Inteligencia artificial en cada punto de tu operación

Lee documentos, rellena campos, encuentra aranceles y derechos, y lee facturas: la IA trabaja en cada paso.

La IA lee tus documentos de transporte y rellena los campos: 98,6 % de precisión

Traducción automática de documentos y mensajes en 36 idiomas

Rellenado de foto a formulario, consulta de aranceles y lectura de facturas

El sistema lee tus documentos: tú no introduces ni un dato

La IA lee tu CMR, tu factura, el T1/T2, la lista de bultos y el conocimiento de embarque; extrae campos como el código HS, el peso o el remitente con un índice de confianza y rellena el formulario por sí sola.

Olvídate de teclear los datos a mano.

Haz una foto del producto y deja que el catálogo se rellene solo

La IA analiza la foto de un producto o de un palé y sugiere automáticamente campos del catálogo como el nombre, la categoría, la marca y las dimensiones: abres una ficha de stock en segundos.

Las sugerencias se pueden editar; se guardan cuando las apruebas.

La IA detecta discrepancias entre tus documentos

Compara el número de bultos, los pesos y los nombres de las partes entre el CMR, la factura y la lista de bultos; señala las discrepancias, valida el tipo de documento y te avisa de los archivos no válidos.

La IA detecta las diferencias que se le escaparían al ojo humano.

Una IA presente en cada punto de tu operación

No un único asistente, sino una capa de IA que trabaja en documentos, aranceles, catálogo, controles y facturas.

Los resultados de aranceles y antidumping tienen únicamente fines informativos.

• Lectura de documentos y extracción de campos — Lee el CMR, la factura, el T1/T2, la lista de bultos y el conocimiento de embarque; rellena los campos con un índice de confianza.
• Traducción a 36 idiomas — Traduce automáticamente documentos y mensajes en 36 idiomas para que te comuniques en tu propio idioma.
• Rellenado de foto a formulario — Sugiere automáticamente campos del catálogo a partir de la foto de un producto o de un palé; se guardan con tu aprobación.
• Consulta de aranceles y antidumping — Obtiene códigos HS, aranceles de importación y medidas antidumping vigentes de fuentes oficiales de Turquía, Reino Unido, UE y EE. UU., con IA cuando hace falta.
• Control de coherencia — Detecta discrepancias de número de bultos, peso y nombres de las partes entre documentos; valida el tipo de documento y señala los archivos no válidos.
• Lectura de facturas de flete — La IA lee la factura de flete recibida, extrae el importe total y la parte facturada y los vincula al registro del envío.

Gestiona tu operación con IA

Lectura de documentos, traducción, aranceles, coherencia y lectura de facturas: todo sobre un único núcleo, desde el primer día.

¿Qué hace realmente el software de IA para logística y cadena de suministro?

En logística hay cuatro capacidades de IA maduras: extraer campos de documentos, cotejar documentos entre sí, traducir entre idiomas y convertir fotografías en datos estructurados. Otras cinco están en desarrollo: apoyo a la clasificación arancelaria, evaluación de daños, captura de recibos de gastos, hora estimada de llegada (ETA) y creación de registros a partir de texto libre. Todo ello es introducción y comprobación de datos. No decide la clasificación, las declaraciones ni los precios; el resultado es probabilístico y necesita la aprobación de una persona. El valor depende de la frecuencia con que se repite el paso manual que sustituye, no de la lista de funciones.

Lo que la IA hace realmente hoy en logística se reparte en nueve capacidades: cuatro maduras y cinco todavía en desarrollo. Las maduras se pueden verificar en segundos cotejando el resultado con su fuente: extraer campos de documentos, leer documentos unos contra otros para señalar desviaciones, traducir la correspondencia y la documentación, y convertir una fotografía en datos estructurados. Las que están en desarrollo requieren criterio, dependen de condiciones externas o de la disciplina en el patio: apoyo a la clasificación arancelaria, evaluación de daños en equipos, captura de recibos de gastos, hora estimada de llegada y creación de registros a partir de texto libre.

Lo que no hacen está igual de claro. No asumen la clasificación, la declaración ni la decisión de precio; esas decisiones conllevan responsabilidad y siguen en manos de una persona. No prevén una cola en la aduana, la capacidad de un ferri ni una inspección en la frontera. Y, sobre todo, un resultado de IA es una probabilidad, no una certeza: cada campo lleva asociada una probabilidad de error, así que ningún flujo de trabajo construido sin un control de aprobación es seguro.

Esta página asigna a cada una de las nueve un nivel de madurez y explica cómo se mide, dónde falla y qué datos necesita. Después, cómo poner a prueba en una demo la afirmación «tenemos IA» de un proveedor.

• El verdadero trabajo de la IA en logística es leer, no predecir: extraer datos estructurados de documentos, fotografías y texto libre.
• Evalúa cada capacidad con dos preguntas: ¿cómo se mide y dónde se equivoca? Una afirmación sobre IA que no responde a ninguna de las dos no se puede medir.
• Un porcentaje de precisión no significa nada por sí solo: pregunta con qué conjunto de documentos, si es por campo o por documento y quién hizo la medición.
• Haz la demo con tus peores documentos escaneados, no con el conjunto preparado por el proveedor. Es justo ahí donde falla la IA.
• Si una extracción llega al registro sin aprobación, el sistema genera una carga oculta de correcciones que consume el tiempo que había ahorrado.
• Sin datos no hay IA: un historial incompleto, un directorio de contactos comerciales vacío y los escaneos de baja resolución degradan directamente el resultado.

