Episodio #151

#151 Cómo Walmart usa IA para predecir compras y automatizar el retail

Resumen del episodio

Resumen elaborado a partir de la conversación del episodio.

Lo que aprenderás

  • Qué hace el área de inteligencia artificial de Walmart Chile y cómo se organiza un equipo de más de 30 personas dentro de data y analytics.
  • Los tres niveles de IA que usa Walmart: herramientas de escritorio, agentes y desarrollos a medida.
  • Cómo funciona Carrito Listo, la función de la app de Líder que predice tu próxima compra.
  • Por qué Walmart capacita en IA con un modelo «guerrilla» de grupos pequeños y cuándo conviene un modelo centralizado o federado.
  • Cómo deciden qué proyectos construir y por qué el 70% del valor todavía viene de la IA predictiva.
  • Qué habilidades busca hoy un líder de IA al reclutar a su equipo.

Capítulos

  1. 1:13 El rol de un gerente de inteligencia artificial en Walmart Chile
  2. 6:25 De la gerencia de estadística al área de IA: equipo y perfiles
  3. 13:49 Los tres niveles de IA y Carrito Listo
  4. 17:31 Cómo capacitan en IA: el modelo guerrilla
  5. 20:44 IA centralizada o federada en una empresa grande
  6. 24:12 Robótica y representaciones vectoriales de clientes
  7. 31:15 Súper agentes y compras sin barra de búsqueda
  8. 36:57 Cómo eligen proyectos: ROI, IA predictiva, gemelos digitales y visión
  9. 47:47 Qué habilidades busca al reclutar un equipo de IA
  10. 53:24 Code Puppy, el agente de código abierto de Walmart

Cómo se organiza la inteligencia artificial en Walmart Chile

Gonzalo Oyanedel, gerente de inteligencia artificial en Walmart Chile, conversa con Sebastián Cisterna sobre cómo una empresa con cerca de 2 millones de trabajadores en el mundo usa la IA. En Chile, Walmart opera Líder, Superbodega aCuenta, Central Mayorista y Líder Express. Gonzalo la describe como una empresa de tecnología, que ya cotiza en el Nasdaq.

Su rol tiene tres funciones: desarrollar soluciones de IA para mejorar la experiencia de clientes y colaboradores, capacitar a las personas de la compañía y dirigir la estrategia de IA de Walmart Chile. Al llegar, en febrero de 2025, el área dejó de llamarse analítica avanzada. Su equipo tiene un poco más de 30 personas, con perfiles que van de físicos teóricos a personas que estudiaron literatura inglesa.

Los tres niveles de IA y Carrito Listo

Walmart divide la IA en tres niveles. El primero es la IA de escritorio, con herramientas como Copilot, Gemini o ChatGPT. El segundo es el nivel de agentes, con Copilot Studio, los GPTs o los Gems. El tercero son los desarrollos a medida, donde hay que programar porque la solución no existe en el mercado. Ahí está la mayor parte del trabajo del equipo.

El ejemplo es Carrito Listo, dentro de la app de Líder: con un clic arma la próxima compra según el historial de compras físicas y online del cliente.

Esto tiene una noción de reabastecimiento del hogar donde de cierta manera logramos predecir si al cliente ya se le acabaron las lechugas, entonces le toca de nuevo comprar una lechuga.

Gonzalo Oyanedel, gerente de inteligencia artificial en Walmart Chile

Según Gonzalo, con Carrito Listo las personas pasan 50% menos de tiempo en la app. Además, Walmart ya lo está llevando a otros mercados: Chile funciona como sandbox de soluciones que luego se exportan.

Capacitación en IA y modelo centralizado

En 2025, la capacitación siguió una estrategia de abajo hacia arriba que Gonzalo llama «guerrilla»: sesiones frecuentes para grupos pequeños, con contenidos tácticos adaptados a cada equipo. En 2026 se sumaron formatos más tradicionales para quienes llegan a la empresa y un programa de Champions.

Sobre centralizar o federar, Gonzalo cree que no hay una sola respuesta correcta. Como el negocio de Walmart es bastante unificado, el modelo centralizado es el más potente, con una condición: los data scientists se sientan en los negocios, vuelven al equipo central para compartir buenas prácticas y rotan entre proyectos. En grupos con empresas de distintos rubros, en cambio, un modelo federado tiene más sentido.

Súper agentes, IA predictiva y cómo eligen proyectos

Walmart tiene una estrategia mundial de cuatro súper agentes. Uno es Sparky, que en Chile será un agente de compras: si alguien le pide organizar un asado, armará la canasta según sus preferencias. En Estados Unidos ya se puede comprar en Walmart a través de ChatGPT o Gemini.

Para elegir proyectos, el área funciona como un venture capital interno: evalúa cada iniciativa por su mérito y mide su desempeño por retorno de inversión. Entre el 20% y el 30% de los proyectos son de IA generativa.

Creo que el 70% todavía del valor viene de la IA tradicional o de la IA predictiva.

Gonzalo Oyanedel, gerente de inteligencia artificial en Walmart Chile

Ahí entran los modelos de recomendación, las optimizaciones y los gemelos digitales. En visión por computadora, un proyecto que hace cinco años tomaba 18 meses hoy podría tomar 18 días.

Qué busca Walmart al reclutar talento en IA

Al reclutar, Gonzalo busca lo mismo de siempre:

Lo que no ha cambiado y lo que busco en las personas que me toca entrevistar es un nivel enfermizo de curiosidad.

Gonzalo Oyanedel, gerente de inteligencia artificial en Walmart Chile

Lo que cambió es el peso de programar: herramientas como Claude hacen que dividir un código en módulos sea relativamente menos importante. Hoy busca a personas que sepan descomponer problemas, gestionar el cambio, convencer y escuchar al negocio, y mantenerse al día. Si la inteligencia artificial se abarata, explica, suben de valor sus bienes complementarios, como el juicio humano. Al cierre, cuenta que Walmart desarrolló Code Puppy, un agente multipropósito de código abierto que despliega subagentes, ayuda con PowerPoint y Excel y programa.

Preguntas frecuentes

¿Qué es Carrito Listo de Líder?

Es una función de la app de Líder, desarrollada por el equipo de IA de Walmart Chile, que arma con un clic la próxima compra probable a partir del historial de compras físicas y online. Según Gonzalo Oyanedel, reduce a la mitad el tiempo que las personas pasan en la app.

¿Cómo usa Walmart la inteligencia artificial en Chile?

En tres niveles: herramientas de escritorio como Copilot, Gemini o ChatGPT; agentes como Copilot Studio o los GPTs; y desarrollos propios, como pronósticos de venta, modelos de recomendación, gemelos digitales e IA generativa.

¿Qué es un gemelo digital?

Es una representación computacional de un proceso, como una tienda o un centro de distribución. Permite probar distintas configuraciones en un ambiente seguro, ver su efecto en semanas o meses y tomar decisiones estratégicas antes de que ocurran los cambios.

¿Qué habilidades busca Walmart en un equipo de inteligencia artificial?

Curiosidad, capacidad de descomponer problemas, gestión del cambio, habilidades sociales para convencer y escuchar, y disposición a actualizarse. Programar sigue importando, pero menos que antes.

Descripción

La inteligencia artificial está transformando el retail. En este episodio de IA para los Negocios conversamos con Gonzalo Oyanedel, Gerente de Inteligencia Artificial en Walmart Chile, sobre cómo una de las empresas más grandes del mundo usa machine learning, IA generativa, modelos de recomendación y agentes inteligentes para mejorar la experiencia de clientes y colaboradores. Un capítulo clave para entender cómo aplicar IA en empresas reales y a gran escala.

Si trabajas en tecnología, innovación, datos o liderazgo empresarial, este capítulo te entrega una mirada práctica sobre cómo las grandes compañías están implementando inteligencia artificial a escala.

Si quieres profundizar y aplicar esto en tu negocio, te invitamos a ser parte de nuestra comunidad en Skool, donde compartimos flujos accionables y talleres prácticos para implementar IA paso a paso.
👉 ⁠www.evoacademy.cl/comunidad⁠

⭐ Recuerda evaluarnos con 5 estrellas ⭐ así nos ayudas a llegar a más personas y seguir compartiendo conocimiento sobre IA y tecnología aplicada a los negocios.

