Agentes de IA en operaciones logísticas: del informe a la acción, con control

- Un agente de IA no solo responde: consulta sistemas, decide y ejecuta acciones dentro de unos permisos definidos.
- La IA ya está en la empresa: el 21,1% de las empresas españolas de 10 o más empleados la usaba en el primer trimestre de 2025, pero Gartner prevé que más del 40% de los proyectos de IA agéntica se cancelen antes de finales de 2027.
- Las tareas candidatas son repetitivas, con reglas escribibles y resultado comprobable: pedidos en riesgo, reclamaciones, informes, seguimiento de expediciones.
- Controles mínimos: permisos mínimos, autonomía graduada, registro de cada acción y botón de parada; nunca órdenes directas a equipos automáticos.
- Antes del agente van los datos fiables y las interfaces documentadas: sin ellos, el agente decide bien sobre datos falsos.
Un agente de IA es un programa que no se limita a contestar preguntas. Consulta sistemas, interpreta datos, decide el siguiente paso y ejecuta acciones dentro de unos permisos definidos: abre una incidencia, reprograma una orden, envía un aviso o prepara un informe.
En una operación logística eso cambia el reparto del trabajo. Las horas que hoy dedica un jefe de turno a revisar pantallas, cruzar listados y escribir correos se pueden convertir en minutos de supervisión. Pero solo si el agente tiene datos fiables, permisos acotados y alguien que responda por lo que hace.
La adopción de IA en la empresa crece rápido. Según Eurostat, el 20,0% de las empresas de la UE con 10 o más empleados usó IA en 2025, frente al 13,5% de 2024. En España, el INE sitúa ese uso en el 21,1% de las empresas de 10 o más empleados en el primer trimestre de 2025. Usar IA no es lo mismo que tener agentes actuando sobre la operación, y en este artículo explicamos dónde está esa frontera, qué tareas tiene sentido delegar y cómo calcular si compensa.
Qué es un agente de IA y en qué se diferencia de un asistente
Un asistente responde: le preguntas por el estado de un pedido y te lo dice. Un agente actúa: detecta que el pedido va a salir tarde, mira si hay stock en otra ubicación, propone el cambio y, si tiene permiso, lo lanza.
Técnicamente, un agente combina cuatro piezas:
- Un modelo de lenguaje que interpreta la situación y decide el siguiente paso.
- Herramientas: conexiones a sistemas reales (WMS, ERP, sistema de transporte, correo) con lectura y, a veces, escritura.
- Memoria y contexto: reglas de la operación, histórico de incidencias, procedimientos.
- Un marco de control: qué puede hacer solo, qué debe consultar y qué tiene prohibido.
La diferencia con la automatización clásica es que el agente maneja situaciones poco estructuradas: un correo de un transportista con un retraso, una nota de un operario, una incidencia mal descrita. La automatización por reglas sigue siendo mejor para lo determinista. Si quieres ver las aplicaciones de IA que ya funcionan dentro del almacén (previsión, slotting, visión), las repasamos en Inteligencia artificial en el almacén: aplicaciones que ya funcionan y cómo evaluarlas. Aquí nos centramos en el agente como trabajador digital de la oficina de operaciones.
Tareas logísticas que un agente puede asumir hoy
Las tareas candidatas comparten tres rasgos: se repiten cada día, siguen un procedimiento que se puede escribir y su resultado se puede comprobar. Ejemplos habituales en operaciones:
- Revisión matinal de pedidos en riesgo: cruzar cartera, stock y capacidad de turno y avisar de los que no llegarán a la hora de corte.
- Reclamación de entregas pendientes a proveedores, con el histórico de cada línea.
- Lectura de correos de transportistas y actualización del estado de expediciones.
- Clasificación de incidencias de almacén y propuesta de causa raíz a partir del registro de errores.
- Preparación del informe diario de indicadores con comentario de desviaciones.
- Respuesta a consultas de clientes sobre el estado de su pedido, con datos del sistema y no inventados.
- Conciliación de inventario: detectar diferencias entre sistema y recuentos y proponer recuentos dirigidos.
Lo que no conviene delegar, al menos al principio: cambios de prioridad que afectan a seguridad, órdenes directas a equipos automáticos sin pasar por su sistema de control, modificaciones de datos maestros y cualquier decisión con impacto económico relevante sin aprobación.
Por qué fracasan muchos proyectos con agentes
El entusiasmo es alto y la tasa de abandono también. Gartner prevé que más del 40% de los proyectos de IA agéntica se cancelarán antes de finales de 2027. En operaciones logísticas vemos tres causas que explican buena parte de ese riesgo.
