Analizando IBM Planning Analytics, un Proveedor de Software de Gestión del Rendimiento Empresarial

Por Léon Levinas-Ménard

Última actualización: noviembre, 2025

IBM es un proveedor empresarial centenario con una cartera de software muy amplia, de la cual un subconjunto específico se dirige a la planificación, ejecución y optimización de supply chain: IBM Planning Analytics (TM1) para la planificación multidimensional y forecast, ILOG CPLEX Optimization Studio como solucionador de uso general, la familia Sterling Order Management (incluyendo Intelligent Promising y Fulfillment Optimizer) para la orquestación de pedidos omnicanal y la obtención basada en costos, y el Supply Chain Intelligence Suite y Transparent Supply para la visibilidad y trazabilidad; en conjunto, estos componentes forman una pila técnica seria y comercialmente madura construida sobre tecnología empresarial convencional (Java, TM1, CPLEX, Kubernetes) con algunas adiciones de AI y ML, sin embargo, su posicionamiento “cognitivo” y “impulsado por AI” a menudo se basa en un lenguaje de marketing más que en descripciones algorítmicas transparentes, en marcado contraste con la plataforma de Supply Chain Quantitativa de Lokad, estrechamente enfocada y basada en DSL, construida en torno a forecast probabilístico y optimización estocástica hecha a la medida.

Visión general de IBM

IBM es una empresa de tecnología muy grande y diversificada, con sede en Armonk, Nueva York, activa en más de 170 países y con una larga tradición en software, consultoría e infraestructura.¹ Sus actuales ofertas relevantes para supply chain son un mosaico de desarrollos internos y adquisiciones: el motor TM1 (ahora IBM Planning Analytics) para la planificación multidimensional, la línea ILOG/CPLEX para la optimización matemática, y la cartera de Sterling Commerce para la gestión de pedidos y la integración B2B.²³ Durante la última década, IBM ha intentado envolver estos activos en narrativas más integradas, tales como IBM Sterling Order and Fulfillment Suite y IBM Supply Chain Intelligence Suite, y más recientemente en un posicionamiento “impulsado por AI” vinculado a la estrategia más amplia de watsonx de IBM.⁴⁵ Para los profesionales de supply chain, la realidad práctica es un conjunto de productos distintos pero conectables: Planning Analytics para la planificación de demanda y supply planning, CPLEX como un conjunto de herramientas de solucionador, Sterling OMS junto con Intelligent Promising y Fulfillment Optimizer para el cumplimiento omnicanal, y SCIS/Transparent Supply para la visibilidad, trazabilidad y sostenibilidad.⁴⁵⁶

Desde un punto de vista técnico, la pila de supply chain de IBM es software empresarial convencional: Java y bases de datos relacionales para OMS, un motor OLAP en memoria para Planning Analytics, CPLEX para la optimización, despliegue en contenedores en Kubernetes/OpenShift, y una capa creciente de modelos de ML y asistentes basados en LLM encima.⁶⁷⁸ IBM no es una startup en etapa temprana: sus productos de supply chain se asientan sobre décadas de código y un gran ecosistema de implementaciones, pero también heredan diseños heredados y cierta opacidad en torno a los algoritmos. Comercialmente, IBM se encuentra firmemente en el grupo de “proveedores establecidos”, con clientes conocidos en el comercio minorista, la manufactura y la distribución tanto para Planning Analytics como para Sterling OMS.⁹¹⁰

IBM vs Lokad

En términos generales, IBM y Lokad resuelven problemas superpuestos—planificación de la demanda, planificación de inventario y de capacidad, cumplimiento omnicanal—pero lo hacen con filosofías de producto casi opuestas.

Estrategia y alcance del producto. IBM ofrece un portafolio de productos relativamente independientes que se pueden combinar: IBM Planning Analytics (TM1) para la planificación y el presupuesto, Sterling Order Management para la orquestación transaccional de pedidos, Intelligent Promising y Fulfillment Optimizer para la asignación y el abastecimiento, y el Supply Chain Intelligence Suite y Transparent Supply para la visibilidad y trazabilidad al estilo torre de control.⁴⁵⁶ Lokad ofrece una plataforma SaaS multi-inquilino única centrada exclusivamente en la optimización cuantitativa de supply chain, donde toda la lógica de forecast y optimización se implementa como código en el lenguaje de dominio específico de Lokad, Envision, en lugar de a través de menús de configuración de productos.¹¹¹²¹³ El enfoque de IBM es centrado en el producto y basado en módulos; el de Lokad es centrado en la plataforma y programable.

