CEL y NTT Data: solo el 11% usa IA agéntica en logística

Qué revela el estudio de CEL y NTT Data sobre la IA en la cadena de suministro

Solo el 11% de las empresas de la cadena de suministro tiene iniciativas de IA agéntica en marcha, frente al 67% que sitúa la automatización cognitiva y la inteligencia artificial en planificación y gestión como su principal ámbito de trabajo para los próximos años. La IA agéntica, aquella que conecta los modelos de IA con los sistemas de gestión para coordinar tareas y ejecutar operaciones en lugar de solo recomendar, es la tecnología que el sector dice querer y todavía no despliega.

Los datos salen del Estudio de Automatización y Digitalización en la Cadena de Suministro, elaborado por el Centro Español de Logística (CEL), la asociación sectorial que preside Ana González, y la tecnológica NTT Data. Para un founder, el mensaje es incómodo pero útil: la IA en logística dejó de ser una promesa de proveedor y se convirtió en un problema de ejecución. Y la ejecución se juega en tres frentes poco glamorosos: calidad de datos, integración entre sistemas y madurez de procesos.

¿En qué punto de automatización están las empresas?

El estudio dibuja una adopción escalonada, no una revolución. El 52% de las empresas encuestadas se sitúa en un nivel intermedio de automatización y el 26% declara haber alcanzado niveles avanzados de desarrollo.

Leíste lo que hace la IA. ¿Y en tu negocio?

Un agente de IA puede quedarse con parte de tu día: ordenar lo pendiente y pedirte el OK antes de actuar. El Kit «tu mano derecha con IA» trae un video de 11 minutos y una ficha para dejar al tuyo trabajando. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.

👥 Quiero el Kit →

La predicción de la demanda es el caso de uso dominante: el 93% de las empresas participantes la señala como su principal aplicación de IA, por delante de la simulación de escenarios y la optimización de la planificación. Es un dato revelador porque la predicción de demanda es, técnicamente, la aplicación menos novedosa del catálogo: lleva años en el mercado y su retorno es medible. El sector está priorizando lo que ya sabe justificar ante un comité de dirección.

El contraste llega con la IA agéntica. Solo el 11% tiene iniciativas en marcha. La distancia entre el 67% que la coloca en su hoja de ruta y el 11% que la ejecuta es, en la práctica, la distancia entre un piloto y un proceso productivo.

¿Por qué las empresas no sueltan el control a la IA?

El hallazgo más relevante para quien diseña producto o procesos es la prudencia. El 48% considera que el modelo más adecuado para incorporar inteligencia artificial es aquel en el que las recomendaciones generadas por los sistemas son validadas después por una persona. Solo el 3,7% se muestra favorable a una ejecución completamente autónoma.

Esa preferencia no es tecnofobia: es gestión de riesgo. En una cadena de suministro, un error de planificación se traduce en stock parado, penalizaciones con el cliente o una línea de producción detenida. La validación humana funciona como control de daños mientras el modelo todavía falla de forma impredecible.

Fabiola Pérez, CEO de MIOTI, lo resume con precisión en un análisis publicado por Diario del Puerto: «el reto para las empresas no consiste en incorporar más herramientas de IA, sino en revisar sus procesos y conectar estas capacidades con las operaciones reales, manteniendo la supervisión humana en las decisiones que lo requieran».

El cuello de botella no es el modelo, son los datos

El informe identifica la calidad de los datos, la integración entre sistemas y la madurez de los procesos como los factores determinantes para capturar todo el potencial de la automatización. Es la parte menos vendible del proyecto y la que decide si funciona.

En logística, buena parte de la información crítica no nace en un campo estructurado: viene de llamadas telefónicas, conversaciones con transportistas, albaranes y documentos que no están preparados para alimentar directamente los sistemas empresariales. MIOTI señala que los modelos generativos permiten interpretar esos contenidos, extraer información relevante y transformarla en datos operativos que alimentan un ERP. Dicho de otro modo: la IA generativa puede resolver parte del problema de datos que durante años frenó a la IA clásica.

Ramón García, director general del CEL, puso el foco en el mismo punto durante la quinta edición del Foro de Transporte de la entidad: trabajar con sistemas propios y no compatibles dificulta la colaboración, y el gran reto es la estandarización de procesos, datos y lenguaje para que todos los actores hablen el mismo idioma.

¿Qué está pasando con la IA agéntica en España?

El 11% de adopción no significa que nadie la esté moviendo. Fuera del ámbito logístico, Banco Sabadell cerró en octubre de 2026 un acuerdo con T-Systems para industrializar IA agéntica a escala sobre una plataforma europea, con el objetivo de desplegar casos de uso extensibles a nuevos procesos del grupo y preservar su autonomía tecnológica, según informó La Vanguardia.

La lección para una startup es de secuencia, no de tecnología: primero se ordena el dato y se estandariza el proceso; después se conectan agentes que ejecutan. Quien intenta el atajo termina con un piloto que no escala.

Y hay presión de negocio para no quedarse quieto. El V Barómetro de Adecco Outsourcing sobre Productividad y Eficiencia, presentado en el foro del CEL, situó la productividad del transporte en 63,5 puntos y la de distribución en 63,4, por encima de los 58,6 del conjunto de España. La automatización aparece ahí como una palanca de margen, no como un experimento de laboratorio.

Qué significa esto para tu startup

Audita tus datos antes de comprar IA. Haz una lista de las cinco decisiones operativas que más te cuestan hoy (previsión de demanda, reposición, rutas, incidencias) y anota de dónde sale cada dato. Si la respuesta es «de un Excel que alguien actualiza a mano» o «de un mensaje de WhatsApp», ahí está tu primer proyecto, no en el modelo.
Empieza por predicción de demanda. Es el caso de uso que el 93% del sector identifica como principal y el que tiene métricas de retorno más claras. Un piloto acotado con una métrica de error medible convence más que una demo vistosa.
Diseña human-in-the-loop por defecto. El 48% del mercado prefiere validación humana y solo el 3,7% apuesta por autonomía total. Vender «IA que decide sola» hoy es vender desconfianza; vender «IA que propone y tú apruebas con un clic» es vender control.
Estandariza antes de escalar. Si tu producto se integra con ERPs, transportistas y clientes, la interoperabilidad es tu ventaja competitiva. El propio CEL identifica la estandarización como el reto central del sector, por encima de la elección de modelo.

Conclusión

El estudio de CEL y NTT Data no dice que la IA haya fracasado en la cadena de suministro: dice que el sector está en la fase aburrida y decisiva. El 67% tiene la IA en su agenda, el 93% sabe para qué quiere usarla y solo el 11% ha dado el paso hacia la IA agéntica. Esa brecha es exactamente el espacio donde una startup puede construir negocio: no vendiendo el modelo más potente, sino resolviendo la integración, la calidad del dato y la confianza operativa que hoy frenan la adopción.