Un sistema de alerta temprana hará que su cadena de suministro sea más resiliente
N
o muchos ejecutivos necesitan que se les diga que las cadenas de suministro son frágiles.
Una investigación de McKinsey ha encontrado que, en promedio, los impactos en la cadena de suministro generarán pérdidas equivalentes a casi el 45% de las ganancias anuales totales de una empresa a lo largo de una década. La única manera de afrontar esta realidad es ser resiliente.
Por ello, no es de extrañar que muchas empresas hayan tomado medidas para mejorar su resiliencia, como la creación de reservas de inventario, la doble fuente de abastecimiento y la relocalización. Aun así, menos de un tercio de los líderes encuestados en 2023 afirmó que sus empresas estaban completamente preparadas para una disrupción; una cuarta parte admitió estar poco preparada.
Al igual que una luz de advertencia en un automóvil, un sistema de alerta temprana (EWS, por sus siglas en inglés) bien diseñado puede alertar a las empresas sobre pequeños problemas antes de que se conviertan en grandes inconvenientes. Una empresa con la que trabajamos implementó un sistema de alerta temprana y redujo la escasez de piezas en un 70% en seis meses. Además, un fabricante que utilizó un EWS reportó una reducción del 40% en defectos de calidad durante el primer año.
A continuación, le explicamos cómo comenzar.
1. Cree un sistema de almacenamiento de datos integrado y centralizado.
A menudo conocido como un “lago de datos”, este repositorio empresarial contiene datos cuantitativos y cualitativos. Dado que el objetivo de un sistema de alerta temprana es detectar riesgos, que pueden proceder de cualquier parte, cuanta más información llegue al lago de datos, mejor.
Establecer un lago de datos con información exhaustiva, detallada y confiable de toda la cadena de valor es lo ideal, pero no es nada sencillo. Las fuentes de datos pueden tener diferentes formatos y estándares, y puede haber problemas relacionados con la gobernanza y la accesibilidad. Una empresa automotriz que comenzó a construir un lago de datos tardó más de un año en depurar la información y obtener resultados utilizables.
Por estas y otras razones, a las empresas les puede resultar útil comenzar con un conjunto más pequeño de datos que sean relevantes, de alta calidad y que puedan actualizarse periódicamente.
2. Aplique inteligencia artificial para convertir los datos en alertas accionables.
El objetivo de la recopilación de datos es activar una alerta, mientras se separa la señal del ruido. Una forma de hacerlo es utilizar la IA para detectar anomalías.
Cuando un fabricante automotriz utilizó la IA para hacer un seguimiento del número de entregas diarias retrasadas, observó que cuando había un aumento en los retrasos, era más probable que surgiera otro problema, como defectos de calidad. Este hallazgo llevó al fabricante a enfocarse en los problemas de entrega desde el principio, incluso cuando las cifras absolutas parecían poco significativas.
3. Reescriba y active el manual de gestión de riesgos.
Muchos manuales existentes utilizan un sistema de semáforo, en el que el color “rojo” señala a los proveedores con el mayor nivel de riesgo. En esencia, esto es una forma de clasificación. Si bien es útil, es insuficiente, ya que deja a las organizaciones vulnerables a problemas que pueden escalar de interrupciones menores a desafíos mayores.
Un sistema de alerta temprana, por el contrario, impulsa la acción. Para fortalecer la resiliencia y la experiencia, cada alerta debe atenderse de inmediato. Investigar una alerta puede ser tan simple como llamar al proveedor para solicitar aclaraciones. En otras ocasiones, puede requerir una visita al sitio.
Una vez que se comprende la naturaleza de la alerta, el siguiente paso es mitigar el riesgo. Las acciones pueden incluir trabajar con un proveedor para encontrar una nueva fuente de materias primas, flexibilizar las restricciones de ingeniería para mejorar la capacidad de fabricación, rediseñar el producto o encontrar un nuevo proveedor.
© 2025 Harvard Business School Publishing Corp. | De: hbr.org | Distribuido por: The New York Times Syndicate.
Artículo en inglés
Not many executives need to be told that supply chains are fragile.
McKinsey research has found that, on average, supply-chain shocks will lead to losses equal to almost 45% of a company’s full-year profits over the course of a decade. The only way to cope is to be resilient.
Not surprisingly, then, many companies have taken actions to improve their resilience, including building inventory buffers, dual-sourcing and re-shoring. Even so, fewer than a third of leaders surveyed in 2023 said their companies were fully prepared for a disruption; a quarter admitted to being underprepared.
Like an emergency light in a car, a well-designed early warning system (EWS) can alert companies to small problems before they become big ones. One company we worked with that implemented an EWS reduced its parts shortages by 70% in six months. And a manufacturer we worked with that used an EWS reported a 40% reduction in quality defects in the first year.
Here’s how to get started.
1. CREATE AN INTEGRATED AND CENTRALIZED DATA-STORAGE SYSTEM.
Often known as a “data lake,” this enterprise-wide repository contains both quantitative data and qualitative data. Because the point of an EWS is to scan for risks, which can come from anywhere, the more information that drains into the data lake, the better.
Establishing a data lake with exhaustive, detailed and reliable information from across the entire value stream is ideal, but far from straightforward. Data sources may have different formats and standards, and there may be issues related to governance and accessibility. One automotive company that started to build a data lake took more than a year to scrub the data and achieve usable results.
For these reasons and more, companies may find it useful to start with a smaller set of data that is relevant, of high quality and can be regularly updated.
2. APPLY ARTIFICIAL INTELLIGENCE (AI) TO CONVERT DATA INTO ACTIONABLE ALARMS.
The point of collecting data is to set off an alarm, while separating the signal from the noise. One way to do so is to use AI to detect anomalies.
When an automotive manufacturer used AI to track the number of late daily deliveries, it observed that when there was a surge in delays, a different problem, such as quality defects, was more likely to follow. This insight led the carmaker to focus early on delivery issues, even when the absolute numbers were inconsequential.
3. REWRITE AND ACTIVATE THE RISK-MANAGEMENT PLAYBOOK.
Many existing playbooks use a traffic-light system, with “red” noting suppliers with the highest risk. Essentially, this is a form of classification. That is useful but insufficient, leaving organizations vulnerable to issues that can escalate from minor disruptions to major challenges.
An EWS, by contrast, prompts action. To build resilience and expertise, every alarm should be answered — fast. Investigating an alarm may be as simple as calling the supplier for clarification. Other times, it may require visiting the site.
Once the nature of the alarm is known, mitigating the risk is next. Actions could include working with a supplier to find a new source for raw materials; relaxing engineering constraints to improve part manufacturability; redesigning the product; or finding a new supplier.
La IA generativa podría solucionar las evaluaciones de desempeño (o empeorarlas aún más)
La IA puede alejar las evaluaciones de desempeño de las narrativas laborales y acercarlas a evidencia directa del trabajo en la práctica.
Es difícil utilizar la IA en equipo. Estas 3 prácticas pueden ayudar
He aquí tres prácticas que pueden ayudar a desarrollar la «química humano-IA en los equipos» a medida que evoluciona el lugar de trabajo.
¿Cuáles son los problemas de su empresa en materia de IA?
El “Ethical Nightmare Challenge” (ENC) es un marco de trabajo que puede integrarse con programas existentes de gestión de riesgos de IA.
