¿En qué punto real está la IA en la logística de México y América Latina? 

Los albores de la inteligencia artificial se remontan a los años 40 del siglo XX; por décadas, fue un tema confinado al sector científico y tecnológico, pero en 2022, el lanzamiento de ChatGPT por parte de OpenAI se convirtió en un fenómeno de masas que nos hizo preguntarnos si perderíamos nuestro trabajo y en cuánto tiempo, aunque la mayoría realmente no entendíamos qué era la IA. Hoy, apenas unos años después, la discusión ya no está en si debe usarse, sino en cómo hacerlo y es en este punto en el que se encuentra la logística mexicana y latinoamericana.  

En muy poco tiempo la IA ha evolucionado de forma exponencial, pasamos de preguntarle trivialidades a ChatGPT, Gemini, Copilot o Claude a aprovechar sus bondades para mejorar nuestro desempeño laboral; además, han surgido sofisticados agentes que están transformando la operación de empresas completas.  

Según el reporte “La inteligencia artificial en el mercado logístico impulsa el futuro de las cadenas de suministro inteligentes” de Precedence Research, el tamaño del mercado global de IA en logística en 2025 fue de más de 26,000 millones de dólares; sin embargo, sus prospecciones de crecimiento hacia 2034 se calculan en más de 707,000 millones de dólares, expandiéndose a una CAGR del 44.40% en menos de nueve años. 

Dichas cifras, muestran que la adopción de la IA se ha convertido en el camino y no solo en una alternativa, pero muchos empresarios se sienten confundidos sobre cómo empezar y se preguntan si su inversión les dará un retorno real.   

Para dilucidar estas cuestiones, en la reciente sesión del Consejo Nacional de Ejecutivos en Logística y Cadena de Suministro (ConaLog), especialistas del sector compartieron los avances en los agentes de IA, las fricciones organizacionales en su adopción, ejemplos de implementación en negocios reales y casos con impacto financiero medible en México y Brasil.  

¿Cómo va la adopción de IA en logística en México y América Latina? 

El año pasado, el MIT y Mecalux publicaron un informe que analiza el estado global de la IA y el machine learning (ML) dentro de las operaciones de almacenamiento, según sus resultados, “aproximadamente 6 de cada 10 organizaciones ya han implementado alguna forma de IA o ML en sus almacenes”. 

También señalaban que “el 57.5% de las empresas opera con un nivel de automatización avanzado (44.6%) o completo (12.9%), donde la IA ya está integrada en el flujo de trabajo diario. Solo un 11.7% de las instalaciones sigue operando de forma manual o con automatización básica”. 

Sin embargo, el reporte está basado en una encuesta a más de 2,000 profesionales con experiencia en cadena de suministro y almacenaje, pero mientras países como China y EU tuvieron muestras de entre 660 y 552 personas, mercados más pequeños como México o Brasil tuvieron sólo entre 20 y 35 participantes.  

Cuando la IA sí paga: ¿en qué procesos logísticos ya está generando ROI medible?

Tomando en cuenta esa limitación, el reporte señala que Brasil y México lideran la adopción de IA y ML en América Latina, aunque presentan diferencias: 

1). Brasil lidera la tabla global con la puntuación de madurez más alta entre los 21 países analizados, alcanzando 3,86 en una escala de 1 a 5. El 65% de sus instalaciones operan con automatización avanzada o completa. 

Barreras que frenan su avance: Su mayor obstáculo es el coste de implementación (54%). Sus programas de IA ya han superado la fase piloto y están en fase de expansión, por lo que su principal preocupación ahora es la aprobación de presupuestos para escalar. 

2). México se sitúa en el segundo nivel ("Seguidores con alto potencial") con una sólida puntuación de 3,73. Aunque su porcentaje total de automatización avanzada o completa es menor que el de Brasil (52%), México iguala a Brasil en un indicador clave: el 19% de sus almacenes ya cuenta con automatización total e integración completa de IA/ML. 