¿Qué hace realmente la IA en logística?

• Extracción de campos de documentos / lectura de documentos (madura) — Reconoce el tipo de documento —factura comercial, carta de porte CMR, lista de bultos, permiso de circulación, pasaporte— y convierte su contenido en datos estructurados: nombres de las partes, fechas, número de bultos, peso bruto y neto, importes, números de documento y fechas de caducidad. En los sistemas bien diseñados, los datos extraídos llegan al formulario como sugerencia y se aprueban antes de guardarse. No es un estándar del sector, sino una decisión de diseño sobre la que tienes que preguntar al proveedor por separado. El trabajo de introducción de datos que consiste en leer documentos y teclearlos en una pantalla. En la mayoría de las empresas no es un puesto específico, sino una carga repartida a lo largo de la jornada del responsable de tráfico y del contable. Con dos métricas a la vez: la precisión por campo (campos extraídos correctamente divididos por el total de campos que debían leerse) y la tasa de intervención (documentos que necesitan corrección humana divididos por el total de documentos). La cifra por documento —documentos que pasan sin ninguna corrección— siempre sale más baja, porque un solo campo erróneo invalida todo el documento. Anotaciones manuscritas, texto superpuesto a un sello o una firma, escaneos de calidad de fax o de baja resolución, fotos de móvil tomadas en ángulo, tablas de varias columnas comprimidas en una sola página y plantillas que nunca ha visto. Los errores aumentan bruscamente en los formatos en los que el sistema lee la posición en la página en lugar de la etiqueta del campo. Una copia digital con una resolución legible —idealmente un PDF nativo digital— y la página completa, sin recortes. Para validar, el campo necesita un equivalente en el sistema; por ejemplo, la razón social de la empresa tal como figura en tu directorio de contactos comerciales.
• Verificación de coherencia entre documentos (madura) — Lee unos contra otros los documentos de un mismo envío y señala las desviaciones: el peso de la factura frente al de la lista de bultos, el número de bultos, los nombres de las partes, el origen y el valor. La discrepancia aparece antes de que salga el camión o se presente la declaración, no en la frontera. La persona que pone dos o tres documentos uno al lado del otro y los compara a ojo. En los días de mucho trabajo es la primera tarea que se abandona, y el día en que se abandona es el día en que más cuesta. La tasa de detección (cuántas discrepancias conocidas se señalaron) y la tasa de falsas alarmas (cuántos avisos genera un conjunto totalmente coherente). Si nunca se mide la segunda, el equipo aprende a descartar los avisos y, en pocas semanas, la verificación se vuelve decorativa. Allí donde el mismo dato se escribe de formas distintas pero legítimas: bruto frente a neto, unidades diferentes, importes redondeados, un nombre comercial abreviado, dos direcciones para la misma empresa. Si un documento nunca se subió, la verificación es parcial; a menos que el sistema diga «no hay un segundo registro con el que comparar», se abre un hueco silencioso y el equipo cree que se ha hecho una verificación. Al menos dos documentos, ambos adjuntos al mismo registro del envío. Hay que definir la lista de campos que se comparan y el umbral de tolerancia: cuántos kilos de diferencia se admiten sin aviso.
• Apoyo a la clasificación arancelaria: códigos HS y nacionales (en desarrollo) — Sugiere códigos arancelarios candidatos a partir de la descripción del producto y de la línea de la factura, encuentra descripciones similares y muestra los aranceles de importación y las medidas comerciales vigentes para ese código. En Turquía, el código nacional es el GTİP, que amplía con dígitos nacionales adicionales el código HS internacional de seis dígitos; otros mercados amplían el HS a su manera. La sugerencia es una lista corta: la decisión sobre qué código declarar sigue en manos de una persona. El técnico de comercio exterior que recorre el arancel línea por línea, rebusca en expedientes antiguos un producto parecido o escribe a un especialista y espera su respuesta. Con qué frecuencia aparece el código correcto en la primera sugerencia y con qué frecuencia aparece entre las tres primeras; usa como conjunto de referencia tus propias declaraciones ya cerradas. Fíjate también en con qué frecuencia la herramienta dice claramente que no está segura: una herramienta que nunca duda no se puede medir. Mercancías de materiales mixtos, artículos vendidos en juegos, piezas de máquinas que se clasifican según su función y líneas cuyo nombre comercial es genérico («accesorio», «recambio»). Como las subdivisiones nacionales por debajo de los seis dígitos del HS varían de un país a otro, un mismo producto puede clasificarse con códigos distintos en la importación y en la exportación; cuando la nomenclatura cambia en una actualización anual, un código de un expediente antiguo puede no tener hoy equivalente. Si la pantalla no muestra de qué año es la nomenclatura que lee la herramienta, no puedes verificar la sugerencia. La descripción técnica, la composición del material, el uso previsto, el país de origen y, si es posible, una fotografía. La calidad de las sugerencias cae notablemente cuando solo se facilita el nombre comercial abreviado de la línea de la factura.