—

📲 Síguenos en nuestras redes:
https://www.tiktok.com/@evoacdm
https://www.instagram.com/evoacdm/
⁠⁠⁠⁠⁠https://www.linkedin.com/company/evoacmd/⁠⁠⁠⁠

Host: Ignacio AlarcónInvitado: Gonzalo Oyanedel

—

(00:00) – Introducción: IA en Walmart y el futuro del retail(02:50) – El rol de un Gerente de Inteligencia Artificial en Walmart(05:50) – Cómo Walmart pasó de retail a empresa tecnológica(13:40) – Qué hace un equipo de IA dentro de Walmart(15:00) – Carrito Listo: IA que predice tu próxima compra(17:15) – Cómo capacitan a miles de empleados en inteligencia artificial(20:05) – IA centralizada vs federada en empresas grandes(41:35) – Robots, visión por computador y logística automatizada(45:45) – Cómo Walmart decide qué proyectos de IA construir(47:20) – Qué habilidades necesita hoy un profesional de IA(54:50) – Conclusiones: el futuro del retail impulsado por inteligencia artificial

Transcript

Este transcript fue generado automáticamente por lo que podría contener errores

Ver transcript detallado

0:00 Sebastián Cisterna: Cuando pensamos en retail y en supermercados, es imposible no pensar en Walmart, o en Líder como le llamamos acá en Chile. Es una empresa gigante en todo el mundo y uno de los principales empleadores acá en Chile. Y por supuesto, es muy interesante saber cómo ellos están abordando el problema de inteligencia artificial. Hoy día vamos a hablar con Gonzalo Oyanedel, quien es gerente de inteligencia artificial en Walmart Chile. Con él hablaremos de todo lo que están haciendo dentro de Walmart en temas de inteligencia artificial, desde las cosas más simples como eventualmente chatear con ChatGPT o Copilot, hasta cosas más complicadas como la implementación de superagentes. También hablaremos de las habilidades que son necesarias para poder abordar esta ola de la inteligencia artificial. No te pierdas este episodio de Inteligencia Artificial para los Negocios, tu podcast semanal donde aprenderás en simple cómo llevar la inteligencia artificial a tu organización. Bueno, Gonzalo, muchas gracias por haber venido el día de hoy. Estamos muy contentos de poder hablar un poco más de inteligencia artificial en el retail. Antes de partir un poco y dándole un poco de contexto a la audiencia, obviamente todos conocen lo que es Walmart, es una de las pocas empresas en cual cuando hablamos en distintos países todos tienen algún símil. Pero lo que me gustaría saber un poco como de qué se trata tu rol y qué es lo que haces dentro de la empresa.

1:13 Gonzalo Oyanedel: Sí, por supuesto. Bueno, primero que todo, muchísimas gracias, Seba, por invitarme. Muchísimas gracias a todo el equipo de EvoAcademy por esta tremenda invitación. Y déjame partir un poco hablando de Walmart. Tú mencionaste en todos los países conocen algo como Walmart, ¿no? Un supermercado. Y la verdad es que Walmart en sí mismo es un país. ¿Y por qué digo esto? Porque es como un país de 2 millones de habitantes. Hay 2 millones de personas que hoy día en el mundo trabajan pa' Walmart. Yo creo que eso lo hace una organización particularmente interesante. Walmart en Chile, como muchos sabrán de los que nos están escuchando, opera supermercados. En Chile opera Líder, Superbodega aCuenta, Central Mayorista y Líder Express. Y también en otros países de Latinoamérica, nos encontramos en varias partes de Centroamérica y también en México con una operación bastante importante. Y mi rol de Walmart, pa' poder explicártelo tengo que explicarte un poquito más de Walmart todavía. Y es que Walmart hoy día además de ser un supermercado es una empresa de tecnología. ¿Y por qué te estoy yo diciendo que es una empresa de tecnología si lo único que hacemos es vender papas y cebolla y obviamente otras cosas más? Pero es que Walmart se ha ido transformando en una empresa que, bueno, comenzó en los años 60 como un supermercado propiamente tal, como todos los conocemos, pero poco a poco fue mutando en esta empresa de tecnología que es hoy día. Y de hecho, hace pocos meses Walmart partió a cotizar, en vez de la bolsa de Nueva York donde estaba desde el año 70, hoy día cotiza en el Nasdaq donde están todas las empresas tecnológicas. Y como toda buena empresa tecnológica, por supuesto, desde Desde bien el principio está subida a este carro de la inteligencia artificial y todo lo que podemos lograr con inteligencia artificial. Y vamos ahora a mi rol un segundo. Mi rol es de gerente de inteligencia artificial para Walmart Chile y yo tengo principalmente 3 funciones. La primera y quizá la más gruesa de todas estas es llevar adelante el portafolio de inteligencia artificial, el desarrollo de soluciones de inteligencia artificial con 2 focos. Por un lado, un foco de experiencia en el cliente y por otro lado, con un foco de experiencia de los colaboradores, de hacer que los colaboradores, las personas que trabajan en Walmart, puedan tener una experiencia, por así decirlo, muy eficiente para que ellos puedan dar la mayor cantidad de horas a lo que los humanos hacemos mejor, que es, por supuesto, entender a otros humanos. Y es el foco uno. Y los otros dos focos que yo tengo como mi rol, otro tiene que ver con la capacitación de personas, de colaboradores dentro de Walmart, dentro de la organización, en temas de inteligencia artificial, por supuesto, especialmente inteligencia artificial generativa y tercero, todo lo que tiene que ver con hacer una suerte de stewardship o de cierta manera dirigir la estrategia de inteligencia artificial de Walmart Chile.

3:53 Sebastián Cisterna: Y dentro de eso, porque obviamente Walmart es una empresa global, en el fondo, ¿cuánto de cómo tu rol está configurado hoy día depende un poco de cómo está configurado igual en Estados Unidos, está igual en Francia o en donde esté, México, por ejemplo, que me contaste? ¿O son estructuras que dependen más de lo local?

4:11 Gonzalo Oyanedel: Es una buena pregunta y un poco para volver a esta, digamos, para poder entender este rol y poder entender esta empresa que ahora se hace llamar una empresa tecnológica, lo que tenemos que pensar es que Walmart tiene sistemas que son, que tienen una aspiración de alcance global. Nosotros competimos contra Amazon en Estados Unidos, contra otra empresa muy bien conocida aquí en Chile y en el resto de Latinoamérica, Y nuestro, por así decirlo, nuestra propuesta de valor es que esas tecnologías con las que competimos en Amazon también nos permitan aquí competir de la mejor forma y darle una mejor experiencia a nuestros clientes en Latinoamérica. Entonces, en los últimos años, y especialmente más fuerte en esta última década, Walmart ha venido en un proceso que nosotros llamamos parity o de paridad, que estamos básicamente tratando de reforzar que haya cierta paridad a nivel de sistemas, pero también cierta paridad a nivel, digamos, organizacional desde el punto de vista de tecnología en los mercados, no solamente Estados Unidos, sino que todos los mercados donde está Walmart, que son casi 20 países. Y parte de eso hace que nosotros poco a poco vayamos trabajando cada vez más de forma similar y de la mano con, por ejemplo, Walmart Internacional y también con Walmart Estados Unidos. Y en ese sentido, la respuesta a tu pregunta, y perdona el rodeo, es que trabajamos parecidos, somos bien parecidos a la forma en la que están organizados en Walmart Internacional, pero no exactamente exactamente igual. Y ahí estamos también en un proceso de descubrimiento conjunto a ellos de cómo tratar de, por así decirlo, aceitar bien ese modelo operativo.

5:49 Sebastián Cisterna: Oye, hay varias empresas, por ejemplo acá tuvimos a Latam u otras más que nos contaron que obviamente inteligencia artificial es un concepto que vienen hablando hace muchísimo tiempo en la empresa, pero igual con la reciente ola de inteligencia artificial generativa los cargos fueron mutando. De hecho, en muchas empresas ¿Empezaron incluso a renombrarla o eventualmente la área que antes se llamaba Advanced Analytics pasó a ser de inteligencia artificial porque es un nombre que se entiende más? ¿Hay algún cambio así que haya ocurrido? Porque además entiendo que tú llegaste hace relativamente poco, comillas, en el número de años a Walmart.

6:25 Gonzalo Oyanedel: Correcto, sí. Mira, deja contarte una anécdota justamente respecto a eso que mencionas ahí. Cuando yo comencé en el mundo del business intelligence o de la inteligencia artificial, esto se llamaba estadística. Hay una gerencia estadística, imagínate el nivel de nerd que podía llegar a ser, la gerencia estadística. 2 años después esto se empezó a llamar Big Data y después le pusieron analítica avanzada, como tú bien decías. Y de hecho Walmart antiguamente, el área que yo lidero, en algún minuto se llamó analítica avanzada. Y yo llegué hace justo un año, en febrero del año 2025, a Walmart Chile. Y en esa entrada también hicimos este switch de ya cambiarnos a inteligencia artificial. ¿Y cuál es el propósito de este cambio? Es por sobre todo que los colaboradores y el resto de las personas con las que trabajamos entiendan qué es lo que hacemos y de cierta manera los podamos servir mejor.

7:17 Sebastián Cisterna: ¿Y qué es lo que hace un área de inteligencia artificial en una empresa tan grande? En otros países, no estoy seguro la verdad si en Chile también aplica, pero en otros países Walmart es el principal empleador de aquellos países. Acá en Chile también me imagino que es una buena cantidad de gente. ¿Qué es lo que hace esta área una empresa tan grande.

7:35 Gonzalo Oyanedel: Sí, efectivamente nosotros somos de los principales empleadores de Chile y lo que hace el área que tengo el honor de liderar es básicamente desarrollar soluciones de inteligencia artificial. ¿Y qué quiero decir con eso? Y lo voy a decir en un sentido súper amplio, desde por ejemplo forecast de venta, cuánto vamos a vender mañana, cuánto vamos a vender la próxima semana, cuánto vamos a vender el próximo mes, hasta IA generativa. Y entremedio lo que estamos haciendo también es, por ejemplo, optimizaciones, gemelos digitales, modelos de recomendación y un sinnúmero de cosas que de cierta manera de alguna u otra forma requieren inteligencia artificial para operar.

