Caso · Agroindustria · Guatemala · Cliente desde 2018

Grupo Entre Ríos

52% → 85%

capacidad usada por camión

Un modelo de IA planifica cada semana la recolección de materia prima según producción, clima y demanda. También construimos sus sistemas de recepción, presupuesto y mantenimiento.

Capacidad: Build

Grupo Entre Ríos

Resumen ejecutivo

Uno de los tres mayores exportadores de hule de Guatemala pasó de usar el 52% de la capacidad de sus camiones de recolección a al menos el 85%, con un modelo de IA que planifica la recolección semanal a partir de la producción, el clima y la demanda, construido sobre la plataforma operativa que Ciancoders ya mantenía para el grupo.

La historia

Contexto del cliente: Grupo Entre Ríos es uno de los tres mayores exportadores de hule de Guatemala. Su operación depende de recolectar materia prima en decenas de puntos cada semana. Es cliente de Ciancoders desde 2018.
Desafío: Los camiones de recolección salían usando en promedio solo el 52% de su capacidad. Cada viaje incompleto es un costo logístico que se repite todas las semanas, en una operación donde la producción de cada punto varía con el clima y la demanda.
Insight: Un modelo de planificación solo es útil si la operación que lo alimenta está registrada de forma confiable. Por eso el trabajo empezó por la base operativa —recepción de hule, presupuesto y mantenimiento— y no por el modelo.
Enfoque: Primero, la plataforma interna que registra la operación diaria y el sitio corporativo del grupo. Después, con esa base en producción, un modelo de IA integrado a la planificación semanal, evaluado contra la línea base de utilización de los camiones.
Qué construimos: La plataforma interna de recepción de hule, presupuesto y mantenimiento; el sitio corporativo; y el modelo de IA que genera la planificación semanal de recolección.
Decisiones de ingeniería: Tres variables de entrada —producción, clima y demanda— y una salida operativa: la planificación semanal de recolección. El modelo produce un plan que el equipo logístico ejecuta; el resultado se mide con la métrica que le importa al negocio, la capacidad usada por camión.
Lectura con Cian-OS: Intent: la métrica de éxito fue la utilización de los camiones, no la precisión del modelo. Foundation: la plataforma operativa se construyó antes que el modelo. Build: el modelo se integró al flujo semanal existente. Verify: el resultado se comparó con la línea base del 52%. Operate: los sistemas siguen evolucionando con el mismo equipo. (Lectura retrospectiva: Cian-OS formaliza patrones aprendidos en proyectos como este.)
Resultado de negocio: La utilización promedio por camión subió del 52% a al menos el 85%.
Lo que siguió: Los sistemas de recepción, presupuesto y mantenimiento siguen evolucionando con el mismo equipo de Ciancoders.