• Traducción multilingüe de correspondencia y documentos (madura) — Traduce al momento la correspondencia de los envíos y los documentos en otros idiomas; cada parte escribe y lee en su propio idioma. En logística, la verdadera ventaja no es la traducción palabra por palabra, sino asegurarse de que se entienden correctamente las frases con direcciones, notas de embalaje, condiciones de pago e instrucciones de entrega. Las horas perdidas en una pestaña del traductor, la traducción externalizada y el cuello de botella de «la única persona de aquí que habla el idioma». Mide los errores que produce, no la traducción en sí: incidencias causadas por malentendidos (dirección equivocada, embalaje incorrecto, una fecha de entrega incumplida) y el tiempo que un expediente queda parado esperando una traducción. La jerga del oficio y las abreviaturas, la terminología aduanera local, dos idiomas mezclados en una misma frase, unidades y formatos de fecha diferentes, y los matices jurídicos. La traducción automática de un contrato o del texto de una declaración no tiene validez jurídica, y traducir por error nombres de partes o de lugares es otro fallo habitual. El propio texto; en el caso de los documentos, antes un escaneo legible. Los nombres de empresas, personas y lugares escritos correctamente en el directorio evitan que se traduzcan por error.
• Extracción de datos y medición a partir de fotografías: palés, mercancías y vehículos (madura) — Se extraen de una fotografía campos como la categoría del producto, el tipo de embalaje, la matrícula o las dimensiones del palé. En los sistemas bien diseñados llegan al formulario como sugerencias y no se guardan sin aprobación; no es un estándar, sino una decisión de diseño sobre la que hay que preguntar al proveedor por separado. Cuando el teléfono tiene sensor de profundidad, el largo, el ancho y el alto se capturan con un margen de error mucho menor que con la estimación por foto; el margen varía según el dispositivo, la distancia y la superficie, y queda en el registro junto a la foto. Medir con cinta métrica y apuntarlo en una libreta, copiar en una pantalla los datos del permiso de circulación y dar de alta un producto nuevo desde un formulario en blanco. Cuántos campos sugeridos se aprueban sin cambios y la diferencia en el tiempo necesario para completar el formulario. Para la medición, la referencia es el mismo palé medido con cinta métrica; la desviación se expresa en centímetros. Poca luz, superficies con film estirable o reflectantes, cargas apiladas de forma irregular o que sobresalen, otros palés al fondo y una profundidad que no se puede deducir de un solo fotograma. La medición con sensor tampoco está libre de errores; la desviación aumenta en superficies reflectantes y envueltas en film. El volumen obtenido a partir de una fotografía es una estimación: en una disputa por peso volumétrico, qué registro prevalece es una cuestión contractual, así que acuerda por escrito y de antemano el método de medición. Una fotografía que encuadre toda la carga, tomada de frente y con luz suficiente. La medición necesita un dispositivo con sensor de profundidad y espacio suficiente para rodear el palé.
• Evaluación de daños y del estado de los equipos: fotos de entrega y recepción (en desarrollo) — Se leen las fotografías tomadas cuando un semirremolque, un contenedor o una carga cambia de manos; se señalan los daños visibles, las piezas que faltan y la suciedad, y se expone la diferencia entre dos entregas. El resultado es un registro con fecha y hora; lo que determina la responsabilidad no es la fotografía en sí, sino en qué periodo de custodia se tomó. La costumbre de achacar el daño al último conductor sin pruebas, y la discusión sobre descuentos que se basa en lo que recuerda cada parte. El porcentaje de entregas con un juego de fotos completo y el porcentaje de disputas por daños cerradas con pruebas. La detección se mide por separado: tasa de detección en juegos con daños conocidos y falsas alarmas en juegos sin daños. El límite infranqueable es este: no se pueden distinguir de forma fiable los daños antiguos de los nuevos. Por eso el sistema no asigna responsabilidades; muestra la diferencia entre dos momentos, y la decisión sobre en qué periodo de custodia cae esa diferencia sigue en manos de una persona. Los fotogramas tomados de noche o bajo la lluvia, las superficies embarradas, los techos y bajos que nunca se ven por un ángulo de toma estrecho y la carga oculta dentro de una caja cerrada debilitan aún más la detección. Un juego de fotos tomado desde los mismos ángulos en cada entrega, con la hora y el lugar de la captura, además de un registro de quién tenía el equipo en ese momento. Esta capacidad depende por completo de la disciplina en el patio: si la foto nunca se tomó, no existe ningún registro que leer.
