Los agentes de IA empresariales enfrentan un problema habitual: la brecha entre una primera demostración pulida y la factura que sigue a una implementación realmente exitosa. DeepFabric dedicó tres meses a cerrar esa brecha con Kenco, llevando seis agentes a operaciones en vivo que abarcan las áreas comercial, de operaciones, de transporte y de servicios al cliente. Actualmente se planean veinte agentes de cadena de suministro en el proveedor norteamericano de logística de terceros durante los próximos 12 meses.

Ese despliegue de tres meses destaca frente a una tendencia más amplia en la que muchos proyectos de IA nunca despegan. Una reciente investigación de Gartner prevé que más del 40 por ciento de los proyectos de IA agéntica serán cancelados para finales de 2027, citando costos crecientes, valor de negocio poco claro y controles de riesgo inadecuados. Los agentes que sobreviven al salto de piloto a producción siguen siendo la excepción y no la norma.

La alianza comenzó con una llamada entrante. Pal Narayanan, director digital y de información (CIO) de Kenco, contactó a DeepFabric tras hacer seguimiento al trabajo de la plataforma con otras empresas del sector de la cadena de suministro.

"Él conocía el tipo de trabajo que estábamos haciendo con otros 3PL y otros equipos de cadena de suministro, y conocía la filosofía con la que operábamos y cómo construimos la plataforma", dijo Kalyan Kommineni, fundador y CEO de DeepFabric, en una entrevista con FreightWaves. "Sentía que éramos un buen complemento para la visión de Kenco sobre la IA y para la forma en que Kenco despliega nuevas tecnologías en sus entornos".

Comenzar con una prueba de concepto modesta

Las implementaciones exitosas de agentes de IA comienzan con puntos de partida modestos pero manejables: empezar pequeño y avanzar rápido.

"Nuestro objetivo es llevar un agente a producción lo más rápido posible con el mínimo de riesgos", dijo Kommineni. "Antes de siquiera pensar en incorporar a alguien como cliente, firmamos el NDA, tomamos sus datos y mostramos cómo funciona el agente con sus datos. Eso les da una idea de cómo se comporta en producción".

La etapa de prueba de concepto existe para descubrir qué falla antes de que un agente toque una cuenta de cliente real, una salvaguarda importante dado los riesgos de probar agentes de IA en operaciones en vivo en lugar de en un gemelo virtual cerrado y separado. Ese enfoque minimiza las posibles interrupciones mientras los agentes se ajustan y refinan.

"Ahora, debo decir que los agentes fallan todo el tiempo, pero nos aseguramos de que eso ocurra en un entorno que no es de producción", dijo Kommineni.

Kenco no absorbió ninguno de esos fracasos en el camino a la producción. Los seis agentes entraron en operación sin interrumpir el servicio a un solo cliente, según el director de operaciones David Caines.

Por qué automatizar el trabajo de auditoría fue un gran logro

La propia estructura del 3PL creó la oportunidad. Kenco opera 141 centros de distribución y 43 millones de pies cuadrados de espacio de almacén en 33 estados de Estados Unidos y Canadá. Cada traspaso en esa red es un documento que alguien debe revisar. Esa carga documental es una característica de larga data del negocio 3PL, donde los proveedores se ubican entre los expedidores y los transportistas y asumen el trabajo de conciliación que cada lado de la transacción genera.

"Hay mucho trabajo —labor manual— que ocurre en la auditoría", dijo Kommineni. "Y repito, no es un buen trabajo. Es algo que los operadores no quieren hacer y que preferirían delegar a un agente de IA. Así que nos hemos vuelto muy buenos en todo el tema de auditoría. Y la auditoría no es una sola cosa. Hay distintos tipos de auditorías que involucran a distintas partes".

En un 3PL, eso significa que el almacén valida al transportista, el transportista valida al cliente y el cliente valida al almacén, cada uno con una conciliación separada y su propia documentación.

