OMP suma agentes de IA a su software de planificación

OMP amplía UnisonIQ con agentes que generan planes ejecutables

OMP amplió UnisonIQ, el marco de inteligencia artificial de su plataforma Unison Planning, con dos componentes nuevos: Agent Library, una biblioteca de agentes listos para implementar, y Agent Studio, una herramienta para que cada empresa construya los suyos. La diferencia con un asistente de IA convencional está en dónde corre el agente: sobre los motores de optimización de Unison Planning, y su salida no es una recomendación en texto sino un plan ejecutable.

Bekaert, el grupo belga de tecnologías de transformación y recubrimiento de alambre de acero, está entre las primeras empresas en adoptar UnisonIQ. Para un founder que vende software B2B, el anuncio importa por una razón poco glamorosa: marca el punto en el que la IA deja de ser una capa de chat sobre un producto viejo y se convierte en el motor de decisión.

Qué anunció OMP exactamente

Agent Library cubre tres frentes: gestión de suministro, de demanda y de datos. Son agentes prediseñados que los equipos pueden poner en marcha sin construir nada desde cero.

Leíste lo que hace la IA. ¿Y en tu negocio?

Un agente de IA puede quedarse con parte de tu día: ordenar lo pendiente y pedirte el OK antes de actuar. El Kit «tu mano derecha con IA» trae un video de 11 minutos y una ficha para dejar al tuyo trabajando. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.

👥 Quiero el Kit →

Agent Studio va un paso más allá: permite desarrollar agentes propios usando el mismo gemelo digital y los mismos motores de optimización. La clave es que ambos caminos comparten infraestructura. Un agente hecho internamente no corre en un entorno aparte, sino sobre la misma representación de la cadena de suministro del cliente.

El control queda del lado de la empresa. Según la compañía, cada organización decide qué puede decidir, ejecutar o escalar un agente, y avanza hacia la planificación autónoma a su propio ritmo. Esa gradación importa: nadie entrega la operación completa a un agente el primer día.

La interacción ocurre a través de Unison Companion, el asistente integrado en la plataforma. El planificador formula una pregunta en lenguaje natural y Companion asigna los agentes adecuados para responderla o preparar una modificación del plan.

La compañía no llega a este anuncio sin antecedentes. En mayo de 2026 llevó a AstraZeneca al Gartner Supply Chain Symposium/Xpo en Barcelona para exponer cómo el laboratorio pasó de planificar en hojas de cálculo a una toma de decisiones integrada y consciente de la capacidad, apoyada en Unison Planning y UnisonIQ, según ACCESS Newswire.

Por qué los agentes genéricos fallan en la cadena de suministro

OMP describe un problema que cualquier founder de software empresarial reconoce. Los consejos de administración presionan para mostrar avances en IA, pero muchas organizaciones se quedan atascadas en la fase experimental.

El diagnóstico de la compañía apunta a dos extremos que fallan igual. Los modelos genéricos y las herramientas de inteligencia para decidir carecen del contexto y la semántica del sector. Y las herramientas de planificación con una capa de IA añadida encima carecen de profundidad de razonamiento. Ambas pueden producir respuestas que parecen confiables pero ignoran restricciones del mundo real: la vida útil de un producto, los coproductos, la capacidad compartida entre líneas.

Es el mismo patrón que aparece en casi cualquier vertical. Un modelo que no conoce las reglas del negocio responde con seguridad sobre cosas que no puede cumplir.

En UnisonIQ, cada agente parte de un gemelo digital construido sobre la cadena de suministro real del cliente y consulta los motores de optimización. El resultado es que los cambios de plan que propone son viables en la práctica, no solo coherentes en el papel.

El caso Bekaert: escenarios de S&OP en lenguaje natural

Bekaert usa Unison Companion en el proceso de planificación de ventas y operaciones (S&OP) de su subdivisión Energy Transition. Los planificadores describen el escenario que quieren probar en lenguaje natural, por ejemplo añadir capacidad en los cuellos de botella mientras sube la demanda, y UnisonIQ lo modela, lo ejecuta y lo compara con el plan actual.

