Publicación: Inteligencia artificial en la logística de medicamentos en Colombia
Portada
Citas bibliográficas
Código QR
Autores
Fecha
Resumen en español
El acceso oportuno a medicamentos en Colombia es un componente esencial del derecho fundamental a la salud. Sin embargo, el sistema logístico farmacéutico presenta fallas estructurales que comprometen su eficiencia y cobertura: quiebres de stock recurrentes, sobreinventarios y pérdidas económicas significativas derivadas de deficiencias en la planificación de la demanda y la gestión de inventarios. Estas problemáticas se agravan por la dispersión geográfica del territorio colombiano, la variabilidad epidemiológica y la fragmentación institucional entre los actores del sistema de salud. La gestión de la cadena de suministro en salud ha incorporado modelos como el Supply Chain Operations Reference (SCOR) para estructurar y optimizar los procesos logísticos. No obstante, los métodos tradicionales de predicción de demanda, basados en modelos estadísticos convencionales, resultan insuficientes en contextos de alta incertidumbre. Estudios recientes demuestran que los algoritmos de aprendizaje automático mejoran significativamente la precisión del pronóstico farmacéutico y reducen los niveles de desabastecimiento. A pesar de estos avances, en Colombia menos del 8% de los actores de la cadena logística farmacéutica utilizan herramientas analíticas avanzadas, lo que evidencia una brecha importante entre el conocimiento disponible y su aplicación práctica. El sistema opera de manera reactiva, con baja capacidad de anticipación ante las dinámicas de la demanda. El análisis de variables técnicas, tasa de desabastecimiento, error de pronóstico, nivel de inventario y trazabilidad, y contextuales, capacidad tecnológica, regulación, cultura organizacional y dispersión geográfica, confirma que el problema tiene naturaleza mixta: tecnológica, operativa y organizacional. La implementación de Inteligencia Artificial, acompañada de transformación de procesos y fortalecimiento del talento humano, se perfila como la estrategia clave para garantizar el acceso oportuno a medicamentos en todo el territorio nacional.
Resumen en inglés
Timely access to medicines in Colombia is an essential component of the fundamental right to health. However, the pharmaceutical logistics system presents structural failures that compromise its efficiency and coverage, including recurrent stockouts, overstocking, and significant economic losses resulting from deficiencies in demand planning and inventory management. These issues are aggravated by the geographical dispersion of the Colombian territory, epidemiological variability, and institutional fragmentation among the actors within the healthcare system. Healthcare supply chain management has incorporated models such as the Supply Chain Operations Reference (SCOR) framework to structure and optimize logistics processes. Nevertheless, traditional demand forecasting methods based on conventional statistical models are insufficient in contexts of high uncertainty. Recent studies demonstrate that machine learning algorithms significantly improve pharmaceutical forecasting accuracy and reduce stockout levels. Despite these advances, less than 8% of the actors in Colombia’s pharmaceutical logistics chain use advanced analytical tools, revealing a significant gap between available knowledge and its practical application. The system currently operates reactively, with limited anticipation capacity regarding demand dynamics. The analysis of technical variables, including stockout rate, forecasting error, inventory levels, and traceability, as well as contextual variables such as technological capability, regulation, organizational culture, and geographical dispersion, confirms that the problem has a mixed nature: technological, operational, and organizational. The implementation of Artificial Intelligence, accompanied by process transformation and the strengthening of human talent, emerges as a key strategy to guarantee timely access to medicines throughout the national territory.

PDF
FLIP 
