Existe una métrica en supply chain que pocas empresas implementan, porque sus resultados suelen ser incómodos: el Forecast Value Add (FVA). Este indicador mide una sola cosa: ¿el juicio de expertos mejora o empeora el pronóstico estadístico? Y la respuesta, documentada en decenas de estudios de industria, es perturbadora.
Qué es el FVA
El cálculo es simple:
FVA = Error del sistema estadístico − Error del analista humano
- FVA positivo → el analista mejoró ✅
- FVA negativo → el analista empeoró ❌
Si el modelo estadístico tiene un MAPE del 12% y después del ajuste del analista el error sube al 16%, el FVA es −4%: el experto destruyó valor.
Los datos que incomodan
Michael Gilliland, uno de los investigadores más citados en forecasting empresarial, documentó en su libro The Business Forecasting Deal algo que sacudió a la industria:
En promedio, los ajustes manuales de los analistas empeoran el pronóstico en más del 50% de los casos.
No es un problema de capacidad. Es un problema estructural de cómo funciona el juicio humano bajo incertidumbre.
Por qué el experto falla
1. Sesgo de optimismo. Los equipos comerciales tienden a sobreestimar la demanda. El presupuesto de ventas siempre es ambicioso, y eso contamina el pronóstico operativo.
2. Anclaje en el último dato. Si el mes pasado fue extraordinario por una promoción, el analista tiende a proyectar ese nivel hacia adelante, ignorando que fue un evento puntual.
3. Aversión al quiebre de stock. El analista que sufrió un desabasto en diciembre va a sobrepronosticar el siguiente diciembre: el dolor del quiebre pesa más que la estadística.
4. Presión organizacional. En muchas empresas el pronóstico no es técnico, es administrativo. El gerente de ventas empuja hacia arriba, y el resultado no refleja la demanda real.
5. Ilusión de conocimiento. "Yo conozco el mercado mejor que cualquier modelo." A veces es verdad; frecuentemente no lo es.
Cuándo el experto SÍ agrega valor
Sería injusto concluir que el juicio de expertos no sirve. Es necesario y se requiere en contextos específicos:
Información no capturada por el modelo. Una negociación comercial que acaba de cerrarse, el lanzamiento de un competidor que nadie anticipó, una crisis política que afectará el consumo. El modelo no puede saber lo que no está en los datos históricos. El experto sí.
Eventos futuros conocidos. Una promoción planificada, un cambio de precio aprobado, una campaña publicitaria confirmada.
Series nuevas sin historial. Lanzamientos de productos donde no hay datos: el juicio experto es el único insumo disponible.
La regla de oro
El experto debe intervenir cuando tiene información que el modelo no tiene. No cuando tiene una opinión diferente.
La diferencia es sutil pero fundamental.
"Creo que diciembre va a ser bueno" no es información adicional: es ruido.
"Confirmamos una orden de 500 unidades con el cliente X para noviembre" sí es información adicional: el modelo no lo sabe.
Cómo implementar FVA en tu empresa
El proceso es simple pero requiere disciplina organizacional:
- Registrar el pronóstico del sistema antes de cualquier ajuste.
- Registrar el ajuste del analista con fecha, responsable y justificación escrita.
- Calcular el error de cada versión cuando lleguen los datos reales.
- Publicar el FVA por analista, por familia de productos, por período.
- Usar el FVA para decidir en qué categorías tiene sentido el ajuste humano y en cuáles no.
El resultado esperado
Cuando las empresas implementan FVA sistemáticamente, ocurren tres cosas:
Primero: los analistas se vuelven más selectivos con sus ajustes. Intervienen menos, pero mejor.
Segundo: se identifican las categorías donde el juicio experto genuinamente agrega valor, y se concentra el esfuerzo ahí.
Tercero: la cultura de "el modelo vs. el humano" desaparece. Ambos tienen un rol claro y medido.
La reflexión final
El FVA no es un indicador para demostrar que los modelos son mejores que las personas. Es una métrica útil para entender cuándo cada uno funciona mejor.
En una era donde la inteligencia artificial avanza rápidamente en capacidad predictiva, la pregunta no es si el humano o el algoritmo gana. La pregunta es: ¿en qué decisiones específicas el juicio humano agrega valor real y medible?
FVA responde esa pregunta con datos, no con opiniones. Y eso, en una disciplina que se llama planeación de demanda, es exactamente lo que deberíamos exigir.