Agentes de IA para operar el transporte público en Colombia

Que un laboratorio universitario de primer nivel decida construir una plataforma de inteligencia artificial pensada específicamente para operadores de transporte público dice menos sobre los buses y más sobre una idea que lleva un tiempo madurando: hay organizaciones que no necesitan otro tablero de indicadores, necesitan algo que tome decisiones operativas en tiempo real. Y el transporte masivo es, probablemente, uno de los escenarios más exigentes donde probar esa idea.

En GABOTRIX trabajamos todos los días con empresas que enfrentan una versión más pequeña del mismo problema: datos que llegan de varios canales, decisiones que hay que tomar cada minuto y equipos humanos que no alcanzan a procesar todo lo que el sistema les está diciendo. Por eso vale la pena mirar este tema con atención, aunque usted no opere una flota.

Por qué el transporte público es un caso límite

Un sistema de transporte masivo tiene varias características que lo convierten en un laboratorio ideal para agentes de IA:

• Datos abundantes y en tiempo real: validaciones de tarjeta, GPS de vehículos, frecuencias, ocupación, incidentes en vía.
• Decisiones de alta frecuencia: adelantar un despacho, retener un vehículo, reasignar un turno, abrir o cerrar una ruta de refuerzo.
• Consecuencias inmediatas y visibles: una mala decisión se traduce en paraderos congestionados a los veinte minutos.
• Restricciones duras: horarios laborales de conductores, mantenimiento, presupuesto, normativa.

Es decir: mucho dato, poco tiempo, reglas no negociables. Exactamente el terreno donde un modelo estadístico solo no basta y donde un humano solo no alcanza. Lo que se necesita es un sistema que combine ambos: capacidad de cómputo para evaluar escenarios y criterio humano para fijar las reglas y asumir la responsabilidad.

Del reporte al agente

La mayoría de las organizaciones en Colombia —públicas y privadas— están todavía en la fase del reporte. Se miden cosas, se construyen tableros, alguien los mira el lunes. El salto que insinúan este tipo de iniciativas es otro: pasar de describir lo que pasó a actuar sobre lo que está pasando.

Qué hace distinto a un agente

Un agente de IA no es un modelo que predice y entrega un número. Es un sistema que observa el estado del negocio, lo interpreta contra un objetivo, decide una acción dentro de un marco definido y la ejecuta sobre los sistemas reales: el ERP, el POS, la plataforma de despacho, el canal de WhatsApp donde el usuario pregunta. Esa última parte —la ejecución— es la que separa un piloto bonito de una operación que efectivamente cambió.

La traducción colombiana

Colombia tiene sistemas de transporte con décadas de datos operativos acumulados: los sistemas integrados de Bogotá, Medellín, Cali, Pereira, Barranquilla, los cables aéreos, los esquemas intermunicipales. Aquí en Manizales convivimos con una topografía que convierte cualquier decisión de ruta en un problema de ingeniería. La materia prima está. Lo que suele faltar es una capa que convierta ese dato en decisión sin pasar por tres comités.

Pero el aprendizaje es trasladable, y ahí está lo interesante para el sector privado. Una empresa de logística urbana, una red de droguerías, un operador de domicilios o una clínica con agenda apretada enfrentan el mismo esquema: demanda que fluctúa, recursos limitados, decisiones repetitivas y un costo alto por reaccionar tarde. El problema de fondo no es el transporte, es la operación en tiempo real.

Cuatro condiciones para que funcione

• Datos confiables antes que modelos sofisticados. Un agente que opera sobre inventarios desactualizados toma decisiones peores que un humano con intuición. El orden importa.
• Reglas explícitas y límites claros. Qué puede decidir el agente solo, qué debe escalar, qué nunca toca. Esto se define con el negocio, no con el proveedor de tecnología.
• Integración real con los sistemas. Si el agente no puede escribir en el ERP ni mover una orden en el POS, no está operando: está opinando.
• Trazabilidad. Cada decisión automática debe poder explicarse después. En servicios públicos esto es obligación legal; en el sector privado es simple higiene de gestión.

Lo que no se automatiza

Conviene decirlo sin rodeos: hay decisiones que no deben delegarse. La política tarifaria, el diseño de cobertura en zonas donde el servicio es un derecho más que un negocio, la respuesta a una emergencia. Un agente puede preparar el escenario, calcular el impacto y recomendar; la decisión sigue siendo humana. Automatizar bien implica saber dónde parar.

Esa distinción es la misma que aplicamos cuando ponemos agentes a operar un negocio: el agente atiende, cotiza, agenda, cobra, actualiza inventario y responde a cientos de conversaciones simultáneas sin que nadie tenga que estar pendiente. Pero las decisiones estructurales —precio, posicionamiento, a quién se le fía— siguen siendo del dueño.

La señal de fondo

Cuando la investigación académica empieza a construir infraestructura de IA para operaciones públicas complejas, está validando algo que el mercado todavía discute: la IA útil no es la que escribe textos, es la que opera. Para las empresas colombianas, la pregunta ya no es si conviene adoptar inteligencia artificial, sino qué parte de la operación está lista para que un agente la asuma y qué hay que ordenar antes de entregársela.