Optimización de rutas en el transporte por carretera: más entregas, menos kilómetros

Una ruta de reparto con 15 paradas puede hacerse de 653.837.184.000 maneras distintas. Cada mañana, un planificador elige uno, casi siempre con experiencia, un mapa y una hoja de cálculo. Los buenos planificadores conocen las carreteras, los clientes y los conductores, y sus rutas rara vez son malas. También rara vez son las más cortas, porque nadie puede comparar más que un puñado de las alternativas.

La optimización de rutas es software que busca entre esas alternativas el plan con menos kilómetros desperdiciados, dentro de las reglas que un día real tiene que cumplir: ventanas de entrega, capacidad de los vehículos y tiempos de conducción. Este artículo profundiza en lo que mostramos en el episodio 2 de AI Xplained. Empieza por lo que cuesta un kilómetro a una flota europea, explica por qué el problema es demasiado grande para resolverlo a mano y cómo lo resuelve el software, y después repasa los resultados, lo que necesita un proyecto, dónde fallan los proyectos, qué dice la ley y cómo empezar con un almacén y una semana.

Cuánto cuesta un kilómetro a una flota europea

La mayor parte del coste de un camión de reparto sigue a las horas que pasa en la carretera y a la distancia que recorre. En el índice francés de referencia para camiones rígidos regionales, el tipo de vehículo que hace muchas de las rutas de reparto, el conductor supone el 36,8% del total, el combustible el 16,3%, el mantenimiento el 7,1%, las dietas el 3,6% y los peajes e impuestos de circulación el 1,4% (CNR, 2026). Juntos, son el 65% del coste. El resto es el propio vehículo y la estructura de la empresa.

El orden importa. En la distribución, el conductor cuesta más del doble que el gasóleo, así que una ruta más corta ahorra primero horas y después combustible. Y las dos cosas son cada vez más difíciles de conseguir:

• Conductores. Europa tiene más de 502.000 puestos de conductor de camión sin cubrir, 13 de cada 100, y 660.500 conductores se jubilarán en los próximos cinco años (IRU, 2026). Cada hora que una ruta desperdicia es una hora de un conductor que el sector no tiene.
• Combustible. A mediados de marzo de 2026, el seguimiento de la IRU mostraba el gasóleo un 20% más caro en la UE. El segundo régimen europeo de comercio de derechos de emisión (ETS2), que pone precio al carbono de los combustibles de carretera a partir de 2028, podría añadir alrededor de un 10% al precio del gasóleo, con el carbono a entre 50 y 100 € por tonelada de CO2 (IRU, 2026).
• Emisiones. Los vehículos pesados producen más de una cuarta parte de las emisiones de gases de efecto invernadero del transporte por carretera en la UE y más del 6% de todas las emisiones de la UE (Comisión Europea, 2026).

Además está la distancia recorrida sin nada a bordo. Alrededor de una quinta parte de los kilómetros de los vehículos de mercancías matriculados en la UE se hacen en vacío, el 21,6% en 2024 (Eurostat). La mayor parte son regresos y reposicionamientos, y eso es un problema de encontrar carga. La optimización de rutas ataca otro desperdicio: los kilómetros de más que se recorren dentro de las rutas de reparto, con la mercancía a bordo, porque las paradas van en el orden equivocado.

Una fórmula sencilla pone cifra a la parte de las rutas:

Kilómetros al año × porcentaje de kilómetros ahorrados × coste variable por kilómetro = ahorro anual

Como ejemplo, un almacén con 15 vehículos que recorren 60.000 km al año cada uno suma 900.000 km. Ahorrar un 5% de esa distancia, una hipótesis prudente frente a los resultados publicados más abajo, elimina 45.000 km, tres cuartas partes de lo que recorre un vehículo en un año. Con un coste variable de 0,80 € por kilómetro, son 36.000 € al año. Las cifras son un ejemplo, no una referencia. Usa tu coste variable y no el coste total por kilómetro: el vehículo y la estructura se pagan tanto si la ruta es corta como si es larga.

