Caracterizado históricamente por rigurosidad normativa, cambios regulatorios constantes y una marcada dependencia de trámites manuales, el comercio internacional enfrenta cuellos de botella que impactan su competitividad.
La fragmentación de la información entre sistemas heredados y documentación física puede generar fricciones operativas que se traducen en retenciones de carga, errores de facturación y demoras en puertos.
Por eso, la presión por digitalizar la operación aduanera ha dejado de ser una opción de innovación para convertirse en una exigencia financiera y logística.
Mientras tanto, las nuevas tecnologías se abren paso en la industria logística, en términos de herramientas de automatización y de soluciones adaptables a la complejidad regulatoria global y local.
A diferencia de los sistemas tradicionales basados en reglas estáticas, las plataformas de IA de última generación integran fuentes de datos heterogéneas para ofrecer un contexto operativo preciso en tiempo real.
Este avance permite superar la fragmentación técnica y las barreras culturales del sector, demostrando su valor a través de métricas financieras clave: reducción masiva de cargos por demoras, prevención de discrepancias en la facturación y optimización de las horas de trabajo humano.
Vista así, la IA deja de ser una tendencia especulativa a una inversión estratégica real, con retorno directo. Pero, ¿cómo insertarla en estos procesos de comercialización exterior y aduanera con el fin de cerrar las brechas en el sector?
En conversación con SEMANA, Valentina Jordan, CEO y cofundadora de Nauta, habla de los retos que implica apostar por aplicar IA en un entorno reacio a cambios drásticos.
SEMANA: ¿Cómo entrenar modelos de inteligencia artificial teniendo en cuenta la variabilidad regulatoria entre aduanas?
Valentina Jordan (V. J.): El desafío no consiste únicamente en entrenar un modelo para que conozca una regulación determinada, sino en construir una arquitectura capaz de contextualizar la información de acuerdo con el país, la jurisdicción, el tipo de mercancía y el momento en que ocurre una operación. Las regulaciones aduaneras cambian y además pueden existir diferencias importantes entre mercados.
Por eso, en Nauta apostamos por una capa de datos que permita estructurar y relacionar información proveniente de documentos, sistemas internos, contratos, comunicaciones y fuentes regulatorias. Los agentes de IA operan sobre ese contexto y no sobre una única regla estática.
Esto permite que la tecnología sea más adaptable y que las decisiones estén sustentadas en la información específica de cada operación. En procesos regulatorios críticos, la IA debe funcionar como una herramienta de apoyo y automatización bajo los controles y niveles de supervisión que cada organización determine.
SEMANA: ¿Con esta solución se pueden anticipar cuellos de botella en la cadena de suministro y ajustar rutas, trámites u otros, antes de que afecten la operación logística?
V. J.: Los equipos que utilizan la plataforma recuperan cerca del 37 % de las horas operativas por operador a la semana. En el caso de un cliente, Nauta emparejó automáticamente más del 80 % de sus documentos de envío (como conocimientos de embarque, facturas y órdenes de compra), dejando solo las excepciones atípicas para su revisión manual por parte de los equipos.
Esto se tradujo en un ahorro económico masivo: en menos de seis meses, Nauta logró evitar de forma proactiva 3 millones de dólares en cargos por demora y retención de mercancías, prevenir una discrepancia de facturación de 300.000 dólares al comparar órdenes de compra con recibos de entrega, y evitar roturas de stock valoradas en 1,5 millones de dólares.
SEMANA: En una industria anclada hasta el momento en procesos manuales y sistemas heredados, ¿cuáles han sido los principales obstáculos técnicos y culturales al integrar la solución de IA con la infraestructura de los clientes?
V. J.: El primer reto es técnico: las empresas no operan sobre un único sistema. Tienen sistemas de transporte, plataformas de proveedores, correos electrónicos, hojas de cálculo, documentos PDF y muchas otras fuentes de información que fueron construidas en momentos diferentes.
El verdadero desafío es conseguir que toda esa información pueda ser interpretada como parte de un mismo contexto operativo sin exigir que la empresa reemplace toda su infraestructura.
El segundo reto es cultural. Cuando una tecnología comienza a tomar decisiones o ejecutar tareas que tradicionalmente realizaba una persona, es natural que existan preguntas sobre control, confianza y responsabilidad. Por eso creemos que la adopción no consiste simplemente en instalar una herramienta, sino en construir confianza progresivamente.
La IA debe demostrar con resultados que puede hacerse cargo de tareas repetitivas y permitir que los equipos humanos concentren su tiempo en las excepciones que realmente requieren criterio y experiencia.
SEMANA: Más allá de la reducción de tiempos operativos, ¿cuáles métricas se vuelven clave y soportan el retorno de inversión directo para las organizaciones que adoptan esta tecnología?
V. J.: La eficiencia es solamente una parte de la ecuación. Las organizaciones deben medir cuánto dinero están evitando perder y cuánto valor adicional están generando gracias a una mejor operación.
Entre las métricas más importantes están la reducción de cargos por demoras y almacenamiento, disminución de errores y discrepancias de facturación, reducción de costos asociados a procesos manuales, disminución de roturas de stock y mejora en el cumplimiento de entregas.
También es importante medir qué porcentaje de procesos puede automatizarse, cuántas excepciones requieren intervención humana y cuánto tiempo operativo recuperan los equipos.
En Nauta ya hemos observado resultados concretos: en un caso, la plataforma permitió evitar proactivamente US$ 3 millones en cargos por demora y retención de mercancías en menos de seis meses, además de prevenir una discrepancia de facturación de US$ 300.000 y evitar roturas de stock valoradas en US$ 1,5 millones. Ese tipo de indicadores permite pasar de hablar de IA como una promesa tecnológica a demostrarla como una inversión con impacto financiero medible.