Barreras que frenan su avance: A diferencia de Brasil, el mayor talón de Aquiles de México es el factor humano. La principal barrera es la resistencia de los empleados y la falta de capacitación (55,6%). Las empresas mexicanas ya están convencidas del valor de la tecnología, pero enfrentan retos en la gestión del cambio y el desarrollo de habilidades internas. 

Ampliando las cifras más allá de los almacenes, durante la reunión de ConaLog, el pasado 19 de febrero, Felipe Ordóñez de Promologistics mencionó: 

“En 2026, una de cada tres empresas mexicanas planea implementar inteligencia artificial, específicamente en temas de cadena de suministro, el 38% de las empresas en México ya utiliza la IA de alguna manera en sus procesos de negocio”. 

De acuerdo con Ordoñez, las empresas nacionales utilizan IA principalmente en: 

• Gestión de transporte y fletes 
• Evaluación y gestión de proveedores  
• Pronósticos de ventas 

El experto agregó que “ciertas respuestas de los estudios reportan que algunos algoritmos de inteligencia artificial han logrado disminuir exceso de stock hasta en un 40%”.  

Lanzan solución de IA para blindar la cadena de suministro en el sector retail

De chatbot a agente operativo: el verdadero salto 

En 2017, Aeroméxico sorprendió al anunciar que su servicio al cliente sería gestionado por un chatbot en Messenger, donde los usuarios podrían incluso comprar boletos, parecía una gran revolución, aunque, desde 2016, en Estados Unidos ya se habían popularizado este tipo de herramientas para ventas y marketing B2C.  

Hoy, los chatbots se han extendido incluso a las Pymes, a través de plataformas de Meta como Facebook, Instagram y WhatsApp, pero la IA ha traído una nueva tecnología: los agentes.  

Jerónimo Cardoze, arquitecto de soluciones en Amazon Web Services (AWS), explica que estas herramientas suelen confundirse, pero no son iguales, “un chatbot responde preguntas, en cambio, un agente de IA razona, planea y ejecuta tareas dentro de un sistema”.  

La diferencia es estructural: no se trata solo de preguntar por qué un embarque está retrasado, sino de detectar la desviación y corregirla antes de que impacte al cliente o al negocio.  

Si hace 10 años los chatbots simplificaron la comunicación entre las empresas y los usuarios, este 2026 los agentes de IA son la tecnología que promete acelerar la operación y reducir los errores, pero Cardoze advierte que su implementación en logística requiere cuatro pilares: 

1. Sistemas integrados: ERP, TMS, WMS y bases de datos deben comunicarse. 
2. Visibilidad: aunque el agente opere con mínima supervisión, debe existir trazabilidad humana. 
3. Inteligencia real: capacidad de razonamiento y toma de decisiones. 
4. Autonomía progresiva: no se construye de la noche a la mañana. 

“La confianza del negocio no se gana con un proyecto gigante, sino con casos de uso acotados y medibles”, señaló al proponer empezar con pruebas de concepto pequeñas y bien delimitadas. 

Innovaciones para la logística vertical: tecnologías que transforman el almacenaje

Torre de control conversacional: IA en producción 

En la reunión, la teoría encontró aterrizaje práctico en el caso de Frialsa, presentado por Gustavo Equihua. La empresa implementa un sistema multiagente sobre infraestructura de AWS que consulta un Data Lake alojado en Azure e integra TMS, WMS y ERP sin modificar los sistemas de origen. 

El resultado es una torre de control conversacional que permite consultar KPIs logísticos en lenguaje natural, con información prácticamente en tiempo real. 

La implementación avanza en dos fases: 

• Fase 1: chatbot interno para gerencias y supervisión. 
• Fase 2: extensión a clientes y transportistas con perfiles de acceso segmentados. 

