En transporte y logística, la IA a menudo no reside en un sistema separado con un nombre y un responsable, sino que está entretejida en la propia operación: planificación de rutas, optimización de carga, sistemas de mantenimiento predictivo, previsión de demanda, y los algoritmos que determinan qué conductor recibe qué trayecto. Parte de ello llega a través de software de transportistas, expedidores o plataformas, y por tanto funciona con reglas de decisión que la propia organización no ha configurado y que a veces no puede ver por completo. La relación entre lo que el departamento de planificación ha adquirido directamente y lo que entra a través de socios de la cadena o funcionalidad integrada cambia constantemente. Eso no hace que inventariar en este sector sea más sencillo que en otros, pero sí diferente: la pregunta no es solo quién ha instalado una herramienta de IA, sino también qué decisiones automatizadas ya existían en los sistemas antes de que alguien las denominara IA.
Un resumen del software aprobado rara vez cuenta la historia completa. Planificadores que utilizan una herramienta de IA para optimizar rutas, servicio al cliente que emplea un chatbot para el seguimiento de envíos, o un empleado de almacén que usa una aplicación para elaborar previsiones de inventario: este tipo de aplicaciones suele surgir de manera local, impulsada por la presión del tiempo o una tarea concreta, sin que nadie haya presentado una solicitud. Quien quiera identificar esto debe preguntarlo a las personas que realizan el trabajo, y eso solo funciona si hacer preguntas no da lugar de inmediato a una corrección. Una organización que quiera detectar la IA en la sombra debe dejar claro primero que informar no supone un riesgo.
Un inventario que va más allá de la lista de TI muestra qué aplicaciones de IA están realmente en uso, en qué punto del proceso se encuentran y quién vincula decisiones a ellas. En transporte y logística, esto suele implicar una distinción entre sistemas que únicamente asesoran, sistemas que planifican automáticamente sin intervención, y sistemas que tienen un efecto sobre personas fuera de la organización, como conductores o clientes a quienes se les presenta un plazo de entrega basado en una predicción. Esa distinción es relevante porque con ella cambia el nivel de riesgo: una herramienta que solo ofrece una sugerencia a un planificador requiere una forma de supervisión distinta a la de un sistema que fija de manera autónoma horarios o rutas.
Tras el inventario surge la pregunta de qué hace exactamente cada aplicación y para quién. Un sistema que predice cuándo se necesita mantenimiento tiene un impacto distinto al de un sistema que determina qué conductor recibe un trayecto asignado en función de datos de rendimiento. Clasificar aquí no significa aplicar una plantilla fija, sino ordenar lo que se ha encontrado: qué aplicación afecta a decisiones sobre personas, cuál afecta solo a la optimización logística, y cuál funciona de manera puramente auxiliar. La normativa vigente que determina qué obligaciones corresponden a qué nivel de riesgo se trata en otro lugar; aquí se trata de la estructura necesaria para poder aplicar esas normas más adelante, sea lo que sea que el texto establezca exactamente.
Las empresas de transporte suelen trabajar ya con gestión de riesgos en materia de seguridad, planificación y cumplimiento. La gobernanza de IA no tiene por qué ser un aparato nuevo junto a ese sistema existente; funciona mejor cuando la clasificación de las aplicaciones de IA se conecta con categorías que ya existen, de modo que un directivo o gestor de riesgos no tenga que mantener dos resúmenes distintos. Eso requiere un conjunto de gobernanza que indique quién gestiona una aplicación, quién es responsable de ella y qué control existe sobre ella, en una forma que se ajuste a la estructura de informes y rendición de cuentas ya presente.
Un directivo o General Counsel al que se le pida explicar qué sistemas de IA están activos en la organización debe poder respaldarlo con algo más que una lista del sistema de compras. Demostrabilidad significa que existe un resumen actualizado de las aplicaciones, su clasificación y el estado de la supervisión sobre ellas, y que ese resumen se mantiene firme cuando alguien profundiza en las preguntas. Otros sectores conocen cuestiones comparables, como puede verse en la gobernanza de IA en el comercio minorista, la gobernanza de IA en el sector agrícola y la gobernanza de IA en el sector TIC, cada uno con su propia relación entre lo adquirido de forma centralizada y lo surgido localmente.
El Responsible AI Scan que reúne este inventario, clasificación y estructura de gobernanza está en construcción. Quien desee empezar con esto puede inscribirse en la lista de espera; actualmente no hay un producto terminado que se pueda encargar, y aquí no se presenta de otra manera.
Una vez que queda claro qué aplicaciones de IA operan en la cadena de transporte y qué nivel de riesgo corresponde a cada una, surge una pregunta posterior que no se responde mediante el inventario: cuánto del trabajo que hoy realizan planificadores, conductores o personal de servicio al cliente puede efectivamente ser asumido por estas aplicaciones. Esa pregunta está cerca de la gobernanza, pero no es lo mismo, y la responde el escaneo de trabajo de FTE TO AI, que calcula por tarea qué parte del trabajo puede ser asumida por la IA.
Vraag maar. Governance begint bij weten wat er draait — ook wat niemand heeft goedgekeurd.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.