8:10 Sebastián Cisterna: ¿Cuántas personas más o menos son en el equipo?

8:12 Gonzalo Oyanedel: Somos un poco más de 30 personas, particularmente mi equipo, y un poco más de una centena en todos los equipos de data y analytics dentro de Walmart.

8:23 Sebastián Cisterna: ¿Y esa diferencia es porque quizás algunos se dedican como más a la mantención de los sistemas?

8:27 Gonzalo Oyanedel: Nosotros tenemos, como todo lo, como la gran mayoría de los equipos de data analytics, tenemos distintas funciones. Por ejemplo, ingeniería de datos, tenemos gobierno de datos, tenemos business intelligence, Tenemos también todo lo que tiene que ver con el portafolio de datos, e inteligencia artificial es una de todas estas funciones que comprenden este ecosistema de datos dentro de una empresa grande como Walmart Chile.

8:50 Sebastián Cisterna: ¿Y el perfil de las personas son en general informáticos o hay un poco de otras?

8:56 Gonzalo Oyanedel: Es una buena pregunta y hay una evolución en esto. ¿Y qué tiene que ver esa evolución? Es que si tú me preguntás y esta misma pregunta hace 10 años, yo te hubiera dicho sí, la mayoría son ingenieros estadísticos o matemáticos o estadísticos. Lo que se llama área estadística. Cuando se llamaba área estadística, claro, por supuesto. Y lo que poníamos hace 10 años era buscamos ingenieros estadísticos o licenciados en estadística, ¿no? Y hoy día esto ha cambiado radicalmente. Efectivamente, los ingenieros civiles o industriales muchas veces son la mayoría de los roles que tenemos, los informáticos. En mi equipo, por ejemplo, tenemos 5 doctores. No los doctores que llaman cuando a alguien le pasa algo en un avión, sino que es los doctores que, digamos, PhD, ¿no? Tenemos 3 físicos teóricos, doctores en física teórica, tenemos doctores en matemáticas, doctor en economía y también tenemos personas que estudiaron cosas que uno inicialmente pensaría que quizás no tienen nada que ver con la ciencia de datos.

9:52 Sebastián Cisterna: Claro, de hecho en ese mismo trayecto me pasa contigo, ¿no? Que en el fondo tu background es como más desde el área de la ciencia más tradicional, más en vez de la de datos, ¿no?

10:05 Gonzalo Oyanedel: Correctamente. Déjame ir pa' allá en un segundo porque también nosotros, por ejemplo, tenemos historiadores hoy día en Mere, tenemos personas que estudiaron literatura inglesa, ¿no? Entonces yo creo que ha habido una evolución especialmente en Chile que antes, yo creo que todavía lo somos un poco, pero somos bastante guiados por, digamos, las carreras. Hay pocas carreras, digamos, masivas donde mucha gente va a buscar roles a ese tipo de carreras. Yo creo que eso se está abriendo. Y nosotros hoy día, por ejemplo, en inteligencia artificial estamos promoviendo mucho esa apertura, cada vez yendo menos a buscar, o sea, obviamente todo es bienvenido, ¿no? Pero estamos mucho menos prescriptivos en el tipo de perfil. Y efectivamente yo vengo de las ciencias naturales, de las ciencias biológicas, yo soy licenciado en bioquímica e ingeniero en biotecnología, pero la verdad es que yo estaba muy ligado al mundo de los datos desde la biología. La primera intuición que uno tiene es que la biología es que uno no ve muchos computadores sino que ve más ratones, células y ese tipo de cosas, ¿no? Y sí, por supuesto, pero también está todo este mundo de la bioinformática y de hecho es bien curioso, dos anécdotas aquí. La primera es que las primeras grandes bases de datos eran de tipo biológico, el ADN y las secuencias de proteínas.

11:24 Sebastián Cisterna: Genomas.

11:25 Gonzalo Oyanedel: Exactamente. Entonces muchos algoritmos que se desarrollaron se desarrollaron funcionalmente para poder resolver problemas de bioinformática. Y la segunda anécdota que te quería contar, Seba, es que uno de los primeros Nobel, si no el primer Premio Nobel asociado a la inteligencia artificial está en el mundo de la bioinformática, de hecho. Demis Hassabis, que es el CEO de DeepMind, efectivamente.

11:51 Sebastián Cisterna: Del área de inteligencia artificial de Google para la gente que no lo ha escuchado antes.

11:54 Gonzalo Oyanedel: De Google, claro. Él se ganó el Premio Nobel el año pasado, o el año antepasado, perdón, precisamente porque AlphaFold, AlphaFold 2 particularmente logró resolver este problema de la estructura de las proteínas que era uno de los problemas que yo me acuerdo cuando yo tengo una clase de esto, el año 2010 más o menos, el profe dijo que quizá cuando nosotros fuéramos viejos, los estudiantes, íbamos a poder ver este problema resuelto. Pasaron 10 años y ese problema se resolvió. Entonces cuando me preguntan cuál es la magnitud de la revolución de la inteligencia artificial yo les cuento esto, esta es la revolución de las revoluciones, por así decirlo.

12:31 Sebastián Cisterna: De hecho, una cosa, es un poco spoiler para la gente que ve nuestro podcast, pero nosotros nos tocó ir a un laboratorio de una empresa de bioteco hoy día acá en la Universidad Católica, no voy a dar más detalles porque no quiero spoilear, pero era fascinante cómo ellos tenían como conectado todo el tema de inteligencia artificial ahí porque en el fondo una muestra muy chiquita, en el fondo microscópica, te puede generar una cantidad enorme de datos que ya no son fáciles de procesar en un computador de consumo normal, lo tení' que mandar a la nube. Entonces uno de repente dice, no, pero si es una muestrita microscópica, ¿qué te va a costar procesar eso en algo así? No, genera demasiada información con las secuencias de ADN o con otras cosas y efectivamente hay mucho respaldo de los datos en esta disciplina.

13:15 Gonzalo Oyanedel: Precisamente, y un poco lo que nos pasa, lo que tú mencionabas al principio, pareciera que es una disciplina que está muy lejos de los datos Pero en realidad estamos cada vez y todas las disciplinas hoy día, incluso la lingüística, que tengo algunos amigos que trabajan en lingüística, están cada vez ocupando más estrategias o metodologías computacionales para poder entender incluso el pasado de los lenguajes o la historia.

13:37 Sebastián Cisterna: Perfecto. Oye, pasemos a la materia de lo que están haciendo en Google hoy día.

13:42 Gonzalo Oyanedel: Por supuesto.

13:42 Sebastián Cisterna: Tu día a día, ¿cómo se divide? O sea, en el fondo, ¿qué tipo de tareas están resolviendo? ¿Qué problemas están abordando? De los que se pueden contar, obviamente.

13:49 Gonzalo Oyanedel: No, por supuesto. Mira, me gustaría contarte primero también cómo nosotros dividimos la inteligencia artificial en Walmart y nosotros hablamos de 3 niveles. Hablamos de un nivel de inteligencia artificial de escritorio, por así decirlo, y ahí es donde caben todas las herramientas como por ejemplo— Copilot. Exacto, Copilot, Gemini, el ChatGPT, eso es como lo que llamaríamos el nivel escritorio. Hay un segundo nivel que es, por así decirlo, el nivel agente que son, ahí está el Copilot Studio, los GPTs, los Gems, exactamente. Digamos, todo eso que te ayude a darle agencia a esos chatbots y ya que la gente ya pueda hacer cosas en nuestro nombre, que es como la definición más canónica. Y está el nivel 3 de inteligencia artificial, que es donde ya nosotros tenemos que hacer cosas ad hoc o tenemos que, por así decirlo, ya meterle mano al código y tenemos que ponernos a programar cosas un poco de cero porque no está disponible en el mercado. La gran parte de lo que hace mi equipo es nivel 3, pero como te comentaba antes, nosotros también estamos en este nivel 1 y 2, principalmente en el nivel 1 en capacitaciones y en el nivel 2 en capacitación y en cocreación. Y particularmente lo que hacemos en nivel 3, hay un ejemplo que me gusta también compartir, que es el Carrito Listo. No sé si lo habías escuchado. Carrito Listo es una aplicación o un aplicativo que ya está dentro de la aplicación de Líder, que se puede descargar en el celular, Y la gracia de Carrito Listo es literal su nombre, tiene el carrito listo. ¿Qué significa? Con un solo clic y con toda la data, con lo que yo he comprado en base a mi historial de compra, digamos, y en base a mi historial de compras físicas y online, yo puedo ver qué es lo más probable que voy a comprar en mi próxima compra, valga la redundancia. Entonces no es solamente mi última compra, que sería algo bastante sencillo de hacer. Sino que esto tiene una noción de reabastecimiento del hogar donde de cierta manera logramos predecir si al cliente ya se le acabaron las lechugas, entonces le toca de nuevo comprar una lechuga.

