Trusted AI Purpose
Caso Logística Caso Retail Capacidades Caso Salud Consulta

Caso destacado — Operador logístico, Bogotá

Artificial Intelligence redujo en 41 % los tiempos de despacho en una operación con 1.200 envíos diarios

Un operador logístico con centros en Bogotá y Medellín necesitaba predecir volúmenes de carga por franja horaria. Construimos un modelo de series temporales que alimenta su sistema de asignación de vehículos cada 30 minutos.

41 %Reducción en tiempos de despacho
14 semanasDe diagnóstico a producción
1.200Envíos diarios optimizados
Centro logístico en Bogotá al amanecer con camiones de despacho
Logística — Predicción de demanda

Cómo funciona el modelo de predicción de carga

El operador registraba sus volúmenes en hojas de cálculo. Cada lunes, un analista proyectaba la semana siguiente usando promedios históricos. Cuando un festivo o un evento comercial alteraba el patrón, la proyección fallaba y sobraban o faltaban vehículos.

Entrenamos un modelo Prophet ajustado con variables exógenas: calendario colombiano de festivos, histórico de promociones de sus clientes principales y datos meteorológicos de IDEAM. El modelo entrega predicciones con un intervalo de confianza del 92 % para las próximas 48 horas.

La integración se hizo a través de una API REST que consulta el ERP del cliente cada media hora. No reemplazamos su software; lo complementamos. El equipo de operaciones recibe alertas en Slack cuando la demanda proyectada supera la capacidad asignada.

Después de ocho semanas en producción, el costo de flota ociosa bajó un 28 %. Los despachos tardíos pasaron de 17 % a menos del 10 %.

Panel de predicción de demanda logística en monitor
«Antes adivinábamos cuántos camiones pedir. Ahora el sistema nos dice con dos días de anticipación.» — Jefe de operaciones, operador logístico

Comparación de resultados antes y después del modelo

Indicador Antes (promedio mensual) Después (promedio mensual)
Despachos tardíos 17,3 % 9,6 %
Vehículos ociosos por día 8 3
Precisión de proyección semanal 64 % 92 %
Horas-analista en planificación 22 h/semana 6 h/semana
«Pensábamos que necesitábamos un data lake enorme. Nos mostraron que con los datos que ya teníamos se podía empezar.» Directora de tecnología, cadena de retail — Cali
«El modelo de churn nos ahorró renovar contratos con clientes que iban a cancelar de todas formas. Redirigimos ese presupuesto a retención activa.» Gerente comercial, empresa de telecomunicaciones — Bogotá
Retail — Análisis de sentimiento

Clasificación automática de reseñas en una cadena con 46 tiendas

Una cadena de tiendas de moda recibía más de 3.000 reseñas mensuales entre Google, redes sociales y su propio formulario post-compra. Nadie las leía de forma sistemática. Los problemas recurrentes — tallas incorrectas, demoras en devoluciones — se detectaban semanas después.

Implementamos un pipeline de NLP que clasifica cada reseña en categorías operativas: producto, servicio en tienda, logística de entrega, devoluciones y precio. El sistema asigna una polaridad y genera un resumen semanal por tienda.

Usamos un modelo fine-tuned de BERT en español, entrenado con 12.000 reseñas etiquetadas por el propio equipo del cliente. La precisión de clasificación alcanzó el 89 % en las cinco categorías principales.

En el primer trimestre, la tienda de Unicentro identificó que el 38 % de las quejas se referían a un mismo proveedor de tallas. Cambiar de proveedor redujo las devoluciones en esa sucursal un 22 %.

Interior de tienda de moda en Bogotá con clientes
«Ahora cada gerente de tienda recibe un reporte semanal con lo que sus clientes dicen, categorizado y priorizado.» — Coordinadora de experiencia al cliente

Mapa de capacidades que ofrecemos

No vendemos tecnología genérica. Cada proyecto parte de un diagnóstico de datos, viabilidad técnica y retorno esperado. Estas son las áreas donde tenemos experiencia comprobada con clientes colombianos.

Predicción de demanda

Modelos de series temporales adaptados a la estacionalidad colombiana. Integración con ERPs existentes. Resultados en semanas, no meses.

Procesamiento de lenguaje natural

Clasificación de textos, análisis de sentimiento, extracción de entidades. Modelos en español colombiano, entrenados con datos locales.

Visión por computador

Inspección visual de calidad en manufactura, conteo automático de inventario en estantería, detección de anomalías en imágenes médicas.

Modelos de churn y retención

Identificación de clientes con alta probabilidad de cancelación. Segmentación para campañas de retención con presupuesto focalizado.

Automatización de documentos

Extracción de datos de facturas, contratos y formularios. Reducción del ingreso manual con OCR inteligente y validación cruzada.

