Víctor Alonso, Director Operaciones de Veyron. Foto: cortesía. Portal ERP México.
A principios de los años 2000, Nike se encontraba en auge dentro del mercado deportivo, gracias a la idea de anticiparse al consumidor. Pero incluso los gigantes necesitan algo más: precisión.
La empresa decidió entonces apostar por un sistema avanzado de planeación de demanda. No era un ERP tradicional, sino algo más ambicioso: un motor capaz de predecir qué productos se venderían, en qué cantidades y en qué momento. Una especie de oráculo digital diseñado para optimizar inventarios, reducir costos y alinear toda la cadena de suministro.
El proveedor no era desconocido. Era una firma especializada en supply chain, con tecnología que prometía convertir datos en decisiones automáticas. El mensaje era seductor: dejar atrás la intuición humana y confiar en modelos matemáticos. El futuro, aparentemente, ya estaba resuelto.
Cuando los números pierden sentido
El sistema se implementó. Los modelos comenzaron a correr. Las predicciones empezaron a alimentar decisiones reales: producción, distribución, inventario.
Y al inicio, todo parecía funcionar. Hasta que dejó de hacerlo: Los algoritmos comenzaron a generar pronósticos que no coincidían con el comportamiento del mercado. Algunos productos (como ciertas líneas de tenis de alta demanda) se subestimaron drásticamente. Otros, menos relevantes, fueron sobreproducidos. El resultado no fue inmediato, pero sí inevitable.
Nike empezó a acumular inventario que no se vendía, mientras los productos más solicitados simplemente no estaban disponibles. Las tiendas tenían exceso de lo que nadie quería… y ausencia de lo que todos buscaban. El problema no era visible como un sistema caído. No había pantallas en negro ni errores críticos. Todo funcionaba. Solo que funcionaba mal. El sistema seguía prediciendo. La empresa seguía ejecutando. Y la desconexión entre datos y realidad crecía en silencio.
El costo de confiar sin cuestionar
El impacto finalmente salió a la superficie. Nike reportó pérdidas cercanas a los 100 millones de dólares, derivadas de exceso de inventario, ventas perdidas y desajustes en su cadena de suministro. La caída en ingresos vino acompañada de una disminución en el valor de la empresa en el mercado.
La narrativa cambió rápidamente. Lo que había sido presentado como una ventaja competitiva se convirtió en un problema operativo de escala global. Internamente, la pregunta no era si el sistema falló… sino por qué nadie lo cuestionó a tiempo.
Porque el verdadero error no fue el algoritmo. Fue asumir que el algoritmo entendía el negocio mejor que las personas. Nike no perdió el control de su operación de un día para otro. Lo cedió, poco a poco, cada vez que decidió confiar más en el modelo que en la realidad.
Lecciones desde el error
Los sistemas predictivos no sustituyen el criterio humano. Pueden procesar datos, pero no entienden contexto, tendencias emergentes ni comportamiento real del consumidor si no están bien gobernados.
Un modelo mal calibrado no se equivoca de forma evidente; se equivoca de forma consistente. Y esa consistencia es lo que lo vuelve peligroso.
Automatizar decisiones sin mecanismos de validación es delegar el negocio a una lógica que no se cuestiona a sí misma.
La tecnología avanzada amplifica tanto aciertos como errores. Si la base del modelo es incorrecta, el impacto no es local… es sistémico.
Y finalmente, confiar ciegamente en los datos no es una estrategia. Es una apuesta.
Nike no dejó de ser líder. Pero por un momento, dejó de entender su propio negocio. Y en ese espacio (entre lo que el sistema decía y lo que el mercado hacía) se perdieron millones.
