Al inicio del siglo XX, los ingenieros de Ford, que diseñaron la línea de ensamblaje móvil (usado hasta hoy), tuvieron que medir tiempos de trabajo de los empleados, analizarlos y, con eso, pensar cómo organizar la línea para que fuera eficiente. En otras palabras, usaron una versión “primitiva” de lo que hoy llamamos “analítica de datos”. Y hoy se dice que vivimos en la “era de los datos”, la que se caracteriza por la abundancia de estos, la dinámica con la que van cambiando y generándose, y la enorme variedad de fuentes de estos datos, todas interconectadas en forma masiva.

Para las empresas y organizaciones, se abre la promesa de saber más de nuestros clientes y usuarios, predecir demanda, anticipar problemas, estimar mejor los tiempos de viaje logísticos, etc. Todo esto ha sido posible gracias a mejores algoritmos para hacer esta analítica. Estos vienen de disciplinas como el “Aprendizaje de Máquina” (machine learning), la Estadística, y otras, apoyadas por una siempre creciente potencia computacional. En Gestión, y particularmente Gestión de Operaciones y Logística, el uso de estas herramientas ya ha alcanzado un nivel de madurez, muchas empresas han mejorado su productividad y sus estándares de atención al cliente mediante su uso.

Pero, recientemente, tenemos la irrupción de la inteligencia artificial (IA), que usa sistemas computacionales con capacidad de “razonamiento profundo”, algo que, habitualmente, nos atribuimos a nosotros mismos. Los chats de IA, que usamos a diario, son la representación más popular de estas nuevas herramientas, llamada IA Generativa.

Ya se observa investigación en el uso de IA Generativa en el ámbito empresarial. Por ejemplo, sistemas de IA pueden apoyar el análisis de procesos para descubrir problemas profundos en sistemas productivos e identificar oportunidades de mejora.

También hay aplicaciones en logística, donde sistemas de IA avanzados pueden complementar asistemas de optimización del ruteo para buscar rutas que sean, por ejemplo, “visualmente atractivas”, lo que las hace más aceptables por parte de los conductores.

¿Cuál ha sido el impacto? Un estudio reciente del MIT (A. Challapally et al., The Gen AI Divide, State of AI in Business 2025, MIT NANDA project, julio 2025) documenta que muchas empresas han tratado de introducir IA avanzada, pero no ha habido (aún) un impacto significativo y muchas experiencias quedan en etapas de piloto. Esto, pese a que los empleados usan chats de IA como apoyo personal a su trabajo. Existen distintas barreras organizacionales a la incorporación más profundas de las herramientas de IA y también debilidades aún presentes en la misma tecnología. Pero esto último es, posiblemente, solo un tema de tiempo.

Las herramientas de machine learning ya se usan en las organizaciones y las de IA generativa se están abriendo paso. ¿Tendremos un agente de IA negociando términos de un contrato con proveedores? ¿O participando del directorio de una empresa y ayudando a elaborar la estrategia de esta?

Se necesitarán nuevas competencias de las personas para interactuar eficientemente y de forma positiva con los sistemas de IA, pero aún tendrán que juzgar las propuestas de la IA y tomar las decisiones finales.

Conoce el Diplomado en Gestión de operaciones y lógistica acá.

Este artículo fue publicado el día martes 18 de noviembre, en El Mercurio.