Empleo
Los grandes modelos de lenguaje replican estrategias humanas al negociar precios y cantidades de productos dentro de la cadena de suministro
INVESTIGACIÓN LOGÍSTICA
Por Samuel N. Kirshner, Yiwen Pan, Jason Xianghua Wu y Alex Gould
La inteligencia artificial puede negociar casi como las personas. Investigadores de la Universidad de Nueva Gales del Sur (Australia) y la Universidad de Zhejiang (China) realizaron una serie de experimentos en los que distintos sistemas de IA actuaron como proveedores y minoristas, llegando a acuerdos sobre los precios y cantidades de productos. Las conclusiones del estudio reflejaron comportamientos sorprendentemente humanos, con una diferencia notable: las máquinas mostraron una mayor disposición a cerrar acuerdos, lo que podría aportar más eficiencia en las cadenas de suministro, aunque tendían a favorecer a unos participantes sobre otros.
En toda cadena de suministro intervienen más factores que fábricas, almacenes y medios de transporte. También se producen negociaciones en las que se decide no solo cuánto se compra y a qué precio, sino quién asume los riesgos y cómo se reparten los beneficios.
Durante años, los investigadores han estudiado cómo se comportan las personas en los intercambios financieros y cómo sus decisiones condicionan el éxito de la logística. Los acuerdos dependen tanto de los números como de las relaciones humanas: la confianza, la comunicación y el ritmo del intercambio de información. Pequeños detalles ─como los datos que cada parte decide compartir o la rapidez con que responde a una oferta─ pueden inclinar la balanza entre un resultado u otro.
Automatizar los procesos de negociación mejora el rendimiento de toda la cadena de suministro
Hasta hace poco, se consideraba que las negociaciones eran imposibles de automatizar, pero los grandes modelos de lenguaje (LLM, por sus siglas en inglés) han empezado a incorporarse en estos procesos. Su capacidad para razonar, planificar y adaptarse a distintos contextos les permite intervenir en conversaciones complejas, en las que se equilibran intereses y se aplican estrategias para alcanzar acuerdos.
Diseño del estudio sobre negociaciones con IA
Para evaluar hasta qué punto los LLM pueden negociar como las personas en una cadena de suministro, los investigadores de la Universidad de Nueva Gales del Sur (Australia) y la Universidad de Zhejiang (China) diseñaron una serie de experimentos en los que agentes de IA asumieron el rol de proveedores y minoristas.
“Nos basamos en un experimento de la Universidad Cornell y la Universidad de Texas en Dallas, en el que grupos de minoristas y proveedores negociaron la cantidad de productos y el precio sin saber con certeza la demanda. En nuestro caso, sustituimos a las personas por agentes de IA. Comparamos los diálogos entre los humanos y la IA, y exploramos técnicas para mejorar el rendimiento”, explican los investigadores, interesados en saber hasta qué punto estas herramientas pueden replicar u optimizar las dinámicas empresariales.
La investigación puso a prueba si la inteligencia artificial puede negociar como un ser humano dentro de la cadena de suministro
El experimento consistió en agrupar los LLM en ocho equipos de seis miembros (tres proveedores y tres minoristas) que deliberaban mientras los precios y los costes se modificaban aleatoriamente en cada fase. Tras varias rondas, se calculó el promedio de cada métrica ─como los beneficios o la eficiencia del sistema de abastecimiento─, y los resultados se compararon con los obtenidos por los participantes humanos en el estudio original.
Los LLM en las negociaciones
Los modelos extensos de lenguaje están empezando a cambiar la manera en que trabajan las empresas. Aunque su aplicación más visible se da en áreas como el marketing o la atención al cliente, también están ganando terreno en otros sectores gracias a su capacidad para automatizar tareas y respaldar la toma de decisiones inteligentes.
Uno de los avances más prometedores es su participación en las relaciones empresariales, automatizando flujos de trabajo como los diálogos con proveedores o la revisión de documentos legales. Al reducir la intervención humana en este tipo de tareas, se aumenta la flexibilidad y la eficiencia. En los casos más avanzados, los grandes modelos de lenguaje establecen los términos de un contrato de forma autónoma con otros agentes de IA.
“Parte del desempeño de los LLM en las negociaciones se debe a su capacidad para seguir las normas, aprender de los errores y mejorar sus estrategias a medida que acumulan experiencia. Para lograrlo, aprovechan la información de conversaciones anteriores y la usan como referencia”, afirman los responsables del estudio.
Sin embargo, para que los LLM lleguen a un acuerdo, su comportamiento debe ser comprensible y coherente, es decir, similar al de una persona. Esto resulta especialmente relevante en la cadena de suministro, donde conviene analizar cómo la información que comparten los agentes de IA influye en el resultado.
