¿Cómo han transformado la IA y los datos la fijación de precios en Gmill Group?
Descubre cómo Gmill Group reorganizó sus datos y procesos para reducir errores y mejorar la toma de decisiones en materia de precios.
La fijación de precios siempre ha sido una de las decisiones más delicadas en cualquier actividad empresarial. En mercados con márgenes ajustados, como el sector farmacéutico, un pequeño error puede traducirse en pérdidas a final de mes.
Y fue precisamente este escenario el que impulsó un cambio de rumbo dentro del Grupo Gmill.
En este artículo, resumimos las principales conclusiones del episodio n.° 14 de InsightCast, en el que el invitado Felipe Deboni, director de TI, compartió cómo la combinación de datos estructurados, automatización e inteligencia artificial ha cambiado por completo la forma en que la empresa toma decisiones sobre precios.
El contexto de la operación y el reto de la fijación de precios.
El Grupo Gmill opera en la distribución de medicamentos, manejando miles de referencias y empleando una dinámica comercial que varía según el canal, la región y las condiciones negociadas con la industria.
En este escenario, la fijación de precios deja de ser una actividad lineal. Un producto idéntico, con la misma cantidad de miligramos y el mismo número de comprimidos por envase, puede tener precios diferentes según factores como la ubicación geográfica, la época del año, la demanda regional, la carga impositiva y los acuerdos comerciales vigentes.
Antes de la estructura actual, este proceso se realizaba mayoritariamente de forma manual, lo que aumentaba el riesgo de errores y dificultaba la predicción de los resultados.
Como el propio Deboni resume:
"Los precios se basaban enteramente en factores humanos... y ni siquiera necesito decirles con qué frecuencia se equivocaban."
El punto de inflexión: sistemas orientados a los negocios
El cambio comenzó con una decisión simple pero difícil de implementar: dejar de tratar la fijación de precios como una tarea operativa y empezar a tratarla como inteligencia empresarial. A partir de esto, el Grupo Gmill desarrolló dos sistemas centrales:
Sistema de acuerdos comerciales
El primer paso en esta transformación fue estructurar toda la lógica de la negociación comercial dentro de un sistema centralizado. Anteriormente, información como las reglas de descuento, los límites de margen, las condiciones específicas por cliente y el historial de negociaciones podían estar dispersas en hojas de cálculo, sistemas aislados o incluso en el conocimiento tácito de los empleados.
Con la creación de este sistema, estas variables se organizan de forma estructurada, con reglas bien definidas, trazabilidad y acceso en tiempo real. Esto reduce las inconsistencias, evita errores manuales y garantiza que todas las áreas operen según los mismos criterios.
En la práctica, el impacto es directo en la gestión empresarial; la compañía deja de analizar los resultados solo al final del mes y comienza a monitorear la rentabilidad durante la ejecución de las operaciones. Esto permite realizar ajustes más rápidos, un mayor control sobre los márgenes y tomar decisiones más seguras a lo largo de todo el proceso, no solo después de que el resultado ya se haya producido.
Motor de precios automatizado
El segundo pilar de la transformación fue la creación de un motor de precios automatizado y basado en datos, capaz de analizar múltiples variables simultáneamente. A diferencia de los modelos tradicionales, que dependen de decisiones manuales o reglas fijas, este sistema considera una combinación de factores internos y externos para determinar el precio más adecuado en cada contexto.
Los datos analizados incluyen costos, vida útil y rotación de inventario, así como información externa como el comportamiento del mercado, la demanda regional y el posicionamiento competitivo. El sistema también incorpora variables comerciales, como acuerdos específicos, campañas promocionales y políticas de incentivos.
Este nivel de análisis permite una fijación de precios mucho más precisa y dinámica; la empresa puede preservar los márgenes cuando sea posible, ser más competitiva cuando sea necesario y responder con rapidez a los cambios del mercado. Además, reduce la dependencia de decisiones basadas en conjeturas, lo que aporta mayor consistencia y previsibilidad a los resultados.
Vea también: ¿Cómo se puede transformar la tecnología en una ventaja competitiva en la experiencia del cliente?
El papel de los datos: sin estructura, no hay IA.
Uno de los puntos fuertes del episodio es la claridad con respecto al papel de la base de datos.
Antes de hablar de IA, el Grupo Gmill necesitaba resolver un problema fundamental: organizar su información. Este paso, a menudo descuidado por las empresas deseosas de adoptar tecnología, es lo que determina si una iniciativa de inteligencia artificial generará resultados reales o se convertirá en otro proyecto olvidado.
Las cifras dejan clara la magnitud del problema. Gartner El informe señala que, en promedio, el 60 % del tiempo de los profesionales de datos se dedica a limpiar y organizar la información antes de cualquier análisis. Esto significa que más de la mitad del esfuerzo técnico de la empresa se destina a solucionar un problema que podría haberse evitado con una arquitectura de datos bien planificada desde el principio.