15:53 Sebastián Cisterna: Claro, porque hay cosas que se renuevan a diferente velocidad, ¿no? O sea, de fondo quizás la leche, dado que tengo 4 personas en la casa, la estoy renovando todas las semanas o incluso a la mitad de la semana. En cambio, quizás cosas que son más grandes como el detergente O bidones de agua que quizás no quiero andar acarreando todas las semanas, las compro con otra frecuencia y obviamente ahí es donde entra la diferencia que decías tú, donde que el último pedido me hubiera puesto de nuevo los bidones, me hubiera puesto de nuevo el detergente si está en la compra principal del mes, pero en cambio si va a una compra de reabastecimiento depende un poco de otras variables que de hecho no son tan fijas, ¿no? O sea, en el fondo como que claro, uno tiene la idea ya esta cosa la puedo renovar semanalmente, pero no todos los clientes lo hacen semanalmente. Me imagino que va por ahí, ¿o no?

16:34 Gonzalo Oyanedel: Exactamente, correcto. Y de cierta manera esto nos empieza a dar ciertas luces de adónde está yendo, por así decirlo, la industria del retail. Y con esto me refiero a probablemente un retail que va a ser mucho más proactivo, mucho más personalizado dentro de lo que un cliente podría también esperar.

16:53 Sebastián Cisterna: Aprender de inteligencia artificial puede ser muy difícil y más aún si lo haces solo. Por eso hemos creado un espacio para que puedas compartir con otros, hacer y resolver dudas y poder acceder a material exclusivo que iremos actualizando continuamente. Únete ahora a nuestra comunidad y aprende con nosotros en evoacademy.cl/comunidad o en el link que podrás encontrar en la descripción de este podcast. Y respecto a las capacitaciones, ¿cómo abordan ese problema? O sea, en el fondo, ¿hay niveles de esto? En el fondo, cuando llega alguien a Walmart lo obligamos a tener cierta capacidad que tiene que ser sí o sí, así como cuando lo obligan a uno a hacer los cursos de ciberseguridad.

17:31 Gonzalo Oyanedel: Tratamos de que justo no sea como eso, porque a veces esos cursos son como— es muy importante, pero muchas veces son a veces una carga y la gente no lo siente tan propio. Pero lo que tratamos de tener como estrategia, y nosotros comenzamos el año pasado con esto, el 2025 con esto, fue una estrategia mucho más bottom-up, mucho más de abajo hacia arriba. Y a mí me gusta ocupar el término guerrilla. Para poder describirlo.

17:59 Sebastián Cisterna: ¿Qué significa eso en este contexto?

18:00 Gonzalo Oyanedel: No quiero ponerme muy militar con mis cosas, ¿no? Pero guerrilla, con guerrilla me refiero a un modelo en donde tenemos muchas capacitaciones frecuentes a grupos pequeños donde enseñamos cosas muy tácticas y en base a esas pequeñas capacitaciones, cero masivas, cero, digamos, como automatizadas en un video, Estamos con cada uno de los equipos que están ocupando y de cierta manera personalizamos esa capacitación a las necesidades más específicas de cada uno de los equipos. Van a haber algunos equipos que van a tener que, por ejemplo, ocupar una herramienta para poder extraer, qué sé yo, contratos de un repositorio, ¿no? Otros equipos que van a tener que hacer análisis de datos, otros equipos que van a tener que quizá automatizar un proceso. Y esa riqueza que existe en la organización Creo que fue lo que logramos de cierta manera capturar con esta lógica de guerrilla que yo te cuento. Y eso fue este primer año, digamos el 2025, y ahora este segundo año ya estamos haciendo algunas cosas quizás que son más tradicionales precisamente porque obviamente está llegando gente nueva a la compañía, entonces ya tenemos que ponerlos up to speed, como diría uno, y ya también estamos tratando de de empezar a crear ciertos programas, como por ejemplo un programa de Champions que tenemos, que son un grupo de personas donde ya no solamente les enseñamos tareas tácticas, sino que también les enseñamos un poco más de, a mí me gusta decirle como esta filosofía de la inteligencia artificial, o esta visión quizá un poco más madura de no solo aprender a ocupar bien, aprender a hacer bien prompts, o aprender a hacer bien agentes, sino qué es lo que va a pasar con la inteligencia artificial, cómo la inteligencia artificial me va a afectar a mí y también a la sociedad en su conjunto y también el mundo del retail, por supuesto.

19:48 Sebastián Cisterna: ¿La capacitación nace desde el área de ustedes? O sea, ¿ustedes la realizan o es algo como descentralizado?

19:55 Gonzalo Oyanedel: La realizamos desde el equipo de data y analytics, que eso incluye a mi equipo y también a los otros equipos que te mencioné.

20:02 Sebastián Cisterna: Claro, ustedes 30 más los otros 100, digamos.

20:04 Gonzalo Oyanedel: Exactamente, sí.

20:05 Sebastián Cisterna: Y en ese sentido igual me llama la atención porque hemos hablado un par de cosas que hacen un poco como ver de que ustedes están en un modelo más centralizado que federado o que… Lo hemos hablado con otras organizaciones que han venido de tamaños similares y en general federado, para la gente que está escuchando esto por primera vez, se refiere a que las respectivas unidades de negocio, por ejemplo, digamos finanzas, digamos marketing, etcétera, deciden por su cuenta cómo abordar ciertos problemas. En cambio, un modelo centralizado tiende a un área decir, oye, cuando tú te ves un problema que tiene que ver conmigo, lo vas a ver principalmente conmigo en vez de que tú lo vas a abordar con una supervisión ligera. ¿Por qué esta definición? ¿Es algo que cambió? ¿Es algo que siempre han hecho?

20:44 Gonzalo Oyanedel: Yo creo que aquí para responder esta pregunta, Seba, creo que no hay un solo sabor o color de esto, no creo que haya solamente una forma correcta y mi experiencia no solamente en Walmart sino que también en mi vida pasada como consultor me tocó ver muchos sistemas en donde algunos estaban federados, funcionaban muy bien, federados funcionaban horribles, centralizados. Funcionaban horrible y centralizados funcionaban muy bien. Y lo que a mí me ha dado la sensación es que en la medida que una organización va aumentando su madurez, empieza a tener ciertas capacidades centrales cada vez más fuertes. Y esas capacidades centrales luego, dependiendo del tipo de negocio en el que está, el que tiene que servir esta capacidad central, va a determinar si su forma final va a ser centralizada absolutamente o federada, donde quizá va a tener solamente un centro de excelencia pequeño que va a tener ciertos guidelines o reglamentos, pero va a operar más federadamente. La experiencia de Walmart es que en ese proceso de madurez, esa madurez por supuesto fue creciendo y el negocio de Walmart es un negocio bastante unificado donde una gran parte, una porción muy importante del EBITDA viene de hacer muy bien una sola cosa, un conjunto acotado de cosas. Y en ese mundo creo que el modelo centralizado es precisamente el más potente Pero con un caveat, con una consideración, que es que ese modelo centralizado tiene que estar a su vez muy ligado a lo que hacen los negocios. Entonces hoy día, por ejemplo, nuestros data scientists, que son parte de este modelo centralizado, sí están sentados precisamente en los negocios, pero vuelven, digamos, durante la semana sí vuelven a este—

22:24 Sebastián Cisterna: Al central.

22:25 Gonzalo Oyanedel: Al central, donde obviamente compartimos las mejores prácticas y nosotros cada cierto tiempo existen ciertos mecanismos de rotación donde una persona que, por ejemplo, estuvo sirviendo para un proyecto de marketing, luego al— no te voy a decir a la semana siguiente, pero al semestre siguiente o al trimestre siguiente puede estar quizás ya en un proyecto de operaciones totalmente distinto, pero también siempre con esta lógica central y este músculo que ciertamente alimenta y retroalimenta la forma en la que hacemos analítica avanzada.

22:55 Sebastián Cisterna: Eso es un buen dato y simplemente para cuando hay cosas que creo que hay mucha audiencia que está interesada, me gusta redundar un poco, o sea, en el fondo Acá hay un tema de la cantidad de diferenciación que hay en cada una de las unidades. Walmart, al tratar de ser una empresa que a diferencia de otras empresas, en el mundo del marketing siempre tratan de dividirlo en dos, pero obviamente que es más complejo, está diferenciación y costo y eficiencia. Para hacer costo y eficiencia como hace Walmart tienes que reducir la variabilidad y la complejidad de algunas tareas y eso no solamente es consecuente con esa estrategia de diferenciación, de posicionamiento, sino que además es consecuente en este caso con el modelo central porque en el fondo la variabilidad dentro de la organización trata de disminuir porque es costosa. Entonces creo que eso también es importante a la hora de que hay equipos que hoy día están considerando tener un área, cómo deberían pensar sobre esto. Creo que una variable no menor a tener en cuenta.

23:44 Gonzalo Oyanedel: No, ciertamente. Y creo que, por ejemplo, en una estructura corporativa donde hay empresas de distintos rubros pero de una misma, digamos, de un mismo grupo, yo creo que sí modelos federados hacen más sentido, que no es el caso de Walmart, por supuesto.

23:58 Sebastián Cisterna: Oye, y pasando, hablaste del nivel 1, nivel 2, nivel 3, que es como un poco más sofisticado, hablaste del forecast. Recientemente en LinkedIn también vi que Walmart publicó como la robótica que tienen adentro, ¿eso también es nivel 3 o no?

