Expansión.- El uso de Inteligencia Artificial, machine learning y automatización ha existido en los últimos años en distintos sectores, incluyendo el de logística; sin embargo, el crecimiento que ha tenido en los últimos años ha ido en ascenso, sobre todo en la aplicación de productos hacia consumidores de primera línea, o sea operadores de camiones, o dentro de almacenes.
De acuerdo con Eduardo Allegre, director de Métrica Móvil, la aplicación de este tipo de herramientas puede reducir los siniestros en las flotillas de transporte 80%, y los alcances de este tipo de opciones podría ayudar a optimizar la operación logística de flotillas hasta 30%.
“El uso de este tipo de herramientas puede ayudar a evitar choques, advertir a los choferes sobre posibles peligros y además tener un diálogo más cercano entre las metas y los compromisos de operación que se tienen para diseñar mejores rutas”, precisó Allegre.
Una de las opciones que más podría funcionar es la de tener una cámara instalada dentro de las unidades de transporte, misma que puede detectar el nivel de cansancio de los operadores, pero también avisar sobre las posibles opciones de ruta.
Data histórica para mejorar
Una de las contribuciones más significativas de la IA en la logística es su aplicación en el análisis predictivo, impulsado por el rápido crecimiento de los datos. De acuerdo con la firma McKinsey, para 2025 se generarán 181 zetabytes de datos, equivalentes a la información de 200,000 millones de iPhone 14. Y es más o menos un histórico de lo que podrían representar las principales rutas de transporte en el país.
Mediante el análisis de datos históricos y en tiempo real, los sistemas basados en IA pueden anticipar patrones de demanda, fluctuaciones de inventario y posibles interrupciones, optimizando los niveles de inventario, además de que es posible minimizar el desabasto de ciertos insumos y agilizar las operaciones de la cadena de suministro.
Allegre señala que es posible saber la cantidad de combustible que se requiere en cierto tiempo y en caso de tomar una decisión sobre el cambio de vehículos de combustión a opciones híbridas se puede tener una métrica sobre el ahorro que se tendría.
“Además, es posible trazar rutas donde se consideren estos parámetros que permiten que los operadores paren cada cierto tiempo tanto para cargar los vehículos, como para descansar. Al final uno de los factores de mayor falla en las operaciones logísticas es a causa de aspectos humanos”, indicó el directivo.
Este análisis predictivo evolucionará hacia un análisis prescriptivo y, eventualmente, permitirá la automatización de partes más amplias de los flujos de trabajo, de acuerdo con Allegre.
Pero, ¿están las empresas preparadas para utilizar plenamente la IA?
Aunque la tecnología ha avanzado significativamente en los últimos años, por sí sola no puede resolver los problemas de la cadena de suministro. La transformación digital requiere tres elementos esenciales: el talento digital adecuado, modelos y procesos de negocio ajustados, y la combinación correcta de tecnología.
Muchas empresas no tienen el nivel de madurez digital, el talento adecuado ni la mentalidad necesaria para aprovechar al máximo lo que la IA ofrece. En el caso de este tipo de aplicaciones, Allegre apunta que han tenido que buscar acercamientos con los conductores de este tipo de camiones y en algunos casos ha sido más complicado convencerlos sobre la efectividad de la herramienta.
Además, en el país aún hay un rezago en el uso de vehículos semiautónomos o autónomos lo que podría permitir que este tipo de herramientas optimicen aún más sus ventajas de análisis de datos.
Las operaciones logísticas enfrentan diversos riesgos como desastres naturales, por lo que también un reto que existe es la trazabilidad de la información de parte de entes que revisan posibles siniestros atmosféricos con las herramientas de IA.