Enfoque de forecast. En IBM Planning Analytics, el forecast está integrado en el motor TM1 como una funcionalidad de modelado automatizado de series temporales que detecta tendencia, estacionalidad y dependencia temporal en los datos de cubos y genera proyecciones futuras que pueden incorporarse en modelos de planificación.⁷⁸¹⁴ La documentación pública enfatiza la selección automática de modelos y el “AI forecasting” estrechamente integrado en los flujos de trabajo de planificación, pero proporciona casi ningún detalle sobre los algoritmos subyacentes (ARIMA, suavizado exponencial, árboles de gradiente, etc.).⁷⁸¹⁴ En cambio, Lokad ha posicionado durante años el forecast probabilístico—no forecasts puntuales—como la base de su plataforma, apuntando explícitamente a estimar distribuciones completas de demanda y tiempos de entrega para guiar las decisiones en condiciones de incertidumbre.¹¹¹⁵¹⁶ Los materiales públicos de Lokad y sus integraciones con terceros (por ejemplo, Cin7 Core) describen consistentemente los forecasts probabilísticos como la opción predeterminada, y no como un complemento, vinculándolos directamente a las decisiones de inventario posteriores.¹⁵¹⁷ En términos simples, IBM trata el forecast como un módulo dentro de una suite de planificación más amplia, mientras que Lokad trata el forecast (en forma probabilística) como el objeto matemático central sobre el cual se construye todo lo demás.

Optimización y toma de decisiones. El componente de decisión más técnicamente avanzado de IBM en el ámbito de supply chain es Sterling Fulfillment Optimizer con Watson, que se conecta a OMS para minimizar el costo total de servicio a través de las opciones de cumplimiento utilizando optimización mixta entera basada en CPLEX y modelos predictivos de costos; expone APIs REST para decisiones de abastecimiento y APIs “Explainer” para justificar las elecciones.¹⁸¹⁹ Intelligent Promising amplía esto con modelos de demanda a nivel de tienda (regresión más deep learning) para estimar el riesgo de faltante de stock y de rebajas en un horizonte de 60 días y utiliza reglas configurables e impulsores de costo para dirigir las promesas.²⁰²¹ Fuera de estas capas, OMS en sí mismo sigue siendo un sistema transaccional, y Planning Analytics es principalmente un motor de planificación con algo de lógica de optimización implementada mediante reglas de cubo e integraciones con solucionadores externos. En cambio, Lokad integra la optimización en el núcleo de la plataforma: su DSL Envision cuenta con primitivas para variables probabilísticas e impulsores económicos, y los propios algoritmos de Lokad (forecast probabilístico, descenso discreto estocástico, optimización latente) generan directamente listas de decisiones priorizadas—órdenes de compra, movimientos de reequilibrio, lotes de producción o decisiones de precios—clasificadas por el impacto financiero esperado.¹¹¹²¹³¹⁶ Donde IBM típicamente utiliza CPLEX para problemas de minimización de costos bien formulados en torno al cumplimiento, Lokad utiliza búsqueda estocástica y programación diferenciable para optimizar decisiones bajo incertidumbre compleja de manera que acopla estrechamente el forecast y la optimización.¹¹¹²¹⁶

Arquitectura y transparencia. La pila de supply chain de IBM se apoya en la tecnología empresarial convencional: microservicios en Java ejecutándose en contenedores sobre Kubernetes/OpenShift para Sterling OMS; el motor OLAP en memoria propietario de TM1 para Planning Analytics; RDBMS estándar (Db2, Oracle) y JMS (IBM MQ) para persistencia y mensajería; y IBM Cloud o hyperscalers para el alojamiento.⁶⁹¹⁰ Esta arquitectura es convencional y robusta pero se divide entre muchos productos y bases de código. La plataforma de Lokad es mucho más estrecha y con opiniones definidas: un único SaaS multi-inquilino alojado en Azure donde todos los análisis se expresan en Envision, compilado a una VM distribuida personalizada y respaldado por almacenamiento basado en eventos en lugar de un RDBMS tradicional, con muy pocas dependencias de terceros.¹²¹³ Lokad promueve una filosofía de “caja blanca”—cada cálculo es visible como código y cada decisión puede ser rastreada a través del script de Envision—mientras que IBM expone configuraciones y cierta explicabilidad en torno a optimizadores individuales (por ejemplo, las APIs Explainer de Fulfillment Optimizer) pero no revela internamente las formulaciones de ML u optimización con una profundidad comparable.¹⁸¹⁹¹¹¹³

