Cómo aprovechar la IA sin comprometer la seguridad de tu empresa de moda

¿Cómo puede la Inteligencia Artificial (IA) impulsar la fidelización de clientes? ¿Puede minimizar el hurto en tiendas? ¿Cuáles son los mejores prompts? ¿Qué tan segura es la IA y cuáles son sus limitaciones? Estas y otras preguntas fueron el centro de debate en una jornada dedicada a la inteligencia artificial (IA) organizada por el centro digital alemán para las Pequeñas y Medianas Empresas (PYMES), con un enfoque en el retail, el 11 de febrero de 2025. FashionUnited ha resumido las principales conclusiones.

Philipp Hübner, jefe de proyecto para la investigación de e-commerce, presentó el informe técnico del EHI Retail Institute titulado “IA y Fidelización de Clientes en el Retail”, basado en una encuesta a 232 responsables de la toma de decisiones. Se les preguntó, por ejemplo, si es más fácil retener a los clientes existentes o adquirir nuevos (el 63.6 por ciento afirmó lo primero), y qué factores influyen en la fidelización de clientes. También comentaron sobre las áreas donde ven el mayor potencial para la IA.

IA y fidelización de clientes en el retail

Los encuestados provenían de doce sectores diferentes, con un 15.5 por ciento del sector de la moda y los accesorios y un 1.3 por ciento de los grandes almacenes o centros comerciales (0.4 por ciento). De los 232 responsables de la toma de decisiones, 105 eran miembros de la junta directiva y directores generales de 179 empresas minoristas con una facturación neta estimada de 111 mil 600 millones de euros.

Una parte significativa del estudio se centró en el uso de la IA para aumentar la fidelización de clientes. Si bien más de la mitad (55.2 por ciento) de los encuestados considera que la IA es “muy útil”, solo alrededor de una quinta parte (19.8 por ciento) confirmó que su empresa ya utiliza la IA para aumentar la fidelización de clientes. El resto está planeando usarla (54.2 por ciento) o no (26 por ciento).

“La gestión de los clientes existentes es una tarea central para los responsables de la toma de decisiones en el retail. La mayoría de las empresas confían en un programa de fidelización, y el sector minorista ve un gran potencial en el uso de la IA para aumentar la fidelización de clientes”, resumió Hübner. Los mejores usos mencionados fueron el marketing directo personalizado, la fijación de precios, las ofertas especiales y los descuentos, los programas de fidelización y los análisis y pronósticos del comportamiento del cliente.

Cómo escribir buenos prompts de IA

Klaus Kaufmann, formador de IA en la división de redes de valor del centro digital, abordó el tema del "prompting", es decir, cómo formular instrucciones o consultas específicas y precisas para lograr un resultado particular. Se refirió al acrónimo SPRICH (“hablar” en alemán) para aprovechar al máximo los prompts de IA, porque “cuanto más general es la pregunta, más general es la respuesta”. SPRICH significa:

• Situación, es decir, el contexto
• Presentación: en qué formato debe estar el resultado
• Rol, es decir, la *persona*
• Instrucción: la tarea
• Carácter: la tonalidad
• Pistas, por ejemplo, una muestra de entrada

Por lo tanto, un prompt exitoso debería ser mucho más que una oración, describiendo un rol y dando una idea concreta de cómo debería ser el resultado final.

Uso de la IA para reducir la pérdida de inventario

Una contribución interesante de Frank Rehme abordó un tema aún relevante: el hurto en tiendas. El director general del centro digital ha asistido a la feria National Retail Federation (NRF) en Nueva York anualmente durante muchos años. Hace ocho años, notó la innovación de una startup que simplemente puso en línea muchas horas de metraje de las cámaras de vigilancia de los supermercados. Los interesados podían registrarse, ver las grabaciones e informar sobre los robos. A cambio, recibían puntos en una cuenta virtual.

