En lo que va de 2026, la incertidumbre derivada de los aranceles y las tensiones geopolíticas ha marcado el desempeño de las cadenas de suministro, convirtiendo el año en un periodo especialmente complejo para sus responsables. A ello se suman los fenómenos meteorológicos extremos y otras interrupciones ambientales, que incrementan los desafíos operativos.

Ante este escenario, Walmart utiliza herramientas de modelado y tecnología de gemelos digitales (digital twins) para evaluar cómo podría responder su red logística ante cierres de instalaciones, retrasos en el transporte o cambios repentinos en la demanda de los clientes.

Estrategia ante disrupciones

Los equipos de transporte emplean réplicas virtuales de la red logística de la compañía para simular el movimiento de mercancías bajo escenarios de presión. Según Indira Uppuluri, vicepresidenta sénior de tecnología de cadena de suministro de Walmart, gran parte de la gestión consiste en prepararse para eventos que dificultan que los productos lleguen a su destino.

«En algunos casos, los equipos pueden anticipar disrupciones, como las relacionadas con el clima, pero en muchos otros no», explicó Uppuluri. Ante lo inesperado, los sistemas utilizan datos para generar recomendaciones tácticas: «Si de repente ocurre un incendio en algún lugar, ¿cómo reaccionamos con rapidez? Los sistemas que operan detrás de escena utilizan los datos para generar acciones que podemos tomar, y nuestros colaboradores pueden aplicar esas recomendaciones».

La evolución hacia la IA predictiva

Antes de su estrategia actual para poner la inteligencia artificial al alcance de sus 2 millones de empleados, la compañía ya utilizaba esta tecnología para optimizar traslados. «Los modelos predictivos siempre han tenido un papel importante en la industria de la cadena de suministro», afirmó Uppuluri. Actualmente, el volumen de datos y la capacidad de las herramientas de IA permiten señales más precisas en un entorno complejo.

La combinación de datos sobre patrones climáticos e historial de compras, junto con técnicas de machine learning, ha elevado el nivel de conocimiento técnico en la organización. Según la ejecutiva, el acceso a modelos de lenguaje de gran tamaño (LLM) y código abierto, junto con herramientas desarrolladas internamente, es clave: «Hacia allí se dirige la industria».

Capacitación y herramientas personalizadas

La democratización de esta tecnología se impulsa mediante la plataforma interna «Squiggly», donde Walmart colabora con OpenAI y Google en programas de certificación en inteligencia artificial. Esta plataforma no solo capacita a los colaboradores, sino que fomenta el desarrollo de herramientas personalizadas por parte del propio personal.

En términos de infraestructura, la compañía gestiona nodos logísticos, el fulfillment engine —que asigna inventario y optimiza entregas— y el transporte de entrada, salida y media distancia. Esta gestión es crucial ante el estándar de entregas en el mismo día, un desafío que se ejemplifica con el servicio de entrega en una hora lanzado por Sam’s Club el pasado mes de abril.

IA Agéntica: surtido, velocidad y costo

Para optimizar procesos, el equipo utiliza modelos y agentes de inteligencia artificial. En lugar de analizar nodos de forma aislada, los colaboradores acceden a agentes de IA que optimizan el uso de recursos y resuelven cuellos de botella de manera integral.

«Surtido, velocidad y costo son los tres factores que buscamos equilibrar y optimizar a lo largo de la cadena de suministro», concluyó Uppuluri. La ejecutiva destacó que la industria ha transitado desde modelos estocásticos y LLM hacia la IA agéntica (agentic AI), subrayando que tanto la cadena de suministro como los modelos que la respaldan «continúan evolucionando».