Mejores pactos en la cadena de suministro
En las pruebas de este estudio se observó que el comportamiento de los LLM es, en general, similar al de los humanos: ambos utilizan reglas simples para decidir cuándo ofrecer y cuándo ceder. En las personas, estas decisiones se basan en la experiencia o la intuición. La tecnología, en cambio, se apoya en patrones de lenguaje aprendidos durante su entrenamiento para generar respuestas y estrategias que reproducen el funcionamiento de un diálogo comercial real.
Sin embargo, negociar con agentes de IA resulta más eficiente que hacerlo únicamente entre personas. Los investigadores atribuyen este efecto a su mayor predisposición a pactar: "las máquinas están programadas para formalizar un trato antes que quedarse sin ninguno". Esta tendencia puede estar relacionada con la forma en que se entrenan los modelos de IA, en particular mediante el aprendizaje por refuerzo a partir de comentarios humanos (Reinforcement Learning with Human Feedback, o RLHF). Este método enseña a la IA a responder de manera adecuada premiando los comportamientos positivos y conciliadores frente a los negativos. Esto puede llevar, sin pretenderlo, a que los sistemas de IA adopten una actitud más complaciente durante las negociaciones. Por ello, desde el punto de vista de la gestión empresarial, los autores subrayan la importancia de supervisar con un enfoque estratégico el uso de estos agentes de IA en situaciones reales.
Según los investigadores, la predisposición de los LLM a alcanzar consensos puede hacer la red de suministro más eficiente, si bien no siempre beneficie a todos por igual. Encontrar un equilibrio entre rendimiento y distribución justa de las ganancias es esencial para las compañías que decidan incorporar agentes de IA en sus cadenas de suministro. Además, la facilidad con la que la tecnología acepta acuerdos puede dar lugar en ciertos casos a que algunas partes obtengan condiciones más ventajosas.
Negociar con LLM en la cadena de suministro es más eficiente que cuando los humanos lo hacen solos
En este punto del experimento surgió otra cuestión: si las máquinas se desenvuelven tan bien en una negociación, ¿podrían también ser manipuladas? El estudio plantea que, a pesar de existir un amplio debate sobre los riesgos de que la IA engañe a los humanos, también ocurre lo contrario: mentir a los sistemas de IA altera la equidad de los pactos.
Proporción de beneficios que obtienen los proveedores en las negociaciones de la cadena de suministro
Cuando producir resulta más barato, los proveedores obtienen una mayor rentabilidad. Pero si los costes aumentan, el margen se estrecha, sobre todo cuando interviene la inteligencia artificial, ya que los LLM suelen aceptar acuerdos menos beneficiosos. Cuando todos comparten los datos, las personas y la IA negocian mejor. Pero los LLM empeoran la productividad cuando las cifras se mantienen en secreto.
Los LLM transforman los acuerdos comerciales
En la cadena de suministro del futuro, las decisiones de negocio ya no dependerán solo de la intuición o la experiencia humana. La inteligencia artificial se perfila como un nuevo interlocutor capaz de optimizar resultados.
Los grandes modelos de lenguaje han abierto la puerta a nuevas posibilidades para automatizar los procesos empresariales. “A medida que las compañías crecen, la toma de decisiones se vuelve más compleja. Las grandes corporaciones que gestionan miles de contratos pueden apoyarse en agentes de IA para ganar eficiencia mientras que, para las startups, delegar las negociaciones constituye una forma de ahorrar tiempo y compensar la falta de experiencia”, concluyen los responsables de la investigación.
El estudio sienta las bases para comprender el papel de los LLM en la gestión empresarial y abre múltiples líneas de trabajo para seguir explorando las capacidades y limitaciones de la IA a la hora de automatizar acuerdos y procesos en los negocios.
AUTORES DE LA INVESTIGACIÓN:
- Samuel N. Kirshner. Profesor asociado de la Escuela de sistemas de información y gestión tecnológica de la Universidad de Nueva Gales del Sur (Australia).
- Yiwen Pan. Doctor en economía por la Facultad de Economía de la Zhejiang Gongshang University (China).
- Jason Xianghua Wu. Profesor ayudante en el Departamento de sistemas de información y gestión tecnológica de la Escuela de negocios de la Universidad de Nueva Gales del Sur (Australia).
- Alex Gould. Investigador independiente en Sídney (Australia).
Publicación original:
Kirshner, S, Pan, Y., Wu, X., Gould, A. Talking terms: Agent information in LLM supply chain bargaining. Decision Sciences (online version).