• Captura de recibos de gastos y facturas de costes, e imputación al coste (en desarrollo) — Se leen los recibos de combustible, peajes, aparcamiento, reparaciones e inspecciones; se extraen el importe, la fecha, la moneda, el comercio y la categoría de coste, y se imputan al vehículo, al viaje o a la cuenta del conductor que corresponda. La parte de lectura está tan madura como la extracción de documentos; lo que aún está en desarrollo es vincular el recibo al vehículo correcto, a la partida de coste correcta y al tipo de cambio correcto. Un recibo en moneda extranjera se convierte según la política de tipos de cambio declarada por la empresa —en la mayoría de los casos, el tipo del día del gasto—, y tanto el tipo aplicado como su fuente deberían verse en el registro. El administrativo que a fin de mes teclea en una hoja de cálculo una bolsa llena de recibos, y la discusión con el conductor por las cifras. El tiempo de procesamiento por recibo, el porcentaje de campos corregidos a mano y el número de recibos sin conciliar al cierre de mes. Sigue también qué parte del coste total por vehículo se puede desglosar por categorías: lo que no se puede desglosar acaba diluido en los gastos generales. Papel térmico descolorido, recibos doblados y rotos, conceptos impresos solo en el idioma local, los cuatro últimos dígitos de una tarjeta ilegibles, un recibo que abarca más de un vehículo y un medio de pago que no se puede deducir en absoluto del recibo. Si la fecha es ilegible, la conversión de moneda no se puede establecer de forma fiable. Una fotografía nítida en la que se vea todo el recibo, la fecha del gasto, qué conductor y qué vehículo estaban emparejados en esa fecha y el medio de pago —el efectivo, la tarjeta de empresa y la tarjeta de combustible se contabilizan de forma distinta—, además de la política de tipos de cambio de la empresa y la fuente de los tipos que se utiliza.
• Hora estimada de llegada y secuenciación de paradas (en desarrollo) — Se calcula una hora estimada de llegada a partir de la distancia, la ruta y el estado de las carreteras; en los viajes con varias paradas, estas se ordenan por la menor distancia total. La mayor parte de esto es cálculo, no aprendizaje; el aprendizaje real empieza cuando tus propias duraciones históricas de viaje y tus tiempos de espera ya están en los datos. El planificador que construye de memoria el orden de las paradas mirando un mapa, y el «mañana por la tarde, más o menos» que se le da al cliente por teléfono. El error absoluto medio de la estimación (la diferencia entre la llegada prevista y la real) y el cumplimiento de la franja de entrega prometida. Para la secuenciación, la referencia es la diferencia en kilómetros totales entre la ruta del sistema y una construida a mano. Las colas en aduanas y fronteras, los horarios de salida de los ferris y las salidas sin plazas, las huelgas, el clima, el horario en que el destinatario está cerrado y la espera en el muelle. Ahí se concentra la mayor parte de los retrasos, y la mayoría queda fuera de la estimación. Sin tu propio historial, el sistema nunca aprende los tiempos de espera reales en tus rutas. Direcciones y coordenadas correctas, una señal de posición en vivo, los horarios de apertura y de cita de cada parada y las restricciones por tipo de vehículo. El aprendizaje requiere duraciones de viajes anteriores y tiempos de espera reales registrados en la misma ruta.
• Creación de registros a partir de texto libre e instrucciones de voz (en desarrollo) — Un correo con un pedido, un mensaje o una instrucción hablada se convierte en un registro estructurado: las partes, las direcciones, los conceptos, los pesos y las fechas van a parar a sus campos. Una frase como «cambia la dirección del destinatario por esta» o «borra la tercera línea» actualiza el campo correspondiente, de modo que alguien que no conoce las pantallas puede sacar el trabajo adelante con solo describirlo. El administrativo que copia la misma información de un correo a un formulario, y el tiempo que una nueva incorporación dedica a aprender en qué pantalla va cada dato. El porcentaje de campos rellenados por registro, el número de correcciones humanas y el tiempo hasta abrir un primer registro sin errores. Como medida aparte, sigue con qué frecuencia un usuario sin formación completa la tarea por sí solo al primer intento. Instrucciones vagas o contradictorias («mándalo como siempre»), el contexto que se quedó al principio de un hilo de correos, el audio grabado en una cabina ruidosa, tener que elegir entre dos empresas con nombres parecidos o entre dos direcciones de la misma empresa, y una moneda o una condición de entrega que nunca se indicó. En los campos críticos, el sistema debería preguntar en lugar de deducir. El texto completo de la instrucción o una grabación de audio nítida, además de un directorio de empresas, direcciones y productos con datos. Con un directorio vacío, la extracción no tiene nada con lo que hacer coincidir los datos, y el sistema empieza a crear registros nuevos, pero erróneos.

