Coreografía: ruta y asignación bajo restricción real
La IA optimiza ruta y asignación rápido, pero la optimización matemáticamente perfecta puede ser operativamente imposible. Esta lección muestra cómo auditar la restricción real antes de correr cualquier plan que la IA consideró óptimo.
Le pides a la IA que arme la ruta de entrega más barata del día, con quince paradas. Devuelve en segundos una secuencia que ahorra 40 kilómetros contra la ruta de ayer, bonita, redonda, parece perfecta. Solo que esa ruta hace que el camión pase por una avenida con restricción de circulación de vehículo pesado después de las ocho de la mañana, y la tercera parada es un cliente que solo recibe carga entre las diez y las once, ventana que la ruta "óptima" excede por veinte minutos. En el papel, la ruta es la mejor posible. En la calle, no funciona.
La IA sugirió la asignación "óptima" de capital de trabajo entre tres proveedores para maximizar el descuento por pago anticipado, ignorando que uno de los contratos tiene cláusula de exclusividad que prohíbe pagarle a dos proveedores competidores en la misma semana. El plan parecía perfecto en la planilla y rompía una cláusula que nadie le había informado a la IA.
Le pidieron a la IA optimizar la distribución de casos entre los abogados del equipo, equilibrando la carga de trabajo. Asignó perfecto según el volumen de casos, solo que ignoró que dos de los casos exigen el mismo abogado por conflicto de interés con otro caso, una restricción que solo existe en el histórico del estudio, no en ninguna planilla que la IA haya visto.
La IA optimizó la asignación de presupuesto entre canales para maximizar el alcance previsto, ignorando que uno de los canales tiene un contrato mínimo de inversión trimestral ya firmado. La asignación "eficiente" cortaría ese canal a cero, violando un compromiso contractual que no estaba en los datos que recibió.
La IA optimizó la escala de guardia médica del mes, minimizando el número total de cambios. El resultado óptimo colocaba al mismo profesional en dos guardias seguidas sin el intervalo mínimo de descanso exigido por norma, una restricción legal que no estaba explícita en el pedido.
Le pidieron a la IA priorizar y asignar squads entre features para maximizar el valor entregado en el trimestre. La asignación óptima ignoraba que dos features dependen de la misma API que solo un equipo puede modificar a la vez, una restricción técnica de secuenciación que la IA no tenía forma de saber sin que se lo informaran.
La IA optimizó la distribución de cuentas entre vendedores para equilibrar el potencial de ingresos. El plan óptimo le dio la cuenta más grande a un vendedor que ya está en el límite de cuentas simultáneas que puede atender bien, una restricción de capacidad que existe en la práctica y no en ningún CRM.
En el centro de distribución, la IA recibió el pedido de optimizar la asignación de siete conductores para veintidós entregas del día, minimizando el tiempo total de ruta. Devolvió una distribución elegante, con el menor tiempo sumado de todas las opciones probadas. El problema apareció a las nueve de la mañana: uno de los conductores, en la asignación "óptima", quedaría con una jornada de diez horas seguidas, superando la jornada máxima permitida por ley y por convenio colectivo. Otro conductor quedaría asignado a dos entregas que, juntas, exceden la capacidad de peso de su vehículo, no de volumen, de peso. La IA optimizó exactamente lo que se le pidió, el tiempo total, pero nadie le dijo que existía un límite de jornada y un límite de peso. El gerente solo se dio cuenta a tiempo porque revisó la asignación línea por línea antes de despachar, comparándola contra la lista de restricciones que él mismo mantiene en una planilla aparte.
Le pidieron a la IA optimizar el cronograma de auditorías internas del año, minimizando el desplazamiento entre unidades. El cronograma óptimo agrupaba dos auditorías en la misma semana que, por norma interna, deben ser conducidas por auditores distintos y nunca en paralelo en la misma región, una restricción de segregación que no estaba en el pedido.
La IA optimizó la asignación de instancias de servidor entre servicios para minimizar el costo de nube. El plan óptimo reducía la capacidad de un servicio por debajo del mínimo de redundancia exigido por el contrato de SLA con el cliente, una restricción contractual que no estaba en los números de costo que recibió.
Le pidieron a la IA optimizar la agenda de pruebas de usabilidad de la semana, maximizando el número de sesiones por día. La agenda óptima marcaba sesiones consecutivas sin intervalo para transcribir las observaciones mientras aún estaban frescas, una restricción de calidad de investigación que no estaba explícita en el pedido.
Le pidieron a la IA optimizar la asignación de squads entre tres iniciativas del trimestre, maximizando el impacto esperado sumado. La asignación óptima concentraba todo en una única persona clave que ya está comprometida en otro proyecto crítico, una restricción de disponibilidad que solo existe en la cabeza del gerente, no en ningún sistema.
Ok, hay una trampa silenciosa en toda optimización: el resultado puede ser perfecto en el papel e imposible en la calle. La IA es óptima para encontrar la mejor combinación dentro de lo que le dijiste. El problema es cuando no le dijiste todo, y ella nunca lo va a notar sola, porque para ella, si nadie mencionó que existe una restricción, esa restricción simplemente no existe.
La idea central de esta lección. La IA optimiza la combinatoria increíblemente bien: ruta, asignación, distribución de carga, prueba más combinaciones en minutos de las que probarías manualmente en un día. Pero solo optimiza dentro de las restricciones que le diste. Si una restricción real (jornada máxima, ventana de entrega, capacidad de peso, contrato de exclusividad, regla de seguridad) no entró en el pedido, el plan "óptimo" puede violar exactamente esa restricción, con la misma confianza de un plan correcto. Por eso, antes de correr cualquier plan que la IA consideró óptimo, lo auditas contra tu lista de restricciones reales, escrita a mano.
