IA en logística inversa i devolucions: què s'automatitza de debò (i què és màrqueting)

El problema real: una devolució costa dues vegades

Una devolució no és una venda a l'inrevés. És un cost. El producte torna de viatge, algú el rep, l'inspecciona, decideix què fer-ne i, mentrestant, aquests diners estan immobilitzats. A Espanya el problema és dels més grans d'Europa: segons l'Informe Benchmark Anual de Devolucions 2025 de ZigZag i Retail Economics, es retorna el 23,7% de les comandes online no alimentàries, i el volum retornat fregarà els 13.300 milions d'euros el 2025.

La foto empitjora justament allà on més es ven online. La roba es retorna al 31%, el calçat al 27% i l'electrònica al 23%. No és un pic d'un mal trimestre: el comerç electrònic europeu B2C va créixer un 7% el 2024, passant de 784.000 a 842.000 milions d'euros (EuroCommerce). El flux de retorn creix alhora que les vendes.

Un apunt per treure fum. La xifra de 890.000 milions de dòlars que veuràs repetida a LinkedIn és dels Estats Units (NRF i Happy Returns, 2024), no d'Espanya ni d'Europa. Serveix per dimensionar el problema global, no per al teu magatzem. El que t'afecta és la teva taxa de devolució i el que et costa processar cada retorn, igual que convé calcular quant costa de debò processar una factura a mà abans de decidir on posar tecnologia.

• Transport de tornada i logística del retorn.
• Mà d'obra de recepció i inspecció de cada article.
• Recondicionament, reembalatge i reetiquetatge.
• Pèrdua de valor: el que val menys per haver sortit del magatzem.
• Reemborsament avançat al client abans de recol·locar el producte.

Què automatitza la IA de debò avui (i què no)

La logística inversa té una cadena de decisions. Reps un paquet, identifiques què és i en quin estat arriba, decideixes la seva destinació (revendre com a nou, liquidar, reparar, reciclar), li poses preu i avises algú. La IA és bona en les parts d'aquesta cadena que són classificació, predicció i text. És dolenta, o directament inútil, en les que són manipulació física.

Aquesta taula separa el real de l'aspiracional. La columna que més importa és l'última: el que continua sent humà no és una fallada de la tecnologia, és el seu límit honest a dia de 18/08/2026.

1. Classificació i triatge del que torna

És l'aplicació més madura i la que abans dona retorn. Quan un paquet torna, algú l'ha d'obrir, mirar el producte, comparar-lo amb l'albarà, decidir si és per revendre i posar-lo al sistema. Aquest triatge sol dependre d'una o dues persones amb experiència, i és un coll d'ampolla els dilluns després d'un cap de setmana de vendes.

Un model de visió mira la foto de l'article i la seva etiqueta, i proposa categoria, referència i una primera valoració d'estat (nou precintat, obert sense ús, amb senyals d'ús, danyat). No substitueix el criteri final, però elimina la feina d'identificar i teclejar. La persona passa de mirar el 100% a revisar només el que el model marca com a dubtós.

Què necessites i què no

No cal una cèl·lula de visió artificial de desenes de milers d'euros per començar. Una part del triatge es resol llegint el motiu de devolució que escriu el client i els documents que acompanyen el retorn. Aquí la tecnologia és la mateixa que fem servir per a l'OCR de factures amb IA: extreure dades d'un text o una imatge i col·locar-les al teu sistema sense que ningú les teclegi.

En un operador logístic amb qui treballem, el triatge de cada devolució depenia de dues persones amb anys d'ofici. En passar la primera classificació a un model que llegia foto i albarà, aquestes persones van deixar d'identificar cada article i van passar a validar només els casos que el sistema no tenia clars. El coneixement continuava sent seu; el que va desaparèixer va ser el tecleig repetitiu.

2. Pricing dinàmic de liquidació i matching amb compradors

Un producte retornat que no torna a la venda principal acaba en liquidació. Aquí hi ha dues decisions que la IA fa bé: a quant el vens i a qui. Fixar el preu de saldo a ull és lent i sol deixar diners sobre la taula, en un costat o en l'altre. Un model creua l'estat de l'article, l'estoc acumulat d'aquesta referència i la demanda recent, i proposa un preu. La persona posa el terra (per sota d'aquí no venem) i aprova.

