Saltar al contenido

San Francisco · Irvine · Nueva York · Hong Kong

Llevar la IA a los flujos de trabajo reales

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.

  • Ronda semilla cerrada
  • Productos en producción con clientes
  • Equipo fundador internacional
Cómo colaboramos
Un montacargas autónomo de HZ Tech en un pasillo de almacén

Lo que han entregado nuestros proyectos

Cifras de producto de despliegues en producción; cifras del socio según su información pública

7productos creados en proyectos FDE; 2 ya en producción
+20 %de rendimiento en hora punta en un almacén en producción, con un 30 % menos de costes
30+empleados usan nuestra plataforma de agentes de oficina, incluidos clientes de otros sectores
~1.000personas en el grupo logístico con el que colaboramos en exclusiva, en más de 30 sedes
01Industry Insight

A las empresas no les falta software; les falta conexión

El problema real se parece en todos los sectores: el software, los datos y el trabajo de las personas están desconectados entre sí.

Solicitudes dispersas

Las solicitudes llegan por correo, chat, hojas de cálculo y teléfono, y nadie ve la cola completa.

Datos inconsistentes

Tarifas, listas de precios y especificaciones llegan en formatos distintos y cambian sin parar.

Trabajo entre portales

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.

Sistemas aislados

ERP, TMS, WMS, finanzas y calidad no se comunican entre sí.

Doble registro

El personal copia, limpia y vuelve a teclear los mismos datos entre sistemas.

Operación opaca

La dirección tiene que reprocesar los datos antes de ver cómo va el negocio.

Hallazgos de investigación

Tres hallazgos desde el terreno.

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.

Figura 01La adopción crece más rápido que el valor obtenido
~90 %

de los cargadores encuestados había adoptado al menos un caso de uso de IA en transporte

Encuesta de logística
96 %

había desplegado al menos un caso de uso de IA o digital en almacenes

Encuesta de logística
8 %

de los fabricantes encuestados afirmó haber alcanzado todos los objetivos de sus iniciativas de IA

Encuesta de fabricación

Fuentes: McKinsey, encuesta State of Digital Logistics 2026; BCG, encuesta de fabricación 2025. Muestras y preguntas distintas; las cifras son orientativas y no directamente comparables.

Hallazgo 01La adopción es amplia. El valor operativo, no.

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.

Hallazgo 02El sistema de registro se convierte en sistema de acción.

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.

Hallazgo 03El método se repite. La verdad operativa, no.

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.

Fuentes y notasBase de investigación.

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.

  1. 01Goldman Sachs Research — How Industries Are Putting AI to Work (Enlace externo)Adopción por industrias, agentes a nivel de flujo de trabajo y limitaciones de los datos empresariales
  2. 02McKinsey — Creating Value from AI and Digital Capabilities in Logistics Operations (Enlace externo)Adopción, decisiones operativas y conexión con la ejecución
  3. 03BCG — The New Cost Calculus for Manufacturers (Enlace externo)Adopción en fabricación y la brecha entre casos de uso y objetivos alcanzados
  4. 04IATA ONE Record (Enlace externo)Registro de carga compartido e intercambio estandarizado de datos de la cadena de suministro
  5. 05GS1 EPCIS (Enlace externo)Visibilidad de eventos: qué, cuándo, dónde, por qué y cómo
  6. 06NIST — Artificial Intelligence for Manufacturing (Enlace externo)Planificación de la producción, integración, colaboración humana y trazabilidad
  7. 07Evidencia de producto de HZ Tech — Plataforma de operaciones logísticas (Enlace externo)Pedidos, reservas, aduanas, eventos de almacén y rutas de ejecución controladas
  8. 08Evidencia de producto de HZ Tech — Inteligencia de tarifas (Enlace externo)Ingesta de tarifas, registros normalizados, consultas en lenguaje natural y respuestas con fuente

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.

Informe / 2026 · HZ Tech · Nuestras perspectivas8 minutos de lectura · Logística + fabricación · Noviembre de 2026Leer la tesis completa, la evidencia y las notas de investigaciónCuando la inteligencia entra en el flujo de trabajo.Por qué la próxima ventaja operativa depende de un contexto estructurado, de acciones controladas y de un registro del trabajo propio de cada industria.
02Timing

Why now

Tres puntos de inflexión tecnológicos y un cambio de mentalidad convergen en la misma línea de tiempo.

  1. 01Inflexión de costes

    IA para todos

    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.

