Solicitudes dispersas
Las solicitudes llegan por correo, chat, hojas de cálculo y teléfono, y nadie ve la cola completa.
San Francisco · Irvine · Nueva York · Hong Kong
HZ Tech es una consultora de ingeniería desplegada en campo (FDE). Nuestros ingenieros trabajan dentro de su operación para encontrar los problemas que vale la pena resolver, integrar la IA en el flujo de trabajo y convertir lo que se repite en productos estándar. Trabajamos con empresas de logística, fabricación y comercio exterior.
Cómo colaboramos
Cifras de producto de despliegues en producción; cifras del socio según su información pública
El problema real se parece en todos los sectores: el software, los datos y el trabajo de las personas están desconectados entre sí.
Las solicitudes llegan por correo, chat, hojas de cálculo y teléfono, y nadie ve la cola completa.
Tarifas, listas de precios y especificaciones llegan en formatos distintos y cambian sin parar.
Reservas, declaraciones y pedidos se reparten entre portales y sistemas de socios; las reservas de carga aérea y las declaraciones aduaneras son el caso típico.
ERP, TMS, WMS, finanzas y calidad no se comunican entre sí.
El personal copia, limpia y vuelve a teclear los mismos datos entre sistemas.
La dirección tiene que reprocesar los datos antes de ver cómo va el negocio.
En la investigación sectorial actual y en nuestro trabajo con productos en producción, la señal es coherente: el valor aparece cuando los datos, el flujo de trabajo y la acción se diseñan como un solo sistema operativo.
de los cargadores encuestados había adoptado al menos un caso de uso de IA en transporte
Encuesta de logísticahabía desplegado al menos un caso de uso de IA o digital en almacenes
Encuesta de logísticade los fabricantes encuestados afirmó haber alcanzado todos los objetivos de sus iniciativas de IA
Encuesta de fabricaciónFuentes: McKinsey, encuesta State of Digital Logistics 2026; BCG, encuesta de fabricación 2025. Muestras y preguntas distintas; las cifras son orientativas y no directamente comparables.
La adopción empresarial ya no es la señal más fuerte de ventaja. La investigación reciente en logística muestra herramientas digitales que entran en el núcleo operativo, mientras que la investigación en fabricación muestra una gran distancia entre desplegar casos de uso y alcanzar los objetivos previstos.
Más herramientas no resolverán un modelo operativo débil. El valor depende de que los equipos puedan pasar de la detección a la decisión, y de la decisión a la ejecución, sin perder contexto, responsabilidad ni control.
El software tradicional registra lo que ya ha ocurrido. La nueva capa operativa debe reunir el contexto actual, hacer legible la siguiente decisión y devolver una acción aprobada al flujo de trabajo.
No se puede coordinar una cadena de suministro si las tarifas, las reservas, los documentos y los hitos no coinciden. No se puede optimizar una fábrica si los pedidos, los lotes, la capacidad y la evidencia de calidad están separados. El registro operativo es el sustrato sobre el que funciona la inteligencia útil.
La logística y la fabricación comparten una disciplina de entrega: observar el trabajo, estructurar el registro, integrar la inteligencia, operar y mejorar. Pero no comparten la misma ontología, el mismo modelo de eventos ni el mismo ritmo de decisión.
La logística sigue la cadena de suministro a través de fronteras organizativas. La fabricación sigue un pedido y un lote a través de etapas de producción controladas. Un flujo de trabajo genérico elimina el contexto que hace valioso al sistema.
La investigación externa enmarca la visión del mercado. Los repositorios de productos en producción y la documentación operativa respaldan el trabajo funcional de los casos.
Nota metodológica. Las cifras de encuestas externas usan muestras y definiciones distintas y deben leerse de forma orientativa. Las cifras de alcance de producto describen la estructura del sistema implementado; no son afirmaciones sobre resultados de clientes.
Tres puntos de inflexión tecnológicos y un cambio de mentalidad convergen en la misma línea de tiempo.
Desde el «momento DeepSeek», los modelos abiertos igualan a los cerrados en muchos benchmarks y el coste por token ha caído con fuerza: la IA empresarial pasó de inasequible a asequible.
La nueva generación de modelos, como GPT-5.3 y Claude Opus 4.1, ha madurado la planificación de largo alcance y el uso de herramientas: los agentes pasan de la demo al flujo de trabajo real.
Modelos como Claude Fable 5, GPT-5.6 y Kimi K3 hacen realista que los agentes se integren de forma estable en los sistemas, datos y colaboración de un sector vertical.
Con modelos locales como Doubao y agentes generales como WorkBuddy ya extendidos, directivos y personal de primera línea han usado la IA con sus propias manos: la pregunta ya no es «¿usamos IA?», sino «¿cómo la llevamos a nuestro negocio?».
