La inteligencia artificial es definida como "la capacidad de un sistema para interpretar correctamente datos externos, para aprender de dichos datos y emplear esos conocimientos para lograr tareas y metas concretas a través de la adaptación flexible".

Estamos hablando entonces de programas o algoritmos matemáticos que utilizan gran cantidad de datos para que, de manera iterativa, generen resultados cada vez más exactos de acuerdo a un modelo de aprendizaje. Si bien la lógica detrás de estos algoritmos es relativamente simple, no quiere decir que puedan resolver todos los problemas o que se pueda construir un cerebro humano tal como lo conocemos, al menos por algún tiempo. Es decir, se puede obtener cierta inteligencia con muy buenos resultados para resolver problemas adecuadamente definidos. Hay ejemplos de IA que solemos utilizar a diario, como los navegadores de internet, los chatbot, que responden preguntas generales, las aplicaciones que reconocen imágenes e, incluso, aparatos médicos para diagnóstico temprano de determinadas afecciones.

El avance de este tipo de inteligencia se ha visto acelerado gracias al exponencial crecimiento -siguiendo la ley de Moore- de la capacidad de almacenaje y procesamiento de datos que las computadoras han adquirido; más la irrupción del Big Data, o la posibilidad de explotar una gran cantidad de datos para crear diferentes aplicaciones.

También a que en los últimos años varias empresas líderes como Google, Microsoft o IBM han publicado sus bibliotecas de código abierto para construir y entrenar redes neuronales y así detectar y descifrar patrones y correlaciones, análogos al aprendizaje y razonamiento usados por los humanos.

De esta manera, prácticamente cualquier persona o empresa puede hoy armar su propia red neuronal para resolver problemas que cumplan determinados requisitos, básicamente: que exista suficiente cantidad de datos y estos tengan incidencia en un resultado medible, y que sea posible cuantificar la mejora obtenida, ya sea en tiempo, recursos o calidad de los resultados.

Quizás muchos de nosotros comprendamos la importancia de generar datos, aunque pocos hayamos pensado en cómo encarar posibles aplicaciones derivadas de su gestión. Algunas de ellas podrían consistir en:

Optimizar propuestas comerciales al encontrar la mejor solución dentro de un grupo relativamente extenso de resultados posibles.

Generar gráficos más inteligibles al obtener nuevos puntos partiendo del conocimiento de un conjunto discreto de puntos.

Clasificar más rápidamente elementos en categorías.

Predecir resultados dado un conjunto de variables que cambian en el tiempo, suponiendo que haya un patrón o tendencia, como podría ser la predicción de vientos o de variables económicas.

¿Cuántas aplicaciones podría tener la IA en comercio exterior y logística? Pueden ir desde la optimización de tiempos para el retiro y consolidación de contenedores hasta para la carga de camiones en función de tiempos históricos de despacho, así como también en la reducción de riesgos derivados de la clasificación arancelaria, y pasando por la predicción de posibles incumplimientos en la entrega internacional. Prácticamente, las oportunidades de mejora son incalculables. El desafío es producir una suficiente cantidad de datos, de forma tal que se justifique la instrumentación de soluciones IA. Sin dudas que es el Gobierno quien dispone por naturaleza de una mayor cantidad de información relacionada a los procesos aduaneros y de comercio exterior, y que por razones de seguridad informática y de protección de datos personales aquella no puede ser entregada a terceros sin un pormenorizado estudio previo y rigurosos procedimientos de control. Pero eso no quita que, sin descuidar esto último, exista la posibilidad de generar mejoras concretas y tangibles de costos para la industria a través de su explotación. El tiempo de permanencia de contenedores en los puertos, de despacho aduanero según el canal de verificación y la posición georreferencial de los camiones disponibles, son solo algunos ejemplos de datos que podrían utilizarse para optimizar la logística. Incluso con el incipiente crecimiento de los Trámites a Distancia (TAD) se están generando cada vez más datos que podrían ser explotados con este mismo fin.

Por el lado privado, y aprovechando este impulso oficial hacia la tecnificación, existen algunos desarrollos informáticos que -con una adecuada estrategia de crecimiento en la nube- podrían avanzar en este mismo sentido. Incluso algunos ya cuentan con grandes cantidades de datos de las operaciones aduaneras al digitalizar y custodiar los legajos de las declaraciones. Asimismo, algunas asociaciones privadas como cámaras empresarias o agencias de carácter semipúblico podrían pensar en generar aplicaciones orientadas a dar solución operativa a eslabones específicos dentro de la cadena logística internacional, y de esa manera generar datos en cantidad suficiente para que luego, a través de una solución de IA, aquellos puedan ser optimizados.

Está claro que con pocos cambios es posible generar grandes logros. Cabría entonces preguntarnos cuáles son nuestros principales procesos de negocios, es decir, los que mayor valor generan y cuáles son las causas más usuales de pérdida de calidad y eficiencia. Luego, revisar si se están produciendo y registrando los datos referidos a los puntos críticos de esos procesos y sus resultados, y por último si es posible aplicar un algoritmo para obtener información que permita optimizarlo. No debemos exagerar, pero tampoco dejarnos estar frente a las nuevas tecnologías que de a poco comienzan a irrumpir en nuestra vida cotidiana y, en especial, en los negocios.