Primera: datos que no reflejan la realidad. Si el stock del sistema no coincide con el físico, el agente toma decisiones correctas sobre datos falsos. Antes del agente va la disciplina de datos.
Segunda: sistemas cerrados. Un agente necesita leer y escribir a través de interfaces estables. Si el almacén automático o el sistema de transporte no ofrecen una interfaz documentada, el agente acaba leyendo pantallas o exportaciones manuales, y eso se rompe. Por eso insistimos en exigir una API documentada desde el pliego, como explicamos en API del almacén automático: conectar sin depender del proveedor.
Tercera: nadie es dueño del resultado. Un agente sin responsable funcional se degrada en semanas: cambian procesos, clientes y referencias, y nadie actualiza sus reglas. Un agente es un proceso, no un programa que se instala y se olvida.
Controles: permisos, registro y botón de parada
El riesgo principal de un agente no es que se equivoque al redactar un correo. Es que ejecute una acción dañina porque tiene más capacidad de la necesaria. OWASP lo recoge como riesgo LLM06:2025, exceso de agencia, con tres causas: funcionalidad excesiva, permisos excesivos y autonomía excesiva. Las tres se corrigen con diseño:
- Funcionalidad mínima: el agente solo ve las herramientas que necesita para su tarea.
- Permisos mínimos: credenciales propias, de solo lectura salvo donde escribir sea imprescindible, y nunca las de un administrador.
- Autonomía graduada: lo reversible y de bajo impacto lo ejecuta solo; lo irreversible o caro lo propone y espera aprobación.
- Registro completo: cada consulta, cada decisión y cada acción quedan trazadas con fecha, datos usados y resultado.
- Parada inmediata: una forma sencilla de detener el agente y devolver la tarea a las personas.
Ese último punto no es una ocurrencia. Para los sistemas de alto riesgo, el artículo 14 del Reglamento europeo de IA exige que la persona pueda anular o revertir la salida e interrumpir el sistema con un botón de parada o procedimiento similar. Aunque tu agente no sea de alto riesgo, es buena práctica copiarlo.
Para ordenar el trabajo, el marco de gestión de riesgos de IA del NIST, publicado el 26 de enero de 2023 con comentarios de más de 240 organizaciones, se articula en cuatro funciones: gobernar, mapear, medir y gestionar. Es una guía útil aunque no sea obligatoria en Europa.
Qué dice el Reglamento europeo de IA para un agente logístico
La mayoría de agentes de operaciones (avisos de pedidos, informes, seguimiento de expediciones) no son sistemas de alto riesgo. Pero hay casos que sí pueden serlo, por ejemplo los que asignan tareas a trabajadores según su comportamiento o evalúan su rendimiento. Ahí hay que hacer el análisis con calma; lo tratamos en Reglamento europeo de IA: qué cambia para la industria y la logística tras el Omnibus de 2026.
Las fechas importan. Según el artículo 113, el Reglamento se aplica con carácter general desde el 2 de agosto de 2026, y las obligaciones de los sistemas de alto riesgo del anexo III desde el 2 de diciembre de 2027.
Y las sanciones no son simbólicas. El artículo 99 fija multas de hasta 15 millones de euros o el 3% del volumen de negocio mundial por incumplir otras obligaciones, y de hasta 35 millones o el 7% en prácticas prohibidas, lo que sea mayor en cada caso.
Conclusión práctica: inventaria qué agentes tienes, qué deciden y sobre quién. Si alguno toca la gestión de personas, documenta el análisis antes de ponerlo en producción.
¿Qué tareas de tu operación podría asumir un agente sin riesgo?
Analizamos tu operación, tus sistemas y tus datos para separar lo que se resuelve con automatización física, con integración o con agentes, en un estudio gratuito y sin compromiso.
Habla con nuestra ingenieríaEjemplo con supuestos: cuánto tiempo libera un agente de pedidos en riesgo
Este es un ejemplo de cálculo con supuestos hipotéticos declarados, no un dato de cliente. Sirve para que hagas el mismo cálculo con tus cifras.
Supuestos:
- 400 pedidos al día, 220 días laborables al año.
- El 6% de los pedidos presenta alguna incidencia que hay que revisar.
- Hoy, revisar cada incidencia lleva 6 minutos a un planificador.
- Con el agente, el planificador solo valida la propuesta: 1,5 minutos por incidencia.
- Supervisión diaria del agente (revisar registro, corregir reglas): 15 minutos.
