¿Los plazos siempre se retrasan? Aprende a usar AI para crear alertas tempranas de demora y una lista de decisión para urgencias

Para enfrentar retrasos en los plazos de entrega de impresión, el punto de partida más eficaz no es cambiar de proveedor, sino ordenar los pedidos históricos de la empresa y crear una lista de puntuación de riesgo. Así, antes de colocar cada nuevo pedido, puedes estimar la probabilidad de retraso y decidir si conviene pedirlo como urgente. Cuando el equipo consultor de la Academia del conocimiento Mai Strategy ayuda a clientes con este problema, el primer paso siempre es convertir los datos de pedidos de los últimos 12 a 24 meses en un formato que se pueda analizar, no aplicar una herramienta directamente

El mismo proveedor, el mismo tipo de producto. En junio entregó a tiempo, pero en julio se retrasó tres días. Preguntas al proveedor y la respuesta siempre es la misma: “este mes estamos más cargados”, “justo faltó material”. Pasan los años y el problema sigue ahí

Las variables que afectan los plazos de impresión son, de por sí, más complejas que en una compra común. El problema rara vez aparece solo. Un proveedor con un único factor de riesgo normalmente puede absorberlo, pero cuando se juntan tres riesgos medios, aunque el proveedor quiera colaborar, cumplir la fecha se vuelve difícil

Por lo que he observado durante años entre planta de producción y clientes, las combinaciones que más suelen provocar retrasos son estas cuatro:

・Proveedor nuevo en la primera colaboración: las idas y vueltas para aprobar archivos pueden consumir dos días, y no existe todavía una dinámica de comunicación establecida

・Incluye acabados complejos: procesos como troquelado, estampación en caliente o barniz UV tienen tiempos de ajuste difíciles de estimar. A veces ni el propio proveedor está seguro

・Coincide con temporada alta: los dos meses previos al Año Nuevo lunar, temporadas de ferias, graduaciones. La agenda del proveedor está llena y el margen de maniobra es cero

・Muchos SKU en un solo pedido: quince SKU de una vez, cada uno con aprobación de arte y programación por tandas. Si uno se atasca, puede arrastrar todo el lote

Si estos cuatro factores aparecen por separado, normalmente el proveedor puede absorberlos. Cuando coinciden dos o más, si compras sigue esperando a que el proveedor avise por iniciativa propia, por lo general ya es tarde

Los datos históricos son la base de todo. Sin datos ordenados, la predicción no pasa de ser una opinión al aire

La tabla de pedidos no tiene que ser compleja. Estas columnas son las clave:

・Fecha del pedido, nombre del proveedor, tipo de producto, como tarjetas de presentación, catálogos, cajas de empaque o banderolas

・Plazo prometido vs fecha real de llegada. Calcula los días de retraso; si llegó a tiempo, registra 0

・Tipo de acabado, como estampación en caliente, troquelado, UV o ninguno

・Cantidad de SKU de ese pedido

・Si fue temporada alta, marcado por mes o por fechas de feria basta

・Si fue la primera colaboración

Esta tabla parece muy básica, pero después de acumular 80 a 100 pedidos del mismo tipo, empiezas a ver patrones: cierto proveedor eleva claramente su tasa de retraso de octubre a diciembre cada año; los trabajos con troquel siempre llegan dos días después de lo prometido; la tasa de retraso de proveedores nuevos es aproximadamente tres veces la de proveedores ya conocidos

80 pedidos es el mínimo para que la estadística tenga sentido. Por debajo de ese volumen, un “20% de retraso” puede significar solo un pedido retrasado entre cinco, con poco valor como referencia. Esta es la verdadera razón por la que muchas áreas de compras prueban una herramienta de AI y sienten que “no acierta”. No es problema de la herramienta, es que los datos de entrada son demasiado pocos

Con esta base, puedes cargarla en ChatGPT o Excel y pedir estadísticas de retraso por proveedor, temporada y tipo de acabado. Normalmente en una o dos horas puedes obtener un “perfil de pedidos de alto riesgo”, es decir, eso que antes juzgabas a ojo

El recargo por urgencia suele estar entre el 20% y el 50% del precio normal, a veces más. Antes de pagarlo, calcula bien este número:

“Pérdida esperada por retraso = días de retraso × probabilidad de retraso × costo real diario”

El costo real diario debe calcularse en serio: pérdida por cancelación de un evento o espacio, costo de oportunidad por una ventana sin inventario, tiempo de reprogramación del personal. Muchas áreas de compras nunca hacen esta cuenta. Solo sienten que “si se retrasa, será un problema”, pero esa percepción difusa no sostiene una buena decisión