24:12 Gonzalo Oyanedel: La robótica, de partida creo que la robótica va a ser uno de los grandes avances de este o el próximo año. ¿Y a qué me refiero con esto? Yo creo que el physical AI o incluso los world models, los modelos de mundo, que son modelos que no están necesariamente basados en la arquitectura del transformador y los que los que nos escuchan en la casa, la arquitectura del transformador es la arquitectura que está detrás de modelos como por ejemplo ChatGPT, sino que ya otra arquitectura totalmente distinta fusionado con este physical AI va a ser probablemente una de las cosas que vamos a estar viendo este y el próximo año. ¿A qué me refiero con esto en concreto? Robots que van a poder hacer cosas totalmente prácticas en el mundo físico, probablemente a partir de una serie de prompts o alguna serie de instrucciones de un nivel de acción alto, que no haya que programarlo simbólicamente. Entonces yo creo que probablemente viene el momento ChatGPT de la robótica. Y efectivamente en Walmart tenemos bastantes robots que trabajan con nosotros, especialmente en nuestros centros de distribución, varios miles. Y yo creo que son parte no solamente de nuestra red de distribución, sino que de varias empresas que tienen redes logísticas profundas. Y son parte de lo que vemos hoy día en el día a día. No son particularmente parte de las cosas que hacemos hoy día en inteligencia artificial, sino que ya tenemos equipos dedicados en los centros de distribución a este tipo de cosas. Pero ciertamente es uno de los temas que estamos empezando a mirar con cierta atención por esto que te digo, es muy probable que este y el próximo año, hasta el 2027, ya estemos avanzando en esta fusión de O LLMs o world models con robótica. Incluso déjame darte un último dato, en un post que hizo Sam Altman hace como 6 meses, él decía que el 2027 iba a ser el año de los robots. Sam Altman no lo ha tuntado todo, no le ha dado todo, pero démosle algo de beneficio.

26:15 Sebastián Cisterna: Quizás sí, exactamente. Pero dentro de lo que entonces sí abordan, ¿qué tipo de cosas son del nivel 3? Bueno, hablaste del forecast, pero quizás quieres abordar en algunas otras cosas más.

26:25 Gonzalo Oyanedel: Hoy día, por ejemplo, estamos tratando de reentender a nuestros clientes con metodologías que son cercanas a lo que uno podría pensar con la arquitectura del transformador. Y con esto me refiero, por ejemplo, a representaciones vectoriales de los clientes. Para los que quizá no les haga tanto sentido esto, hoy día, por ejemplo, los modelos como ChatGPT o los modelos basados en transformador, los LLMs, lo que hacen es que las palabras las representan en un espacio vectorial y esas palabras representadas en el espacio vectorial se van de cierta manera actualizando cada una de las capas de esta red neuronal y eso hace que esa actualización dependa del contexto. Esos modelos además de ayudarnos a crear modelos de lenguaje, valga la redundancia, como ChatGPT, también nos permiten vectorizar otras cosas, no solamente palabras sino que también nos permite vectorizar clientes.

27:25 Sebastián Cisterna: Claro, y antes de entrar en ese tema simplemente para asegurarme que la gente que está escuchando este concepto de vector no se quede intimidada porque vector es un concepto que la verdad es que cuando me lo decían así en álgebra en la universidad me daba un poco de miedo, después cuando entendí un poco que no era tan— Piensa en la persona que quizás no está familiarizada con ese concepto en un Excel o en una plantilla o una tabla donde hay diferentes números en esas posiciones. Entonces, por ejemplo, si vamos a modelar, por ejemplo, a Gonzalo y a mí en términos de esto, hay cosas que, por ejemplo, uno podría clasificar entre 0 y 1 para simplificarlo. O sea, 0 es la ausencia de ese atributo y 1 es la presencia de ese atributo. Entonces, por ejemplo, si tú dices, oye, Gonzalo y Sebastián en la dimensión, en la tabla, hay una dimensión que es, ¿es hombre o no es hombre? Bueno, los dos somos 1 porque sí, efectivamente cumplimos con ese atributo, pero mientras que hay otras personas que son mujeres son 0. Ya, entonces nosotros en nuestro vector tenemos un vector que es común, o sea, una dimensión que es común. Después, por ejemplo, trabaja en Walmart, para mí es 0, para Gonzalo es 1. Y así sucesivamente podemos ir modelando palabras. Obviamente a esta altura esto es mucho más complejo que esto, las dimensiones son mucho más que 0 y 1, pero para que se hagan una idea, finalmente es una representación en números de lo que podría ser una entidad. Por ejemplo, Gonzalo, Sebastián, un texto o una imagen. Y así sucesivamente. Entonces un poco, si yo entendí bien lo que tú estás tratando de explicar, en el fondo también estás tratando de llevar este mismo concepto de vectores al mundo de poder modelar un cliente o una transacción.

28:55 Gonzalo Oyanedel: Correctamente. Y si nosotros podemos darle cierta, digamos, cierta representación verbal a un cliente, por ejemplo, Seba, que tiene un polerón negro, que le gusta pasear a su perro, que le gusta A, B y C categorías, eso ya podemos de cierta manera representarlo. En un espacio vectorial y eso nos lleva a un siguiente nivel en la forma en la que nosotros pensamos la personalización. No puedo comentar mucho exactamente qué cosas puede habilitar esto, pero yo creo que ya te las estás imaginando.

29:25 Sebastián Cisterna: Sí, yo voy a tratar de dar un ejemplo que es más público porque hace poco alguien de la industria financiera me compartió unos papers, así que eso está público. Por ejemplo, cómo están ocupando esto para algunos modelajes, piensen por ejemplo en la industria de medios de pago o que tiene como transacciones respecto a una boleta. Yo podría modelar, por ejemplo, si esta boleta es de verduras o no tiene verduras, no digo contiene verduras, contiene pan, no contiene pan, ese tipo de cosas y eventualmente eso hoy día en los modelos de lenguaje vemos de que todos esos vectores te ayudan a predecir la siguiente palabra, o sea, en el fondo Eugenio está tranquilo pues tiene la conciencia limpia, eso no se hizo solamente por palabras, se hizo porque sus números de alguna manera convergían a eso. ¿Qué pasa si es que en eso yo tratara de modelar, por ejemplo, una transacción financiera? Hay papers que hablan efectivamente de cómo esto está pasando en la industria financiera en cual tratan de predecir, por ejemplo, si una transacción es coherente con lo que ha comprado la persona. Supongamos que la persona, por ejemplo, generalmente compra en Santiago, generalmente compra en e-commerce, generalmente no compra físico y ese tipo de cosas también y de repente aparece que esa persona compra en Miami y que compra en una tienda de Nike en un outlet, es súper diferente a lo que el modelo hubiera predecido, por lo tanto probablemente es un fraude. Entonces ese tipo de cosas se están ocupando en industria financiera y obviamente si uno puede tener la capacidad de modelar algo en vectores eventualmente podría ocupar la misma lógica para otras industrias.

30:46 Gonzalo Oyanedel: Correctamente. Y antes nosotros lo que podíamos hacer era, por ejemplo, segmentaciones de clúster, ¿no? Esto ciertamente complementa ese tipo de técnicas con información aún más rica y que nos permite ver ciertas dimensiones donde antiguamente no podíamos ver relaciones. Perfecto.

31:05 Sebastián Cisterna: Oye, y una de las cosas que también ha salido como en la prensa a nivel internacional es que Walmart está trabajando en algunos agentes. ¿También lo tienen en el lado más local?

31:15 Gonzalo Oyanedel: Correcto. Nosotros tenemos parte de la estrategia de Walmart a nivel internacional, a nivel mundial, es nuestra estrategia de súper agentes. Y nosotros tenemos 4 grandes súper agentes que van a estar prontamente en todo el mundo y ya tenemos algunos incluso acá. Está el súper agente Sparky, el súper agente Wybie, el súper agente Marty, perdón, y el súper agente Squealy. Y estos 4 súper agentes—

31:41 Sebastián Cisterna: ¿Por qué no le pusieron María, Sofía, Victoria a todos los que—?

31:45 Gonzalo Oyanedel: Yo creo que deberíamos renombrarlos con nombres un poquito más chileros. Somos muy buenos pa' poner nombres en Walmart o muy terribles, depende cómo lo mires. Pero lo que hacen estos súper agentes, por ejemplo Sparky, lo que va a hacer Sparky ya cuando llegue a Chile es ser un agente de compras, un agente en donde yo le voy a decir, oye, Seba, vamos a organizar un asado. Oye, Sparky, vamos a organizar un asado, vamos a ser tantas personas. Y Sparky por su cuenta va a poder hacer ya esta canasta especializada en base también a las preferencias del usuario. Entonces va a ser una experiencia conversacional de compra. Y más allá de conversacional, lo que se viene también es una experiencia agéntica de compra donde ciertos agentes pueden comprar por nosotros. Y lo que se viene también, y que ya lo tenemos operativo en Estados Unidos, es que hoy día uno en Estados Unidos puede comprar en Walmart a través ya sea de ChatGPT o a través de Gemini.

32:40 Sebastián Cisterna: A través de estos protocolos que ellos mismos están implementando con la gente e-commerce.

