RELEX Solutions (con IA)
Integraciones
- SAP S/4HANA / Oracle Retail
- NVIDIA cuOpt
- Microsoft Dynamics 365
- Snowflake / BigQuery
- Infraestructura Azure / GCP
Detalles de precios
- Licencias modulares basadas en ingresos recurrentes anuales (ARR) y volumen de tareas para componentes agenticos .
Características
- RELEX Living Database (en memoria)
- Agentes de Razonamiento RELEX-GPT
- Enrutamiento Logístico NVIDIA cuOpt
- Detección Unificada de Demanda y Espacio
- Reposición Autónoma de Alimentos Frescos
- Visibilidad Multinivel de la Cadena de Suministro
Descripción
RELEX: Inteligencia Minorista Agentica y Análisis del Living Database
A partir de enero de 2026, RELEX Solutions ha transformado su núcleo desde la previsión reactiva a un marco 'Unified Planning' agentico. El sistema se estructura en torno al RELEX Living Database, un motor en memoria de alta concurrencia que permite simulaciones multidimensionales en conjuntos de datos a escala de petabytes sin cuellos de botella de E/S en disco [Documentado]. Esta arquitectura facilita un bucle de retroalimentación continua en el que agentes de IA monitorizan la disponibilidad en estanterías y la telemetría logística para ajustar la lógica de reposición de forma autónoma [Inferencia].
Ingesta de Datos e Interoperabilidad
La capa de ingesta estandariza flujos dispares procedentes de ERPs heredados, sensores IoT en estanterías y señales de mercado externas en un esquema unificado de alta granularidad [Documentado].
- Detección de Demanda en Tiempo Real: Entrada: Flujos POS + API meteorológica + metadatos de eventos locales → Proceso: Cálculo en memoria de cambios de demanda jurisdiccionales → Salida: Ajustes de pedidos de reposición en tiempo real [Documentado].
⠠⠉⠗⠑⠁⠞⠑⠙⠀⠃⠽⠀⠠⠁⠊⠞⠕⠉⠕⠗⠑⠲⠉⠕⠍
Arquitectura de Almacenamiento y Persistencia
El Living Database actúa como capa de persistencia principal para metadatos operativos, utilizando estructuras en memoria orientadas a columnas para ejecución de consultas en menos de un segundo [Documentado]. Los datos históricos a largo plazo se descargan a almacenamiento de objetos nativo en la nube (Azure/GCP) mediante un protocolo de estratificación automatizado [Inferencia].
Capa de Seguridad y Cumplimiento
RELEX emplea aislamiento multitenant a nivel de base de datos lógica. Los datos de información personal (PII) se gestionan mediante un marco de mediación que utiliza cifrado AES-256 en reposo y tokenización [Documentado]. Los detalles específicos de orquestación para Módulos de Seguridad Hardware (HSM) en el Living Database siguen siendo propietarios [Desconocido].
Integración de Analítica e IA (Agentes RELEX-GPT)
La arquitectura de 2026 integra Agentes de Razonamiento RELEX-GPT, que utilizan lógica de Cadena de Pensamiento (CoT) para explicar desviaciones en el stock. La optimización logística está ahora impulsada por NVIDIA cuOpt, reduciendo los tiempos de cálculo de rutas en un 90% [Documentado].
- Optimización Unificada: Entrada: Capacidad de almacén + disponibilidad de camiones + espacio en estanterías → Proceso: Simulación simultánea de rutas y reposición impulsada por NVIDIA cuOpt → Salida: Manifiestos logísticos autónomos y actualizaciones de planos de planta [Documentado].
- Reducción de Desperdicio en Alimentos Frescos: Emplea conjuntos de ML especializados para alcanzar un 99% de disponibilidad minimizando la huella de carbono [Documentado].
Directrices de Evaluación
Los evaluadores técnicos deben verificar las siguientes características arquitectónicas:
- Trazabilidad del Razonamiento: Solicitar acceso a los registros de auditoría de RELEX-GPT para verificar la lógica autónoma utilizada en desviaciones significativas de cantidades de pedido [Desconocido].
- Rendimiento (throughput) en Memoria: Evaluar el rendimiento del Living Database al procesar más de 100 millones de combinaciones SKU-ubicación bajo carga concurrente [Desconocido].
- Velocidad de Sincronización Delta en API: Validar la latencia de sincronización entre el núcleo de RELEX y los sistemas ERP anfitriones (SAP S/4HANA/Oracle Retail) durante períodos promocionales pico [Inferencia].
Historial de versiones
Hito de fin de año: Despliegue del módulo 'Tienda Autónoma' con ajustes de micro-surtido en tiempo real.
Lanzamiento del motor de reducción de desperdicio de alimentos. La IA ajusta pedidos según la huella de carbono.
Introducción de RELEX-GPT. Herramienta de IA generativa para consultas en lenguaje natural.
Adquisición de Formicary Learning. Redes neuronales avanzadas integradas en el módulo de promociones.
Lanzamiento de la visión 'Living Retail'. Introducción de modelos de ML para analizar clima y eventos.
Consolidación de la cadena de suministro y la planificación de espacios.
Fundación inicial en Helsinki. Introducción de un motor de base de datos en memoria para la previsión de la demanda.
Ventajas y desventajas de la herramienta
Ventajas
- Previsiones precisas de IA
- Inventario optimizado
- Reducción de faltantes/desperdicios
- Mayor rentabilidad
- Operaciones optimizadas
Desventajas
- Implementación compleja
- Integración de datos requerida
- Supervisión continua