«Nuestros planificadores pueden describir diferentes escenarios en lenguaje natural y comparar los resultados modelados con el plan actual. Esto nos ayuda a mantener nuestras conversaciones sobre S&OP centradas en evaluar opciones y tomar decisiones fundamentadas», afirmó Filip Lanckmans, director global de Cadena de Suministro de Bekaert.

La empresa está ampliando el uso de Unison Companion a la planificación de demanda en su división Steel Wire Solutions, donde los planificadores lo usan para cuestionar sus propias previsiones. Ese segundo caso es el más interesante: no se trata de automatizar una tarea repetitiva, sino de usar el agente como contraparte crítica de un juicio humano.

Cómo se mueven Kinaxis y Blue Yonder en la misma carrera

OMP no compite en el vacío. El segmento de planificación de cadena de suministro se está reposicionando alrededor de agentes.

Kinaxis, la compañía canadiense fundada en Ottawa en 1984, lanzó Maestro en 2024, una evolución cloud-native de su plataforma que combina IA predictiva, modelado de escenarios y agentes. Según un reportaje de Microsoft sobre la compañía, su CEO Razat Gaurav señaló que los clientes aumentaron el modelado de escenarios más de un 120% respecto de los niveles previos al conflicto del estrecho de Ormuz. Kinaxis describe agentes «detectores» que identifican eventos y agentes «resolutores» que evalúan opciones y generan recomendaciones, con el planificador humano a cargo de la decisión final.

Blue Yonder tomó otro camino. En ICON 2026 anunció una alianza con Nvidia y la adopción de los modelos Nemotron de pesos abiertos, según SiliconANGLE. Su vicepresidente sénior de IA generativa, Chris Burchett, explicó que la empresa apunta a una estrategia de «inteligencia propia»: entrenar modelos más pequeños y eficientes para las operaciones que se repiten dentro del bucle del agente. También afirmó que el onboarding de clientes desde soluciones on-premise pasó de semanas o meses a días, y que un cliente lo completó en 72 horas.

Tres enfoques distintos para el mismo problema: quién es dueño del modelo, dónde vive el dato y cuánta autonomía se le concede al agente.

Qué significa esto para tu startup

Si vendes software B2B, el anuncio de OMP deja lecciones aplicables más allá de la cadena de suministro.

El agente vale lo que vale el motor debajo. «Un agente es tan bueno como el motor que lo respalda», dijo Tom Wouters, director de Producto de OMP. Si tu agente no puede ejecutar una acción real en tu sistema (cambiar un plan, mover un recurso, cerrar un pedido), estás vendiendo una interfaz de chat, no automatización.
El contexto propietario es tu foso defensivo. OMP insiste en el gemelo digital del cliente y en la semántica del sector. Un modelo genérico no sabe qué es un coproducto ni por qué la capacidad compartida rompe un plan. Ese conocimiento específico es lo que un competidor no puede replicar con una API.
Diseña la autonomía como una escala, no como un interruptor. OMP deja que cada cliente decida qué puede decidir, ejecutar o escalar un agente. Esa gradualidad es la que permite que un planificador ceda control sin sentir que pierde el timón.
Empieza por el caso donde el humano ya duda. Bekaert no delegó el plan completo: usó el agente para cuestionar previsiones. Es un punto de entrada de bajo riesgo y alto valor percibido.

La presión de los consejos por mostrar IA no va a bajar. La diferencia entre un piloto que se apaga y un producto que escala suele estar en si el agente puede actuar sobre el sistema real o solo opinar sobre él.

Conclusión

La ampliación de UnisonIQ con Agent Library y Agent Studio no es un lanzamiento aislado: es la apuesta de OMP por la planificación autónoma por etapas, con el control en manos del cliente y la ejecución apoyada en motores de optimización ya probados. Bekaert ya está en producción, y Kinaxis y Blue Yonder avanzan en la misma dirección con estrategias de modelo y de datos distintas.

Para un founder, la señal es clara: la ventaja competitiva en agentes de IA no está en el prompt ni en el modelo de frontera que uses, sino en la profundidad del contexto propietario y en la capacidad de ejecutar sobre el sistema real. Quien resuelva eso primero, escala. Quien se quede en la capa de conversación, se queda en el piloto.