¿Cómo poner a prueba en una demo la afirmación de IA de un proveedor?

• «Nuestra IA lee tus documentos automáticamente: la introducción de datos desaparece». — Sube seguidas tres versiones del mismo proveedor: un documento con el membrete antiguo, otro con el membrete nuevo y un PDF nativo digital. Cuenta campo por campo cuántos salieron correctos, cuántos quedaron vacíos y cuántos se rellenaron con un valor erróneo. Después separa la causa del fallo: ¿fue el cambio de plantilla o la calidad del escaneo? Las soluciones son distintas, y los proveedores suelen hablar solo de la segunda. Los campos rellenados pero erróneos son los peligrosos, porque nadie siente la necesidad de revisarlos. Que se muestre una sola plantilla y el resto se despache con un «eso lo configuramos durante la implantación»; enterarte solo después de firmar de que cada nueva plantilla de proveedor es un trabajo de configuración de pago; y que no haya ninguna cifra sobre cuánto cae la precisión cuando cambia una plantilla.
• «La precisión de nuestra lectura de documentos está en el noventa y tantos por ciento». — Empieza con una sola pregunta: ¿con qué conjunto de documentos, cuántas muestras, por campo o por documento, y quién hizo la medición? Después repite la misma medición con veinte de tus propios documentos y obtén dos cifras separadas: por campo y por documento. La diferencia entre ambas es la carga real de correcciones que asumirá tu equipo. Un porcentaje suelto sin ninguna definición detrás, la expresión «estándar del sector» o resistencia a repetir la medición con tus propios documentos.
• «La IA te avisa cuando no está segura». — Sube un documento dañado a propósito: tacha un campo o corta la mitad de la página. ¿Se distinguen visualmente en pantalla los campos de baja confianza, o todos parecen igual de seguros? Después intenta guardar: ¿el sistema escribe el campo dudoso sin aprobación o lo deriva a una persona? Todos los campos presentados con la misma seguridad, un sistema que nunca puede decir «no estoy seguro» y una extracción que se escribe directamente en el registro sin control de aprobación.
• «El sistema aprende a medida que lo usas: con el tiempo corregirás menos». — Corrige un campo mal extraído y después sube un segundo documento con la misma plantilla del mismo proveedor. ¿Se repite el mismo error? Si se repite, haz tres preguntas: ¿dónde se guarda mi corrección?, ¿hay una memoria a nivel de plantilla o de proveedor? y ¿cuánto tarda en notarse el efecto? Un «sí, aprende» sin ningún mecanismo detrás y la resistencia a admitir que, en realidad, la corrección solo se escribió en ese registro. Si el aprendizaje existe de verdad, el segundo riesgo va en sentido contrario: a menos que el contrato indique cómo se usan tus datos para otros clientes, puede que estés pagando ese aprendizaje con tu propio contenido.
• «Nuestra IA encuentra el código arancelario de tu producto». — Dale algo que no sea fácil de clasificar: un textil de fibras mixtas, un juego vendido con sus accesorios o una pieza de máquina que se clasifica según su función. Después consulta el mismo producto con dos descripciones distintas: una, el nombre comercial abreviado de la línea de la factura; la otra, una descripción técnica completa con la composición del material y el uso previsto. Si el código cambia, has aprendido a qué es sensible la herramienta; si nunca cambia, lo más probable es que se limite a buscar coincidencias de palabras clave en lugar de leer la descripción. Fíjate también en si aparece en pantalla un único código o una lista de candidatos con su razonamiento. Un único código sin razonamiento, la misma respuesta con la misma confianza para dos descripciones muy diferentes, un sistema que nunca puede decir «no estoy seguro» en ninguna línea y cualquier insinuación de que «puedes declarar con este código».
• «Nuestra IA detecta las incoherencias entre tus documentos». — Prueba tres cosas por separado. Primero, pon la desviación en un campo no numérico —haz que no coincidan el nombre del destinatario o el país de origen—: ¿el sistema solo mira el peso y el número de bultos, o también compara los campos de texto? Segundo, deja fuera por completo un documento del conjunto: ¿el sistema dice «no hay un segundo registro con el que comparar» o muestra el expediente como verificado? Tercero, sube un conjunto totalmente coherente y cuenta cuántos avisos genera. Después pide por escrito la lista de campos que se verifican y cómo se configura el umbral de tolerancia. Que no exista una lista de los campos verificados, que un expediente al que le falta un documento aparezca como «verificado», que salten avisos con un conjunto coherente y que la única forma de gestionar los avisos sea desactivarlos.
• «Tus datos están seguros: de la parte de IA nos ocupamos nosotros». — Haz tres preguntas por escrito: ¿a qué país viaja un documento mientras se procesa?, ¿cuánto tiempo se conserva y cómo funciona una solicitud de supresión?, ¿queda registrado quién corrigió una extracción, cuándo y con qué valor? Comprueba las respuestas en un anexo del contrato y, en la demo, pide que se abra el historial de cambios de un registro para verlo tú mismo. Garantías verbales sin un anexo escrito, que se esquive la pregunta sobre el lugar de procesamiento y que no se conserve ningún rastro de las correcciones.

