Maersk y PUMA: la IA logística pasa a decidir

La IA logística deja de mirar paneles y empieza a decidir

La plataforma project44 rastrea 1.500 millones de envíos al año en más de 190 países, según TechTarget. Ese volumen ya no se usa solo para saber dónde está una carga: el nuevo campo de batalla de la inteligencia artificial en logística es decidir qué hacer con ella. Es el mensaje que dejaron ejecutivos de Maersk, Schneider Electric y PUMA en un análisis de MundoMaritimo: las torres de control y los paneles de visibilidad en tiempo real dejaron de ser la ventaja competitiva y pasaron a ser el punto de partida.

Para un founder que vende software logístico o gestiona operaciones, la implicancia es incómoda: si tu producto solo muestra datos, compites en la capa más barata y más replicable de la cadena.

¿Por qué la visibilidad ya no alcanza?

Stuart Whiting, ejecutivo de cadena de suministro de Schneider Electric, lo planteó sin rodeos: "se trata de tomar los datos que aparecen en los paneles de visibilidad y convertirlos en capacidades para percibir, detectar, predecir y recomendar". Identificar el riesgo no basta; hay que anticiparlo y generar escenarios sobre los que se pueda actuar.

Mikkel Rasmussen, responsable global de Crecimiento de Ventas de Maersk, fue más lejos: "la próxima frontera no consiste en visualizar la cadena de suministro, sino en transformar esa información en recomendaciones y luego llevarlas a la práctica".

La industria ya lo dice en voz alta. Jett McCandless, fundador y CEO de project44, lo resumió en el podcast Enterprise Apps Unpacked de TechTarget: "la visibilidad es una tecnología un poco pasiva". Su empresa, fundada en 2014, construyó una red que hoy rastrea 1.500 millones de envíos anuales, y el paso siguiente —dice— es responder qué hacer cuando algo se retrasa: adelantar el pedido, mover el stock con otro distribuidor o ampliar el lead time.

¿Qué le piden los planificadores a la IA?

El cambio no es solo de herramienta, es de métrica. Nitin Murali, vicepresidente de excelencia en cadena de suministro de la vitivinícola Gallo, distingue entre KPI y lo que él llama "señales": un KPI dice qué pasó; una señal explica qué pasó, por qué, por qué importa, qué ocurrió en circunstancias similares y con cuánta confianza el sistema recomienda una acción. "Los KPI están orientados al panel. Nosotros estamos orientados a la decisión", resume en SupplyChainBrain.

Tushar Bhalla, CTO de CloudPaths, le pone nombre a la métrica que debería importar: "velocidad de decisión", es decir, cuánto tarda una empresa en reunir la información, entender la situación y actuar. En ese modelo, la IA hace la búsqueda, la comparación y el reconocimiento de patrones en segundo plano, y le entrega al planificador un menú corto de opciones con contexto.

El cuello de botella, según Bhalla, no son los datos: "los datos están disponibles, la información está disponible, pero existe en múltiples silos". Blue Diamond Growers vivió ese problema al gestionar a la vez sus productos de marca y su negocio de ingredientes, con sistemas separados para demanda y suministro. Unificar el modelo de planificación le dio una única fuente de información y aceleró el análisis de escenarios.

El trade-off que ninguna IA resuelve sola

Yossi Sheffi, profesor del Centro de Transporte y Logística del MIT, advierte en la nota de MundoMaritimo que las decisiones de cadena de suministro involucran objetivos en conflicto: una alternativa de transporte puede reducir los tiempos de entrega y a la vez aumentar los costos; una decisión de inventario afecta simultáneamente el nivel de servicio, el capital disponible y las metas ambientales. Ningún modelo resuelve eso por ti si antes no defines qué priorizas.

Nirmal Jingar lo describe en Forbes Technology Council como el riesgo de que la "optimización local se convierta en daño empresarial": un cambio de proveedor baja el costo unitario pero crea un cuello de botella logístico; un ajuste de producción mejora el throughput pero infla el inventario en otra región. Su propuesta es la "orquestación de decisiones": coordinar compras, producción, inventario y logística para que una decisión no rompa otra.

Schneider Electric ya lo está probando: el caso Zeigo Hub

Schneider Electric anunció el 15 de mayo de 2025 Zeigo Hub, una plataforma que usa IA agéntica para gestionar emisiones de Alcance 3 en cadenas de suministro, según Interempresas. El detalle relevante para founders es qué vendió la compañía: no un dashboard, sino un flujo de decisión. La plataforma incorpora a proveedores de cualquier tamaño, hace seguimiento de emisiones en varios niveles de la red y estructura los datos para reportes CDP, CSRD y TCFD.

Es el mismo patrón que describe Pramod Varma en MundoMaritimo: la adopción funciona cuando la herramienta se integra a las actividades habituales del trabajador, en lugar de obligarlo a cambiar todo su procedimiento. Eso implica mecanismos de supervisión, criterios explícitos para el uso de la información e implementación gradual.

¿Qué significa esto para tu startup?

1. Audita tus silos antes de comprar IA. Si tu demanda vive en un sistema, tu inventario en otro y tu transporte en una planilla, ningún modelo va a conectar los puntos. Bhalla lo dice claro: el problema no es la falta de datos, es la fragmentación. Antes de evaluar proveedores, mapea qué sistema guarda cada señal y quién es su dueño.

2. Define el problema antes de elegir la herramienta. Thomas Liske, vicepresidente de Logística de PUMA, lo advierte en la nota original: hay que analizar "cuál es realmente el problema que queremos resolver, cuál es el beneficio y cómo podemos actuar a partir de los resultados". Un caso de uso acotado —predecir retrasos en un corredor específico, por ejemplo— da resultados medibles; "aplicar IA a la logística" no.

3. Diseña para el copiloto, no para el reemplazo. Dhaval Desai, engineering manager de Microsoft, espera que los agentes trabajen junto a los planificadores y les liberen el tiempo que hoy gastan armando planillas. Murali lo llama un "dyad" entre el planificador y su socio de IA. Si tu producto promete eliminar al planificador, vas a chocar con la realidad operativa; si le da mejores opciones en menos tiempo, entra.

4. Mide velocidad de decisión, no solo KPIs. El indicador que importa no es cuántos paneles tienes, sino cuánto tardas desde que aparece la señal hasta que se ejecuta la acción. Ese número es el que justifica el presupuesto ante un comité.

El contexto de inversión acompaña el movimiento: según Periodista Digital, las inversiones globales en startups de IA superaron los US$110.000 millones, un aumento superior al 60% frente al año anterior. La logística es uno de los sectores donde ese capital busca retorno concreto.

Conclusión

La IA en logística ya pasó la etapa de demostración: los paneles funcionan y los datos llegan. Lo que separa a las empresas que ganan de las que solo gastan es la capacidad de convertir esa información en una decisión ejecutable, con criterios claros sobre qué se prioriza cuando los objetivos chocan. Para un founder, la oportunidad no está en construir otra torre de control, sino en resolver el tramo que va de la alerta a la acción, y en hacerlo dentro del flujo de trabajo que el equipo ya usa.

Fuentes

• MundoMaritimo (fuente original)
• TechTarget
• SupplyChainBrain
• Forbes Technology Council
• Interempresas
• Periodista Digital