Caso: detección temprana de riesgo cardiovascular en una IPS de Bogotá

Salud — Modelos predictivos

Una IPS con 18.000 pacientes activos quería priorizar las citas de control cardiovascular. Los médicos revisaban historiales manualmente para decidir a quién citar primero. El proceso tomaba horas y dependía del criterio individual de cada profesional.

Construimos un modelo de gradient boosting que analiza 23 variables clínicas — presión arterial, perfil lipídico, índice de masa corporal, antecedentes familiares, adherencia a medicamentos — y genera un puntaje de riesgo por paciente.

El modelo no reemplaza al médico. Ordena la lista de pacientes pendientes de control para que los de mayor riesgo reciban cita primero. En seis meses, la IPS detectó 14 casos de hipertensión no controlada que habrían esperado entre dos y cuatro meses más para ser atendidos.

Médica colombiana revisando datos de pacientes en tableta
14 casos de hipertensión no controlada detectados antes de lo habitual
6 semanas para entrenar, validar y desplegar el modelo en el sistema de la IPS
89 % AUC en la curva ROC del modelo de riesgo cardiovascular
23 variables clínicas integradas desde la historia clínica electrónica
«Lo que más valoramos es que no propusieron una solución genérica. Vinieron, entendieron nuestro flujo clínico y diseñaron algo que encaja en la forma en que trabajamos.» Director médico, IPS — Bogotá

Cómo decidimos si un proyecto es viable

No todos los problemas se resuelven con inteligencia artificial. Antes de proponer un modelo, hacemos tres preguntas: ¿Existen datos suficientes y de calidad razonable? ¿El problema tiene un impacto medible en el negocio? ¿El equipo del cliente puede sostener la solución después de la entrega?

Si la respuesta a cualquiera de esas preguntas es no, lo decimos. Hemos rechazado proyectos donde la automatización con reglas simples era más efectiva que un modelo de machine learning. Eso nos ha costado contratos, pero también nos ha dado credibilidad.

Nuestro diagnóstico inicial dura entre cinco y diez días hábiles. Incluye revisión de fuentes de datos, entrevistas con los equipos operativos y un documento con recomendación técnica, estimación de esfuerzo y retorno proyectado. El diagnóstico tiene un costo fijo que se descuenta del proyecto si se decide avanzar.

Trabajamos con Python, PyTorch, scikit-learn, Hugging Face Transformers y servicios cloud de AWS y GCP. Pero la herramienta importa menos que la pregunta correcta. Un buen modelo entrenado con datos equivocados no sirve.

Cuéntenos su caso

Si prefiere contactarnos directamente:

+57 601 272 6580

[email protected]

Solar Yolanda Robles Marroquín, 2, 110111 Bogotá, Bogotá D.C., Colombia

Este sitio usa cookies funcionales para recordar sus preferencias. No recopilamos datos con fines publicitarios.

Política de privacidad

Última actualización: enero de 2026.

Trusted AI Purpose recopila únicamente los datos que usted proporciona a través del formulario de contacto: nombre, correo electrónico, empresa y descripción de su consulta. Estos datos se utilizan exclusivamente para responder a su solicitud.

No compartimos su información con terceros, salvo cuando sea requerido por la legislación colombiana vigente. Los datos se almacenan en servidores protegidos con cifrado en tránsito y en reposo.

Usted puede solicitar la eliminación de sus datos en cualquier momento escribiendo a [email protected]. Responderemos en un plazo máximo de 15 días hábiles conforme a la Ley 1581 de 2012.

Las cookies funcionales que utiliza este sitio no rastrean su actividad fuera de esta página ni se comparten con redes publicitarias.

Términos del servicio

Última actualización: enero de 2026.

Al utilizar este sitio web, usted acepta estos términos. El contenido publicado tiene carácter informativo y no constituye una oferta contractual vinculante.

Los proyectos de inteligencia artificial se formalizan mediante contratos individuales que especifican alcance, cronograma, entregables y condiciones de pago. Ningún contenido de este sitio reemplaza dichos contratos.

Trusted AI Purpose se reserva el derecho de modificar estos términos. Las modificaciones entran en vigencia desde su publicación en esta página.

Para cualquier disputa relacionada con estos términos, las partes acuerdan someterse a la jurisdicción de los tribunales de Bogotá, Colombia.

Aviso legal

Última actualización: enero de 2026.

Los resultados descritos en los casos de estudio de este sitio corresponden a proyectos específicos con condiciones particulares. No garantizamos resultados idénticos en otros contextos.

Los modelos de inteligencia artificial son herramientas de apoyo a la decisión. No reemplazan el juicio profesional en áreas como salud, finanzas o derecho.

Trusted AI Purpose no se responsabiliza por decisiones tomadas exclusivamente con base en las predicciones de un modelo sin la supervisión humana correspondiente.