La integración de tecnología al servicio de los objetivos ESG (environmental, social and governance) se ha convertido en uno de los aspectos clave del actual panorama empresarial. Es la palanca que hace posible la generación de valor, la obtención de una ventaja competitiva y diferenciadora en el mercado y, por supuesto, cumplir con la normativa.
La digitalización y los criterios ESG son dos conceptos que deben caminar de la mano para seguir avanzando en ámbitos como la transparencia, la eficacia y la rentabilidad corporativa.
Esto es algo de lo que las empresas españolas son cada vez más conscientes y, de hecho, los datos así lo avalan: según las conclusiones del último índice de digitalización DESI (Digital Economy and Society Index), desarrollado por la Unión Europea, el 76% de las organizaciones ha integrado las TIC con el objetivo de obtener mejores resultados de sostenibilidad ambiental.
Evaluar al proveedor
No hay que olvidar que gran parte del impacto de sostenibilidad se encuentra en la gestión de la cadena de suministro, y la introducción de tecnología —en particular de la relacionada con la IA, con su poder transformador y a veces disruptivo— puede ser la palanca que consiga evitar los riesgos inherentes a los stakeholders involucrados en ámbitos como la búsqueda de materias primas o su posterior transformación, fabricación, transporte y entrega al consumidor final. Todo ello, lógicamente, desde la selección inicial del proveedor y la evaluación del riesgo dependiente de su categoría/país, hasta la entrega final del bien.
El cumplimiento ESG exige conocer de forma completa todas las fases de la cadena y el “comportamiento” de cada uno de los actores que la conforman. Esta es la razón por la que, en la actualidad, el 98% de los CPO (chief product officer) incluyen medidas de sostenibilidad en las evaluaciones de proveedores.
Las tecnologías relacionadas con la IA permiten ir mucho más allá, hacia la evaluación global del riesgo proveedor
La homologación de proveedores sigue siendo un proceso fundamental para garantizar que se cumple con los criterios ESG. Esto conlleva, para cada uno de los proveedores, validar la documentación puramente empresarial junto a otra que acredite sus capacidades: fundamentalmente la acreditación de disponer de certificaciones ISO adecuadas al ámbito de actividad.
Este proceso de homologación requiere muchas horas de trabajo y personal entrenado para revisar, clasificar, validar y extraer información de la documentación aportada por cada proveedor. No basta con catalogar cada proveedor como homologado o no para una serie de actividades específicas: esa información, además, ha de quedar bien configurada y disponible para que —en todos los procesos de compra— se pueda utilizar para tomar decisiones adecuadas que minimicen el riesgo.
Veamos un ejemplo: una gran empresa cuenta con cerca de 10.000 proveedores que hay que homologar. Si cada proveedor aporta entre ocho y diez documentos, esto puede significar entre 4000 y 5000 horas efectivas de trabajo para la validación.
Más allá de la validación automática
En esta situación, mediante la IA se pueden reducir esas horas en hasta un 90%. Además, existen otros beneficios, como la coherencia de los resultados o la integración automática con la plataforma de compras o con el sistema ERP. Los beneficios no se quedan ahí, pues la IA puede ir mucho más allá, hacia la evaluación global del riesgo proveedor.
Aunque la homologación es un paso imprescindible para limitar el riesgo proveedor, no es el único y, además, tiene sus limitaciones: proporciona un buen punto de partida, pero la información periódica en la que se basa no se actualiza en tiempo real.
Las certificaciones (oficiales, de aptitud y económicas) suelen tener períodos largos de validez (generalmente un año). Estos plazos tan largos suponen que, en ocasiones, la evaluación quede desfasada. Puede haber cambios importantes debido a acontecimientos intrínsecos al propio proveedor (concursos de acreedores, huelgas, etc.) o ajenos a él, como crisis políticas, desastres naturales, etc.
Muchas veces, esta información está disponible —en tiempo real— en los medios y en las redes sociales, y debe tener influencia en una evaluación del riesgo, ya que condiciona —de forma fundamental— la documentación que aporta el proveedor.
Evaluar la cadena de suministro
La plataforma de Fullstep, de desarrollo propio, consigue esta información —en tiempo real— sobre los proveedores publicada en los medios de comunicación de todo el mundo. Después se utilizan técnicas de análisis de sentimiento para obtener la polaridad de cada noticia y su influencia (positiva o negativa) sobre el riesgo. Finalmente, esta información y evaluación en tiempo real se une al resto de las fuentes disponibles.
Es importante que esta captura continua se incorpore a los modelos de evaluación de riesgo, basándose en variables económicas, operativas (evaluación del desempeño) y de ESG, añadiendo también la información de riesgo país y de crisis de diferentes tipos como un condicionante clave.
Automatizar la validación
Pero, para ello, resulta imprescindible automatizar —con herramientas inteligentes— la validación y la extracción de datos para homologar proveedores. De igual forma, es clave la capacidad de incorporar todas las fuentes de información disponibles en modelos de riesgo que reúnan variables económicas, de desempeño histórico del proveedor y de cumplimiento ESG. Esto ofrecerá a las organzaciones una visión completa y monitorizada —en tiempo real— del riesgo proveedor.
Los modelos de aprendizaje automático avanzados (deep learning) son una pieza clave en los avances disruptivos que se están desarrollando en este sentido. Ellos nos permitirán alcanzar los necesarios niveles de automatización inteligente sin renunciar a un ápice de calidad y exigencia.
Veámoslo en contexto: la evaluación de proveedores contempla cuatro variables de riesgo: el económico, el operacional, el relacionados con el compliance y el ESG. Parte de estas variables se evalúan a través de certificados proporcionados por el propio proveedor que, con las técnicas de validación y extracción —y basándonos en modelos LLM para interpretación de textos—, hemos conseguido automatizar completamente.
Hay otras variables que se evalúan a partir de los resultados operacionales del proveedor en la propia plataforma, o a partir de fuentes de información externa.
Por su parte, la IA interviene en algunas de las fases ligadas al proceso de evaluación del riesgo, tales como:
- El análisis del sentimiento para obtener la polaridad de las noticias publicadas sobre el proveedor (factor tiempo real incluido en el sistema) o sobre el entorno geográfico y político (crisis políticas, climáticas, etc.).
- La interpretación de textos en la validación de certificados, para lo cual se emplean modelos LLM de IA generativa.
- La analítica predictiva para aunar toda la información de las variables en una valoración global de riesgo proveedor.