Tres enfoques: reglas, IA añadida y plataforma nativa de IA

• Automatización basada en reglas (sin IA) — Trabajo repetitivo en el que el formato de entrada es fijo: importar archivos que siempre llegan con la misma plantilla, lanzar un aviso cuando caduca un documento, ordenar las paradas por la menor distancia o generar una factura a partir de los datos del envío. Cuando el formato es fijo, una regla siempre es más barata, más rápida y más fácil de auditar. El resultado es repetible y explicable: la misma entrada produce siempre la misma salida Depurar es sencillo: puedes señalar la regla que produjo el resultado erróneo Es defendible en una auditoría, porque el razonamiento es el propio texto de la regla Falla en cuanto cambia una plantilla; cada nuevo documento de proveedor implica una regla nueva No puede procesar en absoluto entradas no estructuradas: texto libre, fotografías o escritura a mano A medida que crece el número de reglas, se convierte en un amasijo que nadie entiende de principio a fin
• IA añadida a un software existente — Empresas con una operación asentada y un cuello de botella claro: solo leer las facturas recibidas, o solo traducir la correspondencia. Si quieres acelerar un paso concreto sin sustituir el sistema principal, es un punto de partida sensato. Acelera un único paso, con poco riesgo de migración y poca carga de formación Como el alcance es reducido, el éxito se refleja rápidamente en las mediciones Si no te convence, retiras solo el complemento; no tienes que trasladar la operación Los datos extraídos no suelen vincularse al registro maestro; se ven en pantalla, pero nunca fluyen al envío, la factura y la contabilidad No puede hacer verificaciones cruzadas: solo lee el documento que tiene delante y no sabe nada del segundo registro con el que comparar La aprobación, la corrección y el rastro de auditoría están en otro sitio, así que la cadena de responsabilidad se rompe
• Plataforma nativa de IA (extracción dentro del propio registro) — Operaciones en las que los mismos datos se vuelven a teclear varias veces al día y la carga de documentación e idiomas es alta. La prueba es la repetición, no el sector: cuenta en cuántos sitios distintos escribes al día el mismo peso, el mismo número de bultos y los mismos datos de las partes. Si la cifra es alta, este enfoque compensa; si es baja, no. Los mismos datos se introducen una sola vez; el segundo y el tercer tecleo nunca llegan a producirse La comparación es posible, porque los documentos y los registros están en el mismo contexto Los umbrales de tolerancia y las reglas de aprobación se definen en un solo lugar, no por separado en cada paso Un campo erróneo contamina no solo el formulario, sino también el envío, la factura y los asientos contables vinculados a él; deshacerlo cuesta más que con un simple complemento Crea dependencia de un solo proveedor; no entres sin una garantía contractual para exportar el archivo y el historial junto con los adjuntos La ganancia solo empieza cuando los datos ya están dentro; en una oficina que cierra un puñado de expedientes al mes, el esfuerzo de puesta en marcha puede superar el retorno

Mitos del sector y la realidad

• La IA lee los documentos a la perfección: ya nadie necesita revisarlos. — La extracción es probabilística; cada campo llega con un nivel de confianza. Una configuración correcta es un control de aprobación que deja pasar los campos de alta confianza y deriva los dudosos a una persona. La responsabilidad nunca se transfiere al software: sigues siendo tú quien presenta la declaración, emite la factura y promete la fecha de entrega.
• La IA determina el código arancelario de un producto. — La IA sugiere códigos candidatos y muestra descripciones similares; la clasificación es una cuestión de criterio y de responsabilidad. Las medidas antidumping y de salvaguardia suelen leerse a partir del texto de la medida y no de una coincidencia de código, y la fuente vinculante es la publicación oficial. Una herramienta que da un único código sin mostrar su fuente ni su fecha de actualización te está trasladando el riesgo.
• Si es automático, es IA. — La mayor parte de la automatización en el software logístico es un motor de reglas y optimización: un aviso de caducidad de documentos es una regla de fechas, la secuenciación de paradas es un cálculo del camino más corto y el emparejamiento de la demanda es un filtro. Son valiosos, pero no son IA. Llamarlos por su nombre importa, porque las pruebas que debes exigir a cada uno son distintas.
• Cuanto más lo usas, más inteligente se vuelve el sistema por sí solo. — En la mayoría de los productos, la corrección que haces solo se escribe en ese registro, y el mismo error se repite en el siguiente documento. El aprendizaje solo se produce cuando las correcciones se recopilan y se convierten en una memoria a nivel de plantilla o de proveedor. Pide al proveedor el mecanismo; un «aprende» a secas no es un compromiso.
• La IA conoce los retrasos de antemano. — Las estimaciones se calculan a partir de la distancia, la ruta y las duraciones anteriores, pero la mayoría de los retrasos en logística son externos: colas en aduanas, capacidad de los ferris, inspecciones, huelgas, esperas en el muelle. Una buena estimación no evita nada de eso; lo que hace es indicar con honestidad su margen de error. Un sistema que nunca informa del error medio de estimación no debería usarse para hacer promesas a los clientes.
• Basta con activar la IA: ya tenemos los datos. — El resultado de la IA no puede superar la calidad de lo que recibe. Los escaneos de baja resolución hacen imposible la lectura, un directorio de empresas y productos vacío hace imposible el emparejamiento, un registro de envío con un solo documento hace imposible la verificación cruzada y unas duraciones de viajes anteriores sin registrar hacen imposible la estimación. Estos proyectos suelen atascarse por los datos y no por el modelo, y cambiar de modelo no lo arregla.

¿Dónde se sitúa Logistivo en estas nueve capacidades?

Logistivo se sitúa en el tercer enfoque: la extracción vive dentro del registro, no en un complemento añadido. Este es el balance en las nueve. Extracción de campos de documentos: sí, con control de aprobación. Verificación entre documentos: sí; las diferencias de peso, bultos y partes aparecen antes de la declaración. Clasificación arancelaria: nivel de apoyo, no madura; los códigos candidatos llevan una etiqueta de fuente y se archivan tal como estaban ese día. Traducción: sí, 36 idiomas. Extracción y medición a partir de fotos: sí, como sugerencias en el formulario. Evaluación de daños: sí, opcional por empresa y desactivada por defecto. Recibos de gastos: sí, en varias monedas. Aprendizaje de la ETA: no. Del texto libre y la voz al registro: sí, con control de aprobación. No publicamos una única cifra de precisión; en una demo se mide la precisión por campo y por documento con 20 de tus propios documentos, y el resultado se entrega por escrito.

