Evaluación del desempeño de las cadenas de suministro con la introducción de Agentic AI

Abstract

La IA agentiva, definida como sistemas autónomos y orientados a objetivos capaces de planificar, ejecutar acciones en múltiples pasos y verificar resultados con supervisión humana limitada, está transformando la gestión operativa de las cadenas de suministro. Pese al creciente interés técnico, la evidencia empírica sobre dónde genera valor medible y bajo qué condiciones organizativas sigue siendo escasa. Este Trabajo Fin de Grado aborda esa brecha mediante un diseño cualitativo y exploratorio que combina una revisión de literatura (2019–2026) con seis entrevistas semiestructuradas a directivos de operaciones, consultores especializados e investigadores de referencia internacional, entre ellos una Research Scientist del MIT Center for Transportation and Logistics. El trabajo de campo se analiza mediante codificación temática y se sintetiza en un marco integrador (Diagnose, Enable y Measure) que mapea cinco áreas funcionales (procurement, inventario, logística, gestión de disrupciones y previsión de la demanda) frente a cuatro niveles de madurez agentiva, articulados con regímenes de gobernanza, condiciones habilitadoras y un sistema de medición dual que complementa los KPIs operativos con Key Learning Indicators. Los hallazgos indican que la IA agentiva ya genera valor documentado en cadenas reales, con reducciones de hasta el 30% en tiempos de ciclo y del 50% en carga administrativa reportadas por los entrevistados. No obstante, los factores organizativos, en particular la integración de datos, los procesos estructurados, la claridad estratégica y una gestión del cambio rigurosa, determinan el éxito de forma sistemáticamente más decisiva que la sofisticación tecnológica. El trabajo concluye con seis recomendaciones de adopción para directivos y cuatro líneas de investigación futura, incluyendo estudios longitudinales causales y la validación multisectorial del marco propuesto.

Agentic AI, defined as autonomous, goal-driven systems capable of planning, executing multi-step actions, and verifying outcomes with limited human supervision, is reshaping how organisations manage supply chain operations. Despite growing technical interest, empirical evidence on where it creates measurable value, and under which organisational conditions, remains scarce. This Final Degree Project addresses that gap through a qualitative, exploratory design combining a focused literature review (2019–2026) with six semi-structured interviews conducted with supply chain executives, senior consultants, and leading researchers, including a Research Scientist from the MIT Center for Transportation and Logistics. The fieldwork is analysed through thematic coding and synthesised into an integrative framework (Diagnose, Enable and Measure) that maps five functional areas (procurement, inventory, logistics, disruption management and demand forecasting) against four levels of agentic maturity, layered with governance regimes, enabling conditions, and a dual measurement system that complements operational KPIs with Key Learning Indicators. Findings indicate that Agentic AI already generates documented value in real supply chains, with reductions of up to 30% in cycle times and 50% in administrative burden reported by practitioners. However, organisational factors, namely data integration, structured processes, strategic clarity, and disciplined change management, consistently outweigh technological sophistication as determinants of success. The study concludes with six adoption heuristics for managers and four directions for future research, including longitudinal causal studies and cross-sector validation of the proposed framework.