Agentic AI en retail: cuando la IA deja de “aconsejar” y empieza a operar

Durante años, la inteligencia artificial y el retail han estado conectados, y la IA en retail vivió en modo consultor.

Te enseñaba datos.

Te sugería acciones.

Te dejaba el trabajo pesado a ti.

Peak, empresa de UiPath, está empujando otra cosa: agentes autónomos para decisiones comerciales. Anunció tres soluciones bajo el nombre “agentic AI”: Agentic Merchandising, Agentic Inventory Management y Agentic Commercial Pricing.

Agentic AI significa sistemas que predicen, deciden y actúan con cierto nivel de autonomía.

Un agente autónomo significa software que ejecuta tareas y decisiones dentro de reglas y supervisión.

La tensión central es clara:

Más autonomía puede darte velocidad.

También puede quitarte control si no lo diseñas bien.

El movimiento Peak–UiPath: agentes verticales, no “IA genérica”

UiPath anunció la adquisición de Peak en marzo de 2025 para acelerar una estrategia de agentes especializados por industria dentro de su plataforma de automatización agentic.

En esa comunicación, UiPath describe a Peak como una plataforma enfocada en optimizar inventario y pricing con resultados tangibles, sin depender de equipos internos enormes.

Ese punto importa porque explica la apuesta:

No van por “IA que impresiona”.

Van por IA que mueve palancas del P&L.

Qué lanzó Peak y qué dice que hace

Peak comunicó el lanzamiento de sus soluciones de agentic AI para retail y manufactura y lo definió con una frase operativa: agentes diseñados para predecir, tomar decisiones y actuar autónomamente en entornos reales.

El detalle por módulo:

Agentic Merchandising

Peak lo posiciona como automatización de decisiones de merchandising “de proveedor a anaquel”, cubriendo ciclo de vida de producto y decisiones ligadas a buying, pricing, promociones, asignación y markdown.

Agentic Inventory Management

Se enfoca en optimizar decisiones de inventario a través de compra, producción y cumplimiento.

Agentic Commercial Pricing

Peak lo plantea como agentic AI para decisiones de precios comerciales, con integración a sistemas como CRM y CPQ para ejecutar decisiones de pricing dentro del flujo quote-to-order.

CPQ significa “configure, price, quote”: sistemas para configurar, cotizar y fijar precios.

Quote-to-order significa el flujo de cotización a pedido.

Hasta aquí, el mensaje es consistente:

Dejar de “recomendar” y empezar a “operar”.

El mapa de fricciones: donde se gana o se rompe la promesa

Aquí es donde muchas empresas se autoengañan.

El reto no es entender la demo.

El reto es meter autonomía en una operación con excepciones, política comercial y presión de margen.

Cuatro fricciones típicas aparecen rápido:

1) Datos desordenados

Si tu catálogo, costos, disponibilidad y promociones viven en silos, el agente no “se vuelve inteligente”. Se vuelve peligroso.

2) Derechos de decisión mal definidos

Quién puede cambiar precio.

Quién puede mover inventario.

Qué se aprueba, qué se ejecuta automático, qué se escala.

Sin ese mapa, la autonomía se siente como “pérdida de control”.

3) Integración con sistemas que sí mandan

ERP, POS, WMS, CRM, CPQ.

Si el agente no escribe en los sistemas donde se ejecuta la realidad, te quedas en dashboard bonito.

Peak incluso describe que sus agentes pueden integrarse con CRM/CPQ en pricing comercial.

4) Excepciones y supervisión humana

Autonomía sin “human-in-the-loop” (humano en la supervisión) se vuelve riesgo reputacional cuando pega en cliente o margen.

Riesgo real: automatizar errores a escala

El riesgo no es que un agente se equivoque.

El riesgo es que se equivoque rápido, en miles de SKUs, y lo haga “bien integrado”.

Por eso, el diseño correcto no es “ponlo en autopilot”.

Es:

Reglas.

Límites.

Auditoría.

Rollback claro.

Qué sí se ejecuta: un playbook corto para no romper la tienda

Si yo estuviera del lado de un retailer serio, lo correría así:

1) Arranca por una decisión, no por una plataforma

Pricing en un segmento.

Reposición en una categoría.

Markdown en una región.

Una palanca.

Un KPI.

2) Define el contrato de autonomía

Qué decide el agente.

Qué recomienda.

Qué requiere aprobación.

Qué dispara una alerta.

3) Diseña el tablero de control como tablero de excepciones

No quieres “más insights”.

Quieres menos incendios.

4) Mide con métricas que sí importan

Rupturas (stockouts).

Fill rate.

Rotación.

Markdown rate.

Margen bruto.

Exactitud de pronóstico.

Si no puedes medir, no puedes defender la autonomía.

Señales de mercado: no es teoría, ya lo están metiendo

Peak publicó un caso de colaboración con Debenhams Group donde afirma que la empresa introdujo su Agentic Merchandising para manejar ventas, stock y pricing más efectivamente, y que el enfoque ayuda a responder rápido a cambios de demanda.

En otra pieza, Peak también dice que estas soluciones ya se usan para transformar operaciones en compañías como Hain Celestial y Speedy Hire.

Eso no prueba éxito universal.

Pero sí prueba tracción: ya no es un “concepto”.