¿Por qué Lean Solutions Group está apostando por los ‘expertos en el circuito’

¿Por qué Lean Solutions Group está apostando por los ‘expertos en el circuito’

Matt Herr

Lectura de 6 minutos

Lean Solutions Group ha crecido desde aproximadamente 700 empleados en 2018 hasta más de 10,000 hoy en día, distribuidos en Colombia, Guatemala, Filipinas y más allá. La compañía construyó esa escala resolviendo un problema sencillo para los corredores de flete: reducir el costo por carga moviendo las funciones de la oficina de vuelta a los mercados laborales cercanos donde la economía tenía más sentido.

Según el CTO Alfonso Quijano, el cálculo que impulsó ese crecimiento ha cambiado. La economía de 40% de costos que originalmente atrajo a los corredores a Lean Solutions Group (LSG) ya no es suficiente. Los clientes ahora están presionando para obtener ahorros del 60% o del 70%, y quieren que esas ganancias se entreguen sin interrumpir las operaciones. Ahí es donde entra la inteligencia artificial, aunque no de la manera en que muchos en la industria podrían esperar.

“La IA está de moda recientemente, pero no hay muchas personas que estén hablando de lo realmente necesario que es detrás de las implementaciones de IA”, dijo Quijano en una entrevista con el Director Editorial de FreightWaves, J.P. Hampstead.

El argumento central de Quijano es que la logística está demasiado fragmentada y sus procesos son demasiado variados para que cualquier producto de IA único sirva a una amplia base de clientes sin una personalización significativa. Antes de que LSG estandarizara sus ofertas de servicios, la compañía admitió más de 180 funciones laborales distintas en toda la industria del transporte y la logística (muchas de ellas variaciones menores de roles como el seguimiento y el rastreo que los corredores individuales habían adaptado para que se ajustaran a sus propios flujos de trabajo).

Esa fragmentación, dice Quijano, es exactamente lo que hace que las soluciones primero de IA de fuentes externas a la industria fallen.

“No se puede crear un solo producto que cubra una amplia gama de diferentes clientes sin cambios”, dijo. “Cada uno de ellos requiere algún tipo de ajuste e implementación personalizada que rompe la adopción a gran escala”.

Es una dinámica que refleja la tensión competitiva que LSG navegó en sus primeros días, cuando los corredores rivales que compartían el mismo proveedor de servicios exigían redes aisladas, espacios de trabajo con marca y procedimientos operativos estandarizados (SOP) silenciados para proteger sus identidades operativas. El mismo instinto ahora se aplica a las implementaciones de IA.

“Tenemos un libro de jugadas para una de las implementaciones de gestión del cambio más masivas que la industria ha visto en términos de fuerza laboral”, dijo Quijano. “Sabemos cómo trabajan las personas y cómo debe cambiar el trabajo para adoptar eficazmente la IA”.

Quijano fue directo sobre las limitaciones de los modelos de lenguaje grandes en las operaciones logísticas, particularmente cuando las empresas intentan implementar flujos de trabajo de IA totalmente autónomos.

“La capacidad de tomar decisiones de juicio de alta calidad todavía está muy lejos de la realidad”, dijo, agregando que cuando surgen excepciones en un flujo de trabajo autónomo, el costo de los errores no detectados puede extenderse desde el TMS a la contabilidad y hasta el cliente.

Comparó el problema con un fallo de sentido común: un chatbot de IA que le aconseja a alguien caminar a un autolavado en lugar de conducir el automóvil que necesita lavar. La anécdota, tomada de una tendencia viral de Internet, ilustró su punto más amplio de que la salida de la IA es probabilística, no inteligente.

“La IA no es inteligente por defecto”, dijo Quijano. “Es una tecnología que estima cuál debería ser la siguiente palabra basada en la entrada”.

Los riesgos se multiplican a escala. Cuando las empresas entregan grandes volúmenes de trabajo a agentes de IA autónomos, según Quijano, a menudo terminan gastando mucho más tiempo revisando, corrigiendo y modificando errores de lo que ahorraron.

El marco alternativo de LSG rechaza el término común de la industria de “humano en el circuito”, que Quijano ve como reductor.

“El humano en el circuito tiene la implicación de un proceso o proceso de IA súper inteligente que necesita niñera y que los humanos están simplemente allí para ingresar ‘aprobar, aprobar, aprobar’”, dijo. “Esa no es la forma de verlo”.

En cambio, LSG utiliza el término “expertos en el circuito” para describir un modelo en el que las personas que previamente realizaban tareas operativas son capacitadas como especialistas responsables de identificar situaciones atípicas, enseñar a la IA a manejar nuevos escenarios, interpretar métricas de rendimiento y garantizar la alineación con los acuerdos de nivel de servicio (SLA). Es un cambio sustancial en la descripción del puesto, no una degradación a un simple operador de botones.

Quijano señaló la infraestructura de control de calidad existente de LSG como la base de este modelo. LSG utiliza un equipo de aproximadamente 200 personas desplegadas en las cuentas de los clientes, y esos roles de control de calidad se están reestructurando para auditar tanto la salida de la IA como la de los humanos en las cuentas con implementaciones de IA activas.

“Es una inversión que debe realizar para garantizar que la IA funcione, al menos por ahora hasta que alcance ese nivel de autonomía total”, dijo. “Nadie lo sabe, ni siquiera Jensen Huang de NVIDIA ni Sam Altman, cuándo la IA será totalmente autónoma”.

A través de LeanTek AgentEdge y LeanTek Connect, LSG está lanzando capacidades de IA diseñadas para trabajar de forma proactiva junto con los operadores en lugar de esperar a ser consultadas.

La distinción, explicó Quijano, es la diferencia entre un operador que detecta un error y envía una captura de pantalla a ChatGPT para su análisis, y una IA compañera que señala errores en tiempo real mientras se realiza el trabajo.

“¿Qué pasaría si, mientras está creando la diapositiva o está haciendo el trabajo real, pudiera decirle: ‘oye, cometiste un error aquí. Aquí hay información. Así es como puedes corregirlo’”, dijo Quijano. “Eso, para nosotros, es inteligencia operativa”.

La visión es que esta capa proactiva viva dondequiera que se realice el trabajo, ya sea en el navegador, en el TMS o incrustada en el flujo de trabajo operativo diario. LSG planea ofrecer a los clientes la capacidad de probar qué tan bien sus operaciones se alinean con los procedimientos operativos documentados y las descripciones del puesto, identificar oportunidades para introducir la automatización en los procesos manuales desatendidos y conectar información directamente con la ejecución.

Quijano predice que el próximo desafío de la fuerza laboral en la industria de la logística no se parecerá al último.

“Si antes la escasez de talento se debía a que simplemente no se podían encontrar suficientes personas que permanecieran haciendo seguimiento y programación de citas, creo que la próxima escasez será que el trabajo que tendrá que hacer para preparar a las personas para la IA será mucho más de lo que las empresas anticipan”, dijo.

LSG, dijo, ya está capacitando a miles de empleados para llenar esa brecha. La compañía se está posicionando no solo como un proveedor de mano de obra cercano, sino como el puente entre las operaciones logísticas heredadas y la fuerza laboral aumentada por IA que esas operaciones requerirán cada vez más.

En esta sesión, los expertos analizarán dónde fallan las automatizaciones, cómo se ve la inteligencia operativa en la práctica y cómo los equipos líderes combinan la IA con la experiencia integrada para ejecutar con confianza.