01Lo que la IA optimiza bien: la combinatoria
Ruta, asignación y distribución de carga son, en el fondo, problemas de combinatoria: existen muchas formas de organizar las piezas, y quieres la mejor según algún criterio, menor distancia, menor costo, menor tiempo total. Probar esas combinaciones a mano es lento y, en la práctica, nadie las prueba todas, pruebas dos o tres variaciones y eliges la que parece mejor.
La IA cambia ese juego de verdad. Prueba cientos de combinaciones en segundos y devuelve la que optimiza el criterio que pediste. Eso es ganancia real, y es exactamente donde debe usarse: la parte de generar y comparar variaciones es trabajo mecánico de búsqueda, y la búsqueda en volumen es la fuerza de la máquina, no la tuya.
02Lo que sigue siendo tuyo: listar las restricciones reales
Aquí está el punto sobre el que gira toda la lección. Antes de pedir cualquier optimización, necesitas listar, por escrito, las restricciones que el plan TIENE que respetar, porque la IA no inventa esas restricciones sola. Si no se lo dices, optimiza como si no existieran.
Piensa en las restricciones que aparecen todas las semanas en una operación real:
- Jornada máxima del conductor o colaborador, definida por ley y por convenio colectivo, no por sentido común.
- Ventana de entrega o de atención, el cliente solo recibe o solo es atendido dentro de un horario específico.
- Capacidad real del vehículo o del recurso, peso y volumen por separado, porque un plan puede caber en el volumen y exceder el peso.
- Contrato de exclusividad o de secuenciación, cosas que existen en un papel firmado, no en un sistema que la IA consulta.
- Regla de seguridad, dos cargas que no pueden viajar juntas, dos procesos que exigen personas distintas por conflicto de interés.
Esta lista no viene de ningún lugar mágico. Viene de ti, de quien conoce la operación por dentro, y necesita estar escrita antes de pedir la optimización, no revisada después de ver el resultado bonito.
03El peligro central: lo óptimo en el papel puede ser imposible en la práctica
Aquí vive el riesgo que le da nombre a la lección. La IA entrega el plan más eficiente según el criterio pedido, con la misma confianza de siempre, sea operativamente posible o no. Una ruta más corta puede cruzar una calle con restricción de circulación de camión pesado. Una asignación "eficiente" puede exceder la jornada de un conductor. Un plan de distribución puede juntar dos cargas que no pueden viajar en el mismo vehículo por norma de seguridad.
Fíjate que la ruta de la derecha no es la "mejor" según el criterio original de distancia. Es la mejor según los criterios que de hecho importan, incluyendo los que no entraron en el primer pedido. Esto no es falla de la IA, es falla del pedido: optimizó exactamente lo que se describió, y lo que se describió estaba incompleto. Guarda esa frase, porque se aplica a casi todo desastre de optimización: la máquina no se equivoca en la cuenta, responde exactamente a la pregunta que hiciste, y el problema vive en la pregunta.
04La auditoría de la restricción, antes de correr cualquier plan
La defensa es simple de describir y fácil de saltarse cuando aprieta la prisa. Antes de aceptar cualquier plan que la IA consideró óptimo, lo confirmas contra tu lista de restricciones reales, escrita antes, no contra la sensación de "parece razonable" que transmite el plan bonito.
El checklist tiene tres pasos. Primero, lista las restricciones reales por escrito, antes de pedir la optimización, no después de ver el resultado. Segundo, confirma cada restricción de la lista contra el plan que la IA devolvió, una por una, sin saltarte ninguna solo porque el resto parece correcto. Tercero, para cada restricción violada, calcula el costo real de correr así de todos modos, multa, riesgo laboral, contrato roto, y decide si vale más ajustar el plan o aceptar el costo conscientemente.
El marco económico cierra el argumento. La ganancia de eficiencia de una ruta unos kilómetros más corta es pequeña frente al costo de un conductor excediendo su jornada y volviéndose un pasivo laboral, o de un contrato de exclusividad roto que cuesta la relación entera con un socio. La optimización matemática solo vale la pena dentro de la restricción del mundo real; fuera de ella, la ganancia en el papel se vuelve pérdida en la práctica.
Hazlo ahora
Toma una decisión real de ruta, asignación o distribución que tomas con frecuencia, tu tarea real u otra.
- Antes de pedirle cualquier optimización a la IA, lista por escrito las restricciones reales que el plan tiene que respetar: jornada, ventana de horario, capacidad de peso y volumen, contrato, regla de seguridad, lo que aplique a tu caso.
- Pídele la optimización a la IA, dando el criterio que quieres minimizar o maximizar, pero SIN mencionar todavía la lista de restricciones, solo para ver qué devuelve de entrada.
- Confirma el plan de la IA contra cada ítem de tu lista, uno por uno. Marca cuáles restricciones violó el plan.
- Rehaz el pedido incluyendo explícitamente las restricciones que faltaron, y compara los dos planes. El segundo suele ser un poco menos "eficiente" en el papel, e infinitamente más posible en la práctica.
Practica
1. En la optimización de ruta o asignación con IA, ¿qué sigue siendo tuyo y la IA no hace sola?
2. ¿Por qué una ruta o asignación 'óptima' entregada por la IA puede ser operativamente imposible?
Para la pizarra
Sobre el punto ciegopara la IA, una restricción que nadie mencionó simplemente no existe.
Sobre lo que es tuyolistar las restricciones reales antes de correrlo. Ella optimiza la combinatoria, no descubre la realidad.
Sobre el óptimo imposiblela máquina responde a la pregunta que hiciste. Un plan que viola una restricción sale con la misma cara de certeza que uno correcto.
Gracias por el feedback. Esto ayuda a afinar la próxima lección.