Durante la celebración de ARIS 2026, ABB Robotics lideró uno de los grupos de trabajo de la jornada, centrado en la integración de robótica e inteligencia artificial en entornos logísticos. La sesión, conducida por Olivier Pommares, responsable comercial de Logística de la compañía, permitió abrir una conversación sobre el papel real que puede jugar la IA en almacenes y centros de distribución, más allá del discurso general que rodea a esta tecnología.
El grupo reunió a profesionales procedentes de ámbitos como la consultoría operativa, la distribución alimentaria, la logística 3PL, el retail, la automoción, la industria y la distribución especializada. Esta diversidad permitió contrastar el grado de madurez de la IA desde realidades muy distintas: desde compañías con almacenes ya robotizados hasta operadores que están replanteando cómo incorporar automatización desde el diseño inicial de sus operaciones.
Mucho interés, pero todavía pocas aplicaciones claras en almacén
La conversación partió de una idea compartida: la inteligencia artificial ya forma parte del debate logístico, pero su aplicación directa en la operativa diaria todavía genera dudas. En áreas como administración, facturación, atención al cliente o comercio electrónico, los usos parecen más evidentes; sin embargo, dentro del almacén cuesta más identificar casos con retorno claro.
Uno de los participantes resumió esta dificultad al señalar que todavía no ve “una aplicación real que aporte una mejora y un valor añadido” en la parte operativa del almacén. La cuestión, por tanto, no pasa solo por incorporar IA, sino por entender qué problema resuelve, qué datos necesita y qué impacto puede generar.
En este punto, el grupo diferenció entre automatización avanzada e inteligencia artificial aplicada. No todo sistema automatizado puede considerarse IA: el salto aparece cuando la tecnología interpreta información, se adapta a una situación variable o ayuda a tomar mejores decisiones dentro del proceso.
Datos y ciberseguridad, antes que tecnología
Uno de los debates más relevantes giró en torno al uso de datos. Para que la IA aporte valor necesita información suficiente y de calidad, pero en logística esa información suele estar vinculada a clientes, procesos internos y operaciones críticas.
“El control de los procesos logísticos es el corazón de nuestras compañías”, apuntó uno de los asistentes, en referencia al valor estratégico de esa información. En la misma línea, se recordó que muchas empresas trabajan bajo estándares como la ISO 27001, lo que limita la posibilidad de volcar datos sensibles en motores externos.
La conclusión fue clara: antes de hablar de grandes aplicaciones, el sector necesita resolver dónde se alojan los datos, quién los controla y bajo qué condiciones pueden alimentar soluciones de inteligencia artificial.
Visión artificial: donde la IA empieza a aterrizar
Frente al discurso más abstracto, ABB centró parte de la sesión en aplicaciones concretas vinculadas a la visión artificial y la robótica. Pommares explicó que una de las líneas de trabajo pasa por que el robot no solo ejecute una secuencia fija, sino que sea capaz de interpretar lo que tiene delante.
En procesos de despaletizado o paletizado, la visión permite reconocer cajas descolocadas, detectar volúmenes, identificar productos o ajustar la forma de coger y colocar una referencia. “Antes necesitábamos una secuencia mucho más rígida; ahora el sistema puede mirar, interpretar y ajustar la acción del robot”, explicó Pommares.
También se abordaron aplicaciones en inducción a sorter, clasificación de productos, fashion o manipulación de referencias con pesos y formatos distintos. En estos casos, la IA puede ayudar a adaptar movimientos, reducir errores y mejorar procesos donde la variabilidad del producto dificulta la automatización tradicional.
Modelos concretos y soluciones flexibles
Otro de los puntos destacados fue la necesidad de entender la IA no como una solución general, sino como modelos específicos entrenados para casos concretos. Durante la sesión se habló de modelos para reconocer prendas, detectar defectos, interpretar códigos incompletos o decidir si una caja deformada debe seguir adelante o ser rechazada.
“En casos muy particulares vamos creando modelos para cada aplicación, y luego esos modelos se pueden ir actualizando”, señaló Pommares. Este enfoque abre también el debate sobre quién debe entrenar esos modelos: el proveedor, el cliente o perfiles internos especializados.
La sesión concluyó con una idea de fondo: la IA en logística necesita bajar del concepto al caso de uso. Puede tener recorrido en visión artificial, paletizado, despaletizado, inducción, secuenciación o apoyo a robots móviles, pero su implantación exige madurez en los datos, seguridad, entrenamiento y una evaluación realista del retorno.
En los próximos días, C de Comunicación continuará con la cobertura de los grupos de trabajo de ARIS 2026, donde se seguirán recogiendo las principales conclusiones y aprendizajes compartidos durante la jornada.