La primera ola de IA empresarial facilitó encontrar información y acelerar la creación de contenido. La siguiente es más difícil, y más valiosa: debe entender el registro del trabajo, reconocer la decisión que tiene delante un operador y conectar esa decisión con una acción controlada.
Un chatbot puede situarse por encima de sistemas fragmentados; un producto operativo, no. En logística necesita el registro actual de la cadena de suministro, la tarifa, el documento, el hito y el estado del socio. En fabricación necesita el pedido, la especificación, el lote, la etapa de producción y la evidencia de calidad. Sin ese contexto, la inteligencia puede sonar convincente y, aun así, ser irrelevante para la operación.
La ventaja duradera no vendrá de añadir inteligencia al borde de un proceso antiguo. Vendrá de digitalizar el trabajo con la profundidad suficiente para que la inteligencia participe en el proceso: de forma fiable, trazable y bajo control humano.
No «¿Puede responder la IA?», sino «¿Qué pasa después?»
La tecnología ya no es la mayor barrera. La mayor barrera es ahora la integración del ecosistema y la capacidad de desplegar operaciones inteligentes dentro de la empresa.
Quien tiene escenarios reales, conocimiento del sector y un método de entrega está del lado correcto de la divisoria. Por eso HZ Tech eligió el camino FDE: trabajamos dentro de las operaciones de nuestros clientes, un sector tras otro.
Resolver problemas concretos del cliente como un equipo FDE; construir productos estándar replicables como una empresa SaaS.
Entrevistar a los puestos de primera línea y observar el trabajo real
Dividir en etapas, entradas/salidas y criterios de aceptación
Validar el flujo con desarrollo asistido por IA
Iterar con datos reales, manteniendo aprobación humana y marcha atrás
Consolidar en productos estándar (agentic systems, skills, MCPs) para reducir el coste de despliegue
Un sistema industrial útil no se detiene en el hallazgo. Conecta tres capas de trabajo y hace explícita la transición entre ellas.
Estructurar los documentos, datos maestros, transacciones, eventos físicos y excepciones que definen el estado actual.
Aportar las reglas, el historial, las restricciones y la evidencia necesarios para producir una recomendación revisable.
Llevar la decisión aprobada al sistema, portal, mensaje o cola de operador que puede mover el trabajo.
Principio de diseñoCuanto menor es la distancia entre la señal y la acción controlada, más valioso es el sistema.
Un proyecto puede empezar en cualquier etapa, y cada etapa termina con algo que su equipo puede usar.
Vamos al terreno para mapear el flujo de trabajo, los datos y las decisiones, y dimensionar los problemas que vale la pena resolver.
EntregableUn mapa de problemas priorizado, con objetivos medibles
Construimos un prototipo funcional con desarrollo asistido por IA y lo probamos con sus datos reales.
EntregableUn prototipo utilizable, validado frente a esos objetivos
Nuestros ingenieros se integran en su equipo y conectan la solución al proceso real, con aprobación humana y vuelta atrás.
EntregableUna solución funcionando en su operación
Convertimos lo que se repite en un producto estándar y seguimos mejorándolo y dándole soporte.
EntregableUn producto mantenido, con iteraciones periódicas
Ayudamos a su equipo a usar bien las herramientas de IA y a hacerse cargo del flujo de trabajo.
EntregableUn equipo que opera y amplía el sistema por sí mismo
Cada producto nace en la operación real de un cliente y se valida allí antes de convertirse en una capacidad estándar. Nuestra colaboración más profunda es con un gran grupo logístico integrado; en fabricación, conectamos el trabajo de un productor textil desde el pedido hasta el envío.
Grupo líder de servicios logísticos integrales del sur de China
Fuente: información pública del sitio web del clienteVea cómo la misma disciplina de entrega se convierte en un sistema operativo distinto en logística y en fabricación.
| Logística y cadena de suministro | Fabricación | |
|---|---|---|
| Unidad principal de verdad | La cadena de suministro | El pedido de producción y el lote |
| El trabajo atraviesa | Clientes, transitarios, transportistas, aduanas, almacenes y conductores | Planificación, materiales, etapas de producción, calidad y expedición |
| Evidencia crítica | Tarifas, reservas, documentos, hitos, traspasos y eventos físicos | Especificaciones, órdenes de trabajo, partidas, estado de etapas, pruebas y desviaciones |
| Ventana de decisión | Cotizar, enrutar, reservar, declarar, mover y recuperar | Planificar, secuenciar, inspeccionar, explicar y corregir |
| Fallo que evitar | Una respuesta rápida basada en datos de la cadena de suministro obsoletos o fragmentados | Una recomendación desconectada del contexto de capacidad, proceso o calidad |