Coreografía: previsión de demanda con los pies en el piso
La IA arma escenarios de demanda rápido, pero la premisa de crecimiento y estacionalidad es tuya. Auditar el forecast antes de comprar, escalar o contratar es lo que separa la previsión de una adivinanza confiada.
Lunes por la mañana, y el director de operaciones quiere saber cuántas unidades van a necesitar procesar en el mes del Black Friday, para cerrar el contrato de mano de obra temporal hasta el miércoles. Le pides a la IA una proyección de demanda con base en el histórico, y en minutos llega un número redondo, con gráfico bonito y una frase confiada sobre "crecimiento esperado del 40% sobre el mismo período del año pasado". El 40% parece razonable, hasta que recuerdas que el año pasado hubo una ruptura de stock que represó pedidos, y no se va a repetir. Contratar mano de obra sobre ese número inflado significa pagar gente parada en diciembre. Contratar de menos significa fila y cliente insatisfecho en la fecha que más importa del año. El forecast bonito no decide nada solo, la premisa detrás de él es tuya, y es esa la que auditas antes de firmar el contrato.
Le pides a la IA la proyección de capital de trabajo necesario para el próximo trimestre, basada en el histórico de ventas. Ella devuelve un número confiado asumiendo un crecimiento del 15% mensual, pero ese número parte de un mes atípico en que hubo una promoción puntual que no se va a repetir. Auditar la premisa antes de comprometer caja evita represar dinero parado o quedarte corto de fondo en el momento correcto.
Para dimensionar el equipo jurídico del próximo semestre, la IA proyecta el volumen de contratos a revisar con base en el crecimiento reciente de la empresa, asumiendo una tasa de expansión que en realidad vino de una adquisición puntual ya concluida. Contratar abogado extra sobre ese número inflado cuesta una nómina que no se justifica cuando el volumen se normalice.
La IA proyecta el volumen de leads del próximo trimestre para dimensionar el equipo de atención, asumiendo que la tasa de conversión de una campaña reciente y puntual se va a repetir cada mes. Sin auditar esa premisa, el equipo contrata gente para atender un volumen que solo existió en esa campaña específica.
Para dimensionar cuántas vacantes abrir en el próximo trimestre, la IA proyecta el crecimiento del headcount con base en la expansión reciente, sin separar lo que fue contratación estructural de lo que fue reposición puntual de un pico de rotación ya resuelto. Contratar reclutador extra sobre ese número inflado cuesta presupuesto de gente que no se va a usar.
Para decidir la capacidad de infraestructura del próximo lanzamiento, la IA proyecta el volumen de usuarios simultáneos asumiendo la misma tasa de adopción de una feature viral reciente, que no es el estándar normal del producto. Aprovisionar servidores sobre ese pico puntual cuesta caro todos los meses, por el resto del año.
Para el forecast de comisión del próximo trimestre, la IA proyecta el volumen de ventas asumiendo que la tasa de cierre de un mes excepcionalmente bueno se va a mantener, sin verificar que ese mes tuvo una feria del sector que no se repite. El presupuesto de comisión armado sobre ese número infla el costo previsto sin necesidad.
Jueves, reunión de capacidad del centro de distribución, y necesitas decidir si abres un turno extra para el mes que viene. La IA proyecta el volumen de pedidos con base en los últimos seis meses y devuelve un escenario base de 12 mil pedidos por día, con la frase segura de que es "una extrapolación directa de la tendencia reciente". El problema es que esos seis meses incluyen un mes en que un competidor grande estuvo fuera de línea por dos días y le mandó pedido extra a tu lado, un evento puntual que no debería volverse tendencia. Si abres el turno extra sobre ese número inflado, pagas horas extra al pedo el mes entero. Si decides sin auditar la premisa, también corres el riesgo de subestimar y trabar la operación ante una demanda real que está, de hecho, subiendo. La proyección acelera la cuenta; saber qué parte del histórico es ruido y cuál es tendencia de verdad sigue siendo tu trabajo.