Papel en el panorama de TI. Sterling OMS está diseñado para ser el sistema de registro para pedidos y disponibilidad de inventario, estrechamente integrado con ERP y fronts de ecommerce; Planning Analytics es un sistema central de planificación corporativa utilizado en finanzas, operaciones y supply chain.⁵⁷⁹ Así, IBM se sitúa claramente en las capas transaccionales y de planificación empresarial, con optimización integrada a su alrededor. Lokad evita explícitamente ser software transaccional; se posiciona como una capa de optimización y toma de decisiones sobre los ERP, WMS y OMS existentes, ingestando datos y devolviendo acciones recomendadas o listas de decisiones en lugar de reemplazar los sistemas centrales.¹¹¹²¹⁷ Para un comprador, la pregunta en IBM suele ser “¿Estandarizamos OMS y la planificación con IBM?”; la pregunta en Lokad es “¿Añadimos una capa de optimización cuantitativa sobre nuestra pila existente, y estamos dispuestos a adoptar una forma de trabajo centrada en DSL?”

En resumen, IBM ofrece un conjunto amplio e integrable de productos de supply chain dentro de un portafolio empresarial muy grande, con potentes capacidades de optimización en componentes específicos pero con una arquitectura mayormente convencional y una transparencia algorítmica limitada; Lokad ofrece una plataforma estrecha pero profunda, cuya ventaja competitiva radica en el forecast probabilístico, el modelado personalizado basado en DSL, y en pipelines unificados de forecast–optimización en lugar de en la amplitud de funcionalidades empaquetadas.

Cartera de software de supply chain de IBM

Planning Analytics (TM1)

IBM Planning Analytics, potenciado por TM1, es un motor de planificación multidimensional en memoria utilizado tanto para la planificación financiera como operacional, incluyendo casos de uso de planificación de la demanda y supply planning.⁷ TM1 almacena los datos en cubos y dimensiones en memoria, con cálculos definidos mediante reglas propietarias y “feeders”; los clientes interactúan a través de interfaces web y complementos de Excel.⁷¹⁴ El forecast en Planning Analytics Workspace se implementa como una funcionalidad de modelado automatizado de series temporales que detecta tendencia, estacionalidad y dependencia temporal en datos históricos y extiende las series hacia el futuro, con bandas de confianza y selección automática de modelos.¹⁴ El material de AI Forecasting de IBM enfatiza que estos forecasts están “integrados” (sin herramientas externas) y estrechamente incorporados en los flujos de trabajo de planificación, permitiendo que los cambios en el forecast repercutan inmediatamente en P&L, planes de personal y KPIs operacionales.⁸ Sin embargo, la documentación no especifica los algoritmos exactos utilizados (por ejemplo, ARIMA, suavizado exponencial, modelos de ML), por lo que “AI forecasting” debe interpretarse como modelado automatizado de series temporales en lugar de evidencia de arquitecturas de ML de vanguardia.⁸¹⁴

Desde la perspectiva de supply chain, Planning Analytics es principalmente un lienzo de planificación: las empresas construyen planes de demanda, planes de capacidad y objetivos de inventario como cubos con cálculos integrados; la sofisticación de esos modelos depende en gran medida de cómo se configura TM1 y de las integraciones con solucionadores externos.⁷ Los estudios de caso de IBM (por ejemplo, Novolex y Solar Coca-Cola) sugieren que Planning Analytics se utiliza para forecast, planificación de capacidad y análisis de escenarios, con reducciones reportadas en el esfuerzo de planificación y en el exceso de inventario, aunque estos son anecdóticos y no benchmarks formales.⁹¹⁰

ILOG CPLEX Optimization Studio

IBM ILOG CPLEX Optimization Studio proporciona un solucionador de programación matemática de alto rendimiento para modelos lineales, mixtos enteros, cuadráticos y de programación de restricciones, con APIs en varios lenguajes.³ Históricamente, sustentó las aplicaciones de supply chain de ILOG (LogicTools) para el diseño de redes y optimización de inventario, que IBM posteriormente desinvirtió a LLamasoft; CPLEX en sí sigue siendo un solucionador genérico utilizado tanto dentro como fuera de la línea de productos de IBM.³¹⁸ En la actual cartera de supply chain, CPLEX se menciona explícitamente como el motor de optimización dentro de Sterling Fulfillment Optimizer, donde la documentación de solución de problemas menciona “nodos CPLEX” en el contexto de llamadas REST y cifrados TLS, lo que indica fuertemente que Fulfillment Optimizer ejecuta modelos CPLEX bajo el capó.¹⁸¹⁹ Como solucionador, CPLEX es ampliamente considerado en la comunidad de OR como uno de los principales motores comerciales de MIP; la diferenciación de IBM radica menos en el núcleo del solucionador y más en cómo se integra en ofertas específicas como Fulfillment Optimizer.

