Impact of stock management optimization through Machine Learning and Artificial Intelligence tools: A case study at Pernod Ricard Portugal

Abstract

Stock management in the alcoholic beverage industry is historically characterized by seasonality, promotional volatility, and regulatory complexity, factors that create obstacles for demand forecasting. At Pernod Ricard Portugal (PRP), forecasting remains largely reliant on manual inputs, mainly driven by the limited accuracy and adaptability of its machine-calculated baseline forecast. This research assesses the feasibility and potential impact of adopting an Artificial Intelligence (AI) through Machine Learning (ML) forecasting model at PRP, using Pernod Ricard Spain (PRS), where such a model is already implemented, as a reference case. Mixed-methods exploratory sequential design research was adopted. Structured interviews with PRP and PRS demand planners provided qualitative insights into current practices, limitations, and organizational readiness. Quantitative analysis of archival forecasting data compared pre- and post-AI implementation model performance between PRP and PRS, respectively, and across key dimensions. Additionally, an effort estimation framework assessed organizational and human resource requirements from PRS’s implementation to assess replication at PRP. Findings show that AI-powered forecasting delivers utmost value for high-volume products, while results in mid- to low-volume segments remain frail and reliant on human intervention. The project concludes that adoption at PRP is feasible, yet dependent on a hybrid approach, where algorithmic models form a reliable baseline and human expertise ensures adaptability. Academically, the study advances evidence on the power of AI/ML tools in regulated, demand-volatile industries. Managerially, it provides a blueprint for future implementation at PRP.

A gestão de stocks na indústria de bebidas alcoólicas é caracterizada pela sazonalidade, volatilidade e complexidade regulatória, fatores que dificultam a previsão da procura. Na Pernod Ricard Portugal (PRP), a previsão depende de entradas manuais, devido à limitada precisão e adaptabilidade da previsão estatística de base. Este projeto avalia a viabilidade e o potencial impacto da adoção de um modelo de previsão com Inteligência Artificial (AI) e Aprendizagem Automática (ML) na PRP, utilizando o caso da Pernod Ricard Espanha (PRS), onde este já foi implementado, como referência. Foi adotado um desenho de investigação sequencial exploratório de métodos mistos. Entrevistas estruturadas com os planeadores de procura da PRP e da PRS forneceram percepções qualitativas sobre práticas, limitações e preparação organizacional. A análise quantitativa de dados históricos comparou o desempenho pré- e pós-implementação da AI entre a PRP e a PRS, respetivamente, em dimensões-chave. Adicionalmente, uma estimativa de esforço avaliou recursos organizacionais e humanos da implementação da PRS para averiguar a replicação na PRP. Resultados indicam que a previsão com AI gera o máximo valor para produtos de alto volume, enquanto os resultados nos segmentos de médio a baixo volume permanecem frágeis e dependentes de intervenção humana. O projeto conclui que a adoção na PRP é viável, mas depende de uma abordagem híbrida, em que modelos algorítmicos formam uma base e a experiência humana garante a adaptabilidade. Academicamente, o estudo evidencia o poder das ferramentas de AI/ML em setores regulamentados e voláteis. Na gestão, estabelece uma planta para futura implementação na PRP.