Aprendizaje automático para acelerar la homologación de proveedores

  • Transformación Digital

Documentación

El tiempo que dedican las empresas al proceso de homologación de sus proveedores puede ascender hasta 2.500 horas al año, un consumo de recursos que podría reducirse en un 80% gracias al deep learning. Esta tecnología promete agilizar los procesos de compras y reducir el riesgo asociado a los proveedores, aunque las empresas todavía enfrentan varios desafíos que complican su implementación.

Recomendados: 

Empresas data driven: estrategias de datos para marcar la diferencia Evento 

Entendiendo la Era del dato: tecnologías y propuestas para gestionar la "datificación" Webinar 

Muchas empresas siguen un complejo proceso para homologar a sus proveedores y clientes antes de realizar operaciones comerciales, que en el caso de las grandes compañías pueden involucrar hasta 10.000 proveedores distintos. Teniendo en cuenta los múltiples procesos que conllevan estas gestiones, se calcula que el tiempo dedicado únicamente a la validación de estas empresas puede ascender hasta unas 2.500 horas al año.
Llevar a cabo este proceso con rigor es especialmente importante para contar con una evaluación de riesgos correcta cuando se realizan nuevos pedidos a un proveedor, y generalmente requiere una mayor gestión por parte de los empleados y un conocimiento más especializado. Muchas empresas españolas están comenzando a probar herramientas dotadas de ciertas capacidades de inteligencia artificial para optimizar los procesos de compras y, a medida que la tecnología evoluciona, más empresas y cadenas de suministro invierten en automatización de procesos y gestión inteligente de suministros y riesgo empresarial.

Pero según un informe realizado por la empresa Fullstep, especializada en digitalización end-to-end del proceso de compras, aprovisionamiento y cadena de suministro, estos procesos todavía requieren un alto porcentaje de trabajo manual, y queda mucho camino que recorrer hasta que, hipotéticamente, las nuevas innovaciones en IA y Deep Learning puedan encargarse de estas tareas de forma automática. En opinión de los expertos, utilizando herramientas basadas en Deep Learning sería posible reducir en hasta un 80% el tiempo que las empresas dedican a ciertas tareas relacionadas con la gestión de compras que conllevan mucho trabajo manual, como la homologación de proveedores.

El director de Tecnología de Fullstep, Antonio Fernández Ruiz, comenta que “incluir nuevas tecnologías en la empresa mejora la eficiencia de los procesos internos, así como la comunicación y las vías de colaboración con los proveedores, haciendo a las compañías más competitivas”. Explica que “son muchos los trámites implicados en el proceso, y muy diferentes las necesidades en cada caso”, por lo que se requieren herramientas capaces de abarcar las diferentes áreas y tareas involucradas. Y está convencido de que el aprendizaje profundo puede ayudar de forma decisiva a reducir el tiempo dedicado al complejo proceso de homologación de proveedores, que es uno de los que más tiempo y gasto consume en las empresas.

Por ahora, las empresas españolas están avanzando en la digitalización de estos procesos, pero en la homologación de proveedores todavía se requieren mucho trabajo manual por parte de las personas al cargo. Fernández Ruíz explica que “este proceso de homologación consiste fundamentalmente en que los proveedores suban a la plataforma una serie de certificados, como el de la Seguridad Social, el de Hacienda, las normas ISOs que declaran su certificación en los diferentes ámbitos que pide la ley, entre muchas otras”.

Esta documentación es fundamental para validar la calidad de cada proveedor y si es adecuado para para convertirse en el suministrador de productos o servicios. Para evitar problemas como una rotura de stock, multas administrativas o indemnizaciones a clientes finales por productos inadecuados o incumplimiento de normas de seguridad es vital que los tiempos de entrega sean adecuados y que la calidad de los bienes y servicios proporcionados esté a la altura de los requisitos de la empresa.

Este necesario rigor es el que hace que la homologación sea un proceso tan largo y que genere tantos costes a las empresas, especialmente cuando la lista de proveedores o nuevos productos y servicios a adquirir es especialmente amplia. Para el supuesto de una empresa con unos 10.000 proveedores diferentes Fullstep calcula una media de 7 certificados por proveedor, y sus estimaciones llevan a ese cómputo de 2.500 horas al año en procesos de homologación de proveedores.

En su informe, Fernández Ruíz aclara que “aunque el proceso de homologación es digital, en el sentido de que toda la información se envía digitalmente y se archiva de la misma forma, existen procedimientos de visualización, validación de documentos y extracción de datos clave que necesitan de intervención humana pesada, lo que los hace lentos y poco óptimos desde el punto de vista de tiempo invertido”.

Dentro de los procesos de homologación una de las partes que más trabajo genera para los empleados es la gestión del riesgo asociado al encargo de nuevos pedidos a un proveedor, lo que se denomina comúnmente “riesgo proveedor”. Esto se lleva a cabo por analistas de riesgo, que evalúan numerosas variables, como la situación financiera del proveedor, la distribución de pedidos por parte del cliente en distintos proveedores, la evaluación del proveedor en la plataforma de compras o la situación geográfica de la entrega. Fernández Ruíz asegura que “todo este trabajo artesanal y especializado tiene un procedimiento y coste que condiciona a las empresas, que solo pueden llevarlo a cabo sobre un número muy limitado de proveedores”.

Aquí es donde entra en juego la tecnología de Deep Learning enfocada a la homologación de proveedores, que en sus versiones más evolucionadas permite la validación automática de certificados para conseguir una homologación inteligente de proveedores y extraer datos de los propios certificados. Algunas herramientas, como la que ofrece esta compañía, están basadas en la nube y ofrecen más posibilidades. Fernández Ruíz explica que están trabajando en un sistema inteligente basado en técnicas de aprendizaje profundo combinadas con análisis de sentimientos que permitirá la elaboración automática de perfiles de riesgo para proveedores críticos. El objetivo es minimizar el riesgo de contratación con proveedores críticos con un coste asequible para las empresas