Sterling Order Management System (OMS)

IBM Sterling Order Management System (OMS) es una aplicación de gestión de pedidos omnicanal que orquesta la captura de pedidos, la visibilidad de inventario, el abastecimiento y el cumplimiento a través de canales y nodos.⁵⁶²² Proporciona una vista única de los pedidos y el inventario, soporta procesos de devoluciones y postventa, y se posiciona como la columna vertebral transaccional tanto del cumplimiento B2C como B2B.⁵⁶²² Técnicamente, Sterling OMS V10 se implementa como un conjunto de servicios Java EE empaquetados en contenedores certificados por IBM, desplegados en Kubernetes/OpenShift o en servicios de Kubernetes de terceros, respaldados por bases de datos relacionales (Db2 o Oracle) y JMS para la mensajería.⁶ La arquitectura es convencional: imágenes de contenedores, operadores de Kubernetes para la gestión del ciclo de vida, esquemas de bases de datos para los datos de pedidos e inventario, y flujos de configuración para definir los flujos de trabajo de procesos y roles de los participantes.⁶

No hay evidencia en la documentación pública de que las funciones centrales de OMS (por ejemplo, a qué nodo asignar un pedido) se resuelvan mediante MILP o ML avanzado dentro del propio OMS; en cambio, IBM posiciona servicios complementarios (Intelligent Promising, Fulfillment Optimizer) como las capas de decisión “inteligentes”, mientras que OMS se encarga de la orquestación.⁴⁵ Clientes destacados, como el minorista alemán de mejoras para el hogar hagebau, utilizan Sterling OMS como la plataforma central de gestión de pedidos para experiencias omnicanal integradas, típicamente implementadas con servicios de IBM o de socios.²²

Sterling Intelligent Promising y visibilidad de inventario

Sterling Intelligent Promising es un servicio de visibilidad de inventario y promising que centraliza el inventario a través de canales y aplica reglas y lógica basada en costos para decidir cómo responder a las solicitudes de los clientes (por ejemplo, ship from store vs DC, ofrecer opciones alternativas de entrega).⁴ El componente Inventory Visibility proporciona una vista única y en tiempo real del inventario a través de sistemas dispares, diseñado para escalar bajo cargas máximas.⁴ En su edición Premium, Intelligent Promising agrega AI predictiva y ML: el FAQ de IBM establece explícitamente que Premium utiliza técnicas de regresión y deep learning para forecast de ventas diarias en tienda y BOPIS durante un horizonte de 60 días, utilizando características como ventas históricas, inventario, precio y velocidad para estimar riesgos de faltante de stock y markdown.²⁰²¹

Aunque este es uno de los pocos lugares en que IBM ofrece detalles concretos sobre ML (regresión más deep learning sobre la demanda a nivel de tienda), el lado de optimización de Intelligent Promising continúa descrito en términos generales—equilibrando reglas y factores de costo, optimizando promises a través de permutaciones—sin formulaciones públicas o detalles del solucionador.²⁰²¹ Por lo tanto, es razonable considerar los modelos de demanda como fundamentados y las afirmaciones de “optimización” como plausibles, pero no verificables de forma independiente.