Por qué nadie puede probar todas las rutas

El número de rutas posibles se dispara con cada parada. Para un solo vehículo que sale del almacén, pasa una vez por cada parada y vuelve, el número de rutas distintas es n!/2, donde n es el número de paradas, contando cada ruta y su inversa como una sola:

• 5 paradas: 60 rutas posibles.
• 10 paradas: 1.814.400.
• 15 paradas: 653.837.184.000.
• 20 paradas: unos 1,2 × 10¹⁸, un número de 19 cifras.

Cuando el sentido importa, como ocurre con las ventanas de entrega, el número se duplica.

Un ordenador que probara mil millones de rutas por segundo necesitaría unos 11 minutos para probar todas las rutas de 15 paradas, y casi 39 años para las de 20. Y un almacén real no planifica un vehículo con 20 paradas. Planifica varios vehículos con cientos de paradas, y cada parada puede ir en cualquiera de ellos.

Después llegan las reglas que hacen que un plan sea utilizable: un cliente que solo recibe entre las 8:00 y las 10:00, un camión rígido que se llena con 18 palés, una calle prohibida a camiones de más de 12 toneladas, una zona de bajas emisiones. Y, en Europa, los tiempos de conducción: la conducción diaria no puede superar 9 horas, ampliables a 10 horas dos veces por semana; la conducción semanal tiene un límite de 56 horas y la de dos semanas de 90; es obligatoria una pausa de al menos 45 minutos tras cuatro horas y media, y el descanso diario es, por norma general, de al menos 11 horas (Reglamento (CE) n.º 561/2006). Cada regla quita rutas de la lista, pero también hace que las que quedan sean más difíciles de encontrar.

Por eso los métodos exactos, que demuestran que un plan es el mejor posible, han estado durante mucho tiempo limitados a casos pequeños. En 2007, investigadores del SINTEF, el instituto de investigación noruego, escribieron que los métodos exactos no podían resolver de forma consistente, en un tiempo razonable, problemas de más de 50 a 100 clientes, y que los métodos aproximados eran la única vía viable a escala industrial (Hasle y Kloster, 2007). Los métodos exactos han mejorado desde entonces, pero la planificación diaria con ventanas de entrega y tiempos de conducción sigue basándose sobre todo en búsqueda heurística.

Cómo funciona la optimización de rutas

El software nunca prueba todas las rutas. Busca en cuatro pasos.

1. Leer el día. Pedidos, direcciones, ventanas de entrega, cantidades, vehículos y su capacidad, conductores y turnos. También necesita los tiempos de viaje entre cada par de paradas, idealmente por hora del día, porque 20 minutos a las 6:00 pueden ser 45 a las 8:30.

2. Construir un primer plan. Un método rápido asigna cada parada a un vehículo y a una posición, por ejemplo insertando cada parada donde añade menos distancia. El primer plan cumple las reglas, pero rara vez es bueno.

3. Mejorarlo, movimiento a movimiento. El software prueba pequeños cambios y se queda con los que acortan el plan sin romper ninguna regla: invertir un tramo de una ruta, pasar una parada a otro vehículo, intercambiar dos paradas entre rutas. Los mejores métodos también aceptan de vez en cuando un plan peor, para salir de una solución que solo parece buena porque cualquier cambio pequeño la empeora. Se detiene cuando se acaba el tiempo o cuando nada mejora. El resultado es un plan muy bueno, sin prueba de que sea el mejor posible, y llega en segundos o minutos.

4. Replanificar cuando el día cambia. Cuando el tráfico, un pedido nuevo o una cancelación cambian el día, el software replanifica lo que queda, desde donde está cada camión.

La búsqueda en sí viene de la investigación operativa, las matemáticas de la planificación. El aprendizaje automático se gana su lugar en los datos de entrada: aprende los tiempos reales de viaje por carretera y por hora a partir del historial de GPS que los camiones ya registran, y cuánto tarda de verdad cada cliente en descargar. Una búsqueda perfecta sobre tiempos de viaje erróneos da un plan que falla antes de las 10:00. El transporte también va retrasado en IA en general: en 2025, el 11% de las empresas de transporte y almacenamiento de la UE con 10 o más empleados usaba al menos una tecnología de IA, frente al 20% del total de empresas (Eurostat, 2025).

