OPTIMIZACIÓN MATEMÁTICA PARA LA PROGRAMACIÓN DE PUERTAS DE EMBARQUE
Pasaron semanas intentando resolverlo con ChatGPT y hojas de cálculo. La respuesta real fue un modelo de optimización con restricciones — construido en 4 días, ahorrando $800K por trimestre.
Un aeropuerto regional en crecimiento en Quebec maneja vuelos comerciales en 9 puertas de embarque, cada una requiriendo un equipo de tierra dedicado de 6 personas para llegadas, salidas y rotaciones.
Programar esos equipos a lo largo de un trimestre completo — más de 90 días, múltiples turnos, volúmenes de vuelo variables — se había convertido en un dolor de cabeza operativo serio. El equipo de operaciones construía los horarios manualmente en Excel, dedicando 2 a 3 semanas por ciclo para equilibrar regulaciones laborales, disponibilidad de personal, asignaciones de puertas y restricciones presupuestarias.
El resultado era siempre el mismo: horarios técnicamente válidos pero financieramente inflados. Los costos de personal de tierra eran de $1.7 millones por trimestre — y la dirección sospechaba que había un desperdicio significativo incorporado en el proceso.
Cada horario trimestral tomaba 2 a 3 semanas para construirse manualmente en Excel — un proceso frágil y propenso a errores.
Los costos de personal de tierra estaban muy por encima de lo que el volumen de vuelos realmente requería.
Coordinar la cobertura entre puertas, turnos y regulaciones laborales creaba una complejidad de programación exponencial.
Antes de contactar a Leap AI, el equipo de operaciones del aeropuerto pasó varias semanas intentando resolver el problema con ChatGPT y macros de Excel. La lógica parecía sólida: describir las restricciones, pedirle al modelo que generara un horario optimizado.
No funcionó. No porque al equipo le faltara esfuerzo — sino porque este no era un problema de lenguaje.
Los modelos de lenguaje grandes son extraordinarios para entender contexto, generar texto y razonar ante la ambigüedad. Pero la programación de personal es un problema de satisfacción de restricciones — un desafío matemático con límites estrictos: leyes laborales, períodos mínimos de descanso, requisitos de cobertura de puertas, topes presupuestarios y límites de duración de turnos.
Un LLM puede describir el problema con elocuencia. No puede resolverlo de manera óptima. Eso requiere una clase de herramienta fundamentalmente diferente.
La IA es una caja de herramientas, no una sola herramienta. Las organizaciones que obtienen más valor de la IA son las que saben emparejar la técnica correcta con el problema correcto.
Modelos de lenguaje para problemas de lenguaje. Solvers de optimización para problemas de optimización. Conocer la diferencia — y tener acceso a ambos — es la ventaja competitiva.
Leap AI construyó un modelo de Programación Lineal Entera Mixta (MILP) utilizando el solver CP-SAT de Google OR-Tools — uno de los motores de optimización con restricciones de código abierto más potentes disponibles.
El modelo fue diseñado para minimizar el costo total de personal respetando cada restricción operativa y regulatoria que enfrenta el aeropuerto. No adivina. No aproxima. Encuentra la solución matemáticamente óptima a lo largo de todo el horizonte de programación.
De la primera conversación al modelo funcional: 4 días.
El modelo de optimización aplica todas las restricciones del mundo real de forma simultánea:
Los horarios de vuelos, asignaciones de puertas, reglas de personal y regulaciones laborales se codifican como restricciones matemáticas.
Un modelo MILP estructura el problema como variables de decisión binarias con un objetivo de minimización de costos.
El solver CP-SAT de Google OR-Tools explora el espacio de soluciones y encuentra el horario matemáticamente óptimo.
El horario optimizado se entrega en un formato listo para operaciones — sin nuevos sistemas ni capacitación requerida.
El impacto fue inmediato y contundente.
Los costos trimestrales de personal de tierra bajaron de $1.7 millones a $0.9 millones — una reducción del 47%. Los ahorros no provinieron de recortar esquinas, sino de eliminar las ineficiencias que la programación manual inevitablemente crea: exceso de personal durante períodos de bajo volumen, distribuciones de turnos subóptimas y superposiciones redundantes.
El proceso de programación pasó de 2 a 3 semanas de trabajo manual a minutos de tiempo de cómputo. El equipo de operaciones ahora ejecuta el modelo, revisa los resultados y realiza los ajustes manuales que desee — un proceso que toma horas, no semanas.
Solo en el primer año, los ahorros proyectados superan los $3.2 millones. Contra el costo de construir el modelo, eso representa un retorno de inversión superior al 20,000%.
El impacto financiero cuenta solo parte de la historia.
Antes del modelo de optimización, el equipo de operaciones temía el ciclo de programación trimestral. Era un trabajo tedioso y de alto riesgo donde un solo error podía desencadenar brechas de cobertura o violaciones de cumplimiento. La carga cognitiva era enorme.
Ahora, el equipo se enfoca en la supervisión y el refinamiento en lugar de la construcción. Revisan una línea base óptima y ajustan por factores humanos — preferencias de vacaciones, dinámicas de equipo, rotaciones de capacitación — para los que el modelo intencionalmente deja espacio.
El modelo no reemplazó al equipo de operaciones. Les dio una base en la que pueden confiar y el tiempo para enfocarse en las decisiones que verdaderamente requieren juicio humano.
No todos los problemas son problemas de lenguaje. No toda solución de IA necesita un modelo de lenguaje grande.
Las organizaciones que liderarán en la próxima década no son solo las que están adoptando IA — son las que saben qué tipo de IA aplicar. Cuando el problema es ambigüedad y contexto, use un LLM. Cuando el problema es restricciones y optimización, use un solver.
Este aeropuerto no necesitaba un chatbot. Necesitaba un matemático. Y la diferencia entre los dos les ahorró $3.2 millones en el primer año.
La velocidad no viene de apresurarse. Viene de saber qué herramienta tomar primero.
No todos los problemas necesitan un modelo de lenguaje. Reserve una llamada para descubrir qué enfoque de IA se ajusta al suyo.
Reserve una llamada estratégica