Artículos

Las deducciones son una de las mayores fuentes de frustración para los equipos comerciales y financieros del sector de los productos de gran consumo (CPG). Se acumulan los atrasos, las disputas se prolongan más allá de los plazos previstos y, en el proceso, se pierden ingresos. La inteligencia artificial ya está empezando a cambiar ese panorama, para bien y para mal. 

Recientemente hemos organizado un seminario web en directo titulado «Cómo la IA está transformando las deducciones en el sector de los productos de gran consumo (CPG)». En este evento virtual, Tim Wentz, responsable de marketing de producto de UpClear, y Andrew Dentinger, director de producto, compartieron algunas de las conclusiones de nuestra investigación, profundizaron en el funcionamiento interno de la IA generativa y explicaron cómo UpClear está aplicando la tecnología más avanzada para ayudar a los clientes a hacer frente a las deducciones en la actualidad. 

La situación de las deducciones en 2026 

La sesión comenzó con un repaso del Informe de referencia sobre deducciones de UpClear de principios de este año. Las puntuaciones netas de promotores revelan un claro descontento con las herramientas, los procesos y la colaboración en ventas sobre el terreno actuales. 

La antigüedad de las deducciones es una parte importante del problema. De media, solo el 20 % de las deducciones se resuelven en un plazo de 15 días. Si ampliamos la perspectiva, solo el 48 % se resuelven en los primeros 30 días. Eso significa que, aproximadamente, la mitad de todas las deducciones pendientes en un momento dado tienen más de un mes de antigüedad. 

Las tasas de amortización reflejan una situación similar. Alrededor del 45 % de los encuestados amortizó más del 10 % de sus deducciones. Teniendo en cuenta que, según los datos de referencia del sector, las deducciones representan entre el 5 % y el 15 % de la facturación bruta, la cifra aumenta rápidamente. 

Las causas fundamentales son bien conocidas: exceso de trabajo manual, falta de datos en tiempo real y plazos de reclamación muy cortos. A todo ello se suman los recursos y las herramientas limitados. El resultado es una pérdida de ingresos, ya que las reclamaciones válidas no se presentan y las deducciones indebidas pasan desapercibidas. 

El papel de la inteligencia artificial en el sector de los productos de gran consumo y las deducciones

La tecnología de IA tiene una historia mucho más larga que los modelos de lenguaje grande (LLM) que utilizamos hoy en día. Andrew nos habló un poco sobre las primeras aplicaciones de esta tecnología, que comenzaron con la modelización estadística y han ido evolucionando pasando por el aprendizaje automático, el aprendizaje profundo y, actualmente, los modelos generativos. 

En lo que respecta a la mayoría de los aspectos relacionados con la gestión de riesgos y la previsión, llevamos mucho tiempo señalando que la mayor oportunidad práctica reside en los modelos estadísticos y el aprendizaje automático tradicional. Aunque la IA generativa es más impresionante desde el punto de vista técnico, no se adapta bien al entorno de datos del sector de los productos de gran consumo. 

Por ejemplo, el historial de datos sindicados de dos años para una sola referencia (SKU) solo supone unas 104 observaciones. En este ámbito, eso se considera un conjunto de datos sólido, pero no es mucho con lo que trabajar según los estándares de la inteligencia artificial.

Las deducciones son otra historia. El ámbito de las deducciones es mucho más rico en datos, con decenas de miles de documentos generados cada día por parte de transportistas, sistemas internos, minoristas, distribuidores y bancos. El volumen y la estructura proporcionan mucho más material para los modelos de lenguaje grande (LLM), por lo que creemos que es el momento ideal para la automatización. También es la razón por la que hemos visto tanta inversión externa fluyendo hacia el procesamiento inteligente de documentos en los últimos dos años. 

¿Qué es la IA generativa?

Una cosa es utilizar la IA generativa en el día a día, pero también resulta útil comprender qué ocurre entre bastidores. Andrew explicó el proceso que sigue un chatbot cuando le haces una pregunta como: «En una deducción de Walmart, ¿qué significa el código de deducción 24?». 

En primer lugar, tu pregunta se divide en pequeños fragmentos mediante un proceso denominado «tokenización». Esos fragmentos se envían a un «transformador», la arquitectura en la que se basan la mayoría de las herramientas modernas de inteligencia artificial y uno de los avances técnicos más destacados de la última década. 

El transformador procesa esa información y genera una distribución de probabilidad entre las posibles palabras siguientes. A partir de ahí, recomienda la más probable. Esa palabra se vuelve a añadir a la secuencia, y todo el proceso se repite para generar la siguiente palabra, y la siguiente, hasta que se construye la respuesta completa, palabra a palabra. 

Un aspecto clave que Andrew destacó es que el modelo genera una nueva respuesta mediante un cálculo nuevo en cada paso. En comparación con la búsqueda tradicional, que muestra resultados predefinidos, esto supone un gran esfuerzo computacional y es, por naturaleza, no determinista. Si se formula la misma pregunta dos veces, es posible que se obtengan dos respuestas totalmente diferentes. Gran parte del trabajo actual en el sector se centra en lograr que estos resultados sean más coherentes y predecibles. 