Sterling Fulfillment Optimizer con Watson

Sterling Fulfillment Optimizer es un servicio en la nube que se integra en OMS (IBM o de terceros) para elegir el(los) nodo(s) de cumplimiento óptimo para cada pedido, con el objetivo de minimizar el costo total de servicio mientras se respetan los SLA y las restricciones.¹⁸¹⁹ La visión técnica describe un modelo de dos fases: una fase offline que procesa grandes volúmenes de datos históricos (pedidos, métricas de costo, restricciones) para construir un modelo de costos, y una fase en tiempo real en la que OMS llama a las API REST de Fulfillment Optimizer con los pedidos y recibe decisiones de sourcing optimizadas.¹⁸ La configuración incluye perfiles de optimización, coeficientes de balanceo de nodos y otros parámetros para moldear los objetivos.¹⁹

La documentación para solución de problemas de Fulfillment Optimizer se refiere directamente a nodos CPLEX, y IBM posiciona su stack de optimización de decisiones (ILOG + CPLEX) como el motor que impulsa Fulfillment Optimizer.¹⁸¹⁹ Esta combinación—modelos MILP basados en CPLEX envueltos en un SaaS con API REST y de explicabilidad—es técnicamente sofisticada y se alinea con las prácticas actuales para la optimización omnicanal de cumplimiento. Sin embargo, IBM no publica formulaciones de modelos ni comparativas con otros solucionadores o propuestas de proveedores, por lo que las afirmaciones sobre “cognitive fulfillment” y “thousands of permutations in milliseconds” deben entenderse como marketing y no como evidencia científica.

Supply Chain Intelligence Suite, Transparent Supply y Envizi

IBM Supply Chain Intelligence Suite (SCIS) es un servicio en la nube que agrega datos de sistemas de supply chain en paneles, widgets y vistas de listas, proporcionando una vista unificada de la supply chain y perspectivas basadas en AI para la gestión de riesgos y disrupciones.⁶²³ Los componentes incluyen Control Tower, un área de trabajo para monitorear y gestionar excepciones, y Transparent Supply, una aplicación de trazabilidad y compartición de documentos basada en blockchain.⁶²³ Transparent Supply ofrece APIs para rastrear instancias de productos, eventos y documentos a lo largo de la cadena, y se utiliza típicamente en proyectos de trazabilidad en alimentos y bienes de consumo.²³

La página del ciclo de vida SaaS de SCIS muestra Disponibilidad General a finales de 2021 y retirada de marketing en mayo de 2025, lo que indica que, si bien los clientes existentes continúan siendo soportados bajo las políticas de ciclo de vida XaaS de IBM, SCIS ya no se comercializa activamente como un SKU independiente.²⁴²⁵ Esto, combinado con un repositorio de documentación archivado para Transparent Supply, sugiere una línea de productos en transición en lugar de un enfoque de crecimiento.

Por separado, la Envizi ESG Suite de IBM cuenta con un módulo de Supply Chain que ingiere datos transaccionales y los asigna a categorías de emisiones de Alcance 3 para reportes y análisis, relevantes para las métricas de supply chain relacionadas con la sostenibilidad, pero que no constituyen un motor central de optimización.²⁶

Stack tecnológico y arquitectura

A lo largo de estos productos, el stack tecnológico de supply chain de IBM es:

Languages and runtimes. Java microservicios y aplicaciones web para Sterling OMS y servicios relacionados; el servidor OLAP propietario de TM1 para Planning Analytics; bibliotecas de CPLEX en C/C++/Java/Python para optimización; front-ends en JavaScript/React para algunos portales nuevos.³⁶⁷
Persistence and messaging. Db2 u Oracle como principales almacenes relacionales para OMS; JMS (IBM MQ) para mensajería asíncrona; almacén en memoria basado en archivos de TM1 para cubos y dimensiones.⁶⁷
Infrastructure. Imágenes de contenedores para Sterling OMS desplegadas en Kubernetes/OpenShift con Operators para el ciclo de vida; entrega SaaS en IBM Cloud para SCIS y Transparent Supply; soporte para despliegues en hyperscalers para algunos componentes.⁴⁶²³
AI/ML services. Forecasting incorporado de series temporales en Planning Analytics Workspace; modelos ML para Intelligent Promising Premium; integración con watsonx.ai y Watson Assistant/Discovery para asistentes conversacionales y búsqueda de documentos en ejemplos de SCIS.⁸¹⁴²³

Este stack es técnicamente ortodoxo para un gran proveedor empresarial: favorece la estabilidad, la integración con el middleware existente de IBM y las herramientas de ciclo de vida, y la alineación con las plataformas de cloud y AI más amplias de IBM. No adopta ideas arquitectónicas más radicales como DSLs personalizadas o modelos de datos centrales basados en eventos, como lo hace Lokad.

