Repsol propone con IA el pedido de tienda de unas 900 estaciones de servicio y acierta en el 85 % de los casos
Un asistente de compra prevé la demanda de cada estación y sugiere qué productos pedir y cuántos. La decisión final sigue en manos del gerente.
- Empresa
- Repsol
- Sector
- Energía y distribución minorista
- País
- España
- Área
- Operaciones y logística (reposición)
- Herramienta
- Modelos propios de previsión y optimización sobre ARiA, la plataforma de datos e IA de Repsol
Cada tienda de estación maneja más de 1.000 productos y hace pedidos dos o tres veces por semana. Los gerentes decían que preparar esos pedidos les consumía mucho tiempo.
Un asistente de compra prevé la demanda de cada estación con el histórico de ventas, los festivos, la meteorología y los hábitos de consumo, y propone el pedido. El gerente lo acepta o lo corrige, y sus correcciones sirven para reentrenar los modelos.
Según Repsol, la propuesta acierta en el 85 % de los casos. En otro 14 %, el gerente acepta los productos sugeridos pero corrige las cantidades.
Repsol ha contado en su propia web cómo usa la inteligencia artificial para preparar los pedidos de las tiendas de sus estaciones de servicio. Es información publicada por la compañía, sin verificación externa.
Según Repsol, cada punto de venta maneja más de 1.000 referencias y pide dos o tres veces por semana. Los propios gerentes señalaron que esta tarea les ocupaba mucho tiempo. La empresa creó un asistente de compra que prevé la demanda de cada establecimiento y propone qué pedir y en qué cantidad. Tiene en cuenta el histórico de ventas, los festivos, la meteorología y los hábitos de consumo.
El sistema funciona en alrededor de 900 estaciones en España. Repsol indica que ejecuta a diario unos 900 modelos de previsión y otros tantos de optimización, y que genera más de 100.000 sugerencias de producto al mes.
La compañía afirma que la propuesta acierta en el 85 % de los casos y que en otro 14 % el gerente acepta la selección pero ajusta las cantidades. La decisión final la toma siempre el equipo de la estación. Cuando una corrección funciona bien, se usa para reentrenar los modelos. Repsol había probado antes un sistema parecido para sugerir pedidos de carburante.
Qué puede copiar su empresa
- Elija una tarea repetitiva que sus responsables ya identifiquen como pérdida de tiempo, como un pedido recurrente.
- Reúna al menos el histórico de ventas y el calendario de festivos antes de pensar en el modelo.
- Haga que la herramienta proponga y que la persona decida, sobre todo al principio.
- Registre cuándo se acepta, se corrige o se rechaza cada propuesta: es su indicador de acierto y la base para mejorar.
- Pruebe primero en un grupo pequeño de puntos de venta antes de extenderlo.
Por qué le importa: Es un ejemplo de IA aplicada a una decisión pequeña pero repetida miles de veces. El valor viene del volumen y de que la persona sigue al mando, no de una tecnología espectacular.
Preguntas frecuentes
¿Qué problema quería resolver Repsol con IA?
Cada tienda de estación maneja más de 1.000 productos y hace pedidos dos o tres veces por semana. Los gerentes decían que preparar esos pedidos les consumía mucho tiempo.
¿Qué solución de IA usa Repsol?
Un asistente de compra prevé la demanda de cada estación con el histórico de ventas, los festivos, la meteorología y los hábitos de consumo, y propone el pedido. El gerente lo acepta o lo corrige, y sus correcciones sirven para reentrenar los modelos. Herramienta: Modelos propios de previsión y optimización sobre ARiA, la plataforma de datos e IA de Repsol.
¿Qué resultado ha obtenido?
Según Repsol, la propuesta acierta en el 85 % de los casos. En otro 14 %, el gerente acepta los productos sugeridos pero corrige las cantidades.
Fuentes: Repsol
Elaborado con ayuda de IA a partir de las fuentes enlazadas y verificado automáticamente contra ellas. Si encuentra un error, escríbanos: política de correcciones · cómo comprobamos cada cifra.