por Stefan Berg (Product Manager en The Optimal) y Francisco Hornauer (CEO en The Optimal)
Vivimos en la era de la trazabilidad. Podemos seguir en tiempo real al repartidor que nos trae la comida, saber en qué minuto aterriza un vuelo al otro lado del mundo o anticipar el tráfico de mañana con una precisión sorprendente. Sin embargo, cuando compramos un refrigerador, un televisor o un sofá, la promesa sigue siendo casi la misma de hace veinte años: “su pedido llegará el próximo jueves entre las 08:00 y las 20:00”.
No es un problema de una empresa en particular. Es un desafío generalizado. Ni el gran retail ni las compañías de consumo masivo, con todo su músculo tecnológico, han logrado comprometer de forma sistemática ventanas de entrega acotadas. Vale la pena preguntarse por qué.
Conviene hacer una distinción. Las entregas express o ultra express sí ofrecen promesas precisas: 30 minutos, dos horas, un rango bien definido. Pero operan bajo otra lógica: pocos pedidos por viaje, recorridos cortos, y multiples vueltas por vehículo.
El verdadero desafío está en otra escala. Cuando una operación despacha cientos de rutas al día, y cada una suma 80, 100 o más puntos de entrega, cualquier desviación se acumula. Cinco minutos de atraso en la tercera parada pueden transformarse en una hora al final de la jornada. Prometerle una ventana de dos horas al cliente número 87 de una ruta exige anticipar, con bastante exactitud, todo lo que ocurrirá en las 86 paradas anteriores.
Y ahí aparece el problema de fondo: la calle no cabe completa en un algoritmo. Los sistemas de ruteo han mejorado enormemente, pero siguen trabajando sobre una representación simplificada de la realidad: direcciones, tiempos de viaje, capacidades del camión. Lo que ocurre en terreno es mucho más complejo.
Ese conocimiento lo tienen los conductores. Algunos prefieren entregar primero los pedidos más pesados para alivianar la carga y reducir el consumo de combustible, aunque no sea la parada más cercana. Otros saben que en cierto local los atienden más rápido antes de las diez, porque conocen a quien recibe. Y en zonas densas, muchos detienen el camión en un punto estratégico y reparten a pie con carros, transformando el vehículo en un verdadero centro de operaciones.
Ese know-how es tremendamente valioso y explica buena parte de por qué las operaciones funcionan. Pero también es la razón por la que cuesta tanto prometer: si la secuencia real de una ruta depende de decisiones que el sistema no ve, cualquier horario comprometido de antemano es, en el mejor de los casos, una estimación optimista.
Podría pensarse que el gran costo de esta brecha es la eficiencia perdida. Existe, sin duda. Pero el mayor desafío está en el valor que hoy se le exige a la entrega.
El consumidor cambió. Ya no está dispuesto a quedarse 12 horas en su casa “por si acaso”, ni a pedir el día libre para recibir un pedido. Una ventana amplia traslada el costo de la incertidumbre al cliente, y ese costo termina pagándose en visitas fallidas, reagendamientos, llamados al servicio al cliente y, finalmente, en fidelidad. Cuando el mismo producto está disponible en varias tiendas, la experiencia de entrega se vuelve un diferenciador en sí misma.
La buena noticia es que estamos en un momento único. Los avances en inteligencia artificial permiten aprender de cómo se ejecutan realmente las rutas y capturar las preferencias de conductores y planificadores: por qué alteran una secuencia, qué criterios priorizan, qué ajustes repiten día a día. Por primera vez, ese conocimiento tácito puede transformarse en información que alimente la planificación, en lugar de competir con ella.
Pero la brecha no se explica solo por lo que el sistema no sabe. También está lo que nadie puede anticipar: un cliente ausente, un acceso cerrado, un camión en pana, un pedido que se agrega a última hora. Esas contingencias ocurren todos los días y, en rutas de 100 paradas, desordenan cualquier promesa. Gestionarlas con inteligencia artificial, re-planificando en tiempo real y avisando al cliente con anticipación, es la otra mitad del desafío.
En The Optimal ya vamos en esa dirección. Desarrollamos un nuevo algoritmo que permite simular las entregas a pie cuando el camión se usa como punto de parada centralizado y la tripulación reparte con carros. Es un ejemplo concreto de cómo llevar al modelo una práctica que hasta ahora vivía solo en la experiencia de quienes están en terreno, y que resulta decisiva para estimar con realismo cuándo llegará cada pedido.
Con todo, hay una advertencia que conviene no olvidar: puedo tener las mejores rutas, las más eficientes, pero si no tengo los productos en stock, de nada me sirve. Una promesa de entrega precisa comienza mucho antes de que el camión salga del centro de distribución. Depende de saber con certeza qué hay disponible, dónde está y cuándo estará listo para despachar. Por eso, en The Optimal abordamos la gestión de inventario (IMS) y el ruteo como partes de un mismo problema.
La pregunta, entonces, no es si la tecnología permite prometer ventanas acotadas. Es si estamos dispuestos a llevar a los sistemas lo que la calle ya sabe. Quien logre combinar inventario confiable, algoritmos que entiendan la operación real y el conocimiento de sus conductores será quien deje atrás, por fin, la ventana de 08:00 a 20:00.
