Redacción. El incremento en las operaciones de comercio electrónico internacional insta a los sectores involucrados a la incorporación de IA como herramienta indispensable para la optimización de la carga y de los tiempos de distribución.
El 80% de los bienes de comercio electrónico internacional es trasladado por vía aérea, lo que exige a los agentes involucrados en la carga aérea rapidez en su operativa, calidad de servicio y alta fiabilidad para llevar a cabo sus operaciones.
Respecto de la agilidad, los procesos deben ser fluidos y rápidos, previsibles y programados a corto plazo con el fin de organizar el equipo de trabajo.
AIS Group, GPA, Portel, el Clúster Digital de Cataluña y el Clúster de Movilidad y Logística del País Vasco en el marco de impulsar la incorporación de nuevas tecnologías y la Inteligencia Artificial, diseñan el proyecto de ‘Muelle Digital’.
Dicho proyecto está enfocado en la digitalización del transporte terrestre y en la recepción de mercancía en la terminal de carga. Luego, se centrará en el diseño de un equipo de trabajo que pueda visualizar la operativa de carga en aeropuertos.
En este sentido la incorporación de la inteligencia artificial está enfocada como modelo de aprendizaje automático, que predecirá la demanda de carga aérea mensual en distintos aeropuertos. La iniciativa permitirá optimizar los procesos entre el transitario, el transportista y el propio agente de handling del aeropuerto.
Para la realización de este proyecto se diseñará una prueba piloto y la totalidad del mismo estará financiado por la UE. Actualmente, para la prueba pilote, se está en tratativas para la colaboración de distintos aeropuertos tales como el de Madrid, Barcelona, Bilbao, Zaragoza y Vitoria.
De todas maneras, y más allá de la prueba piloto, Aena está en condiciones de trasladar este modelo a todos los aeropuertos y se podrá adaptar para la exportación a otros países.
La compañía AIS es la encargada de construir, para cada aeropuerto, un modelo predictivo de inteligencia artificial, utiliza la base de datos de la carga aérea para establecer una estimación de carga e incorpora técnicas de aprendizaje automático para predecir el comportamiento de la demanda de carga aérea mensual por producto y por origen-destino.
El modelo en sí mismo incorpora variables macroeconómicas para calcular el impacto de indicadores como el PIB o la balanza comercial sobre la actividad y se integra en una herramienta de planificación de la demanda que permita anticiparse en las decisiones.
En una primera fase, el modelo hará una predicción de la demanda del mes siguiente en función del número de operaciones, mercancías y destinos, para tomar mejores decisiones. En la segunda, se optimizará el transporte de modo que haya la menor cantidad posible de emisiones de CO2.
Las empresas y clústeres participantes promoverán también la digitalización de los procesos documentales y operativos entre los agentes que participan en la exportación aérea y el desarrollo del cuadro de mando donde se integra el modelo de IA.
