Un gran y diversificado proveedor de energía eléctrica de EE. UU. sabía que tenía un problema con las compras no autorizadas y se propuso llegar al fondo del asunto. Eso significaba indagar en los datos históricos de las compras para conocer a fondo dónde se producían las desviaciones y, a partir de ahí, calibrar el verdadero alcance del problema. La recurrió a myInvenio, una compañía de IBM, para poner en práctica los analytics de procesos.

Con IBM® Process Mining, una herramienta de descubrimiento y modelado de procesos que forma parte de la solución IBM® Cloud Pak for Business Automation, el equipo trabajó estrechamente con el gerente de adquisiciones de la empresa. En la primera parte del proyecto, el equipo capturó aproximadamente un año de flujos de datos del Módulo de adquisiciones de la suite IBM® Maximo Utilities, la plataforma central de gestión de activos de la empresa. Los flujos involucraron principalmente a los departamentos de contabilidad de adquisiciones y depósitos de la empresa, que abarcan múltiples líneas de negocio (LoB, siglas en inglés de lines of business).

Una vez que los datos se ingresaron en IBM Process Mining, sus modelos subyacentes basados en IA se dividieron en mapas de señales de cada paso del proceso P2P, desde la solicitud y OC hasta la recepción y factura de cada LoB. Para el director de adquisiciones, el valor de estos modelos no radicaba solo en su capacidad para detectar problemas con los flujos actuales "tal cual", sino también en su capacidad para ofrecer una visión nueva y basada en datos de lo que podría ser el proceso ideal, lo que a menudo se denomina ruta feliz. “Obtuvimos una visión de lo que realmente estaba sucediendo en todos nuestros procesos P2P, que nunca tuvimos antes”, explica. “Y también nos dio una perspectiva más objetiva sobre cómo se veía el proceso de referencia óptimo, no de los expertos en procesos, sino de los datos en sí”.

Entre los resultados clave del modelo se encuentra el hallazgo de que solo el 20 % de las actividades de adquisiciones relacionadas con los materiales (la compra de piezas de repuesto y similares) siguieron la ruta óptima de adquisición. Para el 80 % de las actividades que no se ajustaban a la ruta feliz, el plazo promedio de entrega de los pedidos era superior en más de un 30 %, debido en gran parte al tiempo extra dedicado a la correspondencia de facturas y a la reelaboración de los pedidos.

A la adquisición de servicios no le fue mucho mejor. Si bien el modelo de IBM Process Mining encontró solo 10 pasos en la ruta de proceso óptima, se descubrió que la ruta promedio no conforme tenía casi 30. Para el director de adquisiciones, ver por qué fue un momento de revelación. “Sabíamos que la reelaboración de pedidos era un problema importante”, afirma. “Pero el hecho de que más del 50 % de las órdenes de adquisición de servicios lo requirieran fue una verdadera sorpresa, y los datos mostraron que era real”.

El proyecto emprendido por el proveedor de energía eléctrica logró su objetivo: determinar cómo se realizaban realmente las adquisiciones, junto con las repercusiones en sus principales métricas de rendimiento. Como lo ve el director de adquisiciones, la verdadera importancia del proyecto radica en la orientación que puede proporcionar a los esfuerzos de transformación de procesos de la empresa. “Al utilizar datos reales e IA para trazar nuestros flujos de procesos de adquisición, también hemos adquirido lo que equivale a una hoja de ruta potencial para transformarlos”, afirma. “Nos proporciona un marco riguroso para entender dónde centrarnos para mejorar y, cuando sea posible, automatizar los distintos elementos del flujo del proceso”.

Y eso nos lleva de nuevo a lo que más importa a los proveedores de energía eléctrica: suministrar energía segura y confiable a sus clientes. Es decir, las buenas prácticas de adquisición, aquellas que son eficientes, estandarizadas y rentables, encajan en la estrategia de gestión de activos más amplia de una empresa de servicios públicos.

En la práctica, el director de adquisiciones señala que los insights sobre los procesos basados en datos ayudan a justificar las iniciativas de transformación. “Con un marco de modelado dinámico de procesos impulsado por IA, podemos simular cómo las reducciones en procesos que no cumplen pueden reducir el tiempo promedio de entrega de las piezas”, explica. “Ese es un mensaje poderoso en un caso de negocio, y es por eso que la solución IBM Process Mining es una herramienta tan potente”.

Con sede en Estados Unidos, esta empresa de energía atiende a millones de clientes minoristas residenciales, comerciales e industriales en varios estados, incluidos algunos de los mercados de energía más competitivos.

El cliente presentado en este estudio de caso inicialmente se involucró con MyInvenio, que comenzó a realizar negocios como IBM el 1 de agosto de 2021. El producto myInvenio en este estudio de caso, myInvenio Process Mining, ahora se conoce como IBM Process Mining.