Aquí surgió uno de los puntos más sensibles del panel: la seguridad y el gobierno de datos. Por ello, la segmentación por perfiles, la definición de permisos y la responsabilidad compartida en nube fueron subrayados como requisitos críticos para escalar cualquier proyecto de IA. 

IA como herramienta financiera, no solo tecnológica 

Como vimos en el informe del MIT y Mecalux, uno de los primeros frenos para la implementación de IA es el factor humano; por un lado, los empleados temen ser reemplazados y, en el otro extremo, los empresarios se sienten abrumados porque no saben por dónde empezar o piensan que su implementación es difícil y costosa.  

Pero, los expertos del panel explicaron que no se trata de automatizar todos los procesos de forma radical, Cardoze ya nos había recomendado iniciar la transición detectando muy bien un problema específico que podemos mejorar con IA y cuantificarlo para ir midiendo los avances. 

En este sentido, Antonio Rivero, director de E-Kontrol, llevó la conversación al terreno financiero con una pregunta provocadora: “Si les diera la fórmula para liberar entre 5% y 15% de su capital de trabajo sin incrementar inventario ni invertir en infraestructura, ¿lo harían?” 

Rivero compartió los casos de dos empresas brasileñas que invirtieron en modelos predictivos para optimización de inventarios y pronóstico de demanda que lograron reducciones significativas en MAPE (error porcentual medio absoluto) y retornos de entre 9 y 12 millones de dólares en un año. 

El especialista hizo énfasis en que “la clave no son las herramientas de inteligencia artificial, es el método, el diagnóstico, tener datos confiables, un modelo adecuado y gestionar el cambio”. 

Para el experto, la IA en logística no es un proyecto técnico sino una herramienta financiera que nos puede ayudar a controlar inventarios en casos de operación de la demanda y a optimizar cuáles son los SKUs que realmente debemos tener y en qué cantidad: “Por cada punto porcentual que mejoramos en el pronóstico o el inventario se libera capital de trabajo, que finalmente es dinero”. 

“De 2026 en adelante, la diferencia no estará entre empresas que tengan IA y las que no tengan, sino en las que toman decisiones predictivas y las que siguen reaccionando al pasado”, finaliza Rivero.  

40% de los trabajadores mexicanos aún no domina la inteligencia artificial en sus empleos

Cuando la IA acelera decisiones críticas 

Desde el sector salud, Carlos Guerra, gerente comercial de IGSA Medical mostró otra dimensión de la aplicación de la IA: la lectura automatizada de bases de licitación y la generación de modelos económicos que agilizan validaciones estratégicas. 

En procesos donde el tiempo es crítico —como licitaciones públicas o compras anticipadas de insumos médicos— reducir horas de análisis puede traducirse en ventaja competitiva y mejores condiciones comerciales. 

“El hecho de tener los modelos económicos y entender la información en el tiempo necesario te ayuda a ser mucho más competitivo”, explicó. Aquí la IA no sustituye el criterio humano, lo amplifica. 

De reacción a predicción: el punto de inflexión 

El panel de ConaLog dejó una conclusión contundente: la inteligencia artificial ya está en fase de implementación real dentro de la logística mexicana y latinoamericana. Existen casos productivos, retornos financieros medibles y arquitecturas tecnológicas funcionales. 

No obstante, la madurez plena dependerá menos de la herramienta y más de la cultura organizacional, la integración de sistemas y la capacidad de traducir innovación en resultados financieros. 

Para los expertos, el punto real en el que se encuentra la IA en la logística regional no es experimental, pero tampoco universal, se encuentra en una fase de transición: de pilotos acotados hacia modelos predictivos escalables. 

Aunque Brasil y México se encuentran a la cabeza de esta transformación, el potencial está abierto para todas las empresas de logística y supply chain en la región, en poco tiempo la IA será un estándar internacional y los especialistas recomiendan ir dando pequeños pasos para convertirla en una ventaja competitiva antes que el resto.