IKA — MSP AI Agents

01 / 08 — Resumen Ejecutivo

Propuesta de Agentes de IA para Grupo MSP

Tres agentes autónomos de inteligencia artificial para optimizar márgenes, inventario y distribución en las operaciones de distribución y retail de belleza de Grupo MSP (REMARCO, COSPER, Perfumerías Magie, Beauty Outlet).

Tres problemas demasiado complejos para humanos, perfectamente dimensionados para agentes de IA, construibles con herramientas open-source maduras.

Meta: generar $250K+ en valor dentro del primer año. Modelo conservador: $307K. Modelo agresivo: $919K. El target tiene margen de seguridad.

Análisis realizado con IKA sobre data histórica 2014-2015. Con datos en vivo podemos desarrollar estrategias adicionales de optimización de costos y márgenes. Los números actuales son probablemente mayores dada la expansión a El Salvador y la entrada planificada a Europa.

Base de Datos del Negocio

236K

líneas de venta anuales

33,396

SKUs en catálogo

91

marcas activas

75

ubicaciones

~$10M

ingresos netos anuales

~$1.2M

descuentos anuales otorgados

Unidades de Negocio

REMARCO • COSPER • Magie • Beauty Outlet

02 / 08 — Agente I

I Optimización de Descuentos y Márgenes

$180K – $600K

margen recuperado anualmente

La fuga: Los vendedores aplican descuentos del 10-20% de forma inconsistente. El mismo perfil de cliente recibe 8% de un vendedor y 18% de otro — ambos “dentro de política”. Muchos descuentos no generan volumen adicional; simplemente sangran margen.

Insight clave: Los ERPs verifican si un descuento está permitido. No verifican si era necesario. Esa brecha es donde se fuga el dinero.

Investigación de Industria

Fuente	Hallazgo
McKinsey — “The Price Advantage”	20-30% de descuentos B2B son innecesarios; corregir la disciplina sube márgenes 2-7 puntos
Simon-Kucher — Global Pricing Study	30-40% del gasto promocional no genera volumen incremental
Bain & Company — B2B Pricing	20-30% de descuentos transaccionales podrían eliminarse sin pérdida de volumen
BCG — Promotion Effectiveness	40-60% de promociones esperadas con alto ROI resultan en bajo ROI
McKinsey — CPG Trade Promotions	Casi 60% de promociones comerciales no alcanzan punto de equilibrio

Proceso del Agente

Ingesta de Datos

Extrae historial de transacciones automáticamente. Sin exports manuales.

Análisis y Scoring

Evalúa cada combinación cliente-producto-canal-vendedor. Determina si descuentos pasados generaron volumen o solo redujeron margen.

Tabla de Consulta POS

Escribe rangos recomendados que el POS lee instantáneamente. Sin latencia en checkout.

Feedback

Cada transacción post-recomendación retroalimenta el ciclo siguiente. Las recomendaciones mejoran con el tiempo.

03 / 08 — Agente II

II Racionalización de SKU y Surtido

$75K – $195K

ahorro en write-offs + capital + revenue

La fuga: 33,396 SKUs es demasiado. El 30% inferior genera menos del 2% de ingresos pero consume bodega, capital, y los productos de belleza expiran. Mientras tanto, los bestsellers se agotan.

Insight clave: Los ERPs dicen qué tienes. No dicen qué no debería existir en el catálogo — porque eso requiere ponderar contratos de proveedor, canibalización, vida útil y demanda por canal simultáneamente.

Investigación de Industria

Fuente	Hallazgo
McKinsey — Portfolio Simplification	Simplificación mejoró márgenes y redujo costos en más del 10%
McKinsey — Power of Simplicity	Reducción de 3-5% en costos mejorando también top-line

Proceso del Agente

Ingesta

Inventario actual, velocidad de ventas, costos, vida útil, contratos de proveedor.

Análisis Multi-dimensional

Velocidad, canibalización, restricciones de proveedor, gaps en surtido. Evalúa TODOS los 33,396 SKUs cada ciclo.

Cola de Acciones

Recomendaciones priorizadas: inmediatas (productos expirando), próximo ciclo (delistings), estratégicas (revisión trimestral).

Feedback

Cada delisting y redistribución retroalimenta. El agente aprende qué SKUs realmente hacen falta.

04 / 08 — Agente III

III Compra y Distribución Basada en Demanda

$52K – $124K

ventas recuperadas + flete + descuentos volumen

La fuga: 33,396 SKUs × 75 ubicaciones = 2.5 millones de decisiones por ciclo. Nadie puede optimizar eso manualmente. Resultado: agotamientos en una ubicación mientras el mismo SKU está inactivo en otra, transferencias de emergencia que cuestan 3-5x la logística normal, órdenes de compra reactivas que pierden brackets de volumen de 5-8% de descuento.

Insight clave: Un modelo de forecast da un número. Un agente toma la decisión — redacta la OC, dispara transferencias, consolida pedidos para alcanzar brackets de volumen.

Fuente	Hallazgo
McKinsey — Supply Chain 4.0	Analytics predictivo reduce errores de forecast 30-50%
McKinsey — AI in Distribution	IA reduce inventario 20-30%, costos logísticos 5-20%
McKinsey — Autonomous Planning	25% reducción en agotamientos, 10% menos write-offs
BCG — AI Supply Chain	Forecast solo no basta; las decisiones recurrentes son el gap
IHL Group	Distorsión de inventario costó $1.9T a retailers globalmente en 2022

Proceso

Sensing Diario

Inventario en 75 ubicaciones, envíos en tránsito, OCs abiertas, ventas del período.

Forecast Granular

Predicción a nivel SKU-ubicación. Identifica desbalances: exceso aquí, faltante allá.

Generación de OCs

Primero reasigna stock existente. Luego consolida OCs cruzando divisiones para brackets de volumen.

Feedback

Precisión de forecast, lead times reales, efectividad de reasignaciones.

05 / 06 — ROI e Impacto Combinado

Retorno de Inversión

Agente	Conservador	Agresivo
I. Descuentos y Márgenes	$180,000	$600,000
II. SKU y Surtido	$75,000	$195,000
III. Compra y Distribución	$52,000	$124,000
TOTAL	$307,000	$919,000

El agente más fuerte para liderar: #1 (Descuentos). Recuperación pura de margen, payback más rápido, sin inventario ni proveedores involucrados — simplemente dejar de perder dinero.

Análisis realizado con IKA sobre data histórica 2014-2015. Con datos en vivo podemos desarrollar estrategias adicionales de optimización. El target de $250K es alcanzable incluso en el escenario conservador.

06 / 06 — Equipo

Nuestro Equipo

CM

Carlos Mats

CEO & Fundador, Xchematic

Tecnólogo, artista y diseñador. Creador de IKA. Más de una década construyendo productos de IA.

AI/MLProductDesign

CC

Carlos Cerrato

Co-Fundador, Xchematic

OperationsStrategy

IKA

AI Operating System

Patente USPTO US D1,034,643 S. Sistema de IA propietario.

AGI OSPatentado