Artículos

La gran distribución y la adaptación al contexto tecnológico

Print Friendly, PDF & Email



La evolución de la gran distribución y su adaptación al cambio de contexto tecnológico se está convirtiendo en toda una lección sobre las dinámicas de adopción de tecnología.

Amazon
Go se presentó como prueba cerrada a empleados en diciembre de 2016,
mientras se adiestraban y ponían a prueba convenientemente sus
algoritmos. Abrió al público en enero de 2018, y ahora está en fase de
despliegue completo, una operación que planea alcanzar las más de tres mil tiendas en 2021, incorporarse a modelos de tiendas más grandes y complejas como su red de supermercados Whole Foods, y convertirse en un negocio de unos 4,000 millones de dólares.

Sin duda, la experiencia de Amazon ha marcado el contexto tecnológico de la gran distribución, lo que ha llevado a que cada vez más cadenas compitan por ofrecer a sus usuarios la experiencia de compra libre de complicaciones que plantea. Sin duda, el modelo «toma lo que quieras de la estantería y vete sin más» es el futuro inevitable de la distribución,
y las cadenas que no avancen en este sentido serán pronto vistas como
«las antiguas», además de tener que hacer frente a problemas de todo
tipo cuando sus clientes, acostumbrados ya al otro modelo, pretendan
irse sin pagar.

La experiencia recuerda otros cambios anteriores:
la industria de la gran distribución no es en absoluto ajena al cambio
del contexto tecnológico. Hace no tanto tiempo, la estructura normal de
una tienda era simplemente un mostrador con un almacén detrás, basado en
una interacción personal en la que el cliente pedía al tendero lo que
necesitaba. De ahí se pasó a disponer cada vez más artículos en
exposición y que fuese el propio cliente el que los tomaba y los
acercaba al mostrador, y de ahí, en 1930, al autoservicio, un concepto
diseñado por Michael J. Cullen
con la idea de superar en unas diez veces el volumen y los beneficios
del modelo convencional. Tras ser rechazada su idea en la compañía en la
que trabajaba, Cullen emprendió por su cuenta y creó King Kullen, el primer supermercado tal y como ahora lo conocemos.

A
partir de ahí, hemos visto incorporarse a ese concepto toda una serie
de tecnologías que reflejaban el contexto tecnológico del momento: la
llegada del código de barras que permitía un escaneo más rápido de los
productos en la línea de cajas, el RFID, o la llegada de internet han
marcado la evolución de la industria, y su adopción ha posibilitado la
llegada de nuevos competidores y ha forzado la adaptación progresiva de
otros.

Amazon Go genera una nueva discontinuidad, y posibilita una
experiencia de compra decididamente más conveniente, reducida a la
mínima interacción: llegar, tomar de las estanterías lo que necesitas, y
salir con ello por la puerta, esperando que la tienda haya interpretado
correctamente tus acciones y sepa qué cobrarte y qué no. Un cambio en
el contexto tecnológico provocado fundamentalmente por una tecnología,
el machine learning, capaz de reconocer, a partir de la fusión
de una variedad de sensores e imágenes captadas por cámaras, qué
producto has retirado del lineal y te estás llevando. Desarrollos
llevados a cabo primero por Amazon, y después por Microsoft y otros competidores tanto establecidos como nuevos, buscando la combinación que resulte menos intrusiva y con menor número de errores.

¿Qué lecciones podemos aprender del ejemplo de la gran distribución? La primera, que la aplicación del machine learning a la cadena de valor de las compañías requiere tiempo, esfuerzo y un planteamiento creativo, un auténtico hackeo
de la cadena de valor. No se trata simplemente de hacer que un
algoritmo haga lo que antes hacían las personas, sino de plantear cómo
podemos mejorar todos nuestros procesos, redibujarlos o remodelarlos en
función de las posibilidades que nos ofrece ese cambio.

La segunda
es la importancia de reconocer cuándo una innovación va a jugar un
papel fundamental y cuando es simplemente anecdótica. Que cambie el
modelo de interacción de un supermercado es algo que puede dejar fuera u
obligar a redefinirse a todo aquel que no sea capaz de adoptarlo,
convierte automáticamente en obsoleto a todo el que pretenda seguir con
las prácticas anteriores. A partir de cierto nivel de adopción, tomar la
decisión de no adoptar un cambio así requiere dar explicaciones a tus
clientes, llenar las tiendas de carteles informativos y advertencias, y
adoptar un posicionamiento que lo justifique, algo no imposible, pero
como mínimo complejo. ¿Cuántos análisis superficiales te dirán eso de
«bah, no es para tanto» y pospondrán absurdamente tus procesos de
adopción? ¿Dónde estarán esos analistas cuando finalmente se demuestre
que sí era importante?

La tercera es sobre la naturaleza del
trabajo a realizar: una parte importante del esfuerzo necesario para
hacer algo así está en la parte de los datos, en cómo generar una
cantidad de datos suficiente como para entrenar adecuadamente los
algoritmos. No está, como tal, en el desarrollo del algoritmo, sino en
su entrenamiento. ¿Cuántos vídeos y cuántas lecturas de sensores
adecuadamente etiquetadas tienes que proporcionar al algoritmo para que
entienda si un producto está siendo adquirido, si ha sido devuelto a la
estantería, si está siendo objeto de un intento de robo? No se trata de
programación tradicional, de condicionales o de bucles, sino de otra
manera de entender nuestra relación con la máquina ¿Hasta qué punto
redefine esto la forma de innovar? ¿Cuánto esfuerzo estás dispuesto a
dedicar al entrenamiento de tus algoritmos, y qué conlleva algo así?

Esto va a afectar a todas las industrias, la gran distribución es tan solo un ejemplo. ¿Cuánto más tiempo vas a ignorar un cambio como el machine learning en tus procesos de negocio?

Via

Please follow and like us:
error