El último paso es humano. El planificador revisa el plan, lo modifica donde sabe algo que los datos no saben, y lo aprueba. Escribimos sobre cómo diseñar esas aprobaciones sin frenar la operación en Humano en el circuito.

Qué dicen los resultados

La investigación y los casos prácticos apuntan en la misma dirección, con una salvedad: la ganancia depende de lo bueno que ya sea el plan actual.

• El rango de referencia. En el libro de referencia sobre el tema, Paolo Toth y Daniele Vigo, de la Universidad de Bolonia, indican que la planificación informatizada de la distribución ahorra, en general, entre un 5% y un 20% de los costes totales de transporte (Toth y Vigo, 2002).
• Un distribuidor europeo. Un distribuidor croata de productos de gran consumo, con 50 a 60 vehículos y unos 1.400 pedidos al día, usó un sistema de optimización de entregas en la planificación diaria durante más de cuatro años. Redujo los costes totales de distribución, sustituyó cuatro de sus ocho almacenes por puntos satélite sin stock y pasó a aceptar más pedidos sin comprar vehículos. Cuando pasó a días fijos de entrega por zona, una simulación sobre un mes de pedidos reales proyectó un 26% menos de distancia que las rutas realmente hechas, un 15% menos de salidas de vehículos (de 596 a 506) y un 78% menos de horas extra, esto último en parte porque el responsable de tráfico relajó los límites de jornada (Galić, Carić y Fosin, 2013). Estas cifras salen de una simulación, no de resultados medidos, y suman un nuevo modelo de reparto a la optimización.
• Distribución de prensa. Investigadores del SINTEF informaron de rutas entre un 2% y un 25% más cortas en duración total, en casos industriales de distribución de periódicos, en una presentación que no indica el punto de comparación (Hasle, Kloster y Smedsrud, 2010).

En nuestra experiencia, las rutas densas, con muchas paradas y ventanas estrechas, son las que más ganan, porque ahí es donde la planificación humana llega a su límite. Un camión con dos descargas al día gana poco.

Qué necesita: tres cosas

Tus pedidos. Paradas, direcciones, ventanas y cantidades, desde el sistema de pedidos o el TMS que el equipo ya usa.

El historial de GPS que tus camiones ya registran. Los datos de telemática y del tacógrafo dan los tiempos reales de viaje por carretera y por hora, y los tiempos reales de descarga por cliente. La ley europea ayuda en ambas cosas. Desde el 19 de agosto de 2025, los vehículos pesados matriculados en la UE que circulan en otro Estado miembro deben llevar la segunda versión del tacógrafo inteligente, que también registra los cruces de frontera y las operaciones de carga y descarga; los vehículos comerciales ligeros de más de 2,5 toneladas en transporte internacional se suman a partir del 1 de julio de 2026 (Comisión Europea, 2025). Y desde el 12 de septiembre de 2025, el Data Act da a los usuarios de productos conectados, camiones incluidos, el derecho a acceder a los datos que generan sus vehículos y a compartirlos con un tercero de su elección (Reglamento (UE) 2023/2854). Fabricantes como Volvo Trucks ya publican cómo pueden solicitarlos las flotas, a través de sus plataformas de telemática o de la interfaz FMS (Volvo Trucks, 2025). Una flota puede obtener su propio historial de GPS aunque esté en la plataforma de un proveedor. Cuando esos datos identifican a conductores, el RGPD sigue aplicándose.

Un planificador que aprueba cada ruta. El optimizador propone, el planificador decide. Lo que sabe de clientes y carreteras se convierte en las reglas que mejoran el siguiente plan.

Dónde falla

En nuestra experiencia, cuando los proyectos fallan, la causa es una de esas tres piezas, rara vez el algoritmo.