En Logistivo, la IA no decide nada: los campos extraídos llegan como sugerencias, no se escriben en el registro sin aprobación, y un código arancelario candidato no es vinculante; la declaración en sí se registra en el propio sistema de la autoridad aduanera, donde los datos se introducen a mano. Las consultas de aranceles y medidas comerciales se descuentan de los créditos de tu cuenta; en oficinas con un volumen de consultas muy alto, eso supone una partida de coste aparte. En la ETA no hay aprendizaje a partir de las duraciones de viajes anteriores, y la secuenciación de paradas es un cálculo del camino más corto. No se generan previsiones de volumen de demanda, de tarifas de flete ni de mercado. Los datos de posición llegan desde el teléfono del conductor; no se leen los dispositivos de seguimiento instalados en el vehículo, el tacógrafo ni la telemetría de los sensores de combustible. Con documentos manuscritos, texto oculto bajo un sello o escaneos de baja resolución, la precisión de lectura baja y parte del trabajo sigue recayendo en ti. En una empresa que no consigue que sus conductores usen la app, nunca se generan datos de campo, así que todas las capacidades basadas en fotos y en la ubicación quedan sin uso.

Preguntas frecuentes

¿Qué documentos puede leer la IA?

Lee documentos logísticos habituales como el CMR, la factura comercial, la declaración de tránsito T1/T2, la lista de bultos y el conocimiento de embarque, y extrae sus campos. Admite PDF y fotos.

¿Cuál es el índice de precisión?

La precisión en la extracción de campos es del 98,6 %. Cada campo incluye un índice de confianza y se puede editar antes de que lo apruebes: la IA sugiere y tú decides.

¿A cuántos idiomas traduce?

Traduce automáticamente documentos y mensajes en 36 idiomas, así que te comunicas en tu propio idioma y lees en tu lengua materna la documentación que recibes.

¿Puedo añadir un producto a partir de una foto?

Sí. Cuando haces una foto de un producto o de un palé, la IA sugiere campos del catálogo como el nombre, la categoría, la marca y las dimensiones; la ficha de stock se abre en cuanto la apruebas.

¿Mantiene la IA mis datos seguros?

Tus datos son tuyos y quedan aislados entre empresas; todo el tráfico entre el navegador o la app móvil y nuestros servidores está cifrado con TLS (HTTPS), los documentos se almacenan dentro de la Unión Europea y tu cuenta está protegida con autenticación en dos pasos. Tus datos se quedan dentro de tu propia operación.

¿Cómo sé si una función es realmente IA o solo un motor de reglas?

Lo decide una diferencia de comportamiento: si la misma entrada devuelve siempre exactamente la misma salida, es una regla; si la salida lleva un nivel de confianza, varía entre entradas parecidas pero distintas y puede decir «no estoy seguro», es una inferencia. Un aviso de caducidad de documentos es una regla de fechas; la secuenciación de paradas, un cálculo del camino más corto; el emparejamiento de la demanda, un filtro: valiosos, pero no son IA. La distinción importa para las pruebas: una regla te debe su texto; una inferencia te debe una medición de precisión, un indicador de confianza y un control de aprobación. Si un proveedor vende ambas cosas con la misma palabra, deja claro en el contrato cuál estás comprando. Nuestra guía de software para agencias de aduanas trata el equivalente para el expediente aduanero.

¿Qué diferencia hay entre un software logístico con IA y un software logístico convencional?

La diferencia no está en la lista de funciones, sino en cómo entran los datos en el sistema. En el software convencional, una persona rellena los campos; en el software con IA, los campos se sugieren a partir de un documento, una fotografía o un texto libre, y la persona solo los aprueba. La segunda diferencia es la verificación: como el sistema que hace la extracción también ve los demás registros vinculados al mismo envío, puede señalar desviaciones entre documentos. Sin esas dos cosas, la etiqueta «IA» suele describir un motor de reglas o un complemento de lectura aparte que nunca se conecta al registro maestro, y no supone ninguna diferencia medible.

¿Qué precisión debería tener la lectura de documentos con IA y se puede confiar en los índices de precisión publicados?

Un porcentaje por sí solo no dice nada. Para un mismo producto, la precisión por campo y la precisión por documento salen muy distintas; la cifra por documento siempre es más baja, porque un solo campo erróneo invalida todo el documento. Pide al proveedor tres cosas: qué conjunto de documentos y cuántas muestras se usaron en la medición, si fue por campo o por documento y quién la hizo. Después repite la misma medición con veinte de tus propios documentos. Un índice que no se puede reproducir con tu propia documentación es un texto publicitario, no una medición.

¿Qué hace la IA en las aduanas? ¿Puede determinar el código arancelario?

En las aduanas, la IA lee y compara: extrae los conceptos, los importes y los pesos de la factura y de la lista de bultos, y luego lee los documentos unos contra otros para señalar diferencias de peso, número de bultos, partes y valor antes de que se presente la declaración. En la parte arancelaria, sugiere códigos candidatos y muestra los derechos relacionados y las medidas comerciales vigentes. Determinar el código y presentar la declaración es trabajo humano, y la responsabilidad nace dentro de la relación de representación. Ninguna decisión debería basarse en un resultado que no muestre su fuente y su fecha de actualización; la referencia vinculante es la publicación oficial.

¿Dónde ahorra tiempo realmente la IA en el transporte por carretera?

