Puntos clave:
- Tu lista de materiales es donde se esconden los riesgos.La verdadera inteligencia de la cadena de suministro consiste en relacionar cada componente con la exposición geopolítica y normativa en tiempo real, y no en supervisar métricas agregadas a posteriori.
- Los costes que no se ven son los que te hunden.Las dependencias de un único proveedor y los puntos ciegos en las capas más profundas de la cadena de suministro permanecen ocultos hasta que obligan a realizar un rediseño de emergencia. Para entonces, el daño ya está hecho.
- La vulnerabilidad está implícita en el diseño, por lo que la inteligencia también debe estarlo.Las decisiones que generan debilidades a largo plazo en la cadena de suministro se toman en las herramientas de ingeniería, no en las reuniones de compras. Ahí es precisamente donde debe residir la visibilidad del riesgo.
Ya se han adquirido los componentes. Los proveedores están homologados. Los sistemas están en funcionamiento. Entonces, ¿por qué sigue tardando tres días en resolverse una simple cuestión de cumplimiento normativo?
Para la mayoría de los fabricantes de productos electrónicos, la respuesta sincera es la misma: porque los datos que deberían responder a esa pregunta se encuentran dispersos en una docena de sistemas, no pertenecen a ningún equipo en concreto y casi nadie confía en ellos. Así es como se ve realmente la fragmentación de la cadena de suministro desde dentro. El problema no es la falta de datos. Es que los datos se encuentran en demasiados sitios, muy poca gente confía en ellos y están costando a las organizaciones más de lo que la mayoría de los equipos directivos se han parado a calcular.
La crisis invisible que se oculta a plena vista
La fragmentación de la cadena de suministro no es un caso técnico aislado reservado a las organizaciones más grandes o complejas. Es la realidad operativa cotidiana de casi todos los fabricantes de productos electrónicos, y la mayoría de los directivos se encuentran inmersos en ella sin darse cuenta de que tiene un nombre.
Así es como se manifiesta en la práctica la fragmentación de la cadena de suministro:
Las especificaciones se encuentran en un lugar. Las normas, en otro. Las normas de cumplimiento, en un lugar completamente distinto.
La información sobre las piezas se encuentra dispersa en sistemas ERP, plataformas PLM, bibliotecas CAD y herramientas de listas de materiales, y ninguna de ellas utiliza el mismo número de pieza.
O bien, un ingeniero selecciona un componente en una herramienta, y un compañero del departamento de compras lo marca como imposible de adquirir y lo sustituye por una alternativa. Una tercera persona, encargada de mantener el diseño, realiza otro cambio más adelante en el proceso. Nadie tiene una visión completa, y las decisiones se acumulan.
Lo que acaba sucediendo es que los ingenieros mantienen sus propias bibliotecas con los datos que utilizan. Crean una copia local de una ficha técnica o de una norma a la que siempre recurren. Desarrollan soluciones provisionales y atajos personales, todo ello porque no disponen de un acceso claro y fiable a una única fuente donde se encuentre esta información.
El resultado va más allá de la simple ineficiencia.Un estudio realizadoentre más de 128 000 ingenieros y diseñadores ha revelado que un solo ingeniero de diseño puede perder más de 1250 horas al año buscando, configurando o recreando componentes cuando la calidad de los datos maestros es deficiente, lo que supone un coste superior a 100 000 dólares por ingeniero al año.
¿Por qué la fragmentación supone ahora una amenaza para los ingresos?
Tres factores han agravado drásticamente este problema durante la última década, y lo que antes era un simple inconveniente operativo se ha convertido en algo mucho más grave: productos que no llegan al mercado debido a la falta de datos.
El primero es la proliferación de herramientas. Plataformas como los PLM, los ERP y los portales de proveedores aportan un valor real por separado. Sin embargo, en conjunto, agravan la fragmentación. Un componente puede seleccionarse en una herramienta, describirse de forma diferente en otra, adquirirse a través de una tercera y marcarse como obsoleto en una cuarta. Ninguna de ellas se coordina entre sí. Internet te ofrece otra información diferente y, además, tu proveedor te sugiere una alternativa. Esto se está convirtiendo en algo cada vez más habitual.
