IA en logística: el 'Ferrari' que todos quieren aún sin tener la pista ideal

En la logística cada vez más directivos sueñan con subirse al “Ferrari” de la Inteligencia Artificial (IA) pero pocos se detienen a analizar las condiciones de la autopista. Se trata de una analogía que refleja cómo las empresas quieren implementar soluciones avanzadas sin a corregir primero los procesos internos que permitirían aprovecharlas.

“Muchas empresas compran grandes Ferraris de tecnología y después tratan de arreglar sus procesos”, señala Luis Flores, director Senior de Servicios Empresariales en Capgemini, consultora especializada en gestión y transformación de negocios.

Es el “error más grande que cometen” muchas de las organizaciones con actividades logísticas que atiende la compañía de origen francés desde Aguascalientes donde tiene su Global Delivery Center (GDC). Desde ahí brinda soporte a clientes en México y en 19 países de Latinoamérica.

Primeros procesos, luego tecnología

El diagnóstico de Flores es claro: muchas compañías invierten en tecnología sin antes resolver los vacíos de disciplina operativa. Lo recomendable, primero, es mejorar procesos y transformar los paradigmas establecidos años o décadas atrás.

De acuerdo con su experiencia, la secuencia correcta está en eliminar lo que no sirve; estandarizar y optimizar el proceso, automatizar y recién entonces, introducir soluciones como la Inteligencia Artificial.

“Si estandarizas bien el proceso, eliminas pasos innecesarios y haces un proceso súper lean... después agarras el Ferrari y le das la licencia de conducir al cliente”, explica a The Logistics World.

Las razones para NO hacer de la Inteligencia Artificial, la estrega estrella del negocio

Los primeros pasos son usualmente en donde se encuentra el mayor de los desafíos en las cadenas de suministro y, por ende, en donde puedes destrabar y empezar a generar valor a la organización.

Destrabar el potencial

El potencial de la digitalización y la Inteligencia Artificial en Logística es enorme. Solo en 2025 la digitalización en logística -como prerrequisito del uso de la IA- puede detonar hasta 1.5 billones de dólares en valor para las organizaciones, según estima un informe de Capgemini.

“Goldman Sachs estima que el uso de robótica impulsada por inteligencia artificial, automatización, optimización de procesos y análisis de datos puede reducir los costos del sector logístico en 5%”.

Artificial Intelligence in Logistics, Artificial Intelligence more than just a fancy buzzword

Pero para hacer de la IA el gamechanger de la logística se requiere previamente digitalizar y ordenar la información. Solo así se construyen los cimientos para que la IA actúe como catalizador de eficiencia operativa en áreas estratégicas como el transporte.

Transporte y cubicaje: los puntos ciegos

El transporte sigue siendo el mayor costo en la estructura logística, y por lo tanto un terreno donde los errores son visibles. El guatemalteco Flores relata que es común encontrar camiones que salen medio vacíos, autorizados con tal de “cumplir con indicadores de servicio” aunque esto dispare los costos operativos.

Aquí la IA tiene un rol crucial: calcular con precisión la capacidad de carga y sugerir la mejor forma de aprovecharla. En algunos proyectos, la mejora en el truck-fill ha alcanzado entre ocho y 10% que, de acuerdo con Flores, se pueden traducir en millones de pesos en ahorros.

El reporte de Capgemini confirma el alcance: la optimización de rutas y de ocupación de flota figura entre los usos más prometedores de la tecnología, pues permite combinar datos de tráfico, condiciones de carga y disponibilidad de recursos para lograr escenarios más eficientes.

Reclamos y pagos: el eslabón extendido de la cadena

Otro punto crítico en la cadena son los reclamos de clientes por daños o errores en los pedidos. Estos problemas retrasan la cobranza y afectan directamente el flujo de caja.

En este frente, la IA se ha convertido en aliada al automatizar la clasificación de reclamos y anticipar causas raíz. Flores señala que, al extender la visión de la cadena hasta los procesos financieros, es posible resolver reclamos en un promedio de dos días cuando antes tomaban hasta 60. El impacto es doble: mejora la experiencia del cliente y la cobranza se incrementa entre un 8 y 10%.

Transporte de carga sobredimensionada y extra pesada: Ingeniería logística y normatividad específica

“Tener la habilidad de resolver muchos de los que se vuelven ‘problemas finales para que tu cliente te pague’, ha sido un caso de éxito muy bueno que hemos implementado con algunos de nuestros clientes”, señala Luis Flores.

Dónde ‘pega’ más la IA en logística

De acuerdo con el especialista, los casos de uso que más crecen en la región se concentran en tres áreas:

• Pronóstico de la demanda. La aplicación de Machine Learning reduce sesgos en forecasting y aumenta la precisión de la planeación.
• Optimización logística. Incluye desde cubicaje hasta ubicación de inventarios para reducir canibalización entre tiendas grandes y pequeñas.
• Procesos financieros. IA para acelerar cash application y resolución de reclamos, que son parte de una cadena verdaderamente end-to-end.

“Puedes trabajar en un cubicaje casi perfecto. La Inteligencia Artificial puede darte camiones súper optimizados al maximizar la capacidad del transporte”, dice Flores.

De Aguascalientes para la región

El trabajo realizado por Flores y su equipo, se articula desde el GDC de Capgemini en Aguascalientes, a donde llegó en 2020, a unos meses de iniciada la pandemia de Covid-19.

Cubicaje: ¿Cómo usar tecnología para maximizar el espacio para carga?

Ahí operan más de 1,900 profesionales que atienden a empresas de todos los sectores incluyendo las de actividades logísticas y de cadenas de suministro para clientes de 19 países de Latinoamérica y, eventualmente, Canadá y Estados Unidos.

Para Flores, es claro que no se trata de si las empresas adoptarán IA, sino de cuándo y con qué grado de preparación lo harán.

“La mayoría cree que la Inteligencia Artificial la pueden crear como en un Big Bang, pero tienen que crear fundamentalmente la base de datos maestra y arreglar la estructura de datos”, menciona.

El desafío para la logística mexicana es, entonces, rediseñar primero la pista para que el ‘Ferrari tecnológico’ pueda despegar.