OSA: "La inteligencia artificial fracasa sin una correcta gestión de datos"

En la industria logística y marítima, la inteligencia artificial (IA) es ahora un concepto recurrente. Sin embargo, su adopción no siempre se traduce en mejoras concretas en la operación. En conversación con MundoMaritimo, OSA, compañía especializada en captura y análisis de datos en terreno, sostienen que el problema no radica en la falta de tecnología disponible, sino en cómo la industria entiende la relación entre procesos operativos y datos.

“Más allá del pensamiento mágico donde se cree que con añadir la última tendencia de la tecnología en cualquier punto generará una solución de manera “automágica”, el error principal creemos radica en cómo entendemos, cultural e industrialmente, la relación entre proceso y dato”, explican. A juicio de la compañía, el principal error es considerar el dato únicamente como un registro del proceso, cuando en realidad puede convertirse en un insumo estratégico si está correctamente estructurado y alineado con las reglas del negocio.

De acuerdo con OSA, gran parte de la cadena logística todavía utiliza los datos como evidencia sistémica de movimientos de activos, sin explotar su potencial analítico. Para que la inteligencia artificial (IA) pueda aportar valor, los datos deben ser capturados de forma consistente, fidedigna y con criterios claros de calidad, lo que implica trabajar con estructuras de almacenamiento diseñadas específicamente para reflejar la lógica del negocio.

La IA no funciona sobre datos desordenados. Requiere bases de datos con reglas claras, que representen cómo opera realmente la cadena logística, explican. En este sentido, la captura en terreno y la llamada “higiene de datos” se vuelven factores determinantes para cualquier iniciativa de automatización o análisis avanzado.

Más allá del dashboard: el rol de la IA en la cadena logística

En puertos, patios, transporte terrestre y depósitos, el uso de herramientas de visualización y de reporte se ha masificado. Sin embargo, OSA advierte que muchas de estas soluciones dependen de procesos manuales de consolidación, lo que reduce la oportunidad y relevancia de la información.

Con una arquitectura de datos adecuada, explican, la IA  puede analizar la información en el momento en que se genera, identificar correlaciones y detectar patrones de manera inmediata. Esto permite generar información accionable en tiempo real, en lugar de reportes retrospectivos.

Además, la IA introduce una capa adicional al permitir interactuar con los datos mediante lenguaje natural, facilitando el acceso a indicadores clave sin necesidad de configurar múltiples tableros. A ello se suma la capacidad de anticipar comportamientos futuros, a partir del análisis histórico de patrones operativos.

Apuntan que esto “permite a los operarios y analistas acceder de manera más rápida a los datos, eliminar procesos de consolidación de planillas, liberando recursos para que la gente pueda trabajar en evaluar de manera informada, las decisiones a tomar para cumplir con las metas de la empresa”.

Y es que uno de los principales obstáculos para transformar datos en valor es la persistencia de silos de información. Cuando los sistemas se alimentan con segmentos aislados de datos, las conclusiones pueden ser válidas para un área específica, pero generar fricciones o inconsistencias en otros eslabones de la cadena.

Desde OSA plantean que avanzar hacia una digitalización efectiva requiere mayor transversalidad y transparencia, lo que implica invertir tanto en seguridad de la información como en la construcción de confianza entre los distintos actores que gestionan datos logísticos.

Otro punto relevante es la necesidad de replantear procesos con foco en estandarización y eficiencia, considerando desde el inicio cómo esos procesos alimentan las estructuras de datos. “Si un proceso es ineficiente, añadir inteligencia artificial solo hará que esa ineficiencia ocurra más rápido”, advierten.

El verdadero valor de observar la evolución de los datos

La observación continua de los datos en el tiempo permite identificar problemas operativos que no son evidentes a simple vista. OSA ejemplifica este enfoque con un caso en el que el análisis de información reveló daños recurrentes en vehículos de un cliente, concentrados en el ingreso a un patio de pre-delivery inspection y en la parte superior de las unidades.

El cruce de datos permitió detectar que el problema no estaba en la manipulación directa, sino en un tramo de la ruta de acceso, donde ramas de árboles sin mantenimiento provocaban rayaduras en los vehículos. Esta información accionable permitió corregir la causa raíz y reducir costos asociados a reparaciones.

Más allá de este caso puntual, la compañía sostiene que el análisis sistemático de datos permite identificar cuellos de botella, ineficiencias, desajustes entre proceso y realidad operativa, así como puntos de merma o pérdida. También posibilita comparar desempeños entre equipos, detectar mejores prácticas y mejorar el nivel de servicio.

IA y personas: una relación complementaria

De cara al futuro, OSA no concibe la IA como un reemplazo del factor humano, sino como un complemento. En su visión, el trabajador logístico y naviero se convierte en un “operario aumentado”, con mayor capacidad para tomar decisiones basadas en datos refinados, relevantes y actualizados.

Este proceso, sostienen, no puede darse de manera aislada, sino de forma transversal en la industria, mediante la colaboración entre inteligencia humana y artificial a lo largo de toda la cadena logística.

En ese sentido, plantean que muchas empresas ya reconocen el valor de los datos y de la IA, pero enfrentan dificultades para implementarlos de forma efectiva. “Este desafío es también una invitación, a sumarnos a quienes manejamos las herramientas tecnológicas para implementar este diálogo colaborativo. En OSA podemos capturar los datos que te faltan, estructurarlos bajo reglas de negocio y lograr esa colaboración entre el mundo digital y el humano, para decisiones que permiten mejor eficiencia”, concluyen.

Por MundoMaritimo