El transporte y la logística consisten en una mezcla de trabajo muy diverso en cuanto a naturaleza. La planificación y el enrutamiento, el procesamiento de pedidos, la gestión documental en el transporte transfronterizo, la comunicación de seguimiento (track-and-trace) con los clientes, la planificación del mantenimiento del material rodante y la gestión administrativa de los trayectos y las facturas ocupan juntos una gran parte de las horas de oficina. Además está el propio trabajo de conducción y ejecución: cargar, descargar, conducir, controlar físicamente la carga. Estos dos mundos no reaccionan igual ante lo que la IA puede asumir. El procesamiento de documentos y la planificación son digitales y repetibles; el trabajo físico a menudo no lo es, o solo lo es tras inversiones considerables en sensores y tecnología de vehículos.
Las circunstancias que determinan el resultado no son iguales en todas partes. Una empresa que opera principalmente a nivel nacional y en rutas fijas tiene una complejidad de planificación distinta a la de una empresa con cargas internacionales variables y formalidades aduaneras. Una flota con datos de sensores de los vehículos ofrece a la IA algo con lo que entrenarse; una flota sin esos datos, no. La normativa sobre tiempos de conducción y descanso, aduanas y sustancias peligrosas es, además, algo a lo que las aplicaciones de IA deben ajustarse, lo que ralentiza la implantación en los lugares donde estas normas se aplican con rigor.
En la planificación y optimización de rutas, en muchos lugares ya se observa que el software realiza la mayor parte del trabajo de cálculo, mientras un planificador evalúa el resultado y lo ajusta con base en conocimientos que el sistema no tiene: un conductor que acaba de volver de vacaciones, un cliente al que no le gusta recibir visitas temprano por la mañana. Este es el patrón intermedio de los tres que recorren todo el sector: la IA asume la mayor parte del trabajo, una persona aprueba o rechaza con motivo. El control documental en envíos internacionales se desplaza a un ritmo comparable, donde los sistemas señalan desviaciones y un empleado gestiona las excepciones.
La comunicación con los clientes sobre el estado de los envíos ya está en gran medida automatizada en varias empresas: un sistema que notifica desviaciones sin que una persona redacte cada mensaje. La planificación del mantenimiento del material sigue un patrón distinto: el mantenimiento predictivo basado en datos de sensores puede indicar cuándo un vehículo necesita atención, pero la valoración de si ese mantenimiento debe realizarse ahora o puede esperar a una parada programada sigue siendo trabajo humano mientras las consecuencias de una valoración errónea sean importantes. Y la conducción del propio vehículo sigue siendo, en la gran mayoría del sector, trabajo humano, incluso donde se está probando tecnología autónoma.
La diferencia entre las empresas que ya organizan esto así y las que no, rara vez está en la ambición. Está en qué datos hay disponibles, en cuánta rutina hay en el proceso frente a cuántas excepciones, y en cómo está regulada la responsabilidad en caso de errores. Un departamento de planificación con años de datos de trayectos puede entrenar un sistema que un departamento sin ese historial no puede construir. No es una elección que se haga, es una posición de partida que se tiene o no se tiene.
Una estrategia para el transporte y la logística suele apoyarse en un supuesto sobre dónde están las ventajas de costes y los cuellos de botella: por ejemplo, que la planificación es escasa y costosa, o que la gestión documental en el transporte transfronterizo tiene un plazo de tramitación fijo que tampoco los competidores pueden acortar. Si la IA amplía esa capacidad de planificación o acorta ese plazo de tramitación en una parte del sector, el terreno de juego se desplaza sin que haya un anuncio previo. El plan se mantiene en pie sobre el papel, mientras el supuesto que hay detrás ya ha dejado de ser correcto.
Este es precisamente el mismo patrón que se da también en otros sectores, con su propio ritmo y su propia causa: cómo los servicios profesionales se enfrentan a tareas de asesoramiento y gestión administrativa que se desplazan, cómo el comercio minorista gestiona el control automatizado de inventario y el contacto con clientes, y qué significa para una estrategia cuando un supuesto deja de ser válido sin previo aviso. El mecanismo subyacente es siempre el mismo: la IA no es un proyecto aparte con una fecha de inicio, es un cambio en la estructura de costes y la velocidad de ciertas tareas que en algún momento hace desaparecer el supuesto que había debajo.
Esto no es una declaración sobre lo que una empresa individual debería hacer con su plantilla. Las decisiones sobre puestos y número de fte corresponden al empleador, y si esas decisiones están relacionadas con una reorganización, se aplican requisitos legales propios para ello, independientemente de lo descrito aquí. De lo que trata esta página es de la cuestión de qué trabajo es efectivamente asumible, parcialmente asumible con supervisión, o sigue siendo trabajo humano, y qué significa eso para los supuestos sobre los que se ha construido una estrategia.
La pregunta de qué trabajo en su empresa puede efectivamente ser asumido por la IA no se puede responder a nivel sectorial. Para ello es necesario examinar el propio proceso, los propios datos y las propias excepciones; esto es lo que el escáner de trabajo de FTE TO AI cartografía por tarea. Un primer paso, más amplio que la mera distribución del trabajo, es aplicar a la propia estrategia el método para elaborar usted mismo un horizonte de cambios. Quien prefiera empezar directamente por los propios supuestos puede realizar la verificación de supuestos gratuita: una breve ronda en la que usted identifica los principales supuestos detrás de su estrategia y ve, por cada supuesto, cuándo se confirmó por última vez. La prueba de resistencia completa, con datos sectoriales, una autoevaluación del equipo directivo y una lista continua de supuestos, está en preparación.
Stel uw vraag. Vaak zit de echte vraag een laag dieper — daar mag ik naar vragen.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.