Emmanuel Egea, CEO de WARA, expuso en el Ciclo Pilares IA en Mendoza cómo la IA transforma la logística y la industria en tiempo real.
Emmanuel Egea, CEO de WARA, participó como disertante en el Ciclo Pilares IA en el Hilton Mendoza Hotel.
Foto:
Melisa Sbrocco El Ciclo Pilares IA se desarrolla en el Hilton Mendoza Hotel con una alta concurrencia de referentes del ecosistema tecnológico, empresarial e industrial. El encuentro, organizado por Los Andes junto a Polo TIC Mendoza y el Ministerio de Producción de Mendoza, tiene como eje central el impacto de la Inteligencia Artificial en la industria y la logística.
Dentro del espacio Logística e Industria 4.0, el CEO de WARA, Emmanuel Egea, presentó cómo el uso de datos en tiempo real permite transformar el seguimiento satelital tradicional en sistemas de análisis predictivo capaces de anticipar fallas, demoras y decisiones operativas críticas.
Emmanuel Egea explicó que la evolución del sector logístico está directamente vinculada a la transformación del GPS tradicional en una fuente de datos para inteligencia artificial, en un contexto donde WARA ya gestiona más de 18.000 unidades monitoreadas y más de 1.000 clientes activos en la región.
“El seguimiento satelital ha dejado de ser simplemente para saber dónde está un vehículo, sino que es un gran generador de datos para lo que es la inteligencia artificial”, sostuvo el ejecutivo, al remarcar que la industria dejó de enfocarse en la ubicación para pasar a entender el comportamiento de cada unidad.
En ese sentido, planteó un cambio conceptual profundo: “La idea es que todos sepamos por qué está en ese lugar, quiero saber por qué ese camión está parado ahí y no simplemente verlo detenido”, señaló Egea, en referencia a la necesidad de interpretar cada evento logístico en tiempo real y no de forma reactiva.
Uno de los puntos centrales de la exposición fue el problema de la sobrecarga de datos en la gestión de flotas. Egea explicó que muchas empresas reciben información constante de consumo, motor, velocidad o telemetría, pero no logran convertirla en decisiones.
“Entran y entran datos, pero muchas veces nadie toma decisiones. Termina generando más problemas que soluciones”, advirtió, al referirse a casos donde la información queda sin uso operativo.
En este marco, destacó que el valor de la Inteligencia Artificial aplicada a logística es su capacidad de detectar patrones históricos: “Nosotros tratamos de encontrar un patrón. Esto ya pasó antes, y con eso podemos predecir lo que probablemente ocurra”, explicó.
Egea ejemplificó con situaciones críticas: “Si sé que un camión tiene un problema de alternador desde hace meses, puedo tomar la decisión de pararlo y evitar un problema mayor en ruta”, sostuvo, al remarcar el impacto económico que tiene la falla de un vehículo en plena operación.
El CEO de WARA también puso el foco en la necesidad de anticipación frente a incumplimientos logísticos, especialmente en operaciones con SLA (acuerdos de nivel de servicio) estrictos. “La mayoría de las veces me doy cuenta tarde de que el camión estuvo parado donde no debía, y termino tomando decisiones cuando el problema ya ocurrió”, explicó Egea.
En este punto, detalló cómo la IA permite generar alertas automáticas ante comportamientos anómalos: “Si un camión está en una parada no permitida por un tiempo determinado, el sistema puede detectar que algo está pasando”, indicó.
La lógica del sistema apunta a evitar el modelo reactivo tradicional, donde el problema se detecta recién cuando el cliente reclama. “Muchas veces el cliente llama preguntando qué pasa con el camión, y ahí recién te enterás que está atrasado”, agregó.
Egea profundizó en el uso de la analítica predictiva para estimar tiempos de llegada y comportamiento del tránsito en rutas críticas. Como ejemplo, explicó que ciertos patrones urbanos ya están incorporados en los modelos de análisis.
“Yo sé que los lunes entrar a la ciudad de Buenos Aires a las 8 de la mañana es un caos”, señaló, al explicar cómo el sistema aprende de eventos repetitivos para anticipar demoras.
En base a estos patrones, la tecnología puede proyectar tiempos de llegada mucho más precisos. “Ya sabe que ese vehículo va a llegar 30 minutos atrasado porque entiende lo que viene pasando en la ruta”, explicó.
Otro eje clave fue el impacto de la IA en la eficiencia operativa a través del mantenimiento predictivo. Egea fue claro al respecto: “El mantenimiento correctivo es el más caro de todos”.
En ese sentido, explicó que los sistemas actuales permiten anticipar fallas mecánicas y programar intervenciones antes de que el problema ocurra. “Me está diciendo que programe un mantenimiento antes del viernes porque después voy a tener un problema”, detalló.
El análisis también incluye variables como consumo de combustible y emisiones. “Estoy teniendo un 22% de consumo sobre la base y más de 48 kilos de dióxido de carbono innecesario”, señaló, al explicar cómo la IA permite detectar ineficiencias en la operación. A partir de estos datos, el sistema puede sugerir acciones concretas, como revisiones mecánicas o ajustes operativos para reducir costos y emisiones.
En el cierre de su exposición, Egea presentó la evolución hacia sistemas conversacionales basados en datos logísticos, donde los usuarios pueden interactuar directamente con la información sin intermediarios técnicos.
“Puedo preguntarle al sistema qué camión consume más, cuál necesita mantenimiento o qué decisión debería tomar”, explicó, al referirse a la incorporación de agentes de Inteligencia Artificial dentro de la plataforma.
El objetivo, según detalló, es democratizar el acceso a los datos operativos y acelerar la toma de decisiones dentro de las empresas. “Toda esa información está disponible para que cada empresa genere su propio agente de IA”, concluyó.