Patrones de despliegue e implementación

Los despliegues de Sterling OMS típicamente implican:

aprovisionar clusters OMS contenerizados con Operators de Kubernetes;
configurar bases de datos, JMS y volúmenes persistentes;
integrar con ecommerce fronts, ERPs y sistemas logísticos descendentes vía REST y mensajería;
y, opcionalmente, conectar Intelligent Promising y Fulfillment Optimizer como servicios externos para decisiones de promising y sourcing.⁴⁵⁶

Los despliegues de Planning Analytics pueden ser on-premises o SaaS; requieren diseñar cubos TM1 y reglas para la lógica de planificación, integrar datos mediante conectores y, opcionalmente, habilitar funciones de AI forecasting en Planning Analytics Workspace.⁷⁸¹⁴ SCIS y Transparent Supply se ofrecen como SaaS, con pipelines de ingestión de datos (a menudo a través de IBM App Connect) y configuración de paneles, alertas y esquemas de trazabilidad.⁶²³ El módulo de Supply Chain de Envizi depende de manera similar de ingerir y mapear datos transaccionales a factores de emisiones.²⁶

La documentación pública y los estudios de caso brindan ejemplos de proyectos exitosos, pero no ofrecen estadísticas sistemáticas sobre la duración de la implementación, tasas de fallo o costo total de propiedad. Al igual que con la mayoría del software empresarial, los resultados parecen depender fuertemente de los socios de implementación y de la complejidad del entorno del cliente.

Madurez comercial y clientes

El software de supply chain de IBM es comercialmente maduro:

Planning Analytics (TM1) tiene una gran base instalada en finanzas y operaciones, con clientes reconocidos en manufactura, retail y servicios que lo utilizan para forecast y planificación.⁷⁹¹⁰
Sterling OMS está ampliamente desplegado por minoristas y organizaciones B2B como su OMS central, con hagebau y otros referenciados, y es reconocido por analistas de la industria como un OMS líder en términos de adopción.⁴⁵²²
SCIS y Transparent Supply cuentan con menos referencias nombradas y parecen ser más de nicho, pero existen proyectos documentados en trazabilidad de alimentos y visibilidad de order-to-delivery mediante socios.²³

La posición de IBM en los informes de analistas (por ejemplo, BARC Score para planificación integrada, reconocimiento analítico para Sterling OMS) confirma que se la considera una opción establecida y convencional, en lugar de una tecnología experimental. Dicho esto, algunas partes del portafolio (notablemente SCIS SaaS) muestran señales de estar en desuso o reestructuradas, por lo que los compradores deben prestar atención a los documentos de ciclo de vida y a las hojas de ruta.²⁴²⁵²⁷

Conclusión

El stack de supply chain de IBM se entiende mejor como una constelación de productos anclados en tecnologías empresariales de larga data: TM1 para la planificación, CPLEX para la optimización, Sterling OMS para el procesamiento de transacciones, y SCIS/Transparent Supply para la visibilidad y la trazabilidad. Técnicamente, esta constelación es seria: CPLEX se mantiene cerca de lo último en estado del arte como solucionador comercial MILP; el servicio de decisiones basado en CPLEX y las APIs de explicabilidad de Fulfillment Optimizer son sofisticados; el OMS contenerizado en Kubernetes está en sintonía con la práctica empresarial moderna; y Planning Analytics proporciona un entorno de planificación maduro y flexible con forecasting de series temporales incorporado. Lo que IBM no ofrece es una transparencia algorítmica profunda ni un entorno de modelado unificado y específico del dominio: las afirmaciones sobre ML en torno a “AI forecasting” y supply chains “cognitive” están solo parcialmente fundamentadas, y las capacidades de optimización se concentran en unos pocos componentes especializados en lugar de estar integradas en todo el stack.

Comparado con Lokad, IBM ofrece una cobertura funcional mucho más amplia y una integración estrecha con sistemas transaccionales, pero se apoya en modelos relativamente opacos y en una arquitectura convencional; Lokad sacrifica amplitud y alcance transaccional para centrarse en una plataforma altamente opinionada, impulsada por DSL, probabilistic y centrada en la optimización, con una transparencia inusualmente alta sobre técnicas y compromisos. Para organizaciones que buscan un conjunto estándar de OMS y planificación cómodo para TI, con complementos opcionales de optimización, IBM es un incumbente natural. Para aquellas cuyo principal reto es la calidad de las decisiones cuantitativas bajo incertidumbre más que la integración de sistemas per se, y que están dispuestas a adoptar una capa de optimización programable, el enfoque de Lokad es más radical, pero también está más alineado con el forecast probabilístico de vanguardia y la optimización estocástica.