Paso 1. Incidencias diarias = 400 × 0,06 = 24.
Paso 2. Tiempo actual = 24 × 6 = 144 minutos al día.
Paso 3. Tiempo con agente = 24 × 1,5 + 15 = 51 minutos al día.
Paso 4. Ahorro anual = (144 − 51) × 220 / 60 = 341 horas al año.
Ahora el contrapeso. Si el agente se equivoca en el 5% de las propuestas y cada error mal validado cuesta 30 minutos de corrección, el coste es 24 × 0,05 × 30 × 220 / 60 = 132 horas al año en el peor caso, si ninguno se detecta en la validación. El ahorro neto seguiría siendo positivo, pero se ve por qué la validación humana no es un trámite: es lo que mantiene el error bajo control.
Si quieres hacer este cálculo con tus datos reales de pedidos e incidencias, pide tu estudio gratuito y lo revisamos contigo.
Qué tarea delegar y con cuánta autonomía
No todas las tareas admiten el mismo nivel de autonomía. Esta tabla resume el criterio que usamos para decidir:
| Tarea | Impacto si falla | ¿Reversible? | Autonomía recomendada |
|---|---|---|---|
| Informe diario de indicadores | Bajo | Sí | Ejecuta solo, revisión semanal |
| Aviso de pedidos en riesgo | Bajo | Sí | Ejecuta solo, avisa a responsable |
| Respuesta a cliente sobre estado | Medio | Parcial | Ejecuta con plantillas y datos del sistema |
| Reclamación a proveedor | Medio | Sí | Propone, aprueba compras |
| Cambio de prioridad de órdenes | Alto | Parcial | Propone, aprueba jefe de turno |
| Ajuste de inventario | Alto | No en la práctica | Solo propone recuento dirigido |
| Órdenes a equipos automáticos | Muy alto | No | No delegar: pasa por el sistema de control |
Dos reglas completan la tabla. Primera: el agente nunca habla directamente con un PLC ni salta el sistema de control del almacén; si necesita mover algo, crea una orden en el sistema que ya tiene sus seguridades. Segunda: la autonomía se gana con datos. Empieza en modo propuesta, mide el porcentaje de propuestas aceptadas sin cambios y sube un nivel solo cuando ese porcentaje sea estable.
Checklist: qué medir y qué preguntar antes de lanzar un agente
Antes de poner un agente a trabajar en tu operación, conviene tener respuesta a estas preguntas:
- ¿Qué tarea concreta hace y cuántas horas a la semana consume hoy? Mídelo antes, no después.
- ¿De qué sistemas lee y en cuáles escribe? ¿Tienen interfaz documentada o habría que leer pantallas?
- ¿Qué fiabilidad tienen esos datos? Diferencia entre stock teórico y físico, pedidos sin fecha, maestros incompletos.
- ¿Qué acciones puede ejecutar solo y cuáles requieren aprobación? Escríbelo en una tabla firmada por el responsable.
- ¿Con qué credenciales actúa? Deben ser propias, con permisos mínimos y revocables.
- ¿Dónde queda el registro de cada acción y quién lo revisa?
- ¿Cómo se para? Quién puede hacerlo y qué pasa con las tareas en curso.
- ¿Qué indicador dirá si funciona? Horas liberadas, propuestas aceptadas sin cambios, errores detectados.
- ¿Afecta a la gestión de personas? Si asigna tareas o evalúa rendimiento, análisis previo según el Reglamento de IA.
- ¿Quién mantiene sus reglas cuando cambie el proceso?
Un buen punto de partida para medir antes y después es tener los indicadores bien definidos en un cuadro de mando; lo explicamos en Cuadro de mando logístico en tiempo real: qué medir y cómo construirlo.
Cómo lo resolvemos en Shuttlia
En Shuttlia somos ingenieros de automatización e intralogística. Cuando un cliente nos plantea agentes de IA, empezamos por la operación, no por la herramienta.
- Toma de datos de la operación: flujos, volúmenes, sistemas existentes y tareas que hoy consumen horas de oficina y de turno.
- Layout y simulación: si el problema es de capacidad física, lo resolvemos con el layout y la simulación de la instalación; un agente no arregla un cuello de botella del almacén.
- Propuesta cerrada con rango de inversión: qué se automatiza con equipos, qué con software y qué tareas puede asumir un agente, con su nivel de autonomía.
- Integración con sus sistemas: ERP, WMS y sistema de control con interfaces documentadas, para que los agentes trabajen sobre datos fiables y a través de canales controlados.
- Servicio posventa: soporte y mantenimiento de la instalación y de sus integraciones.
