La semana pasada, nuestro equipo tuvo el privilegio de participar en una mesa redonda de alto nivel en el CIDAI (Centre of Innovation for Data Tech and AI) en Barcelona, donde se promovió el diálogo en el sector sobre el intercambio de datos entre los ecosistemas de logística, movilidad e IA. Stefano Persi, director ejecutivo, debatió cómo la IA puede contribuir de forma práctica a una logística más eficiente, sostenible y resiliente, centrándose en el transporte multimodal y el papel del transporte ferroviario de mercancías en la construcción de redes logísticas más inteligentes.
El debate se enmarcó en el trabajo más amplio sobre el libro blanco del CIDAI, elaborado a través de su grupo de expertos con contribuciones de actores públicos y privados. Como participantes en este esfuerzo, nos complace haber contribuido a la mesa redonda, donde Stefano Persi compartió ejemplos prácticos y casos prácticos que destacan el papel de la IA y el intercambio fiable de datos en entornos logísticos reales.
Visión del sector
Los volúmenes de transporte de mercancías por ferrocarril se mantienen por debajo de la media europea y una tasa de 5 millones de euros agrava el desafío. El transporte de mercancías por ferrocarril sigue enfrentándose a desafíos operativos y estructurales, a pesar de que se espera un crecimiento significativo de la demanda.
En consonancia con los objetivos de Neutralidad Climática 2050, se proyecta que los volúmenes de transporte de mercancías por ferrocarril se dupliquen en comparación con los promedios históricos recientes. Lograr este crecimiento requerirá no solo inversión en infraestructura, sino también una mejor coordinación, optimización y colaboración en todo el ecosistema logístico.
Desde la perspectiva de CIMALSA, , la multimodalidad es un factor clave para mejorar la eficiencia y la sostenibilidad logística. El modelo óptimo combina el ferrocarril para el transporte de media y larga distancia y el transporte por carretera, principalmente para operaciones de primera y última milla. La IA facilita esta transición al facilitar la reasignación de los flujos de transporte del camión al ferrocarril, optimizando rutas, horarios y el uso de la capacidad. Este enfoque puede reducir significativamente las emisiones en comparación con el transporte exclusivamente por carretera, manteniendo al mismo tiempo la flexibilidad operativa.
El intercambio de datos y el papel de los espacios de datos
Un desafío recurrente identificado es la reticencia de los operadores y agentes logísticos a compartir información. Si bien las preocupaciones sobre la privacidad son legítimas, a menudo limitan la optimización de todo el sistema. Los espacios de datos se destacaron como un factor clave, ya que proporcionan:
- Intercambio seguro de datos y acceso controlado.
- Reglas claras sobre cómo se comparten y utilizan los datos.
- Base técnica para que las herramientas de IA sugieran rutas, calculen costos y simulen escenarios operativos.
Al garantizar la confianza en los datos, los espacios de datos permiten que la IA facilite una mejor toma de decisiones sin comprometer la información empresarial confidencial.
Desafíos del sector logístico
Cinco grandes desafíos configuran el futuro del transporte ferroviario de mercancías y la logística:
- Presión por la sostenibilidad y la descarbonización.
- Resiliencia ante las crisis globales y geopolíticas.
- Congestión urbana y gestión de la última milla.
- Interoperabilidad digital y vulnerabilidades de ciberseguridad.
- Preparación organizativa y transformación tecnológica.
Estos desafíos están estrechamente interconectados y requieren respuestas coordinadas.
Dónde la IA puede aportar valor tangible
La IA ya está demostrando beneficios mensurables en las operaciones de transporte y distribución, donde puede generar mejoras en eficiencia, costes y sostenibilidad. Para Mosaic Factor, esto incluye proyectos de automatización para la carga y descarga de contenedores en puertos.
A pesar de su potencial, existen barreras que dificultan la adopción de la IA. Estos desafíos incluyen:
- Falta de una estrategia de IA dentro de las organizaciones,
- problemas de gobernanza y fragmentación de datos,
- falta de datos históricos de calidad, dificultad para evaluar el ROI de las iniciativas de IA,
- y un entorno regulatorio complejo e inconsistente. Abordar estas barreras requiere una alineación estratégica más clara entre tecnología, operaciones y regulación.
Los participantes coincidieron en un modelo de tres niveles para el sector:
- Digitalización: digitalización y automatización básicas, donde el progreso ya es visible.
- Intercambio de datos: intercambio seguro de datos, que permite la visibilidad de la red.
- Visibilidad y casos de éxito: más redes que logística y visibilidad de los casos de éxito.
Avanzar en estos niveles es esencial para liberar todo el potencial de la IA en la logística.
Conclusiones
La eficiencia logística depende de la combinación eficaz de innovación, sostenibilidad y regulación. La pregunta clave para los operadores es qué valor se crea al compartir datos. La IA, al combinarse con la multimodalidad y marcos confiables de intercambio de datos, puede mejorar significativamente la eficiencia, la sostenibilidad y la resiliencia de los sistemas de transporte ferroviario de mercancías y logística.
Durante la mesa redonda, Stefano destacó tres proyectos a los que contribuyó Mosaic Factor:
- Pioneers: Predicción del Transporte de Contenedores (Iniciativa de Puertos Verdes de la UE)
- Port of Antwerp-Bruges: Predictor del Flujo de Carga
- Disruptive: Detección y Clasificación de Interrupciones en la Red Logística
En conjunto, estos proyectos muestran el impacto práctico de la IA y la colaboración de datos en operaciones logísticas reales, fundamentando el debate de la mesa redonda de CIDAI en soluciones tangibles.