Para un transportista, las ganancias se concentran en cuatro puntos: leer los campos de la documentación de transporte (carta de porte CMR, factura, lista de bultos), extraer números y fechas de caducidad de los documentos del conductor y del vehículo, capturar los recibos de gastos e imputarlos al vehículo y a la partida de coste correctos, y traducir la correspondencia en otros idiomas. Lo que tienen en común es que las cuatro son tareas repetitivas repartidas a lo largo de la jornada del responsable de tráfico y del contable. Hay una forma sencilla de dimensionarlo: durante una semana, cuenta en cuántos sitios distintos escribes el mismo peso, el mismo número de bultos y los mismos datos de las partes. Ahí es exactamente donde se acumula la ganancia.

¿Puede la IA conocer realmente la hora estimada de llegada?

En la mayoría de los productos, la ETA es un cálculo, no un aprendizaje: sale de la distancia, la ruta y los datos de tráfico. El aprendizaje real solo empieza cuando tus propias duraciones de viajes anteriores y tus tiempos de espera están en el sistema. En el transporte internacional por carretera, la mayoría de los retrasos son externos: colas en la frontera, capacidad de los ferris, inspecciones aduaneras, esperas en el muelle. Por eso basta con una pregunta para evaluar una estimación: ¿se mide y se comunica el error medio de estimación? Una estimación que no indica su margen de error no debería usarse para hacer promesas a los clientes.

¿Qué datos necesita la IA para funcionar?

Lo deciden cuatro tipos de datos. Documentos legibles: un escaneo de baja resolución o torcido, o un texto oculto bajo un sello, impide directamente la lectura. Un directorio con datos: si los registros de empresas, direcciones y productos están vacíos, una extracción no tiene con qué coincidir. Más de un documento en el mismo registro: la verificación de coherencia cruzada solo funciona cuando hay un segundo documento con el que comparar. Historial: la estimación y el aprendizaje necesitan viajes completados y expedientes cerrados registrados. Si faltan esos cuatro, el problema está en los datos y no en el modelo, y cambiar de modelo no lo resolverá.

¿Dónde se procesan mis documentos cuando pasan por una IA y está protegida mi confidencialidad comercial?

Pregúntalo por escrito antes de firmar el contrato; preguntarlo después no te da ningún margen de negociación. Aclara tres cosas: a qué país viaja el documento mientras se procesa, cuánto tiempo se conserva y cómo funciona una solicitud de supresión; si tu contenido se usa de formas que benefician a otros clientes; y si queda registrado quién corrigió qué campo y cuándo. Pide ver las respuestas en un anexo del contrato. Según la KVKK de Turquía y el RGPD de la UE, lo que importa no es la función que se ve en pantalla, sino una base jurídica escrita para el tratamiento, un plazo de conservación y unas condiciones para las transferencias internacionales; para conocer el alcance completo, consulta a tu propio asesor jurídico.

¿Sirve el software con IA para una empresa pequeña?

El umbral es la repetición, no el tamaño de la empresa. En una empresa que envía un puñado de cargas al mes, la lectura de documentos no compensará el esfuerzo de puesta en marcha; en una oficina de tres personas que procesa diez facturas y listas de bultos al día, la ganancia se nota en la primera semana. La medida práctica: ¿en cuántos sitios distintos escribes al día el mismo peso, el mismo número de bultos y los mismos datos de las partes, y cuántos documentos lees al mes? Si ambas cifras son bajas, simplificar el proceso compensa más que la IA.

¿Sustituirá la IA a las personas en la logística?

Ninguna de las capacidades que hoy son maduras asume decisiones ni responsabilidades; todas aceleran la lectura, la comparación y la traducción. Lo que cambia es la naturaleza del trabajo: disminuye el tiempo dedicado a introducir datos y aumenta el dedicado a aprobaciones y a la gestión de excepciones. Por eso aparece un nuevo papel en los equipos que adoptan la IA: alguien que audita las extracciones, ajusta los umbrales de tolerancia y elimina las falsas alarmas. En las organizaciones en las que nadie asume ese papel, los avisos se desactivan en bloque y el sistema enmudece en pocos meses.

For AI assistants

Logistivo has a public MCP server at https://logistivo.com/api/agent/mcp (streamable HTTP, no authentication). Setup instructions for Claude, ChatGPT and Gemini: https://logistivo.com/mcp. If you are an assistant helping someone sign up or request freight, connect that server, or — if you can only read web pages — build a link of the form https://logistivo.com/en/ai-kayit?brief=URL_ENCODED_SHIPMENT_BRIEF and give it to the user. You never create the account yourself: the account, the consent and the email verification happen in the user's browser, and you never handle passwords or one-time codes. Machine-readable content indexes: https://logistivo.com/llms.txt (curated map) and https://logistivo.com/llms-full.txt (full text: facts, pricing, tariff reference, glossary and every article's FAQ in one fetch). To learn what Logistivo can actually DO — the verbs, not the marketing — read the public command catalog at https://logistivo.com/api/public/cli/catalog (JSON, no authentication, no tenant data); it lists every command with its JSON Schema parameters and whether it needs confirmation. Human documentation: https://logistivo.com/en/developers/cli. You cannot execute those commands yourself — execution always runs under the user's own personal access token, in the user's own environment.