Eduardo Walter Ettlin, Chief Technology & Stategy Officer en Zeetrex, repasa en una entrevista con Énfasis Logística, los hitos que marcaron esta evolución y plantea los desafíos actuales en un ecosistema cada vez más complejo, hiperconectado y exigente.
Énfasis Logística: Para entrar en contexto y comprender el presente ¿Cómo inicio su camino la tecnología ERP?
Eduardo Walter Ettlin: Quienes llevamos más de tres décadas en el mundo de la tecnología de la información hemos sido testigos de una transformación radical. Recuerdo perfectamente, a finales de los 90, un panorama empresarial fragmentado. Cada departamento era un feudo con su propio sistema monolítico, una caja negra de información inaccesible para el resto de la organización. Finanzas tenía su software, Ventas el suyo, y Producción operaba en otro universo digital. Acceder a una visión consolidada del negocio era una odisea que implicaba exportaciones manuales, cruces de datos en hojas de cálculo y una enorme dosis de paciencia. Los silos de información no eran un concepto teórico, eran el principal obstáculo para la agilidad y la toma de decisiones estratégicas.
É. L.: El efecto Y2K marcó un antes y un después en la tecnología empresarial. ¿Cómo ese desafío inesperado impulsó la transformación de los sistemas y dio lugar al auge del ERP?
- W. E.: El cambio de milenio trajo consigo una amenaza que, si bien apocalíptica en sus predicciones, actuó como el mayor catalizador de modernización tecnológica de la historia: el efecto Y2K. El temor a que los sistemas colapsaran por no poder procesar el año 2000 forzó a las empresas a una reconversión masiva.
Fue en este contexto que los sistemas de Planificación de Recursos Empresariales (ERP, por sus siglas en inglés) vivieron su época dorada. La promesa era revolucionaria: un único sistema, un modelo de datos centralizado y compartido para toda la compañía. La idea de que el dato de una venta estuviera disponible en tiempo real para finanzas, logística e inventario era un sueño hecho realidad. Además, los ERP no solo ofrecían tecnología, sino también la incorporación de «mejores prácticas» y procesos de negocio probados que prometían optimizar las operaciones.
La implementación, sin embargo, fue una tarea titánica. Recuerdo proyectos de años, con una enorme resistencia al cambio por parte de los usuarios, que veían cómo sus procesos de toda la vida debían adaptarse a la rigidez del nuevo sistema. A pesar de las dificultades, el salto cualitativo fue innegable. Por primera vez, muchas empresas tuvieron una fuente única de la verdad.
É. L.: Como nació el Business Intelligence. ¿Qué paso con los datos en aquel remoto inicio?
- W. E.: Con los ERP como columna vertebral, las organizaciones comenzaron a acumular un volumen de datos sin precedentes. La información estaba ahí, integrada y estructurada. Pero pronto surgió un nuevo desafío: ¿cómo transformar esa montaña de datos en conocimiento accionable?
Así nació el auge de las herramientas de Business Intelligence (BI). Los cubos OLAP, los dashboards y los informes analíticos se convirtieron en el puente entre los datos transaccionales del ERP y la necesidad de análisis de la gerencia. El objetivo ya no era solo operar eficientemente, sino entender el porqué de los resultados, identificar tendencias y prever escenarios.
É. L.: Iniciaba la cuarta revolución industrial. Y los ERP fueron parte de este movimiento. Nubes, Hiperconectividad y Silos….nuevos silos. ¿ Cómo nos referimos cuando hablamos de nuevos silos
- W. E.: Hoy, ese ecosistema ha vuelto a evolucionar. Los ERP monolíticos y rígidos han dado paso a plataformas modulares, flexibles y, mayoritariamente, basadas en la nube (Cloud ERP). La integración ya no es solo interna; ahora es fundamental conectar el ERP con un universo de aplicaciones especializadas (CRM, SCM, HRM, plataformas de e-commerce, etc.) a través de APIs.
Paradójicamente, esta especialización ha creado una nueva generación de silos. Si bien los datos pueden estar más conectados, a menudo residen en diferentes nubes y plataformas, cada una con su propia lógica y estructura. El silo ya no es el departamento, sino la aplicación específica. La integración sigue siendo un desafío, aunque ahora a un nivel de API y servicios web.
Entonces, ¿siguen existiendo los silos de información? Sí, rotundamente. Han mutado. Ahora tenemos silos de datos en la nube, en aplicaciones SaaS (Software as a Service) y en sistemas legacy que aún sobreviven. La lucha contra la fragmentación de la información está lejos de terminar.
É. L.: ¿Hacia qué modelo evoluciona la gestión de datos en el sector logístico?
- W. E.: La conversación actual está dominada por la Inteligencia Artificial (IA). Los nuevos desafíos y promesas se integran en este ecosistema de la siguiente manera:
- Automatización Inteligente de Procesos: La IA no solo automatiza tareas repetitivas, sino que aprende de ellas. Dentro del ERP, esto se traduce en la automatización de la conciliación de facturas, la optimización de niveles de inventario basada en predicciones de demanda o la planificación inteligente de la producción.
- Análisis Predictivo y Prescriptivo: El BI tradicional nos decía qué pasó. La IA nos dice qué va a pasar (análisis predictivo) e incluso qué deberíamos hacer al respecto (análisis prescriptivo). Un ERP moderno con capacidades de IA puede, por ejemplo, alertar sobre un posible riesgo en la cadena de suministro y sugerir proveedores alternativos antes de que el problema ocurra.
- Interfaces Conversacionales: La forma de interactuar con los sistemas está cambiando. En lugar de navegar por menús complejos, un gerente podrá preguntar en lenguaje natural: «¿Cuál fue nuestro margen de beneficio por línea de producto en el último trimestre y cuál es la proyección para el siguiente?».
Los nuevos desafíos para las organizaciones son tan complejos como las propias tecnologías:
- Calidad y Gobernanza del Dato: La IA es tan buena como los datos que la alimentan. La existencia de silos, la inconsistencia de los datos y la falta de una estrategia de gobernanza clara son el principal freno para aprovechar su potencial.
- Integración y Complejidad Tecnológica: Gestionar un ecosistema híbrido (on-premise, múltiples nubes, aplicaciones SaaS) requiere nuevas habilidades y una arquitectura de integración robusta.
- Talento y Cambio Cultural: Las empresas necesitan personal con habilidades analíticas y de IA. Además, deben fomentar una cultura que confíe en las decisiones basadas en datos y esté dispuesta a adaptar sus procesos a las nuevas capacidades tecnológicas.
- Seguridad y Ética: La centralización de datos y el uso de algoritmos de IA plantean importantes cuestiones sobre la seguridad de la información y el uso ético de los datos y las predicciones.
En definitiva, el viaje que comenzó con la simple necesidad de compartir datos entre departamentos nos ha llevado a un punto en el que buscamos que esos datos piensen y nos aconsejen. La tecnología ha cambiado, pero el objetivo final sigue siendo el mismo: Eliminar las barreras que nos impiden tener una visión única y coherente del negocio para ser más eficientes y competitivos. La lucha contra los silos continúa, aunque ahora en un campo de batalla mucho más sofisticado.