• Direcciones erróneas. Una parada situada a 2 km de la puerta real estropea un buen plan, y muchos sistemas de pedidos nunca se diseñaron para geolocalizar direcciones.
• Tiempos de descarga a ojo. Si todos los clientes se planifican a 10 minutos, el cliente que siempre tarda 40 desbarata todas las rutas que vienen detrás.
• Reglas que nadie escribió. El muelle donde no cabe un articulado, el cliente que solo abre la puerta trasera. Los planificadores guardan esto en la cabeza, y el optimizador ignora lo que no se le dice.
• Cambios que no enseñan nada. Un planificador que cambia una ruta sin anotar por qué resuelve el día de hoy y repite el problema mañana. Cada cambio debería convertirse en una regla o en una corrección de los datos.

Los datos no necesitan estar perfectos para empezar, como explicamos en Tus datos no necesitan estar perfectos, pero estas cuatro carencias hay que cerrarlas pronto.

La parte legal

Los tiempos de conducción son un límite estricto dentro del plan, como vimos arriba. La otra norma a revisar es el AI Act. Planificar rutas, paradas y vehículos no está en su lista de usos de alto riesgo. La frontera está en el conductor. Un sistema de IA que asigna tareas en función del comportamiento individual o de rasgos personales, o que supervisa y evalúa el rendimiento y el comportamiento de los trabajadores, es de alto riesgo (Reglamento (UE) 2024/1689, Anexo III). Un optimizador que planifica paradas dentro de los límites legales de conducción queda fuera de esa categoría. Un sistema que además puntúa a los conductores y les asigna trabajo según esa puntuación queda dentro. Entre los dos hay una zona gris: un optimizador que asigna rutas a conductores concretos según lo que ha aprendido de cada uno, como su velocidad o sus tiempos de descarga, puede considerarse asignación de tareas basada en el comportamiento individual. Con los cambios al AI Act acordados en 2026, las obligaciones de estos sistemas de alto riesgo se aplicarán a partir del 2 de diciembre de 2027. La supervisión de los conductores por GPS también tiene límites en el RGPD y en la legislación laboral de cada país. Los casos concretos deben confirmarse con asesores jurídicos. Nuestro artículo sobre el AI Act para quien dirige operaciones cubre el resto.

Cómo empezar: un almacén, una semana

Día 0. Elegir el almacén y medir el punto de partida. Elige el que tenga más paradas al día. Registra los kilómetros por parada, las paradas por ruta, las entregas a tiempo y las horas extra actuales. Sin punto de partida no hay resultado. Fijar esa medida antes de que empiece el proyecto es el tema de Cómo medir el retorno de un proyecto de IA antes de empezar.

Semana 1. Planificar en paralelo. Los planificadores planifican como siempre y los camiones hacen sus rutas habituales. El optimizador planifica los mismos pedidos al margen. Al final de cada día, se comparan los dos planes: kilómetros, vehículos, horas y ventanas incumplidas. Todavía no cambia nada en la carretera.

Semanas 2 a 12. Ponerlo en marcha y medir. Los planificadores parten del plan optimizado y lo ajustan. Cada ajuste se convierte en una regla o en una corrección de los datos. Cada semana, se comparan los resultados con el punto de partida.

Volviendo al ejemplo: un almacén que recorre 900.000 km al año y ahorra un 5% elimina 45.000 km y 36.000 € de costes variables al año. Una semana en paralelo no demuestra el año entero. Sirve para mostrar, con los pedidos del propio almacén, a qué distancia está el plan actual del mejor que el software puede encontrar.

Más entregas, menos kilómetros

La optimización de rutas es una disciplina madura. Lo que ha cambiado es todo lo que la rodea: los conductores son más difíciles de encontrar, el combustible y el carbono son más caros, y la ley europea ahora registra dónde cargan y descargan los camiones en transporte internacional y da a las flotas el derecho a sus propios datos. Las horas y los kilómetros que un plan mejor elimina pueden salir de la factura o usarse para hacer más entregas con la misma flota.