La inteligencia artificial (IA) ha pasado de ser una tecnología asociada al futuro a formar parte de las decisiones empresariales del presente. En movilidad y logística, su aplicación abre la puerta a modelos predictivos, optimización de operaciones, mantenimiento preventivo, gestión de flotas o planificación de la demanda.
Pero hablar de IA en términos generales puede resultar demasiado amplio. Detrás de los grandes modelos, los agentes o los gemelos digitales hay una cuestión más concreta: ¿cómo están utilizando las empresas esta tecnología y qué valor real está aportando?
La pregunta es especialmente relevante cuando su desarrollo implica también un importante consumo de recursos. La expansión de la IA está impulsando la construcción de centros de datos y, con ella, la demanda de electricidad y capacidad de computación. Un estudio de Roland Berger apunta a que la capacidad mundial de los centros de datos pasará de 88 GW en 2025 a 224 GW en 2030, mientras que la IA podría representar cerca del 50 % de la demanda de potencia de estos centros en ese horizonte.
Por eso, hablar de inteligencia artificial implica también hablar de eficiencia: eficiencia en su aplicación, pero también en los recursos necesarios para hacerla posible.
Una tecnología que ya está entrando en la operación
El marco europeo también avanza en paralelo. La Ley de Inteligencia Artificial de la UE comenzó a aplicarse de forma gradual y desde agosto de 2026 son aplicables buena parte de sus disposiciones, mientras que las obligaciones para determinados sistemas considerados de alto riesgo llegarán progresivamente en los próximos años.
Mientras la regulación avanza y se debate cómo desarrollar una IA competitiva y responsable, las empresas están poniendo el foco en casos de uso concretos.
Un ejemplo es Webfleet, compañía que forma parte del grupo Bridgestone, que utiliza IA para transformar los datos procedentes de la telemática, los sensores y los registros de mantenimiento en información que permita anticiparse a posibles averías. En colaboración con Questar, su tecnología puede detectar anomalías y recomendar intervenciones adaptadas al estado de cada vehículo, permitiendo coordinar el mantenimiento con las rutas previstas y reducir interrupciones.
“El verdadero potencial de la inteligencia artificial en la gestión de flotas está en pasar de analizar lo que ya ha ocurrido a anticiparse a lo que puede ocurrir. En el mantenimiento predictivo, por ejemplo, la IA permite detectar señales tempranas de posibles fallos y recomendar qué vehículos necesitan atención prioritaria. Esto ayuda a planificar las revisiones antes de que una avería interrumpa una entrega o deje un vehículo fuera de servicio. A medida que estas capacidades se integren con la planificación de rutas y las operaciones diarias, los gestores podrán tomar decisiones más rápidas, reducir costes y aprovechar mejor sus recursos. Dicho de otra manera, la gestión de flotas ha vivido mirando por el retrovisor: la analítica tradicional nos dice qué pasó. La IA nos permite empezar a mirar por el parabrisas: anticipar qué puede pasar y, progresivamente, saber qué opciones tenemos para actuar”, explica Heike de la Horra, Head of South Europe de Webfleet.
Aprovechar los datos y la infraestructura que ya existe
La experiencia de Qaleon en Nitra (Eslovaquia) muestra otra forma de aplicar la IA: utilizar tecnología ya disponible para obtener nuevos datos.
De los 80 autobuses de la ciudad, solo 15 contaban con contadores automáticos de pasajeros, cubriendo apenas el 19 % de los viajes. Qaleon reutilizó las cámaras de seguridad existentes mediante visión artificial para obtener recuentos anónimos de subidas y bajadas, vinculados a cada parada mediante GPS.
Así, el sistema permite pasar de una cobertura del 19 % al 100 % de la flota sin instalar nuevos dispositivos. Sobre esos datos, un agente de IA puede detectar tramos saturados o infrautilizados y predecir la demanda en función del calendario, la meteorología o los eventos, facilitando ajustes de horarios y asignación de vehículos.
“El verdadero potencial de la IA en movilidad no está en añadir más tecnología, sino en extraer valor a lo que ya existe. Muchos operadores cuentan con dispositivos y geolocalización, pero siguen planificando a ciegas porque esos datos no están conectados ni son utilizados para una optimización del transporte y su viraje hacia una movilidad sostenible. Los retos para una aplicación efectiva son claros: integrar sistemas heterogéneos, garantizar la privacidad desde el diseño y medir el impacto real en kilómetros, energía y emisiones evitadas. Por eso defendemos una IA sostenible por diseño, que reutilice infraestructura, procese los datos de manera eficiente y sea validada por los resultados operativos que genera, no por lo sofisticada que parezca.”, comenta María Arribas, GTM & Business Development de Qaleon.
De la asistencia predictiva a menos desplazamientos innecesarios
También en la asistencia en carretera aparecen aplicaciones prácticas. Bosch Service Solutions ha desarrollado soluciones de diagnóstico remoto capaces de determinar, a partir de la información del vehículo, si una incidencia requiere realmente el desplazamiento de una grúa o puede resolverse mediante asistencia remota. El objetivo es evitar remolques innecesarios y, con ello, reducir desplazamientos, costes y emisiones.
En una línea similar, Allianz Partners está incorporando IA a sus servicios de asistencia en carretera para automatizar parte de la gestión de llamadas, identificar pólizas y agilizar la respuesta al cliente. La compañía señala que la tecnología permite automatizar hasta el 50 % de las llamadas en determinados escenarios y alcanzar una respuesta en la primera llamada del 97 %.
Son ejemplos diferentes, pero comparten una misma lógica: la IA deja de ser el objetivo y se convierte en una herramienta para tomar mejores decisiones.
La clave: medir el valor, no solo adoptar tecnología
La conclusión también aparece en el ámbito logístico. El 48º Congreso del Centro Español de Logística (CEL) puso recientemente el foco en el impacto de la IA en la cadena de suministro. Según el III Estudio CEL & Accenture, el 80 % de las empresas ya utiliza herramientas de IA y el 100 % espera mejoras de productividad, pero solo el 31,4 % prevé un impacto directo en sus márgenes de rentabilidad.
La cifra resume uno de los grandes retos de esta transformación: utilizar IA no equivale automáticamente a generar valor.
En movilidad, ese valor tendrá que medirse en indicadores concretos: kilómetros evitados, vehículos disponibles, tiempos de operación, consumo energético, emisiones, incidencias o costes. Y, al mismo tiempo, deberá incorporar otra variable cada vez más importante: los recursos necesarios para desarrollar y ejecutar estas soluciones.
La inteligencia artificial puede transformar la movilidad, pero su verdadera aportación no estará en utilizarla porque sea posible, sino en aplicarla allí donde permita hacer las operaciones más eficientes, sostenibles y capaces de anticiparse a lo que viene.
