El Revenue Management, la técnica de gestión de herramientas para fijar precios, gestionar reservas y cerrar ventas, busca implementar y supervisar estrategias de negocio con el objetivo de maximizar los ingresos de una empresa gracias al análisis continuo de la demanda, la fijación de precios y la optimización del inventario.
En este contexto, ¿qué papel cumple o podría cumplir la inclusión de la IA en este tipo de procesos? Mientras algunas empresas ya coquetean con la IA en algunas de sus áreas, otras apuestan por su implementación que, como todo nuevo proceso, trae consigo una serie de retos.
En el marco del XI encuentro de AI Directors, organizado por la Asociación AI-Network, red que agrupa a los directivos de empresas en proceso de transformación con la AI, más de 50 profesionales de diferentes empresas y sectores, intercambiaron sus conocimientos con el fin de explorar las oportunidades y desafíos que la IA ofrece para el Revenue Management.
El desafío de implementar la IA en Revenue Management con éxito
La proliferación de la IA en el Revenue Managemet ya puede palparse, pero así también la incertidumbre de su implementación.
Mientras algunos ya se lanzan con entusiasmo, bajo la promesa de la innovación, muchos otros avanzan con cautela, temerosos ante una falta de claridad. Tal dicotomía crea ahora un escenario complejo donde la apuesta y la prudencia coexisten.
La clave para abordar esta incertidumbre podría ser una experimentación controlada y una evaluación continua de los procesos y los progresos. La definición de objetivos claros y medibles para cada iniciativa de IA, permitirá ajustar una estrategia en función de los resultados obtenidos.
Elegir la IA adecuada para cada necesidad
El debate por el modelo ideal de implementación de la IA en el Revenue Management está en pleno apogeo.
Por un lado, la IA generativa suena muy atractiva por su potencial creativo, pero aún se encuentra en sus primeras etapas del desarrollo, lo que podría convertirla en una herramienta poco adecuada para todas las aplicaciones del Revenue Management.
Y por el otro, los modelos tradicionales de Machine Learning siguen demostrando su eficacia en materia de predicción y de optimización.
La respuesta al camino correcto no es binaria, porque ambos enfoques muestran sus fortalezas y debilidades. Comprender las necesidades específicas de cada modelo de negocio es esencial para la elección de la herramienta más adecuada según cada caso de uso. Aunque también, se plantea la posibilidad de un modelo combinado que pueda sacar partido a cada negocio.
El reto de la alineación estratégica
La identificación de posibles casos de uso para la IA en el Revenue Management a menudo surge en las bases, desde los equipos que trabajan en el día a día.
Pero esto, plantea un claro problema: se detecta, cada vez más, una falta de alineación con la dirección del negocio, lo que implica la generación de una brecha que dificulta la asignación de recursos (y presupuestos).
Frente a este dilema, el consenso fue unánime: es necesario fomentar la comunicación y la colaboración entre todos los niveles de la organización.
Por un lado, la dirección debe estar abierta a las ideas que surgen desde abajo, y por su parte, los equipos deben ser capaces de justificar el valor de sus propuestas con datos y análisis concretos.
Esto trae consigo la necesidad de defender el alto coste de implementación y mantenimiento de las soluciones de IA frente al ROI que pueda producir. Además de la necesidad continua (y compromiso) de mantenerse al día con la rápida evolución de este tipo de tecnologías, lo que conlleva una actualización constante de los modelos implementados.
Gobernar el pantano de datos: la importancia de la gestión de la información
Garantizar el éxito de la IA en Revenue Management depende en gran medida de la calidad y la disponibilidad de los datos, hoy inconsistentes e incompletos. Y aunque esto suene evidente, muchas empresas se han mostrado preocupadas al enfrentarse diariamente a un “pantano de datos”, un cúmulo de información desorganizada y difícil de gestionar porque dificulta la extracción de información valiosa.
La clave es transformar esta tesitura en un terreno fértil para la IA con la implementación de una estrategia integral de la gestión de datos, que incluya la recopilación, limpieza, integración y análisis de la información, además de la integración de datos de diferentes sistemas y fuentes.
El Revenue Management necesita de datos centralizados y accesibles.
El desafío de la adaptación y el aprendizaje
Al igual que en otras industrias, la integración de la IA en el Revenue Management crea la gran duda: ¿serán los ejecutivos y personas reemplazados por las máquinas?
Si bien la IA promete un alto potencial, la amenaza no es tal: la clave es ver a la IA como una oportunidad de negocio y de capacitación.
Encontrar la manera de adaptarse a las nuevas tendencias tecnológicas y aprender a utilizarlas en propio favor, no sólo beneficiaría al capital humano, sino también a cada negocio. Esto implica la lucha interna por la resistencia al cambio y la necesidad de formación del capital humano para aprender a utilizar las herramientas de la IA de una forma efectiva.
Si la IA asumiera las tareas repetitivas, liberaría al Revenue Management a la centralización de sus recursos en las estrategias y la creatividad.
La IA tiene potencial de convertirse en un asistente inteligente, que puede a su vez proporcionar información valiosa y ser altamente efectiva en la ayuda de las tomas de decisiones que ahora estarían mucho más informadas.
Convertir el potencial en resultados
Con un entusiasmo que es innegable, es importante separar el Hype de la realidad en la implementación de la IA. Esta tecnología no es una solución mágica a los problemas del Revenue Management, pero sí puede convertirse en una herramienta poderosa, siempre que se implemente de manera cuidadosa y estratégica.
El principal éxito depende de la capacidad de las empresas (y en especial, del capital humano de cada una de ellas) para superar los retos venideros. Ya sea desde la gestión de datos, hasta incluso la adopción por parte de los usuarios; los desafíos son incontables en los casos de usos y en la alineación estratégica.
Con un futuro que parece prometedor, es importante una aproximación prudente, basada en datos y sobre todo medible, que permita a los ejecutivos poder demostrar el potencial.
Bajo el lema Inteligencia Artificial en Revenue Management: optimización de precios, riesgos y fraude, el evento contó con la ponencia de Francisco Huidobro, director de servicios digitales, quien se enfocó en cómo la IA no solo mejora los ingresos y márgenes, sino que también tiene un impacto directo en la rentabilidad del negocio.
Por su parte, Zaira Pérez, directiva de marketing digital, y Rubén Sánchez Delgado, Project Manager en decide4AI, compartieron su experiencia y casos de éxito sobre cómo la IA aumenta el crecimiento estratégico en restauración y el comercio electrónico.