La multinacional energética Repsol ha puesto en marcha un sistema basado en inteligencia artificial capaz de predecir qué productos se venderán en las tiendas de sus estaciones de servicio y de proponer automáticamente los pedidos de reposición. El modelo, que ya funciona en unas 900 gasolineras de las más de 3.300 que forman su red en España, alcanza un nivel de acierto del 85%, mientras que un 14% adicional de las tiendas acepta la selección del algoritmo aunque ajusta las cantidades. Es una apuesta clara de la compañía por digitalizar la gestión operativa de su negocio minorista y liberar tiempo de los empleados para que se centren en la atención al cliente.
El origen del proyecto tiene que ver con una queja recurrente de los propios gerentes: dedicaban demasiado tiempo a las tareas administrativas de gestión de inventario. Cada estación maneja más de 1.000 referencias distintas —desde bebidas y snacks hasta productos de limpieza o accesorios para el coche— y realiza entre dos y tres pedidos por semana. Multiplicado por centenares de establecimientos, el volumen de decisiones de aprovisionamiento es enorme. Celina Díez, subdirectora de Punto de venta del área de Cliente de Repsol, reconoce que fueron los encargados quienes señalaron que esta labor les consumía un tiempo valioso que preferirían dedicar a mejorar la experiencia en tienda.
Cómo funciona el sistema de pedido sugerido
El mecanismo es relativamente sencillo de cara al usuario, aunque detrás hay una maquinaria compleja. El día antes de que una estación deba lanzar su pedido habitual, el encargado recibe en su aplicación interna una lista de productos recomendados para reponer existencias. Esa lista puede aceptarla tal cual o modificarla según su criterio: la última palabra siempre la tiene el responsable de la tienda. Detrás de esa propuesta, el equipo de ciencia de datos de Repsol ha construido dos capas de modelos. La primera es un modelo de previsión de ventas, que estima qué se va a vender en cada estación concreta a corto plazo. La segunda es un algoritmo de optimización, que ajusta las cantidades para garantizar la disponibilidad de producto sin acumular exceso de inventario.
La combinación de ambas capas permite que el sistema funcione como un asistente de compra inteligente adaptado a la realidad de cada punto de venta. Gema Martínez, gerente de TI y Digital para el área Cliente de Repsol, subraya que el beneficio es doble: se libera tiempo al encargado y, al mismo tiempo, se optimiza el stock, reduciendo tanto las roturas de inventario como el excedente de mercancía.
Variables que alimentan el algoritmo
Uno de los aspectos más interesantes del sistema es la variedad de factores que tiene en cuenta para afinar sus predicciones. El histórico de ventas de cada estación es la base, pero el modelo también incorpora el calendario de festivos, las previsiones meteorológicas y los patrones de consumo específicos de cada producto. Esto significa que no aplica una fórmula genérica, sino que personaliza la sugerencia para cada gasolinera en función de su contexto particular.
El grado de sofisticación llega hasta integrar reglas de suministro avanzadas. Un ejemplo ilustrativo: en verano o en zonas costeras, el algoritmo calcula cuándo debe enviarse un pedido de bebidas frías teniendo en cuenta el tiempo de refrigeración necesario para que el cliente las encuentre a la temperatura adecuada cuando pare a repostar. Es un nivel de detalle que difícilmente podría gestionarse de forma manual con la misma consistencia en cientos de establecimientos.
En términos de escala, Repsol ejecuta diariamente alrededor de 900 modelos de previsión y otros 900 de optimización, uno por cada estación adherida al programa. El resultado mensual supera las 100.000 sugerencias de productos, una cifra que da idea del volumen operativo que el sistema absorbe.
Aprendizaje continuo y antecedentes
El modelo no es estático. Cada vez que un encargado modifica la propuesta del algoritmo y esa modificación resulta acertada, el sistema incorpora esa información para reentrenar sus modelos. Es un ciclo de retroalimentación que permite a la inteligencia artificial mejorar progresivamente sus predicciones y adaptarse a cambios en los hábitos de consumo o en las condiciones de cada zona.
Este enfoque no surge de la nada. Repsol ya había experimentado previamente con inteligencia artificial para sugerir a las estaciones de servicio los pedidos de carburante, un proyecto que demostró la viabilidad de los algoritmos predictivos en la cadena de suministro y allanó el camino para la adopción del modelo actual aplicado a los productos de tienda. La experiencia acumulada en ese primer caso de uso fue clave para que tanto el equipo técnico como los gerentes de las estaciones confiaran en el nuevo sistema.
IA generativa para la gestión de albaranes
Pero la apuesta de Repsol por la inteligencia artificial en su red de gasolineras no se limita al aprovisionamiento. La compañía está probando también un proyecto basado en IA generativa para automatizar la gestión de los miles de albaranes que llegan cada día a las estaciones. El funcionamiento es directo: el empleado hace una foto del albaraán con el móvil y el sistema identifica automáticamente los datos esenciales —fecha, proveedor, artículos, unidades entregadas— y los carga en el sistema de gestión. El trabajador solo tiene que validar el resultado final, eliminando la tediosa introducción manual de datos. Este proyecto se encuentra todavía en fase de pruebas en algunas estaciones.
El caso de Repsol ilustra una tendencia que va mucho más allá del sector energético. La aplicación de inteligencia artificial a la gestión de inventarios y cadenas de suministro es una de las áreas donde la tecnología está generando retornos más tangibles para las grandes empresas. No se trata de proyectos futuristas o especulativos, sino de herramientas que resuelven problemas operativos concretos y medibles. Según datos del INE sobre el uso de IA en empresas españolas, la adopción de estas tecnologías sigue creciendo en sectores donde la gestión de grandes volúmenes de datos es crítica.
Para los más de 25.000 empleados y colaboradores que trabajan en la red de estaciones de Repsol en España, el mensaje es claro: la inteligencia artificial no viene a sustituirlos, sino a quitarles de encima las tareas más repetitivas. La decisión final sigue siendo humana, pero la propuesta ya la elabora una máquina que aprende con cada pedido. Con un 85% de acierto y subiendo, el margen para la mejora sigue abierto, pero la dirección parece bien definida.