IA para logística

El problema no es la ruta: es quién la decide

El despachador con quince años de experiencia decide la ruta de memoria. Sabe qué calles evitar a las cinco de la tarde y qué cliente reclama si el camión llega tarde. Ese criterio vale, pero no escala: cuando esa persona falta, se va de vacaciones o renuncia, la empresa pierde la única fuente de decisión que tenía. Mientras tanto el costo de combustible sube, las rutas se alargan y nadie puede explicar con datos por qué.

La visibilidad de flota es otro punto ciego. Muchas operaciones saben dónde está un camión solo cuando el conductor llama o cuando el cliente reclama que el pedido no llegó. No hay alerta temprana de un retraso, no hay forma de reasignar una entrega a otro vehículo más cercano, no hay dato que diga si el vehículo está haciendo el recorrido más corto o el que el conductor prefiere.

Y el inventario tiene el problema inverso al mismo tiempo: un almacén se queda sin el producto que más se vende mientras otro almacén, a pocos kilómetros o al otro lado del país, tiene ese mismo producto parado hace semanas. Nadie cruza esos dos datos a tiempo. El costo no es solo la venta perdida: es el capital inmovilizado en el lugar equivocado.

Qué es IA para logística y qué no es

IA para logística no es instalar un GPS con mejor mapa ni poner un chatbot en el área de atención al cliente. Es construir un sistema que junta datos de tres fuentes (flota, inventario, demanda) y los usa para tomar o sugerir decisiones operativas todos los días, no una vez al mes en una reunión de planeación.

El resultado no es una foto bonita en un dashboard. Es una ruta recalculada cuando hay tráfico, una alerta de quiebre de stock antes de que ocurra, una sugerencia de traslado de inventario entre almacenes basada en demanda real.

• No es reemplazar al despachador ni al jefe de almacén: es darle datos que hoy no tiene para decidir mejor y más rápido.
• No es un sistema de rastreo GPS que solo muestra un punto en el mapa sin generar ninguna decisión ni alerta.
• No es comprar un software de optimización de rutas genérico y esperar que se adapte solo a las reglas del negocio.
• No es un proyecto de una sola vez: sin datos actualizados de flota e inventario, el sistema se desactualiza en semanas.

Casos de uso reales en logística

Estos son los casos de uso donde la IA mueve un número real en logística, no solo una demo bonita en una presentación:

• Optimización dinámica de rutas: recalcula el recorrido de cada vehículo según tráfico, ventanas de entrega y prioridad del cliente, en lugar de una ruta fija decidida una vez a la semana.
• Visibilidad de flota en tiempo real: cruza GPS, sensores y estado de cada pedido para avisar un retraso antes de que el cliente llame a reclamar.
• Predicción de demanda por almacén: anticipa qué producto se va a agotar en qué punto de venta o centro de distribución antes de que ocurra el quiebre.
• Balanceo de inventario entre almacenes: sugiere traslados entre bodegas cuando un punto tiene sobrestock y otro tiene quiebre del mismo producto.
• Mantenimiento predictivo de flota: usa datos de uso y sensores para anticipar una falla mecánica antes de que el vehículo se quede varado en ruta.
• Agentes de seguimiento de excepciones: monitorean pedidos en tránsito y disparan una acción (reasignar, avisar al cliente, escalar) cuando algo se sale del plan, sin esperar que una persona revise manualmente cada envío.

Qué necesita la operación para que esto funcione

Nada de esto funciona si la empresa no tiene la base operativa lista. Antes de hablar de modelos o de algoritmos de ruteo, hace falta esto:

• Datos de flota y almacén integrados en un solo lugar, no en hojas de cálculo separadas que cada área actualiza a su manera.
• Memoria operativa: historial de rutas, tiempos reales de entrega y quiebres pasados, para que el sistema aprenda de lo que ya ocurrió y no repita el mismo error.
• Reglas de negocio explícitas: qué cliente tiene prioridad, qué margen de retraso es aceptable, qué costo de flete es tolerable frente al costo de un quiebre de stock.
• Herramientas conectadas: el sistema de ruteo, el ERP de inventario y el CRM de clientes tienen que hablar entre sí, no vivir en silos que nadie concilia.

Por dónde empezar en logística

• 1. Diagnostica el dolor real: mide hoy cuánto cuesta la ineficiencia, en combustible, en horas de retraso o en ventas perdidas por quiebre, antes de elegir ninguna herramienta.
• 2. Ordena los datos de flota e inventario: sin datos limpios y actualizados no hay optimización posible, solo automatización de un caos ya existente.
• 3. Empieza por una ruta o un almacén piloto: prueba el sistema en una operación acotada, con un KPI definido, antes de desplegarlo a toda la flota.
• 4. Mide el resultado en plata: costo de combustible, horas de entrega, nivel de quiebre. Si el número no se mueve, el proyecto no funcionó, sin importar cuánta tecnología tenga detrás.
• 5. Recién entonces escala: replica el patrón que funcionó a otras rutas o almacenes, no al revés.

Errores comunes al implementar IA en logística

• Comprar un sistema de optimización de rutas sin haber ordenado antes los datos de flota: el sistema calcula sobre información incompleta y las rutas que sugiere terminan siendo peores que las del despachador con experiencia.
• Medir el proyecto por la cantidad de rutas automatizadas y no por el costo real que se redujo, lo que esconde implementaciones caras que no movieron ningún KPI de negocio.
• Dejar el inventario y la flota como proyectos separados, cuando el problema real (quiebre en un lado, sobrestock en otro) solo se resuelve viendo ambos datos juntos.
• Desplegar el sistema a toda la operación de una vez, sin un piloto que confirme que las reglas de negocio configuradas son las correctas para esa empresa.

Cómo medir si la IA sirve en logística

• Costo de combustible por kilómetro recorrido, antes y después de la optimización de rutas.
• Porcentaje de entregas a tiempo frente a la ventana prometida al cliente.
• Nivel de quiebre de stock por almacén, medido en frecuencia y en venta perdida.
• Rotación de inventario y capital inmovilizado en sobrestock.
• Tiempo de respuesta ante una excepción: retraso, falla de vehículo, pedido perdido.
• Horas de trabajo del equipo de despacho dedicadas a decisiones manuales que el sistema ya puede sugerir.

Ninguno de estos números se mueve por instalar un software. Se mueve porque la empresa decidió qué proceso iba a cambiar, ordenó los datos que ese proceso necesita y midió el resultado con la misma disciplina con la que mide cualquier otra inversión operativa.

Cuándo no usar IA todavía en logística

• Cuando la empresa no tiene datos históricos mínimos de flota o inventario: sin ese historial, el sistema no tiene de qué aprender y termina siendo una caja negra costosa.
• Cuando la operación es tan pequeña (pocos vehículos, un solo almacén) que el criterio de una persona con experiencia sigue siendo más rápido y más barato que construir un sistema.
• Cuando no hay quien sea dueño del resultado: si nadie en la operación va a revisar las alertas ni actuar sobre las sugerencias del sistema, la inversión no se traduce en ninguna mejora.
• Cuando el problema real es de proceso, no de decisión: si el cuello de botella está en la carga y descarga manual o en la burocracia interna, la IA no arregla eso; hay que rediseñar el proceso primero.