Ce poate (și ce nu poate) AI-ul pentru forecasting în 2026
AI-ul pentru demand forecasting nu e magie. Pentru un importator cu volume sub 100M EUR și sub 10.000 SKU active, AI-ul nu îți va prezice cererea mai bine decât un planner experimentat care folosește un model simplu. Asta e adevărul incomod.
Ce poate AI-ul mai bine ca omul:
- Ajustează scenarii la variabile externe (curs valutar, prețuri commodity, evenimente sezoniere globale)
- Detectează pattern-uri non-evidente (corelații între SKU-uri, canibalizări între produse noi)
- Re-calibrează rapid la primele semnale ale unui sezon (în 2 săptămâni, nu 8)
- Gestionează simultan multe scenarii (Lunar New Year ușor vs sever, curs CNY ±5%, lead time ±10 zile)
Ce face omul mai bine:
- Intuiție pe context (relația cu un furnizor specific, dinamica unui client mare)
- Decizii cu informație calitativă (zvon despre o lansare a concurenței, schimbare reglementare)
Cele 3 variabile critice pentru import China
1. Lunar New Year (Chinese New Year)
În fiecare an, între sfârșit ianuarie și mijloc februarie (data variabilă, calendar lunar), fabricile chineze se opresc 3-4 săptămâni. Forța de muncă pleacă în orașele de origine. La revenire, productivitatea scade 30-50% în primele 2 săptămâni.
Impact pe lead time:
- Comandă plasată în noiembrie: lead time normal 35 zile
- Comandă plasată în decembrie: lead time 60-80 zile (intri în CNY)
- Comandă plasată în ianuarie: lead time 70-100 zile (toată fabrica în pauză)
- Comandă plasată în februarie: lead time 55-70 zile (productivitate scăzută)
AI-ul învață din istoricul tău și ajustează automat planul de achiziție pentru a evita "bulge"-ul de comenzi care încearcă să prindă marfa post-CNY (ceea ce ridică prețurile transport).
2. Congestia portuară
Porturile chineze (Shanghai, Ningbo, Shenzhen/Yantian) au cicluri de congestie:
- COVID-style closures (rare după 2022, dar nu zero)
- Weather events (taifunuri)
- Strikes la porturi UE de destinație (Hamburg, Rotterdam, Constanța, Pireu)
AI-ul agregă date din sources public (port status APIs, news) și ajustează ETA-urile. Pentru un importator de 12M EUR, dacă ETA-urile sunt mai precise cu 3-5 zile, planul de promovare către clienți devine mai realist.
3. Curs valutar și prețuri commodity
Importurile din China se plătesc tipic în USD sau CNY. Cursul EUR/USD și EUR/CNY fluctuează 5-15% într-un an. AI-ul nu prezice cursul (nimeni nu poate), dar poate:
- Sugera hedging pe PO-urile mari când volatilitatea istorică crește
- Recalcula marja proiectată pe baza scenariilor de curs
- Sugera momente optime de plată (când termenul permite, alegerea ferestrei de 30 zile)
Cum arată un proiect tipic de AI forecasting
Faza 1 - Curățarea datelor (2-3 luni)
Fără date curate, AI-ul nu funcționează. Cerințe minime:
- Istoric vânzări pe SKU minim 24 luni (ideal 36)
- Istoric PO furnizor cu lead time real (nu doar promis)
- Mapare SKU stabilă (fără rebranding fără tracking)
- Date externe relevante (CNY, curs valutar, prețuri commodity dacă aplicabil)
Faza 2 - Model baseline (1-2 luni)
Înainte de AI, construiește un model simplu (moving average sezonier + adjusters manuali). Asta îți dă baseline-ul de comparat AI-ul.
Faza 3 - AI layer (2-4 luni)
Modelele tipice care funcționează:
- Prophet (Facebook/Meta) - bun pentru sezonalitate clară, ușor de operat
- Modele transformer/LLM-based pentru integrarea de context calitativ (e.g., știri despre porturi)
- Modele ensemble care combină mai multe abordări
Pentru un importator de 5-30M EUR, soluții AI specializate pe supply chain încep să fie disponibile out-of-the-box. Soluții precum Azuvio oferă AI agents pentru business-uri B2B, inclusiv pe scenarii de forecasting și planificare, integrabile peste stack-ul existent CRM/ERP.
Pentru companii cu echipă tehnică internă, build-it-yourself peste OpenAI / Anthropic API + librării Python (Prophet, statsmodels) e fezabil sub 100K EUR.
Faza 4 - Integrare în decizia operațională (2-3 luni)
AI-ul care produce un PDF lunar = bani aruncați. AI-ul integrat în ERP pentru sugestii de PO + dashboard de variabilitate scenarii = ROI real.
Rezultate realiste
Pentru un importator de 15M EUR cu profil tipic (lead time 35-55 zile China, 10.000 SKU active, mix import + local):
- Stoc safety reducere 15-30% (eliberare ~300-700K EUR capital de lucru)
- Stockout rate reducere 20-40% pe SKU-uri A
- Stoc mort (>180 zile) reducere 25-40%
- Productivitatea planner-ului creștere 2-3x (de la 1 zi/săptămână pe forecast la 1 oră/săptămână)
Investiție tipică: 80-200K EUR setup + 30-60K EUR/an mentenanță. Payback: 9-18 luni.
Capcanele clasice
"AI fără proces" = AI inutil
Dacă procesul tău de achiziție e "cumpărătorul decide intuitiv", AI-ul nu va schimba nimic. Procesul trebuie să fie disciplinat (regulă scrisă de când deschizi PO, când o decizi ad-hoc), apoi AI-ul accelerează procesul.
Black box fără explicații = nu va fi folosit
Planner-ul care primește "cumpără 2.400 buc" fără explicație îl ignoră. AI-ul trebuie să furnizeze:
- Confidence interval (cumpără între 2.100-2.700 cu 80% încredere)
- Variabilele principale care influențează (CNY, sezon, trend recent)
- Scenarii alternative (ce-ar fi dacă lead time crește cu 10 zile)
Forecasting fără feedback loop
Modelul trebuie să se re-antreneze cu rezultate reale. Dacă plannerul ajustează manual fără să noteze de ce, AI-ul nu învață.
Pași concreți pentru un CEO la început
- Audit calitate date - 1 lună, externalizat ideal
- Build baseline non-AI - moving average sezonier, 1 lună
- Pilot AI pe o categorie - 3-4 luni, cu măsurare clară vs baseline
- Decizie de scaling - extinde pe alte categorii dacă pilot-ul depășește baseline-ul cu cel puțin 15%
- Integrare în ERP - nu lăsa AI-ul ca PDF lunar
Realismul tehnologic pentru România în 2026
Talentul AI matur e încă rar și scump în România. Pentru un importator de 10-30M EUR, varianta SaaS sau partner extern e tipic mai rațională decât build-it-yourself. Pentru >50M EUR cifră, echipă internă de 3-5 oameni AI/data devine viabilă.
