Eduardo Gavilán, Editor, Sp.- En un sector donde gigantes como IAG o Lufthansa invierten millones en computación cuántica y modelos avanzados de IA, las pequeñas y medianas empresas —especialmente en distribución y soporte— enfrentan una brecha crítica: ¿cómo digitalizarse sin recursos masivos?
Esta pregunta cobra relevancia en eventos como FITUR, donde emergen conversaciones reveladoras sobre adopción real de inteligencia artificial en pymes del transporte aéreo. La entrevista con Darío Pérez, de ALG (consultora estratégica integrada en Indra), expone cómo estas compañías convierten la IA en una herramienta rentable, sin caer en experimentos costosos.
El apoyo estratégico: de la hoja de ruta al retorno rápido de inversión
ALG, con una bolsa de casi 200 expertos globales en transporte aéreo —desde gestión de tráfico aéreo hasta regulación con autoridades civiles—, actúa como puente para pymes y medianas aerolíneas, agencias y aeropuertos. Su enfoque no es tecnológico por tecnología, sino pragmático: elaborar hojas de ruta asumibles, priorizando iniciativas con mayor retorno inicial.
¿Por qué resulta clave? Porque muchas pymes llegan con casos de uso aislados (un chatbot o un predictor de demanda), pero sin visión estratégica. ALG ayuda a secuenciar proyectos según coste-efectividad, evitando inversiones infructuosas y alineando la IA con el core business.
Casos de uso reales en distribución y relación con el cliente
En empresas como Euroairlines —especializada en distribución multi-aerolínea, con placa IATA y presencia en mercados nicho—, la IA se aplica en dos frentes principales:
- Relación con el pasajero: reemplazo de call centers de bajo valor por chatbots avanzados para consultas de horarios, terminales o incidencias. Ya interiorizado en muchas compañías, reduce costes operativos drásticamente.
- Optimización comercial y pricing dinámico: mediante machine learning, se rastrean datos públicos de competidores (tarifas, rutas, ocupación) para ajustar precios en tiempo real y maximizar rentabilidad. Esto transforma la distribución aérea en un entorno hipercompetitivo.
El denominador común: datos de calidad. Como recuerda el principio “garbage in, garbage out”, sin gobernanza sólida —estrategia transversal de datos en toda la organización— los modelos fallan.
Amenazas emergentes: data poisoning y la necesidad de trustworthiness
Un aspecto crítico abordado en la conversación es el data poisoning (envenenamiento de datos), amenaza identificada por la EASA en su AI Roadmap. Durante el entrenamiento de modelos de machine learning, datos manipulados —intencional o involuntariamente— generan outputs no confiables, comprometiendo compliance y seguridad.
ALG colabora con EASA en proyectos para detectar y mitigar estos riesgos, alineados con el principio de trustworthiness (confiabilidad): modelos explicables, predecibles y robustos. En aviación, donde la redundancia humana y la trazabilidad son sagradas, la IA no sustituye, sino que augmenta la toma de decisiones.
Marco regulatorio: EU AI Act y su impacto en el sector aéreo
Europa no inventa IA, pero la regula con rigor. El EU AI Act clasifica aplicaciones por riesgo (prohibido, alto, limitado, mínimo), exigiendo mayor escrutinio en usos críticos. En aviación, aplicaciones de pricing o distribución suelen ser de riesgo limitado, pero sistemas embarcados o de control aéreo alcanzarían niveles altos.
La EASA avanza en guías específicas de AI trustworthiness, interconectadas con GDPR y ciberseguridad. Esto genera un cuello de botella —la certificación—, pero asegura que la IA mantenga los estándares ultraseguros del sector.
¿Augmentación o sustitución? El dilema estratégico para el futuro
La IA no es un fin, sino un automatismo avanzado que aprende y apoya. En pymes, su valor reside en democratizar herramientas antes exclusivas de grandes grupos, siempre bajo gobernanza de datos y supervisión humana.