Una forma más rápida de operar es crear una lista de activación. Si se cumplen dos puntos, el pedido entra al flujo de evaluación urgente:

・En los últimos seis meses, la tasa de retraso del proveedor para pedidos similares superó el 30%

・El pedido incluye troquelado o un acabado especial

・Faltan menos de 15 días hábiles para la fecha de uso

・El mes actual cae dentro de un periodo históricamente de alta carga para ese proveedor

・Es un proveedor nuevo y no hay proveedor alternativo

Una vez definida la lista, revísala antes de cada pedido. Las herramientas de AI pueden ayudarte a contrastar punto por punto y generar una puntuación, pero los criterios los defines tú. Si el umbral importa o no, la herramienta no puede decidirlo por ti

Al hablar con el proveedor sobre una urgencia, cuanto antes lo hagas, mejor. Si avisas con tres a cinco días de anticipación que “este pedido quizá haya que tratarlo como urgente”, el proveedor todavía puede mover su planificación. Si esperas hasta dos días antes, dependes de lo que el proveedor pueda o quiera hacer. Dale un momento concreto, por ejemplo: “necesito que esté en el recinto ferial el 5 de noviembre antes de las 10:00”. Eso sirve mucho más que “ojalá lo tengan cuanto antes”. Primero deja que el proveedor te diga cuál es la fecha más rápida que puede cumplir y luego decide si te alcanza

Las herramientas de AI entregan probabilidades, no garantías. En estos casos conviene saltarse el modelo y pasar directamente a criterio humano:

El proveedor acaba de pasar por un cambio estructural: cambió varias máquinas, se fue el jefe de producción o acaba de recibir un cliente grande. Esa información no está en tus datos históricos. El modelo de predicción no la ve. Llamar y confirmar es más práctico que confiar en una probabilidad

Pedidos con mucho en juego: si el retraso del material puede hacer que se cancele una feria importante, no tomes decisiones solo por probabilidad. Planifica según el peor escenario, pide urgencia desde temprano y busca un proveedor alternativo en paralelo

El proveedor muestra señales blandas: la aprobación de archivos se estira, nadie contesta el teléfono, las respuestas del comercial se vuelven cada vez más vagas. El modelo de predicción no percibe esas señales, pero quien lleva años comprando impresión reconoce ese patrón y sabe que debe subir el nivel de alerta

El verdadero valor de una herramienta predictiva es decirte con anticipación dónde debes prestar atención, no decidir por ti. He visto a bastantes compradores usar un “solo 12% de probabilidad de retraso” como motivo para quedarse tranquilos, y al final igual se retrasó. Los eventos de baja probabilidad ocurren todos los días. Eso no hay que olvidarlo nunca

・Los retrasos en impresión casi siempre se deben a la acumulación de varios factores de alto riesgo. Un solo factor normalmente el proveedor puede absorberlo

・Los datos históricos deben acumular al menos 80 pedidos del mismo tipo para que la tasa de retraso tenga valor práctico como referencia

・El centro de la decisión de urgencia es calcular si la “pérdida esperada por retraso” supera el recargo por urgencia. La intuición no reemplaza ese cálculo

・La lista de condiciones que activa una urgencia debe tener criterios definidos por ti. La herramienta de AI compara punto por punto; tú fijas el umbral

・Cambios de máquina, cambios de responsable o respuestas ambiguas del proveedor son señales blandas que quedan fuera del modelo predictivo. Ahí debe intervenir una persona

Si quieres empezar ahora mismo, el punto de entrada más rápido es tomar los pedidos del último año, agregar una columna de “días de retraso” y agrupar por proveedor para ver cuáles se retrasan con más frecuencia y cuántos días. Esto se puede hacer con Excel, sin ninguna herramienta de AI. Al terminar, verás que casi todos los retrasos se concentran en pocos proveedores, pocos procesos y pocas temporadas. Cuando ordenas esas tres dimensiones, ya tienes el mapa de riesgo más básico

Después puedes llevar estos datos a conversar con el proveedor, o hablar con el equipo comercial de MINDS con esa información en la mano. La calidad de la conversación cambia por completo. Ya no se trata de quejarse por los retrasos, sino de decir: “sé en qué parte suele aparecer el problema, ¿cómo lo detectamos antes?”. Esa frase basta para cambiar la relación entre compras y proveedor: de aviso pasivo a colaboración activa