  2. 02Inflexión de capacidad

    Agentes que funcionan

    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.

  3. 03Inflexión del ecosistema

    Despliegue vertical

    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.

  4. 04Inflexión de conciencia

    La demanda despierta

    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?».

Resumen ejecutivo · La visión de HZ

La IA pasa de la interfaz a la operación.

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.

Leer el resumen completo

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.

Conclusiones clave

  • La adopción no es una ventaja defensible. Lo que diferencia es la rapidez con que un hallazgo se convierte en una decisión operativa.
  • El contexto es la capa que falta. La inteligencia necesita un registro estructurado del trabajo, no otra fuente de datos desconectada.
  • El método se puede repetir. Pero el flujo de trabajo y el modelo de datos deben reconstruirse para cada industria.
La pregunta ha cambiado

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.

03Our Method

FDE entra en el terreno; los productos salen de él

Resolver problemas concretos del cliente como un equipo FDE; construir productos estándar replicables como una empresa SaaS.

  1. 01Entrar en la operación

    Entrevistar a los puestos de primera línea y observar el trabajo real

  2. 02Descomponer problemas medibles

    Dividir en etapas, entradas/salidas y criterios de aceptación

  3. 03Prototipo útil, rápido

    Validar el flujo con desarrollo asistido por IA

  4. 04Integrar en el proceso real

    Iterar con datos reales, manteniendo aprobación humana y marcha atrás

  5. 05Extraer capacidades estándar y replicar

    Consolidar en productos estándar (agentic systems, skills, MCPs) para reducir el coste de despliegue

El modelo operativo

Construir el contexto. Después, cerrar el ciclo.

Un sistema industrial útil no se detiene en el hallazgo. Conecta tres capas de trabajo y hace explícita la transición entre ellas.

01 / Registrar

Capturar el trabajo.

Estructurar los documentos, datos maestros, transacciones, eventos físicos y excepciones que definen el estado actual.

02 / Razonar

Entender la decisión.

Aportar las reglas, el historial, las restricciones y la evidencia necesarios para producir una recomendación revisable.

03 / Actuar

Volver al flujo.

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.

04Colaboración

Empiece por un flujo de trabajo. Escale lo que funciona.

Un proyecto puede empezar en cualquier etapa, y cada etapa termina con algo que su equipo puede usar.

  1. 01

    Diagnóstico

    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

  2. 02

    Sprint de prototipo

    Construimos un prototipo funcional con desarrollo asistido por IA y lo probamos con sus datos reales.

    EntregableUn prototipo utilizable, validado frente a esos objetivos

  3. 03

    Entrega integrada

    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

  4. 04

    Producto y operación

    Convertimos lo que se repite en un producto estándar y seguimos mejorándolo y dándole soporte.

    EntregableUn producto mantenido, con iteraciones periódicas

  5. 05

    Formación y acompañamiento

    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

05Field Proof

Casos entregados con nuestros clientes

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.

Primer socio exclusivo

Un gran grupo logístico integral

Grupo líder de servicios logísticos integrales del sur de China

Fuente: información pública del sitio web del cliente
~1.000profesionales logísticos
30+sucursales
100.000+ m²superficie de almacén
5.500 M+ RMBfacturación anual
Casos reales

Un método. Dos verdades operativas.

Vea cómo la misma disciplina de entrega se convierte en un sistema operativo distinto en logística y en fabricación.

Figura 02La misma disciplina de entrega. Distinta unidad de verdad.
Logística y cadena de suministroFabricación
Unidad principal de verdadLa cadena de suministroEl pedido de producción y el lote
El trabajo atraviesaClientes, transitarios, transportistas, aduanas, almacenes y conductoresPlanificación, materiales, etapas de producción, calidad y expedición
Evidencia críticaTarifas, reservas, documentos, hitos, traspasos y eventos físicosEspecificaciones, órdenes de trabajo, partidas, estado de etapas, pruebas y desviaciones
Ventana de decisiónCotizar, enrutar, reservar, declarar, mover y recuperarPlanificar, secuenciar, inspeccionar, explicar y corregir
Fallo que evitarUna respuesta rápida basada en datos de la cadena de suministro obsoletos o fragmentadosUna recomendación desconectada del contexto de capacidad, proceso o calidad
06Contacto

Reserve una consulta, traiga un flujo de trabajo real o hablemos de colaboración: escríbanos.

Escríbanosmgmt@huzhi.techSan Francisco · Irvine · Nueva York · Hong Kong