Para dimensionar el equipo de auditoría interna del próximo año, la IA proyecta el volumen de controles a revisar asumiendo el mismo ritmo de crecimiento de un trimestre atípico, que incluyó la implantación puntual de un sistema nuevo. Auditar esa premisa evita sobredimensionar un equipo para un volumen que no se repite.
Para decidir si escala el equipo de soporte técnico, la IA proyecta el volumen de llamados asumiendo que un pico reciente, causado por un bug ya corregido, es el nuevo normal. Contratar soporte extra sobre ese número inflado cuesta una nómina que sobra en cuanto el bug desaparece de la cuenta.
Para dimensionar cuántas sesiones de prueba de usabilidad agendar en el próximo trimestre, la IA proyecta la demanda de investigación asumiendo el mismo ritmo de un período de lanzamiento intenso, que no es lo normal del equipo. Reservar presupuesto de investigación sobre ese pico puntual desperdicia recursos que podrían ir a otra prioridad.
Para que el directorio decida si entra a un mercado nuevo, la IA proyecta la demanda potencial asumiendo una tasa de adopción "razonable para el sector", sin haber visto nunca el histórico real de conversión de la empresa en lanzamientos parecidos. Auditar esa tasa antes de la decisión de inversión evita apostar a un mercado con un número que nadie validó.
Ok, lunes por la mañana, y el director quiere el número de mano de obra para el Black Friday cerrado para el miércoles. Le pides la proyección a la IA, ella devuelve rápido, con gráfico bonito y una frase segura sobre el crecimiento esperado. El número parece listo para volverse contrato. El problema es que "parecer listo" y "estar correcto" son cosas distintas, y en un forecast de demanda la diferencia entre las dos cuesta gente contratada al pedo o fila de cliente insatisfecho en la fecha que más importa del año.
La idea central de esta lección. La IA arma escenarios de demanda rápido: estructura el modelo, genera las variaciones, escribe la explicación. Eso es ganancia real. Pero la premisa detrás del número, qué crecimiento es razonable para tu negocio ahora, qué en el histórico es tendencia y qué fue evento puntual que no se repite, sigue siendo tuya. Auditar el forecast antes de comprar, escalar o contratar es lo que separa la previsión de una adivinanza con apariencia de certeza.
01La coreografía: quién hace qué
Armar el forecast siempre fue trabajo pesado: sacar el histórico, ajustar la estacionalidad, correr la cuenta para los tres escenarios, y todavía escribir la explicación para quien va a decidir en base a eso. La IA cambia esa cuenta de verdad. Estructura el modelo, organiza el histórico en base, tendencia y estacionalidad. Genera las variaciones, optimista, base y pesimista, a partir de una premisa que tú le das. Y escribe la explicación, transformando el número en un texto que el director entiende rápido.
Lo que sigue siendo tuyo, y se pone más caro justamente porque desapareció la parte pesada, es la premisa. Qué crecimiento es razonable para tu negocio, ahora, no en general. Qué en el histórico es tendencia de verdad y qué fue un evento puntual, una ruptura de stock, una campaña aislada, un competidor fuera de línea, que no debería repetirse en la cuenta. Eso es lectura de tu operación, no cálculo, y es exactamente lo que la IA no tiene cuando no se lo entregas.
02El árbol de escenarios: optimista, base, pesimista
Demanda no es un número, son tres caminos plausibles a partir de tu histórico auditado. El escenario base es tu apuesta más honesta para el volumen del próximo período, unidades a procesar, pedidos a entregar, llamados a atender. El optimista es la rama de arriba, la demanda viene más fuerte de lo esperado. El pesimista es la rama de abajo, la demanda desacelera o un proveedor falla.
La gracia de armar los tres no es acertar el futuro, es dibujar la franja dentro de la cual tu operación probablemente va a necesitar responder. Si hasta tu escenario pesimista deja la operación de pie, tu decisión de capacidad puede ser más ajustada. Si el escenario base ya aprieta la operación al límite, decides con más margen de seguridad. La IA arma todo ese árbol en un solo pedido, pero cada rama depende de una premisa que tuviste que darle a propósito, si no, la llena con un crecimiento genérico que parece razonable y no es el tuyo.
