Forecasting Inteligente en Supply Chain Management

Público objetivo

Dirigido a profesionales de Supply Chain, planificación de demanda, compras, logística e inventarios que buscan incorporar Inteligencia Artificial Generativa a sus procesos de forecasting y toma de decisiones. También resulta ideal para analistas y consultores que trabajan con datos y desean potenciar sus capacidades de análisis predictivo y planificación.

Sobre el curso

IA Generativa del dato a la decisión
Aprende a integrar la IAG en tus procesos reales de forecast de demanda — desde la preparación de datos hasta modelos avanzados con IA.

Este curso te enseña a aplicar la Inteligencia Artificial Generativa de forma práctica y efectiva en los procesos de forecasting dentro de la Supply Chain Management. Trabajarás con datos de consumo masivo por su versatilidad, herramientas de IAG accesibles — independientemente de la plataforma que uses — y modelos de forecast que van desde los clásicos estadísticos hasta los más avanzados.

El enfoque es completamente operativo: cada sesión combina fundamentos teóricos con ejercicios hands-on, para que puedas empezar a implementar lo aprendido desde el primer día en tu organización. El curso incluye un archivo de práctica con registros de consumo masivo, con regresores externos como opiniones en redes sociales, índices o aumentos de precio o clima.

Lo que vas a aprender

1. Diseñar prompts estructurados y avanzados (Zero-Shot, Few-Shot, Chain of Thought, Tree of Thoughts) aplicados al análisis de demanda y series de tiempo.
2. Preparar, limpiar y enriquecer datos de ventas con IAG, incluyendo detección de valores atípicos, imputación y validación de series históricas.
3. Seleccionar y aplicar el modelo de forecast correcto según el perfil de la demanda: promedios móviles, SES, Holt-Winters, ARIMA, SARIMA, Prophet y modelos de machine learning.
4. Evaluar y comparar la precisión de modelos con las métricas fundamentales, KPIs de error (MAE, MAPE, RMSE, AIC/BIC) e interpretar resultados con IAG como copiloto analítico.
5. Incorporar regresores externos al forecast: temperatura, opiniones en redes sociales, eventos promocionales e índices de precio competidor.
6. Implementar RAG (Generación Aumentada por Recuperación) con NotebookLM, Claude Projects o Google Gems para enriquecer el análisis.
7. Comunicar el forecast al negocio: reportes S&OP automáticos, escenarios de planificación y presentaciones ejecutivas generadas con IAG.
8. Comprender cómo los Agentes de IA se integran con los flujos de forecasting y trazar una hoja de ruta personal de implementación.

Contenidos y módulos

• Sesión 1 - El forecasting y la IAG como copiloto
• Sesión 2 - De los datos al modelo: preparación y modelos clásicos
• Sesión 3 - Modelos avanzados y RAG: forecast aumentado
• Sesión 4 - Del forecasting a la decisión: S&OP, agentes y hoja de ruta

Equipo docente

• Ing. Jorge Aballay
  

  Ingeniero Industrial (UBA), CPIM (APICS), CSCP (APICS/SCC), ITIL.