A McKinsey Este diagnóstico se ve reforzado en su informe anual sobre el estado de la IA. La consultora señala que la falta de datos integrados y de alta calidad es el principal obstáculo que citan los ejecutivos para escalar las iniciativas de IA dentro de las organizaciones. No se trata de una limitación tecnológica; el desafío radica en la base: los datos inconsistentes, desorganizados o sin control comprometen directamente la capacidad de generar valor con la IA.
Esto implicó estructurar los datos de los productos, estandarizar las bases de datos históricas, documentar claramente las tablas y los campos, y evolucionar hacia un modelo de datos en tiempo real. No es un proceso llamativo, pero es fundamental. Las empresas que omiten este paso terminan construyendo sobre arena. Esta base de datos es lo que permite que la IA funcione de verdad. Sin ella, cualquier iniciativa se convierte en un mero ensayo y error.
La IA en la práctica: decisiones más rápidas y seguras.
Con los datos organizados, la Inteligencia Artificial actúa como un acelerador. No reemplaza la estrategia, pero amplía las capacidades analíticas.
Hoy en día, la empresa puede:
- Evaluar la demanda por región.
- Identificar oportunidades para ajustar los precios.
- Predicción del comportamiento de ventas
- Tomar decisiones basándose en múltiples variables simultáneas.
Cuando se aplica correctamente, la IA no elimina el papel del ser humano; lo potencia, permitiendo tomar decisiones con mayor rapidez, basándose en datos y con mayor previsibilidad.
Mentalidad de "primero la IA"
Uno de los conceptos más interesantes del episodio es "La IA primero". La idea, en esencia, es preguntarse antes de crear cualquier solución: "¿Cómo puede ayudar la IA en este caso?"Esto cambia por completo el enfoque. En lugar de comenzar eligiendo herramientas o definiendo un problema ya estructurado, ahora se considera desde el principio cómo la inteligencia artificial puede contribuir a generar eficiencia, escalabilidad y mejores decisiones.
En la práctica, esto significa que la IA se convierte en un punto de partida; los equipos aprenden a analizar cada proceso preguntándose dónde la automatización puede reducir el esfuerzo, dónde el análisis de datos puede reemplazar la toma de decisiones basada en conjeturas y dónde la velocidad de procesamiento puede generar una verdadera ventaja competitiva en el mercado. Como se destaca en el episodio, este cambio no depende necesariamente de grandes inversiones iniciales, sino de una actitud diferente hacia la tecnología.
Para el Grupo Gmill, la adopción de este enfoque permitió que la transformación fuera más allá de los precios y se extendiera a otras áreas de la operación, creando una cultura donde la tecnología y la estrategia van de la mano.
Automatización más allá de la fijación de precios.
La misma lógica se aplicó a otros aspectos de la operación, con la automatización de procesos repetitivos a través de RPA (Automatización de procesos robóticosAsistentes inteligentes para atención al cliente y operaciones, e inteligencia artificial para la lectura de pedidos no estructurados, audio, imágenes y archivos PDF.
Anteriormente, un equipo tenía que interpretar las solicitudes enviadas sin estandarización. Hoy, la IA realiza la lectura inicial, aprende de las correcciones humanas y reduce drásticamente el esfuerzo operativo con el tiempo.
La transformación de las operaciones comienza con la alineación de la tecnología.
La principal lección de este episodio no radica en la tecnología en sí, sino en cómo se utiliza hoy en día. Deboni subraya un punto que aún se pasa por alto en muchas empresas: «La informática no puede limitarse a ofrecer soporte. Debe trabajar en conjunto con el negocio».
En la práctica, esto significa que el departamento de TI necesita comprender a fondo cómo funciona el negocio, evaluar críticamente las soluciones antes de implementar cualquier cosa y medir el impacto de lo que se hizo en términos de resultados.
Esta comprensión no surge de forma aislada; requiere una estrecha colaboración con otras áreas de la empresa, como finanzas, ventas, operaciones y atención al cliente, lo que permite al departamento de TI comprender qué sistemas son esenciales, qué datos son críticos y qué impacto podría tener un fallo.
Sin esta alineación, las iniciativas tecnológicas tienden a perder la conexión con lo que realmente sustenta la operación, generando proyectos que no resuelven problemas ni aportan valor.
¿Qué pueden aprender otras empresas de este caso?
Aunque en distintos contextos, algunas lecciones son universales. La fijación de precios requiere un enfoque estratégico, y los datos estructurados son un requisito indispensable para cualquier iniciativa de automatización o inteligencia artificial. Sin esta base de datos, la tecnología no cumple lo que promete. Con ella, la automatización libera tiempo y energía para tomar mejores decisiones, y la IA potencia a quienes ya comprenden el negocio.
A La tecnología por sí sola no transforma nada; es la combinación de cultura, procesos bien definidos y las herramientas adecuadas lo que genera resultados sostenibles. No es necesario empezar a lo grande, pero sí es importante empezar bien, con claridad sobre adónde se quiere llegar y con la voluntad de construir las bases que sustentarán el progreso a lo largo del tiempo.