"Cada conexión entre estos eslabones es una oportunidad de falla, y hacemos todo lo necesario para asegurar que estos agentes no fallen en producción", dijo Kommineni.

El auditor de flete es uno de los tres agentes más implementados de DeepFabric, junto con el gestor de propuestas y el gestor de inventario. La empresa reporta reducciones del 45 por ciento en el gasto de auditoría y tiempos de respuesta a solicitudes de propuesta recortados hasta en un 30 por ciento.

Fijar las metas para los agentes de cadena de suministro

El benchmarking es donde la mayoría de los compradores lucha por encontrar una respuesta sencilla, y la pregunta sobre qué medir antecede a la de qué automatizar. Kommineni lo plantea como una cuestión de efectividad más que de eficiencia.

"Como 3PL, como empresa o como equipo dentro de una empresa, ¿qué están tratando de lograr aquí?", dijo. "¿Intentan hacer más trabajo con las mismas personas, o a veces incluso agregar más personas pero hacer mucho más trabajo? Y a veces también: 'Oye, ¿están tratando de reducir las horas de trabajo?' Así que hay distintas perspectivas según el cliente. En función de eso se definen los KPI".

La medición cambia según el agente: al gestor de propuestas se le evalúa por cuántas más licitaciones persigue un equipo sin aumentar la plantilla, mientras que un agente de auditoría se evalúa por las horas manuales dedicadas por cada 100 facturas.

"Los KPI dependen del agente, pero ayudamos a nuestros clientes a entender cuáles son los KPI previos al agente, cuál es la línea base, implementar el agente, entender cómo está después del despliegue y luego medir los resultados", dijo Kommineni.

Sin esa línea base previa al agente, nada puede medirse de manera efectiva.

Un punto intermedio en los modelos

Los compradores también deben decidir sobre qué modelo construir. La respuesta de Kommineni implica un enfoque equilibrado.

"Aquí hay dos dicotomías distintas. Una es: 'Hay un modelo que lo hace todo'. La otra es: 'Voy a desplegar 20 modelos personalizados distintos en mi entorno para mis casos de uso'. La respuesta probablemente siempre está en un punto intermedio", dijo.

DeepFabric dirige cada caso de uso al modelo que mejor se ajuste en capacidad y precio, y la empresa asume la exposición que ello conlleva.

"Nosotros asumimos el riesgo de gestionar todo eso. Asumimos el riesgo de gestionar la economía de tokens. También asumimos el riesgo de la ejecución, para que nuestros clientes no tengan que pensar en lo que cambia todos los días", dijo Kommineni.

Kenco distingue entre las dos categorías de inversión en IA que financia: la IA agéntica, que completa tareas dentro de límites definidos, y la IA generativa, que produce contenido y encuentra hallazgos. DeepFabric impulsa la capa agéntica, mientras que los equipos de Kenco conservan la autoridad de aprobación sobre los resultados de los agentes mediante rutas de inspección y anulación integradas en la plataforma.

Kommineni remonta esta postura de priorizar la ejecución a lo que su equipo no podía entregar en un trabajo anterior. Como exconsultor, dijo que la ejecución siempre era un desafío a pesar de entregar un plan a los clientes.

"Pero con DeepFabric, realmente lo tomamos en serio en cuanto a la ejecución. Realmente ayudaremos a ejecutar lo que habríamos sugerido como consultores, para que no tengan que pensar: '¿Cómo voy a ejecutar estos agentes en producción?'", dijo.

Para el mercado en general, este despliegue ofrece una prueba de si la IA agéntica puede sostener terreno medible de producción en la logística: los resultados basados en línea base que describen Kenco y DeepFabric se materializarán, o no, a medida que los veinte agentes planeados se desplieguen en los próximos 12 meses.

El artículo DeepFabric lands Kenco as It scales supply chain agents apareció primero en FreightWaves.