Impacto del Machine Learning en la cadena de suministro global: análisis de casos recientes y proyecciones futuras

Abstract

En la actualidad, la globalización y la digitalización han impulsado la transformación de la cadena de suministro, haciendo que las empresas busquen soluciones basadas en datos para mejorar su eficiencia (Giaconia, 2022). Dentro de este contexto, el machine learning ha emergido como una tecnología clave para optimizar procesos logísticos y reducir costos operativos (Elkady, 2023). Este estudio analiza el impacto del machine learning en la optimización de la cadena de suministro global, identificando sus aplicaciones, ventajas y desafíos. Para lograr esto, se comparan diferentes casos de estudio donde esta tecnología ha sido implementada (Gardas & Narwane, 2024). Se realizó una revisión de literatura basada en artículos académicos recientes que evalúan la aplicación de machine learning en distintos sectores de la cadena de suministro, incluyendo manufactura, logística y retail, dichos artículos fueron publicados en diferentes países. Se analizaron métricas como la reducción de costos, la precisión en la planificación de demanda y la sostenibilidad de los procesos (Liu, Wang, & Fang, 2024). Se encontró que la implementación de machine learning permite mejorar la precisión de los pronósticos en un 25%, reducir los tiempos de entrega en un 10% y optimizar el uso de recursos, promoviendo prácticas sostenibles (Giaconia, 2022) (Elkady, 2023). Sin embargo, se identificaron desafíos como la dependencia de datos de buena calidad y la necesidad de inversiones en infraestructura tecnológica (Suemitsu, 2024). El machine learning está reestructurando la gestión de la cadena de suministro al ofrecer soluciones basadas en datos para mejorar la eficiencia operativa. Sin embargo, su adopción requiere superar barreras técnicas y organizacionales, especialmente en países en desarrollo donde la infraestructura tecnológica aún es limitada (Gardas & Narwane, 2024).