32:44 Gonzalo Oyanedel: Exactamente.

32:45 Sebastián Cisterna: De hecho, hay una declaración de Walmart a nivel mundial que dice como que están esperando que esto sea sin barras de búsqueda. Igual, por ejemplo, yo pensaba, cuando uno va a un e-commerce está acostumbrado a ocupar esa barra de búsqueda. O sea, igual hay algunos que vamos por categorías, pero en general uno oye quiero buscar este producto y busco la marca o busco el cómo se llama el producto en genérico. Se me resulta muy raro esa ambición porque de pronto de alguna manera incluso como que va en contra de cómo operan las cosas hoy día. ¿Cómo ves que van a llegar a esa visión, digamos? ¿Qué es lo que habilita una visión así?

33:19 Gonzalo Oyanedel: Creo que hay que volver al propósito y el propósito de Walmart, y te voy a decir la versión Walmart Chile, pero la versión internacional es bien es bien parecida, ¿no? Pero la versión Walmart Chile de esto es ayudar a los chilenos a ahorrar dinero y tiempo para vivir mejor. Y si tú pensáis, por ejemplo, en un Carrito Listo, que es lo que te comentaba antes, Carrito Listo lo que hace es que las personas pasen 50% menos de tiempo en una app. ¿Qué app hace que las personas pasen menos tiempo? Es súper poco intuitivo, ¿no? Pensemos, por ejemplo, en Instagram. Yo sé que nada que ver como el objetivo, ¿no? Pero Instagram lo que hace es maximizar el tiempo de los usuarios. En la aplicación. Lo que nosotros hacemos con Carrito Listo o con otras, digamos, experiencias, ya sean agénticas, conversacionales, lo que sea, es precisamente hacer que esos clientes tengan una mejor experiencia pasando menos tiempo en la aplicación. Y esto obviamente va a significar por sobre todo un desafío, un desafío de que muchas veces las personas quizás vayan a pasar menos tiempo, pero también es una oportunidad, una oportunidad de conveniencia, una oportunidad de conectar de una forma mucho más íntima con el cliente. También va a ser una oportunidad de subir a nosotros mismos el estándar de qué es lo que le queremos entregar. El 2014 más o menos, una empresa tecnológica sacó una patente que se llama algo así como preventive shopping, ¿no? Que es, y la lógica, y yo creo que la industria va para allá y Walmart va para allá, es que las personas reciban su carrito incluso antes de que lo pidan. Y yo creo que estamos en la década en la que probablemente vamos a ver eso suceder.

34:48 Sebastián Cisterna: Me cuesta, o sea, obviamente que todas estas cosas cuestan imaginarse hasta cuando pasa, Hay veces que hubiera agradecido que me hubiera llegado el producto antes que se va a botar, la verdad debo decir, pero hay otras veces que igual como que creo que la primera vez va a ser como cuando uno se sube a un auto que se conduce solo, que claro, si uno lo piensa dice oye, ese auto no tiene conductor, bueno, ¿y qué te asegura que tener un conductor es mejor, digamos? Porque el conductor se puede desviar en cualquier momento hacia el lado, puede decir ok, este es momento de dar vuelta acá y no se debería, una máquina puede controlar eso. De hecho, cuando hablo de estas cosas de automatización con mis estudiantes les digo, oye, ¿tú ocupas un ascensor? Sí. Sí, le estás delegando tu vida a una máquina que ni siquiera tiene inteligencia artificial muchas veces por mucho tiempo porque obviamente cuando andamos en un auto pensamos en eso pero cuando vamos en un ascensor quizás no lo pensamos. Acá también es como, oye, que me llegue un carro automatizado de pronto es como medio extraño pero probablemente hay que ver, pero probablemente eso me dure poco en la medida que sea útil, ¿no?

35:46 Gonzalo Oyanedel: Efectivamente.

35:48 Locutor: ¿Interesado en adoptar la IA en tu empresa? Pues te tengo buenas noticias. En EvoAcademy diseñamos distintos cursos corporativos sobre cómo adoptar tecnología e inteligencia artificial. Ofrecemos cursos tanto para ejecutivos, donde explicamos de forma didáctica cómo entender el potencial de la IA, como para equipos técnicos, donde mostramos cómo puedes construir aplicaciones utilizando modelos de lenguaje, entre otros varios cursos. Visita nuestro catálogo en evoacademy.cl/cursos-corporativos o en el enlace que te dejamos en la descripción del podcast y lleva tu empresa al siguiente nivel.

36:30 Sebastián Cisterna: Estoy pensando también en cómo ustedes deciden entre los problemas, porque hay cosas que obviamente vienen desde el internacional, o hay una buena base que viene desde internacional, o sea, por ejemplo, este alineamiento de agente que deseas hay presencia en varios temas, pero hay de repente soluciones que vale la pena construir interna o ir a buscar licencias.

36:50 Gonzalo Oyanedel: O localmente, claro.

36:51 Sebastián Cisterna: ¿Cómo piensan en eso? O sea, en el fondo, ¿cuándo vale la pena como construir o comprar internamente?

36:57 Gonzalo Oyanedel: Mira, por supuesto, una de las gracias que tiene Walmart Chile es ser parte de Walmart, ¿no? Y Walmart, como te decía, es la empresa de retail más grande del planeta, y ser la empresa más grande, ser ser parte de la empresa más grande de retail del planeta tiene estos beneficios de que lo que funcionó, por ejemplo, en China o en Estados Unidos o en la India o en México, eso es algo que quizás podemos ir a buscar y de forma más o menos rápida traerla, ¿no? Eso siempre está en la cabeza. Estamos tratando de que eso sea cada vez más fuerte, pero muchas veces nos encontramos con problemas que son tremendamente locales. Y una de las cosas bonitas que a mí me encantan de Walmart, en Chile especialmente, es cómo conecta con sus comunidades, y también desde esas comunidades cómo tiene que ir a buscar de cierta manera soluciones que puedan servir no solamente a esas comunidades, sino que también a esos problemas locales, ¿no? Y en este sentido nosotros tenemos una perspectiva de valor. Y aquí me quiero referir con eso, porque creo que todo el mundo diría algo parecido, me refiero a que nosotros somos o tenemos una suerte de venture capital interno, ¿ya? Y esta suerte de venture capital interno lo que hace es evaluar cada iniciativa en su mérito de forma muy rápida, muy ágil. Y por eso nosotros tenemos una valorización o una agilidad y también una noción de esfuerzo que nos permite de forma extraordinariamente ágil alocar nuestro equipo en aquellas que van a tener mayor valor y luego hacerle seguimiento. Si tú me preguntáis cuál es mi mayor KPI hoy día, mi mayor KPI es uno muy parecido a uno de un venture capital. Yo mido mi performance o mi desempeño en retorno de inversión, mi ROI. Y yo cada año o cada trimestre tengo un ROI que quiero cumplir y estoy seguro, no te puedo contar el ROI, pero estoy seguro que cualquier venture capital estaría bastante interesado en invertir en mi equipo.

38:40 Sebastián Cisterna: ¿Tu equipo? ¿Cuánto de esta cantidad de tareas o la cantidad de cosas que están abordando son IA generativa versus esta, nosotros le llamamos IA predictiva, no sé si te puede poner otro nombre, hay gente que le llama analítica, pero en el fondo este estadístico más clásico de cuando se llamaba área de estadística versus esto como más de transformers No, está perfecto.

38:59 Gonzalo Oyanedel: Mira, yo creo que 3 de cada 10 de los proyectos que hoy día tomamos, entre el 20% y el 30% hoy día están en torno al mundo de la IA generativa. Todavía, a pesar de que se ha consolidado muchísimo, es una tecnología que aún está incipiente. Yo creo que este año, el 2026, va a ser el año de la consolidación, digamos, final, de donde vamos a terminar de tener claro cuáles son los protocolos. Pero creo que el 70% todavía del valor viene de la IA tradicional o de la IA predictiva, como tú lo decís. Yo sí creo que todavía le podemos sacar una vuelta de rosca más a los Sí creo que podemos hacer mejores modelos de recomendación, sí creo que podemos hacer mejores gemelos digitales, optimizaciones y simulaciones y creo que eso hoy en día está—

39:38 Sebastián Cisterna: ¿Qué es un gemelo digital? Porque antes lo escuché y se me olvidó que te lo quería preguntar. ¿Qué es un gemelo digital?

39:42 Gonzalo Oyanedel: Un gemelo digital es una representación computacional de un proceso o de un conjunto de procesos, por ejemplo, de una tienda o de un centro de distribución y lo que me permiten los gemelos digitales es yo poder probar configuraciones, por ejemplo, una configuración de una tienda o una configuración de un centro de distribución distintas de una forma segura en un ambiente computacional y poder ver cuál va a ser el efecto de eso. Por ejemplo, ver el efecto a nivel de varios meses o varias semanas y poder tomar decisiones estratégicas en base a los resultados de ese gemelo digital.

40:14 Sebastián Cisterna: O sea, por ejemplo, si moviera dentro de la góndola un producto más a cierto lugar versus el otro, ese tipo de cosas.