Cómo utiliza esta tecnología « Blue » para aplicar las deducciones 

En UpClear, hemos aplicado esta tecnología en varias fases del ciclo de vida de las deducciones dentro de « Blue » Deductions. 

En lo que respecta a la adquisición, utilizamos la extracción automatizada de datos de portales para obtener información sobre deducciones y transferencias directamente de los portales de los minoristas y distribuidores. Además, utilizamos un sistema de gestión de credenciales para garantizar que dicho proceso funcione de forma fiable a lo largo del tiempo.

A partir de ahí, un proceso de varios pasos identifica el tipo de documento, extrae los datos del encabezado y de las partidas, y vincula entre sí los documentos relacionados. Conecta los avisos de envío (ASN), los números de orden de compra y los números de factura de todas las fuentes, de modo que se obtiene automáticamente una visión completa de una reclamación. 

Para los clientes que ya utilizan Blue Planner , los datos extraídos se cotejan de forma nativa con sus promociones. El sistema utiliza etiquetas e identificadores extraídos directamente de los documentos para agilizar el proceso de cotejo y validación. 

En la resolución, utilizamos el aprendizaje automático para puntuar las reclamaciones según su nivel de confianza, lo que indica si merece la pena impugnar una deducción. También ofrecemos una automatización completa de los formularios, rellenando previamente los formularios de impugnación que exigen los minoristas, junto con una justificación de la impugnación generada por un modelo de lenguaje grande (LLM) que puedes revisar, editar o volver a generar antes de enviarla. 

El módulo «Deducciones» forma parte de nuestro amplio ecosistema de gestión de relaciones con los minoristas ( Blue , RGM) intelligence platform , conectado a través de la solución Bridge . Esto significa que tus datos de promociones comerciales en Blue Planner están perfectamente vinculados al módulo de deducciones. Gracias a este ecosistema conectado, puedes realizar un seguimiento de una reclamación desde la promoción comercial hasta su resolución. Blue El módulo «Deducciones» también se puede utilizar de forma independiente, integrado con un sistema de gestión de promociones (TPM) independiente.

En la actualidad, prestamos apoyo a minoristas y distribuidores como Target, Unified, Kroger, Amazon y Walmart, y seguimos ampliando nuestra cobertura a medida que colaboramos con los clientes para definir sus necesidades. Los clientes que utilizan esta tecnología están obteniendo resultados significativos, con un ahorro de mano de obra que ronda las 48 horas semanales, dependiendo del alcance de la implantación y del volumen de deducciones implicadas. 

Nuestra filosofía: un diseño centrado en las personas 

Además de los grandes avances de la tecnología de IA, Andrew también abordó las limitaciones que presenta en la actualidad. Esta perspectiva ha marcado la forma en que hemos desarrollado « Blue Deductions», así como nuestra visión sobre el rumbo que tomará en el futuro. 

Cada paso de un proceso impulsado por IA conlleva cierta probabilidad de error. Por sí solo, ese error puede parecer insignificante. La clasificación de documentos, por ejemplo, tiene una precisión de alrededor del 98 % cuando se realiza de forma aislada. Sin embargo, cuando se encadenan varios pasos para formar un proceso totalmente autónomo, esas pequeñas tasas de error se acumulan. En pruebas realizadas en condiciones reales, esa precisión del 98 % en un solo paso se redujo a aproximadamente el 90 % una vez que se ejecutaron de principio a fin los pasos de clasificación, extracción y categorización. 

El razonamiento matemático que hay detrás es el mismo que el de lanzar una moneda tres veces seguidas: cada lanzamiento por sí solo tiene una probabilidad del 50 %. A su vez, la probabilidad de obtener el mismo resultado tres veces seguidas se reduce al 12,5 %. Si se realizan suficientes pasos seguidos, incluso con una alta precisión por paso, la fiabilidad general se reduce rápidamente. Con una precisión del 95 % por paso, cuatro pasos seguidos ya generan una tasa de error cercana al 19 %. 

Por eso no creemos en intentar automatizar por completo las deducciones de principio a fin utilizando la tecnología actual. En su lugar, desarrollamos nuestros sistemas teniendo en cuenta un diseño centrado en las personas, aplicando la automatización allí donde el coste de la revisión manual supere claramente el coste de un error ocasional. Mantenemos un control humano cada pocos pasos para asegurarnos de que todo funciona según lo previsto. La IA agiliza el proceso, pero las personas siguen estando al tanto de los aspectos en los que el criterio humano es más importante. 

Profundiza en las deducciones 

Este resumen solo aborda el tema de forma superficial.No te pierdas la sesión completa para disfrutar de un debate más detallado, una demostración en directo del producto, una ronda de preguntas y respuestas con el público y mucho más.