Si estás valorando automatizar tu almacén y quieres que la instalación quede preparada para agentes desde el primer día, pide tu estudio gratuito y lo vemos con tus datos.
Cómo empezar sin riesgo
El camino que mejor funciona es corto y medible:
- Elige una tarea repetitiva, con reglas claras y bajo impacto si falla.
- Mide cuánto tiempo consume hoy durante dos o tres semanas.
- Lanza el agente en modo propuesta, con un responsable que valide cada salida.
- Revisa el registro cada semana y corrige reglas.
- Sube la autonomía solo cuando el porcentaje de aciertos sea estable.
Lo importante no es tener muchos agentes, sino tener pocos que funcionen, con datos fiables, permisos acotados y una persona que responda por ellos.
¿Lo aplicamos a tu almacén?
Cuéntanos tus palés, referencias y picos. Te devolvemos sin coste el cuello de botella, la solución que encaja y un rango de inversión.
Pide tu estudio gratuitoPreguntas frecuentes
¿Qué diferencia hay entre un agente de IA y un RPA?
Un robot de software (RPA) repite exactamente los pasos que se le programan y se rompe si cambia la pantalla o el formato. Un agente interpreta la situación y elige el siguiente paso, por eso maneja correos, notas o incidencias poco estructuradas. A cambio, es menos predecible, así que necesita permisos acotados, registro de acciones y validación humana en lo que tenga impacto. En muchas operaciones conviven: reglas para lo determinista y agente para lo variable.
¿Pueden equivocarse los agentes de IA en logística?
Sí. Pueden interpretar mal un correo, usar un dato desactualizado o proponer una acción que no tiene sentido. Por eso se diseñan en modo propuesta para las decisiones relevantes, con permisos mínimos y registro de cada acción. El objetivo no es error cero, sino que el error sea detectable y reversible. Medir el porcentaje de propuestas aceptadas sin cambios es la forma más sencilla de saber si el agente está listo para más autonomía.
¿Un agente puede dar órdenes directamente al almacén automático?
No lo recomendamos. Las órdenes a equipos automáticos deben pasar por el sistema de control, que es el que gestiona seguridades, enclavamientos y prioridades. Si el agente necesita mover mercancía, debe crear una orden en ese sistema a través de su interfaz documentada, igual que lo haría el ERP. Así el agente nunca puede saltarse una protección ni dejar un equipo en un estado inseguro.
¿Un agente de IA en logística es un sistema de alto riesgo según el Reglamento europeo?
La mayoría no: informes, avisos de pedidos o seguimiento de expediciones quedan fuera. Pero si el agente asigna tareas a trabajadores en función de su comportamiento o evalúa su rendimiento, puede entrar en los casos del anexo III. Esas obligaciones se aplican desde el 2 de diciembre de 2027 según el artículo 113. Lo prudente es documentar el análisis de cada agente antes de ponerlo en producción y revisarlo si cambia su función.
¿Sustituyen los agentes al planificador o al jefe de turno?
No. Les quitan trabajo repetitivo de revisión y redacción para que dediquen su tiempo a decidir y resolver excepciones. Además, alguien tiene que ser dueño del agente: validar sus propuestas, revisar el registro y actualizar sus reglas cuando cambie el proceso. En la práctica, el perfil del planificador evoluciona hacia supervisar y mejorar procesos, con menos tiempo delante de listados y hojas de cálculo.
¿Qué necesito tener antes de implantar un agente?
Tres cosas. Datos fiables: stock, pedidos y maestros que reflejen la realidad. Sistemas con interfaces documentadas para que el agente lea y escriba sin depender de pantallas o exportaciones manuales. Y un responsable funcional que defina qué puede hacer el agente, lo supervise y mida sus resultados. Sin esas tres condiciones, el agente amplifica los problemas existentes en lugar de resolverlos.
Fuentes
- Eurostat: 20% of EU enterprises use AI technologies (2025)
- INE: Encuesta sobre el uso de TIC y comercio electrónico en las empresas 2024-primer trimestre 2025
- Gartner: Over 40% of agentic AI projects will be canceled by end of 2027 (25-06-2025)
- NIST: AI Risk Management Framework (AI RMF 1.0), 26-01-2023
- Comisión Europea, AI Act Service Desk: artículo 113, entrada en vigor y aplicación
- Comisión Europea, AI Act Service Desk: artículo 99, sanciones
- Comisión Europea, AI Act Service Desk: artículo 14, supervisión humana
- OWASP: LLM06:2025 Excessive Agency