40:20 Gonzalo Oyanedel: Ese sería un gemelo digital bastante extraordinario, me gustaría tenerlo. Lo voy a llevar de vuelta al equipo Pero tratamos de hacer quizás cosas un poquito a un nivel de abstracción más arriba.

40:31 Sebastián Cisterna: ¿Algún ejemplo que se pueda decir?

40:32 Gonzalo Oyanedel: Piensa, por ejemplo, no voy a dar un ejemplo del retail, pero te voy a dar un ejemplo de la minería, algo donde ya no estoy. Pero imagínate un gemelo digital de la minería donde tenemos que, por ejemplo, encontrar en base al mineral que está entrando a la mina el tipo de camiones o el tipo de máquinas que tenemos que estar operando. Entonces yo digo, oye, pasado mañana yo voy a cambiar de tipo de mineral, las minas lo que tienen mucho es que tiene una cara, por así decirlo, donde hay un tipo de mineral, luego tiene otro tipo de mineral. Entonces puede cambiar de tipo mineral y eso va a implicar que todas mis máquinas tengan que, por ejemplo, taladrar más fuerte o romper las rocas de cierta manera, ¿no? Y eso a su vez va a implicar que, qué sé yo, cosas de mantención va a ser distinta. Exactamente. Entonces yo con todo ese modelo puedo repensar mi operación y anteponerme a ciertos cambios antes de que ocurran.

41:25 Sebastián Cisterna: Te ayuda a simular en el fondo más barato y más rápido.

41:28 Gonzalo Oyanedel: Exactamente, que de otra manera hubiera sido súper reactivo, ¿no?

41:33 Sebastián Cisterna: Y en el retail eso se traduce en tiendas, digamos.

41:36 Gonzalo Oyanedel: Precisamente.

41:36 Sebastián Cisterna: Aparte de eso, ¿qué otras cosas están viendo en el tema tradicional?

41:39 Gonzalo Oyanedel: Estamos explorando el mundo de la visión por computadora de una forma bastante decidida. ¿Por qué lo estamos viendo ahora particularmente? Porque los avances de modelos preentrenados ha sido brutal en los últimos 2, 3 años. Como yo lo esperaba. Exactamente, estamos realmente viendo mejoras que han hecho que esto en los últimos años, o sea, hace 5 años hablar de visión por computadora era un proyecto de 18 meses. Hoy día esas mismas librerías ya nos permiten esos 18 meses transformarlos quizás en 18 días.

42:12 Sebastián Cisterna: De hecho, hace poco tuvimos dentro del podcast a un proyecto de la forestal Arauco y nos comentaban dentro de ellos que ellos ocuparon una librería más antigua de YOLO y pudieron realizar, etcétera. Y hoy día, claro, claramente las actualizaciones de su proyecto las siguen haciendo sobre esa librería porque está funcionando, pero cuando lo quieren replicar en otros contextos nuevos su cantidad de tiempo de implementación es significativamente menor porque el avance precisamente de esta librería ha sido tal que le permite como disminuir demasiado el tiempo de implementación.

42:45 Gonzalo Oyanedel: Efectivamente, y eso lo estamos viendo en todo orden de cosas, no solamente en este caso particular de visión por computadora, sino que en un montón de otras aplicaciones, incluso a un nivel un poco más abstracto como la forma en la que implementamos pipelines o implementamos desarrollos o de cierta manera hacemos análisis. Entonces yo creo que toda la industria de ciencia de datos está sufriendo o beneficiándose de un verdadero renacimiento con la IA agéntica.

43:16 Sebastián Cisterna: De hecho, eso me da pie un poco para empezar a hablar un poco más del futuro. En LinkedIn tú mencionaste que somos un sandbox de IA para Chile y el mundo. ¿A qué se refiere eso para la persona que quizás no es familiar con esos términos? Y la verdad es que honestamente yo conozco lo que es un sandbox, pero tampoco entiendo la abstracción a la cual te estás refiriendo.

43:33 Gonzalo Oyanedel: Sandbox no es esta caja de arena, no, esa es la traducción digamos literal, y es como un lugar donde podemos jugar. No quiero decir que en Chile nos dedicamos a jugar, que no me escuche mi jefe luego diciendo eso, pero lo que hacemos en Chile es que algunas de las cosas que desarrollamos en Chile luego las exportamos a otros mercados dentro de Walmart. Carrito Listo es un ejemplo de eso y lo puedo decir porque ya salió en el earnings call, así que puedo contar que Carrito Listo hoy día ya lo estamos exportando a otros mercados. Y como Carrito Listo hay varios otros ejemplos que no puedo contar tanto, pero es precisamente en Chile donde muchas de estas innovaciones de inteligencia artificial, no solamente para Chile sino que para todo Walmart, incluso para Walmart US, que compite directamente cara a cara contra Amazon, se están desarrollando y se están testeando. Y la idea de Sandbox es precisamente esa, es aquí el lugar donde estamos probando las cosas quizás, o las soluciones más innovadoras para poder llevarla a otros mercados.

44:29 Sebastián Cisterna: De hecho, qué buen detalle que volviste a traer el tema de la acción, porque una cosa que me llamó mucho la atención, muy desde lejos quizás, que esa patita que está ahí todo el día en Walmart ya para ti no es novedoso, pero cuando uno ve el precio de la acción en los últimos 5 años de Walmart, Básicamente Walmart hoy día está como cerca del all-time high, o sea, en el fondo el precio de la acción más alto que ha tenido. Gran parte de los analistas dicen que precisamente por el impacto de la inteligencia artificial, lo cual honestamente llega a ser sorprendente con una empresa como Amazon que tiene toda la estructura de AWS compitiendo ahí mismo o con otros grandes retailers porque a Estados Unidos le faltan retailers, la verdad. Lo que tú mencionas como en el fondo como la IA ha ido alimentando un poco la rentabilidad, de hecho creo que en el último o quizás fue el penúltimo earning call, hablaban de que también el e-commerce estaba creciendo alrededor de como 30% en algunas partes de su división, digamos. Lo cual para mí es súper anormal viniendo de una empresa que en general se mueve mucho con la inflación, digamos. O sea, en el fondo, cuando uno ve un portafolio, y esto ya quizás pasando al lado más de finanzas, digamos, pero en el fondo Walmart es una empresa que va asociada más como a un consumo más estable porque siempre comemos comida, siempre. Walmart es de las cosas que no va a fallar cuando tenés un ciclo a favor o cuando tienes un ciclo en contra. Entonces, en general uno tiende a ver empresas como Walmart como algo más estable, entonces es raro que uno ve el horizonte de 5 años y la cuestión va con pendiente positiva. Y claro, lo que me llamó la atención un poco lo que decías tú de que hay buena parte de esto que se atribuye a proyectos de inteligencia artificial.

45:54 Gonzalo Oyanedel: Sí, o sea, inteligencia artificial y tecnología en general, y yo creo que esto cae muy bien dentro de esta narrativa de esta empresa que es liderada por personas pero impulsada por tecnología, y eso es lo que a nosotros nos gusta decir, people-led, tech-powered, y people-led, tech-powered Walmart es quizá la razón detrás de, si tú vas a los años 90, tú vas a ver cuáles son los top 10 retailers en Chile, o sea, en Estados Unidos, por ejemplo. Y ahí había una empresa, por ejemplo, que se llamaba Kmart, ¿no? Y luego si tú vas al año 2025, la única o de las pocas empresas que está en ese top 10 que aún existe es Walmart, ¿no? Walmart y un par más, ¿no? Y la gracia de Walmart es que entre los 90 y el 2025 logró romper, digamos, esa inercia de una empresa profundamente del mundo físico, que está bien y hay que ser extraordinariamente bueno en el mundo físico para convertirse en una empresa omnicanal, que es mundo físico, perfecto, siendo muy buenos, pero también con esta experiencia digital. Y no solamente experiencia mundo físico y digital, sino que esa omnicanalidad de estos dos mundos que están unidos. Y por ejemplo, cosas como el programa Mi Club hoy día nos permite hacer esa fusión entre la experiencia física y digital. De las personas. Y precisamente esta narrativa de la empresa que ahora cotiza en el Nasdaq, que pasó de convertirse en una empresa que vendía papas y cebolla y televisiones y tostadoras, sigue vendiendo papas y cebolla y televisores y tostadoras, pero ideas impulsadas por inteligencia artificial y otras tecnologías.

47:21 Sebastián Cisterna: Oye, y también me gusta preguntarle cuando la gente, cuando vienen líderes de tecnología acá y hay gente que del podcast que está muy interesada en poder unirse a un equipo así. ¿Qué es lo que tú buscas o cómo estás pensando en el reclutamiento para equipos como el tuyo? Cosa de que alguien que diga, oye, estoy tratando de prepararme, pueda tener eso en consideración para no necesariamente aplicar a Walmart, sino que también aplicar a otras empresas que puedan tener los mismos intereses o la misma visión.

