Grab desarrolla robótica propia para reducir los costes de entrega.

El aumento de los gastos laborales y la reducción de los márgenes de beneficio de las entregas están llevando a los principales operadores de plataformas, como Grab, a explorar la automatización. Su adquisición de la startup de movilidad robótica Infermove representa un paso estratégico para desarrollar conocimientos internos en robótica.

Grab opera a una escala en la que pequeñas mejoras en la eficiencia pueden tener un impacto significativo. Su plataforma facilita millones de entregas en todo el sudeste asiático, muchas de ellas realizadas por conductores de scooters y bicicletas que se desplazan por entornos urbanos densamente poblados. Esta complejidad limita de forma inherente el grado en que la automatización puede sustituir a los trabajadores humanos. Con la adquisición de una empresa especializada en robots para entornos reales impredecibles, Grab muestra su convicción de que la inteligencia artificial en el mundo físico ha madurado lo suficiente como para su implementación más allá de los programas piloto controlados.

Automatización de las entregas cerca de las funciones empresariales básicas

En lugar de depender de sistemas estandarizados y prefabricados, Grab ha optado por internalizar el ciclo de desarrollo. La tecnología de Infermove está diseñada para aprender de datos de movimiento reales, incluidos los patrones de los vehículos de reparto no motorizados. En la práctica, esto significa que los robots se entrenan en cómo las personas se desplazan realmente por las aceras, los pasos de peatones y los puntos de reparto concurridos, en lugar de en entornos simulados idealizados.

Para un gigante de las entregas como Grab, esta diferencia es fundamental. Las simulaciones ayudan al desarrollo inicial, pero a menudo no tienen en cuenta los escenarios inusuales que definen la logística urbana del mundo real. La internalización de este proceso de aprendizaje permite a Grab configurar el funcionamiento de la automatización dentro de sus límites operativos específicos, en lugar de reestructurar toda su red de entregas para adaptarse a una solución de terceros.

Desde el punto de vista de la estrategia corporativa, el valor fundamental reside en un mayor control. Ser propietario de la tecnología subyacente otorga a Grab una mayor influencia sobre la velocidad de implementación, el alcance operativo y las decisiones de coste-beneficio. También disminuye la dependencia a largo plazo de proveedores externos cuyos objetivos estratégicos pueden no coincidir con la presencia regional o las condiciones económicas de Grab.

Sin embargo, la automatización no se plantea como un sustituto total del personal de reparto humano. Aunque los robots asuman ciertos segmentos del flujo de trabajo, las personas siguen siendo esenciales para la prestación del servicio. El enfoque de Grab parece centrarse en aplicaciones específicas, como tareas repetitivas y de corta distancia en segmentos estructurados de primera o última milla. En estas áreas, los robots podrían ayudar a gestionar los picos de demanda, reducir los retrasos durante los periodos de mayor actividad y aliviar la presión durante la escasez de mano de obra.

Controlar los costes sin perder calidad en el servicio

Durante una reunión interna celebrada el pasado mes de diciembre, el director de tecnología de Grab, Suthen Thomas, calificó los avances de Infermove como «impresionantes», destacando tanto su capacidad técnica como su temprana aplicación comercial. También afirmó que la startup seguiría operando de forma independiente, con su fundador reportando directamente a él. Esta estructura indica que Grab da prioridad a la ejecución eficaz y la continuidad del negocio por encima de una rápida fusión organizativa.

Esta estrategia refleja una tendencia más amplia entre las grandes plataformas digitales. En lugar de tratar la IA como una capa complementaria añadida a los procesos existentes, las empresas la están integrando más profundamente en sus operaciones fundamentales. En el ámbito de la entrega y la logística, esto significa cada vez más avanzar más allá de la mera optimización del software hacia una automatización tangible, donde los riesgos y los costes son mayores, pero las ganancias potenciales son más fundamentales.

El momento es significativo. La demanda de entregas bajo demanda sigue aumentando, pero los márgenes de rentabilidad siguen siendo limitados. Los clientes esperan un servicio más rápido y unos costes más bajos, mientras que los operadores se enfrentan al aumento de los salarios, los precios del combustible y el escrutinio regulatorio. En este clima, la automatización pasa de ser un experimento novedoso a una herramienta necesaria para mantener los estándares de servicio sin sacrificar la sostenibilidad financiera.

Situar el desarrollo de la robótica más cerca de las operaciones principales también puede alinear mejor los incentivos en torno a la utilización de datos. El entrenamiento de los sistemas físicos de IA exige grandes cantidades de datos del mundo real, que plataformas de reparto como Grab ya generan a gran escala. Mantener este ciclo de retroalimentación internamente puede acelerar los ciclos de desarrollo y minimizar la necesidad de compartir datos operativos sensibles con terceros.

Las limitaciones persisten. Los robots diseñados para aceras y trayectos cortos no están preparados para sustituir por completo a los repartidores humanos en toda una red en un futuro próximo. Las condiciones meteorológicas, las normativas locales y la aceptación por parte de los clientes seguirán dictando dónde es viable la automatización en la práctica. La expansión a varios países introduce una mayor complejidad debido a la gran variedad de infraestructuras y marcos legales.

Las previsiones del sector indican un rápido crecimiento de la robótica para la entrega de última milla, pero estas cifras de mercado ofrecen una orientación práctica limitada para los operadores. Una cuestión más apremiante es si la automatización puede reducir el coste por entrega sin crear nuevos puntos de fallo. La respuesta depende menos del tamaño global del mercado y más del rendimiento fiable en entornos activos e impredecibles.

Desde el punto de vista empresarial, la adquisición de Infermove no es solo una apuesta por la robótica como sector de productos. Se trata de una maniobra estratégica para reforzar la conexión entre la inteligencia artificial, los datos y las operaciones físicas. Para las empresas de plataformas cuya base es la logística y la movilidad, esta integración más profunda podría convertirse en un factor decisivo para mantener el crecimiento en medio de las persistentes presiones de costes.

Véase también: El Colegio de Abogados: Las leyes actuales son adecuadas para la era de la IA

¿Quiere conocer las opiniones de los líderes del sector sobre la IA y el big data? Visite la AI & Big Data Expo que se celebra en Ámsterdam, California y Londres. Este completo evento forma parte de TechEx y se celebra junto con otras reuniones tecnológicas de primer orden. Haga clic aquí para obtener más detalles.

AI News está impulsado por TechForge Media. Descubra otros eventos y seminarios web sobre tecnología empresarial que se celebrarán próximamente en este enlace.