"La predicción de stock hospitalario con IA nos hará más eficientes"

Olatz Antxustegietxarte es la directora de IT de Cardiva, y este jueves participó en la jornada ‘IA aplicada al sector de la salud’, en el marco de la iniciativa BHC Gosariak, organizada por el Basque Health Cluster (BHC) en colaboración con el Basque Artificial Intelligence Center (BAIC). Un evento que busca acercar a las empresas asociadas a BHC a las oportunidades que ofrece la Inteligencia Artificial en el ámbito de la salud.

Lo ha hecho por un motivo notable, y es que Cardiva fue la empresa ganadora (junto a Versia) del I Dataton de Euskadi. Lo hicieron con el proyecto ‘Predicción de demanda de materiales médicos’, que permite predecir la demanda de packs quirúrgicos utilizados en diferentes hospitales y de los cuales se tiene monitorizado su stock en tiempo real para optimizar su logística sin perder calidad en el servicio.

¿En qué consiste el caso de IA aplicada al sector de la salud que ha presentado Cardiva?

Se trata de una fase piloto en la que poner a prueba un modelo predictivo de consumos, anticipándonos a la demanda de producto de un hospital de cara a optimizar el proceso de reposición y evitar roturas de stock en los depósitos que tenemos en los propios hospitales.

¿Por qué es importante predecir la demanda de packs quirúrgicos en un centro sanitario?

Cada vez los puntos de abastecimiento en los hospitales son menores, y toma mayor importancia prever con mayor precisión qué productos y en qué cantidades los clientes requerirán, para ajustar el espacio habilitado con los productos y stock necesario.  Optimizando el espacio y la reposición, pero sin reducir la calidad del servicio.

¿En qué punto del desarrollo de esta herramienta se encuentran?

Dando continuidad a la labor comenzada en el 2023, pondremos en marcha una fase piloto de validación del grado de acierto de los modelos comparando la foto real con lo predicho por el algoritmo para un mismo periodo. A la finalización de esta fase podremos analizar los resultados de ese pilotaje y marcar siguientes pasos.

¿Son suficientes los recursos de Cardiva para ponerlo en marcha o necesitan colaboradores?

Para poder poner en marcha este proyecto, contaremos con la colaboración de Versia como proveedor tecnológico además de recursos internos de Cardiva.

Tuvimos la oportunidad de participar juntos en el Dataton Euskadi 2023, fuimos ganadores, y decidimos aprovechar el trabajo realizado y las sinergias que surgieron para acelerar la ejecución del proyecto, y maximizar los recursos y capacidades colectivas que nos ofrecían. De manera que nos permite una mayor flexibilidad en la gestión de las operaciones y recursos y plazos de entrega más cortos.

¿Cuál es el valor diferencial que puede aportar la IA al servicio que da Cardiva a sus clientes?

Una predicción adecuada nos va a permitir mejorar el servicio de una manera más eficiente, rápida y sin reducir la calidad. Nos permitirá tomar acciones correctivas apropiadas y a tiempo cuando ocurran los picos de consumos.

La idea es anticiparnos a las necesidades del cliente, que aportará valor añadido al servicio y nos permitirá obtener una ventaja competitiva diferencial.

En el mundo altamente competitivo en el que vivimos, la satisfacción del cliente es esencial para las empresas, por lo que debemos trabajar en una mejora de producto y servicio continuo. Y por ello nuestra apuesta por introducir la IA en nuestros procesos.

¿Qué importancia tiene para Cardiva participar en este foro?

Como socios de Basque Health Cluster como del BAIC se trata de un foro donde no podíamos faltar. Para Cardiva es importante participar en este tipo de iniciativas, para poder identificar áreas de nuestro negocio donde la IA puede marcar la diferencia y así mismo servir como inspiración para otras empresas para que implementen IA para mejorar sus procesos.

Estas jornadas nos permiten estar en contacto con empresas del Sector Salud y agentes de diferentes tipos y con distintos niveles de conocimiento en IA, donde cada uno identifica las dificultades encontradas durante el desarrollo del caso de uso y los aprendizajes obtenidos.