“Funcionó bien; muchas personas participaron y querían jugar a ser detectives de la tienda”, recordó Rehme. Se registraron ciertos patrones de comportamiento evidentes: “por ejemplo, cuando alguien escondía algo en su ropa, sostenía un producto cerca de su cuerpo, metía algo en una mochila, un cochecito o un casco, escondía el carrito de compras, compraba muchos artículos iguales a la vez o consumía alimentos en la propia tienda”.

Estos patrones de comportamiento identificados manualmente se utilizaron luego para entrenar a la IA. A la IA se le encomendó la tarea de detectar robos a partir de una multitud de ventanas de cámaras de vigilancia en una pantalla, que son difíciles de evaluar para los humanos todos a la vez. “La IA divide la imagen en colores, y los colores cambian cuando detecta algo sospechoso. Esto se registra y termina en la app de un empleado, quien luego puede verificarlo en la tienda”, explicó Rehme.

Esto implica alertas de vídeo y un panel de control, hardware “pequeño” que se puede integrar en una infraestructura de cámara existente. “Esta es una solución muy eficiente. Las cámaras de vigilancia existen desde hace décadas, y equiparlas con IA es factible también en Alemania y Europa”, dijo Rehme.

El experto concluyó mencionando el caso de estudio de una gran cadena minorista con más de mil tiendas que probó este sistema sin su propio personal de seguridad en las tiendas del aeropuerto, confiando únicamente en cámaras con IA y seguridad aeroportuaria. “El resultado después de seis meses fue asombroso: se detectaron 84 casos y se identificaron 12 reincidentes. Se desmantelaron dos redes de tráfico de bienes robados y se recuperaron un total de 150 mil dólares estadounidenses en inventario. La empresa obtuvo un retorno de la inversión de 50 veces”.

La IA no es una cura milagrosa

Martin Talmeier, jefe de proyecto y lead coach del centro digital, advirtió que la IA por sí sola no salvará a las empresas. “La IA por sí sola es completamente inútil. Necesita absolutamente el ingrediente mágico, el combustible, para lograr grandes cosas para ti. El combustible mágico son los datos”, dijo el experto. Y si estos datos son caóticos o poco claros, la IA no será el salvador.

“Existe una gran esperanza entre las empresas de que la IA pueda resolver lo que se ha dejado sin hacer, pero existen muchas limitaciones. Una es que el conocimiento de los LLM (Large Language Models, la tecnología que impulsa las herramientas de IA como ChatGPT) proviene de Internet. Y como sabemos, mucha información inútil también proviene de allí”, advirtió Talmeier. El conocimiento interno y específico de la empresa, por ejemplo, no está en Internet y no debería estarlo.

Sin embargo, si simplemente introduces la IA en el conjunto de datos internos de una empresa, no tiene idea de qué hacer con ellos. “Existe la esperanza: la IA limpiará, pero no funcionará sin hacer los deberes. Primero tienes que involucrarte tú mismo”, explica Talmeier. El experto recomienda establecer una estrategia de datos, es decir, un plan sobre cómo se deben recopilar, almacenar y analizar los datos, o un inventario: “¿Qué tenemos, qué queremos?”.

Actualmente, solo el 36 por ciento de las PYMES alemanas tienen una estrategia de datos implementada, y solo el 29 por ciento utiliza la gestión de datos estructurados, es decir, la organización y gestión de datos en un formato claramente estructurado. Sin embargo, esta es la base para hacer que los datos sean accesibles, analizables y utilizables, según Talmeier. “El 82 por ciento de los directores generales de las PYMES afirman la importancia de los datos. Existe una gran discrepancia entre lo que uno hace y lo que uno quiere”.

A continuación, Talmeier habló sobre la economía de datos, es decir, el uso económico de los datos para crear valor. “El potencial de creación de valor de la economía de datos solo en Alemania se estima en 425 mil millones de euros en los próximos dos o tres años”.