El matching és el pas menys conegut i el més interessant per a qui mou volum. En lloc de publicar un lot i esperar, el sistema creua el que tens per liquidar amb l'històric de qui compra aquest tipus d'estoc: quines categories, quines mides de lot, a quin preu sol tancar. Converteix una llista de saldos en ofertes dirigides als compradors B2B que de debò les volen.

Tot això és, en el fons, automatització comercial aplicada a la inversa. La mateixa lògica que ordena un embut de vendes serveix per ordenar la sortida de l'estoc de retorn. Si ja tens un CRM, encaixa amb el que expliquem a automatització comercial i CRM: que les dades del client i del comprador treballin soles en lloc de viure en un full de càlcul.

3. Comunicació amb compradors B2B i amb el client final

En la inversa hi ha dues converses que es repeteixen milers de vegades. Amb el client final: on és el meu reemborsament, quan arriba l'etiqueta, per què m'heu descomptat. Amb el comprador de saldo: què tens disponible, en quin estat, a quant, quan ho envio. Les dues són perfectes per automatitzar perquè el 80% dels missatges són variacions de les mateixes preguntes.

Un assistent connectat al teu sistema respon l'estat d'una devolució o d'una comanda de liquidació a l'instant, sense que ningú de l'equip interrompi el que està fent. Quan la consulta surt del guió (una reclamació, una negociació seriosa), la passa a una persona amb el context ja recollit. Per al canal, un chatbot de WhatsApp per a empreses és el més natural a Espanya, perquè és on el client i el petit comprador ja escriuen.

L'objectiu no és que ningú parli amb ningú. És que el teu equip no gasti el matí copiant números de seguiment. La relació comercial de debò, la que tanca un acord de saldo recurrent, la continua portant una persona.

Quan NO compensa automatitzar la teva logística inversa

Això no és per a tothom, i prometre-ho seria el fum del qual estàs tip. Hi ha casos clars en què muntar IA a la inversa és gastar diners per presumir de projecte.

La regla és senzilla: si no tens volum ni repetició, no hi ha res a automatitzar. La IA rendeix quan la mateixa decisió es pren centenars de vegades. Si retornes vint comandes al mes i són totes diferents, una persona amb una bona plantilla va més de pressa i et costa menys.

• Poques devolucions al dia i molt variades: no hi ha patró a aprendre, el cost no surt a compte.
• Producte únic o d'alt valor on cada retorn es perita a mà de totes maneres.
• Dades brutes: si el teu inventari i els teus motius de devolució no estan mínimament ordenats, primer es neteja això.
• Sense procés definit: si ningú no sap avui qui decideix la destinació d'una devolució, automatitzar el caos només l'accelera.
• Esperar que la IA recondicioni: netejar, reparar o reembalar és feina física i continuarà sent-ho.

Com començar sense muntar un projecte de sis mesos

L'error habitual és voler automatitzar tota la cadena de cop. La manera que funciona és triar el coll d'ampolla més car i atacar-lo primer, mesurar i després continuar. En la majoria d'operacions aquest coll és el triatge o la comunicació repetida, no el pricing.

Un pilot honest es munta en setmanes, no en trimestres, i es fa sobre una part acotada: una família de producte, un motiu de devolució, un canal de missatges. Serveix per veure el número real en la teva operació abans d'invertir més. Si mous volum logístic, el punt de partida útil és aquesta llista de processos d'un operador logístic que ja s'automatitzen, per ubicar la inversa dins de la resta.

Nosaltres ho implantem mesurant abans i després, sense promeses de percentatge màgic. Si vols una lectura del teu cas concret, per a això hi ha la IA per a logística que fem, i una primera conversa de consultoria d'IA a Barcelona per decidir si el teu volum justifica fer el pas.

Preguntes freqüents

Fonts

• Informe Benchmark Anual de Devoluciones España 2025 (ZigZag Global y Retail Economics)
• Las devoluciones online en España superan los 13.300 millones en 2025 (Marketing4eCommerce)
• European E-commerce Report 2025 (EuroCommerce y Ecommerce Europe)
• NRF and Happy Returns Report: 2024 Retail Returns to Total $890 Billion (National Retail Federation)

Segueix llegint