47:47 Gonzalo Oyanedel: Es una muy buena pregunta porque creo que la respuesta ha cambiado mucho en los últimos 5 años. Y déjame partir por lo que creo que no ha cambiado. Lo que no ha cambiado y lo que busco en las personas que me toca entrevistar es un nivel enfermizo de curiosidad. Déjame ponerlo en ese sentido. Y una de las razones por las que reclutamos personas que muchas veces vienen de la academia, que tienen doctorados, y de nuevo, no los doctorados que sirven en la emergencia en los aviones, sino que los doctorados que no sirven en la emergencia de los aviones. Esa curiosidad por tratar de resolver problemas extraordinariamente difíciles. En mi equipo hay machine learning engineers, ingenieros de machine learning, que están más del lado, por ejemplo, de productivizar modelos, y también hay científicos de datos. Y ingenieros y científicos, pensemos también en esos conceptos, ingeniería y ciencia, ¿no? Tenemos personas que realmente están descubriendo cosas a través de los datos, están descubriendo qué es lo que pasa con cierto comportamiento de clientes, están entendiendo, por ejemplo, cómo funciona una cadena de suministro. E ingenieros que están realmente pensando en cómo construir que todo esto se pueda entregar en tiempo y forma a, ya sea, los colaboradores o, por ejemplo, también a los clientes para darle una mejor experiencia. Entonces estoy buscando esa curiosidad enfermiza. Y lo otro que estoy buscando, y que es lo que yo sí te digo que ha cambiado en los últimos 5 años, es que antes programar, y sigue siendo, ¿no? Programar no es fácil y programar bien es aún más difícil, ¿no? Por ejemplo, saber abstraer bien un problema es algo que todavía sigue siendo un valor muy importante, pero no sé, dividir por ejemplo un código en funciones, en pequeños módulos, eso cada vez es algo que hoy día las herramientas de inteligencia artificial, por ejemplo Claude, Opus 4.0, y la última que salió y quizás la próxima semana sale otra, ¿no? Esto evoluciona todas las semanas. Eso es algo que hoy día no ha dejado de ser importante pero es relativamente menos importante de lo que era hace 1, 2 o 5 años, ¿no? Entonces yo hoy día ya no estoy buscando un genio programador, si me llega bacán, ¿no? Pero no solamente estoy buscando—

49:48 Sebastián Cisterna: No lo quiero solamente por esa habilidad.

49:49 Gonzalo Oyanedel: Exactamente, sino que estoy empezando a buscar personas que sean muy buenas, por así decirlo, descomponer problemas, que tengan esa capacidad de gestión del cambio, que tengan la capacidad de convencer a alguien, que se puedan sentar con una persona del negocio, que esa persona del negocio se explique el problema y que en esa misma tarde puedan tener una idea de solución, ¿no? Que eran cosas que quizá antiguamente yo me importaba menos, estaba buscando más al programador y ahora estoy buscando mucho más balanceo de cosas. Y lo último que también estoy buscando es personas que se pueden actualizar, porque de la misma manera que estamos hablando de que quizá mañana salga Opus 4.7 y quizá mañana salga GPT-6, lo Necesitamos personas que estén a la altura y a la velocidad que el momento en inteligencia artificial lo requiere. Entonces por eso a veces no me preocupa tanto que sean estadísticos, o sea, bacán, siempre son bienvenidos, ¿no? O ingenieros o lo que sea, sino que estoy buscando personas que tengan esta curiosidad, sea la disciplina que sean, que tengan esta capacidad de descomponer problemas, de tener profundas habilidades sociales para poder ir a convencer también y poder escuchar.

50:50 Sebastián Cisterna: ¿Hay alguna pregunta de las entrevistas que te gusta más como para revelar ese tipo de cosas?

50:54 Gonzalo Oyanedel: Hay una que ya no hago tanto, así que la puedo comentar. Yo vengo del mundo de la consultoría, trabajé 6 años en consultoría, y les pongo en el caso, o les doy un caso que te digo, oye, casos que pueden ser sencillos, no, cuántas bolitas caben en un avión, lo que sea, no. Pero a veces les doy preguntas que son un poquito más agarradas de las mechas, como diríamos en Chile, o para los que nos escuchan fuera de Chile, un poquito más desquiciadas, sí. Y trato de preguntarles ¿Cuál es la probabilidad de que haya vida en otro planeta? Así abierta. Y he llegado a las respuestas más interesantes que te podrías llegar a imaginar, a personas que realmente tratan de desarrollar, digamos, no sé si habí' leído El problema de los 3 cuerpos, una parte, no todo, pero parte. Ciencia ficción extraordinaria que llegan incluso a citarme ese tipo de libros para darme una idea de por qué en realidad el número está subestimado y la probabilidad es muy alta, pero entonces ese tipo de preguntas.

51:51 Sebastián Cisterna: Ahí lo importante, porque una persona podría estar escuchando esto y le podría dar rabia, así de oye, pero ¿cómo pregunta eso? Lo importante acá, al menos en mi experiencia, es un poco cómo uno divide el pensamiento, lo mismo sea probabilidad 1%, 0%, 90%.

52:04 Gonzalo Oyanedel: Lo que realmente importa es la capacidad de descomponer el problema y que cuando me lo expliqué estés a punto de convencerme o casi me podai' convencer porque las habilidades de mañana en el mundo donde la inteligencia artificial es cada vez más inteligente no van a ser tanto, o sea, van a ser importantes por supuesto la habilidad analítica y lo van a seguir siendo, estoy seguro, pero van a ser precisamente estas habilidades mucho más de, por un lado, de persuasión, mucho más humanas, el juicio humano, todo lo que nosotros entendemos como bienes complementarios a la inteligencia. Pensemos, por ejemplo, en la inteligencia artificial como un bien que se transa en la economía, y como todos los bienes que se transan en la economía, tienen bienes sustitutos, tienen bienes complementarios. Y si la inteligencia artificial se pone cada vez más barata, digamos, cada vez es más disponible, los bienes sustitutos a la inteligencia artificial, que uno podría pensar de cierta manera en algunos casos la inteligencia natural, podrían de cierta manera bajar de precio. Pero, ¿cuáles son los que suben de precio? Esos son precisamente los bienes complementarios. Y los bienes complementarios a la inteligencia es lo que yo te mencionaba antes, va a ser el juicio humano, va a ser la capacidad de descomponer problemas, va a ser las habilidades sociales, va a ser la capacidad de liderazgo, va a ser la capacidad de escuchar. Creo que precisamente el mundo va para allá y nuestras formas de disfrutar, también van para allá.

53:20 Sebastián Cisterna: Gonzalo, ¿hay algo que no te haya preguntado y que quieras compartir con la audiencia?

53:24 Gonzalo Oyanedel: Además de los súper agentes, Walmart es una empresa que ya creo que he declarado, una empresa tecnológica también, ¿no? Y una empresa que también tiene sus propios desarrollos. Y un desarrollo increíble que se hizo hace poco, durante el año pasado, es un agente multipropósito que nosotros llamamos Code Puppy.

53:44 Sebastián Cisterna: ¿No?

53:44 Gonzalo Oyanedel: Que ya un nombre bien encachado, no, un nombre curioso. Pero Code Puppy, y que se desarrolló en Walmart, que hoy día es una herramienta open source, le permite hoy día a los asociados hacer todo tipo de cosas, desde desplegar otros agentes, digamos subagentes, para hacer ciertos procesos, automatizaciones, hasta hacer PowerPoints, hasta ayudar a hacer Excel, hasta ir a buscar información, hasta codear con, por ejemplo, los programadores. Es una herramienta que hoy día estamos ocupando en todo orden de Y es precisamente, yo creo que también refuerza esa idea de esta empresa que nació con una pata mucho más en el mundo del retail físico, pero hoy día ya está en ese mundo omnicanal y también como una empresa de tecnología que tiene desarrollos que no solamente le sirven a Walmart, por supuesto, sino que le sirven a todo el mundo.

54:29 Sebastián Cisterna: De hecho, qué interesante que sea de código abierto, porque en general el código abierto viene de la academia o de los entusiastas, pero no de empresas que se cotizan en bolsa. Digamos. Entonces es bien interesante y un poco fuera de la norma.

54:41 Gonzalo Oyanedel: Totalmente. Y yo creo que como Code Puppy estoy seguro que vamos a poco a poco ver cada vez más de estas herramientas y vamos a ver cada vez más un Walmart que va a estar dando ciertas herramientas de beneficio público.

54:53 Sebastián Cisterna: Perfecto. Oye, Gonzalo, te quería simplemente agradecer todo lo que has compartido con nosotros hoy día. Creo que es bastante útil para la gente que también está pensando un poco en cómo armar su equipo y poder tener en claro un poco la visión. Así que muchas gracias. También muchas gracias a Francisco, quien también ayudó mucho en la preparación acá y que es parte de tu equipo. Y también decirle a las personas que están hoy día escuchando el podcast que, por supuesto, si les gusta este tipo de conversaciones y quieren seguir aprendiendo de grandes líderes en el mundo de inteligencia artificial, recuerden darle like al video, darle 5 estrellitas en Spotify, porque todo ese tipo de cosas nos ayudan a crecer cada vez más y, por supuesto, seguir teniendo conversaciones muy buenas como la que tuvimos hoy día con Gonzalo. Muchas gracias, Gonzalo, por haber venido.

55:33 Gonzalo Oyanedel: Muchas gracias, Seba, y muchas gracias a todo el equipo de EvoAcademy, a la gente que nos está Hasta la próxima.

Más episodios

Ver todos los episodios