Esto se basa en la consideración de que el 80 por ciento de los datos no están estructurados. “Sin embargo, esto no es un problema para la IA. Los datos que hemos descuidado hasta ahora son lo mejor para la IA. Una vez que los hayamos clasificado en carpetas, categorías, etc., es posible que hayamos pasado por alto algo que habría sido importante en el futuro”, advierte el experto, añadiendo que “una máquina puede clasificar datos no estructurados, pero solo el 18 por ciento de las PYMES ya están utilizando este tesoro de datos”.

 

 

¿Qué impide a las empresas utilizar sus datos?

Un obstáculo para muchos son las leyes de protección de datos. “Sin embargo, no están destinadas a prohibir las transacciones comerciales, sino que funcionan como barreras de protección”, señaló Talmeier. Además, existen costos de cumplimiento, directrices internas, incertidumbre en la interpretación, responsables de la protección de datos y normativas legales en lo que respecta al uso de datos personales, todos ellos obstáculos para las empresas.

“Se aplican los principios de limitación de la finalidad (para qué se necesitan los datos), minimización de los datos (los datos no pueden utilizarse de forma indiscriminada) y transparencia”, afirmó Talmeier. Sin embargo, la IA debe controlarse, para lo cual propone un plan de tres etapas “para extraer el tesoro de los datos”. Esto incluye una fase de estrategia en la que se define el objetivo. El segundo paso es el análisis de datos, es decir, un inventario: ¿qué datos están disponibles dónde y cómo, qué tan actuales son y de qué calidad? La tercera etapa debería ser un proyecto piloto a pequeña escala que sea “manejable pero beneficioso”, como un análisis de las quejas de los clientes, el desarrollo de carritos de compras, etc.

Limitaciones de la IA

El especialista en seguridad informática y autoproclamado white hacker Robert Boehme abordó las limitaciones de la IA. Por ejemplo, no puede realizar cálculos y debe ser entrenada para usar una calculadora incluso para tareas aritméticas simples. Lo que sí puede hacer es derivar métodos de cálculo y fórmulas. Asimismo, todos los modelos de IA tienen “lagunas de memoria”, lo que significa que falta algo. La propia IA no se da cuenta de esto; simplemente hay una laguna, pero al menos las lagunas son estables, lo que significa que siempre están en el mismo lugar, de modo que se puede hacer algo al respecto.

También hay que tener en cuenta que la IA tiene sesgos. Por ejemplo, si simplemente se introduce “Herbert o Michael” o “Michael o Herbert” en una herramienta de IA, se obtendrá uno de los dos nombres, y el primer nombre aparecerá con más frecuencia si se hace esto varias veces. Así que esto es un sesgo. Si introduces el prompt miles de veces, “Michael” volverá con más frecuencia porque el nombre es más común en los países de habla inglesa que “Herbert”, y la IA se alimenta con muchos datos de entrenamiento en inglés.

Según Boehme, por lo tanto, hay que tener tres cosas en cuenta al utilizar la IA:

• Es brillante y, sin embargo, no tiene ni idea.
• La IA es extremadamente segura de sí misma, aunque no tenga ni idea.
• La IA es extremadamente poderosa.

Este artículo fue publicado originalmente en FashionUnited.COM, y posteriormente traducido del inglés al español usando una herramienta de inteligencia artificial.

FashionUnited ha implementado herramientas de inteligencia artificial para agilizar la traducción de artículos entre nuestras plataformas, pues contamos con una red global de periodistas activos en más de 30 mercados, ofreciendo inteligencia empresarial y los contenidos más recientes en 9 idiomas.

Esto permite que nuestros periodistas puedan dedicar más tiempo a la investigación y redacción de artículos originales.

Los artículos traducidos con ayuda de IA son siempre revisados y editados por un editor humano antes de su publicación. Si tienes preguntas o comentarios sobre este proceso, escríbenos a info@fashionunited.com