distribución, millones de dólares en inventario y cadenas que cruzan continentes.
Sin embargo, las preguntas de fondo siguen siendo las mismas: ¿Qué voy a necesitar? ¿Cuándo? ¿Qué puede fallar? ¿Qué debo proteger? ¿Y cuál es el plan B si la realidad desmiente al modelo?
Eso es Supply Chain. O al menos, su esencia. Con el tiempo he comprendido que nuestra profesión no trata únicamente de mover mercadería: consiste en reducir la incertidumbre de las personas.
Hoy irrumpe la inteligencia artificial. Un algoritmo puede procesar en segundos millones de datos sobre demanda, inventarios, mercados, clima, logística y hábitos de consumo. Puede simular escenarios, prever riesgos y hallar patrones invisibles para el ojo humano. Mi madre se habría deslumbrado... aunque sospecho que a los diez minutos habría empezado a acribillar a la IA con preguntas incomodas.
Porque esta revolución tecnológica deja al descubierto una verdad inapelable: tener más información no garantiza tener mejor criterio.
La IA nos dirá qué es probable que suceda. A nosotros nos toca decidir qué es lo que importa. La máquina optimizará el inventario; nosotros debemos entender el impacto humano de que ese inventario falte. Porque detrás de un SKU, una celda de Excel o la recomendación de una red neuronal, siempre hay alguien: un hospital esperando un insumo crítico, una fábrica aguardando materia prima, un restaurante necesitando un ingrediente o una familia esperando que un producto, sencillamente, esté disponible.
Por eso me resulta fascinante nuestra generación. Somos una especie híbrida. Fuimos niños de televisión con pocos canales, teléfonos fijos, intis, apagones y madres haciendo demand sensing por teléfono. Hoy conversamos con modelos de lenguaje, diseñamos contenido con IA, operamos con gemelos digitales y construimos cadenas de suministro autónomas.
Somos una generación puente. Nuestro rol no es repetir que “todo tiempo pasado fue mejor” —no lo fue—, ni asumir que nuestra experiencia supera a las herramientas que vendrán. Nuestra tarea es más interesante: aportar el contexto y el criterio para que las nuevas generaciones logren con estas tecnologías cosas que hoy apenas alcanzamos a imaginar.
Mi madre nunca cursó Supply Chain. Jamás calculó un safety stock ni diseñó un forecast, y probablemente nunca sospechó la existencia de la inteligencia artificial. Pero cada vez que repaso las primeras lecciones de mi carrera, vuelvo involuntariamente a esa Lima de los ochenta: los intis, la cotización del dólar, los apagones repentinos, la red de llamadas entre tías y mi madre pronunciando esas tres palabras comodín:
—“Por si acaso”.
Hoy disponemos de algoritmos infinitamente más potentes. Ojalá nunca perdamos la sabiduría humana que vivía detrás de esa frase.