03Sensibilidad: qué variable mueve más la demanda proyectada
Todo forecast de demanda carga varias variables, una promoción grande programada, la posible ruptura de un proveedor clave, la estacionalidad de una fecha conmemorativa, el riesgo de perder un cliente grande. No pesan igual. Descubrir cuál de ellas mueve el resultado de verdad es lo que separa a quien decide con método de quien solo mira el número final.
La coreografía es directa: fijas el escenario base y pruebas una variable a la vez. ¿Y si se cancela la promoción programada, cuánto cae el volumen? ¿Y si el proveedor clave se atrasa dos semanas, el impacto es grande o pequeño frente al total? ¿Y si el cliente grande reduce el pedido en 20%, eso cambia el volumen total o es un detalle en medio de la curva? La IA recalcula cada caso rápido. Tu energía de lectura de mundo debe ir hacia la variable que más mueve el resultado, la palanca, y no repartirse igual entre todas.
04El peligro central: la IA inventa demanda con cara de certeza
Aquí vive el riesgo que le da nombre a la lección. La IA no se equivoca como una calculadora rota. Se equivoca con confianza total, entregando un crecimiento "razonable para el sector" cuando tu operación tiene un patrón bien distinto, o asumiendo que un pico puntual del histórico es la nueva tendencia. No tiene instinto para desconfiar de su propio número, porque nunca vio la ruptura de stock, el competidor fuera de línea, la campaña aislada que infló el mes pasado.
En el forecast de demanda, eso se vuelve una decisión cara. Contratar mano de obra temporal, comprar stock, abrir turno extra, todo eso en base a un número que nadie auditó es apostar dinero real a una premisa que quizás ni siquiera es tuya. Y la decisión suele ser poco reversible: gente contratada y stock comprado no se devuelven fácil cuando el pico no llega. Cuanto menos reversible la decisión que alimenta el forecast, más fuerte tiene que ser tu auditoría antes de firmar debajo del número.
Hazlo ahora
Toma una decisión real de capacidad que depende de la previsión de demanda, tu tarea real sirve bien: contratar temporal, abrir turno extra, comprar stock, escalar la atención. Corre la coreografía completa en cuatro pasos:
- PREMISA TUYA: antes de abrir la IA, escribe a mano la tasa de crecimiento o estacionalidad que consideras razonable para tu operación ahora, y una frase de por qué ese número es defendible en tu caso.
- ÁRBOL: pídele a la IA que arme el escenario de demanda con optimista, base y pesimista usando exactamente tu premisa, sin dejarla elegir el crecimiento sola.
- SENSIBILIDAD: fija el escenario base y prueba, una a la vez, las dos o tres variables que más te preocupan. Anota cuál de ellas mueve más el volumen proyectado.
- AUDITORÍA: mira el histórico que alimentó el modelo y marca cualquier evento puntual (ruptura, campaña aislada, competidor fuera de línea) que no debería volverse tendencia. Solo después de esto el forecast tiene permiso de convertirse en decisión de capacidad.
Practica
1. En la previsión de demanda con IA, ¿qué sigue siendo tuyo y se pone más caro justamente porque desapareció la parte pesada del cálculo?
2. Probaste la sensibilidad del forecast y viste que un atraso del proveedor clave mueve el volumen proyectado mucho más que una posible reducción de pedido de un cliente grande. ¿Qué te dice eso?
Para la pizarra
Sobre parecer listoparecer listo y estar bien son cosas distintas. En un forecast, la diferencia cuesta gente contratada.
Sobre lo que es tuyola IA no distingue un pico causado por quiebre de stock de una tendencia real. Esa lectura es siempre tuya.
Sobre la sensibilidadla variable que más mueve el volumen merece la premisa más defendible y tu atención primero.
Gracias por el feedback. Esto ayuda a afinar la próxima lección.