El segundo factor es la actividad de fusiones y adquisiciones. Hoy en día es raro encontrar un fabricante que no cuente con al menos dos sistemas PLM, a menudo porque ha adquirido empresas que traían los suyos propios. Estos sistemas nunca se diseñaron para interoperar entre sí. Los esquemas de numeración de piezas, los flujos de trabajo de aprobación y los estándares de datos que tenían mucho sentido dentro de una sola empresa provocan el caos cuando se fusionan dos organizaciones. La solución provisional se convierte en el proceso, y la fragmentación se agrava.
El tercero, y quizá el más insidioso, es que nadie se hace responsable de este problema a nivel sistémico. No se trata de un problema puramente técnico. Tampoco es un problema puramente de contratación. Por eso, cada uno encuentra su propia forma de hacer las cosas, sin abordarlo nunca en su conjunto. La fragmentación prospera precisamente en esos vacíos entre funciones.
Las consecuencias son importantes. Antes, la fragmentación ralentizaba el trabajo de los ingenieros. Ahora, impide que los productos lleguen al mercado. Y dado queel 30 %de los fabricantes mundiales prevé un nuevo descenso de la rentabilidad en los próximos seis meses, el coste de mantener el statu quo no es algo abstracto.
¿Cuánto te está costando realmente tener datos fragmentados?
El coste de la fragmentación de los datos de la cadena de suministro rara vez aparece en una sola partida presupuestaria. En cambio, se manifiesta en forma de órdenes de modificación técnica provocadas por la inconsistencia de los datos. Se manifiesta en forma de decisiones de abastecimiento reactivas tomadas a partir de información obsoleta sobre los proveedores. Se manifiesta en forma de riesgo de incumplimiento normativo cuando una organización no puede rastrear en qué versión de una norma se basó una decisión. Y se manifiesta a nivel directivo, cuando el consejo de administración quiere tener una visión clara del riesgo de los proveedores o de la postura en materia de ESG y se tarda tres días en elaborarla, porque un ingeniero tiene que recopilarla manualmente de seis fuentes diferentes.
La colaboración entreTexas Instrumentsy Accuris pone de manifiesto lo que se puede lograr cuando se aborda este problema de forma directa. Antes de iniciar esta colaboración, los clientes de TI se veían obligados a buscar manualmente las piezas de recambio, tenían una visibilidad limitada de los riesgos asociados al fin de la vida útil de los productos y sufrían frecuentes retrasos en la producción debido a la retirada inesperada de componentes. Los elevados costes de rediseño y la pérdida de confianza de los clientes agravaban aún más el problema.
Al integrar Accuris BOM Intelligence y ampliar su base de datos de referencias cruzadas de 100 000 a casi 2 millones de alternativas de componentes, TI logró un aumento del 52 % en la eficiencia de las referencias cruzadas. Igualmente revelador: las búsquedas de alternativas de componentes que no arrojaban resultados se redujeron del 94 % a solo el 9 %. Esa sola cifra refleja la magnitud de la brecha de información que genera la fragmentación, y lo que se puede recuperar cuando se subsana.
Cómo es la información fiable sobre la cadena de suministro
La solución a la fragmentación no es otra herramienta. Se trata de una relación con los datos radicalmente diferente, en la que una única fuente fidedigna se convierte en el eje central de las decisiones de ingeniería, aprovisionamiento, cumplimiento normativo y liderazgo por igual.
En la práctica, esto significa crear recursos a los que todos puedan recurrir: una lista de fabricantes homologados, una lista de normas homologadas y una biblioteca corporativa de piezas en la que puedan confiar los equipos de todas las áreas. No es necesario eliminar todas las fuentes de datos de la noche a la mañana. Pero sí es imprescindible que la información en la que se basan los ingenieros para tomar decisiones de diseño esté actualizada, verificada y sea compartida.
El cambio que esto supone es significativo. En la actualidad, la mayoría de los ingenieros trabajan en un estado de incertidumbre controlada: «Espero que esta sea la norma correcta», «Espero que esta ficha técnica sea la correcta», «Espero que este proveedor siga siendo viable». La información fidedigna cambia esa dinámica. Los ingenieros toman decisiones de diseño basándose en datos actuales y fiables. Saben que es la norma correcta, no se limitan a esperar que lo sea.
El impacto interdepartamental va más allá de la ingeniería. Cuando los departamentos de aprovisionamiento, operaciones, planificación, calidad y finanzas se basan en la misma visión global, las decisiones descoordinadas y las escaladas de emergencia que fragmentan a los equipos comienzan a desaparecer. Y, lo que es más importante, el mismo conjunto de datos que sirve de base para la selección de componentes por parte de un ingeniero puede responder a las preguntas de un directivo sobre el cumplimiento de los proveedores, los requisitos de la República Democrática del Congo o la postura en materia de ESG, simplemente desde una perspectiva diferente.
Dónde encaja la IA (y dónde no)
La IA no es la solución a la fragmentación de los datos. La solución son unos datos unificados y fiables. Pero una vez que se cuenta con esa base, la IA se convierte en un auténtico multiplicador de fuerzas.
Yo lo veo así: los datos son hechos. La información relevante es la combinación de acción y relevancia. El papel de la IA es sacar a la luz esa información relevante, no generar más contenido que los ingenieros tengan que examinar. El valor reside en la inteligencia contextual. En lugar de devolver un conjunto de resultados de búsqueda que un ingeniero tiene que evaluar manualmente, un sistema de IA bien implementado puede responder a la pregunta real: ¿cuál es la norma actual de reducción de potencia térmica para esta familia de componentes? Una respuesta, con una justificación, basada en datos internos verificados.
La gobernanza se mantiene haciendo que la IA opere dentro de su entorno de datos oficial. No debería acceder a la web abierta ni recurrir a fuentes públicas sin una revisión humana. Vimos de primera mano lo que ocurre cuando ese límite se difumina: un modelo de lenguaje grande (LLM) que sacó a relucir una normativa de cumplimiento que llevaba una década sin ser relevante, porque encontró una coincidencia de número de pieza en algún lugar de Internet. La respuesta parecía plausible. Pero no lo era. Mantener el modelo anclado a datos internos y verificados es lo que evita eso, y lo que genera la confianza que las organizaciones necesitan antes de actuar siguiendo las recomendaciones generadas por la IA.
No se puede subestimar el papel del ser humano en el proceso. Estos sistemas no sustituyen al criterio de los ingenieros. Son más bien como un exoesqueleto: aumentan la capacidad, aceleran el trabajo, permiten alcanzar una precisión de hasta el 98 % y, a continuación, ceden el relevo a la persona que toma la decisión final. Ese es el modelo adecuado. Y cuando se aplica a algo como la gestión del fin de vida útil, el impacto es inmediato: la retirada de una pieza que antes requería una semana de análisis manual de impacto en todos los programas, normas y requisitos, ahora puede rastrearse y evaluarse en el tiempo que se tarda en escribir una instrucción.
Por dónde empezar
No hace falta resolverlo todo de una vez. El simple hecho de facilitar la búsqueda de información, aunque sea en parte, ya cambia el resultado.
Por aquí es por donde hay que empezar:
1) Analiza la fragmentación.Identifica las diez fuentes de datos que más problemas te causan, aquellas en las que sabes que completar un paso determinado supone entre cinco y diez horas de trabajo manual. Busca estándares obsoletos, registros de componentes contradictorios y aplicaciones que no estén conectadas con la información externa de la cadena de suministro. Define el problema antes de intentar resolverlo.
2) Asignar responsabilidades.La fragmentación se agrava cuando las tareas quedan en el limbo entre departamentos. Alguien dentro de la organización debe asumir la responsabilidad de garantizar la calidad de los datos de principio a fin, no como una función de TI, sino como una responsabilidad empresarial estratégica. Sin ello, cada equipo seguirá creando sus propias soluciones provisionales y el problema se agravará.
3) Establece una fuente de referencia para los datos más importantes.Empieza por tu lista de normas aprobadas, tu biblioteca de piezas y los datos de tus proveedores. Haz que sea el lugar al que todos acudan. No eliminará todas las inconsistencias de la noche a la mañana, pero cambiará de inmediato en qué pueden confiar los ingenieros y, por lo tanto, en qué decisiones puede basarse la organización.
Las organizaciones que dan el primer paso en este sentido no solo están recuperando las horas de ingeniería perdidas. Están creando el tipo de inteligencia de la cadena de suministro que resiste las auditorías, las interrupciones y la presión del consejo de administración. Eso es lo que está en juego, y empieza por ser sinceros sobre dónde se encuentran realmente los datos en la actualidad.
¿Estás listo para evaluar la situación actual de tu organización? Descarga la herramienta «Accuris Supply Chain Intelligence Risk Check».
