Autopiloto de Docklyx: Cómo Funciona el Motor por Dentro

El Autopiloto de Docklyx ya está disponible en todos los planes Pro a partir de esta semana.

Es un motor que toma cinco decisiones operativas que tu equipo hoy toma a mano: rankear el mejor horario para el transportista en tiempo real dentro del portal, optimizar la asignación de andenes de las próximas 48 horas, auto-agendar por WhatsApp cuando el carrier manda intención libre, mover citas en no-show o llegada tarde, y avisar al transportista cuando un camión rebasa tu umbral de tiempo de permanencia. Cada una pasa primero por simulación, se ejecuta sólo con aprobación humana (o bajo una política Auto por CEDIS que tú controlas), y se revierte con un clic.

Si operas un CEDIS, las preguntas que importan cuando escuchas "IA agéntica" no son las que un proveedor te quiere contestar. Son las aburridas: ¿Cómo decide en realidad? ¿Qué evita que decida mal? ¿Qué pasa la primera vez que sí decide mal?

Este artículo las responde, de punta a punta. Los cuatro frenos por los que pasa cada acción. Las cinco decisiones liberadas hoy. Un CEDIS anonimizado de 14 andenes que corrió 3,142 acciones automáticas el último trimestre con 41 rollbacks y cero acciones sin reversa. Y las tres cosas que a propósito no dejamos que el motor toque por sí solo.

Si te interesa el caso general de por qué la IA agéntica importa en un patio, eso lo escribimos por separado. Este artículo es el cómo.

---

El ciclo del autopiloto, en términos simples

Cada acción automática que toma el motor pasa por cuatro frenos, en orden: sugerir, simular, ejecutar, revertir. Cada freno existe porque alguna vez, en un prototipo, nos equivocamos por saltarlo.

Sugerir es la entrada. El sistema observa una señal real: un andén que se acaba de liberar a las 09:14, un transportista que mandó un WhatsApp libre pidiendo "cualquier horario esta semana", un camión que lleva 38 minutos más en el andén 4 que su tiempo de permanencia esperado. Entonces propone una acción concreta con la evidencia que la disparó.

Simular es el ensayo. Antes de tocar producción, el sistema calcula el escenario contrafactual: "esto movería 3 citas, liberaría el andén 2 entre 14:00 y 15:30, y notificaría a dos transportistas". Lo que el operador lee es el resumen de la simulación, no la corazonada. Es la diferencia entre "la IA piensa algo" y "si das clic en sí, esto es lo que cambia exactamente".

Ejecutar aplica el cambio. Las máquinas de estado giran, las notificaciones salen, y se escribe una fila de bitácora con quién, qué, cuándo, por qué — incluyendo el modo de política bajo el cual corrió la acción (manual o automático).

Revertir es el deshacer. Cada acción reversible carga un rollback de un clic, protegido contra doble-rollback para que un manager no pueda accidentalmente re-revertir una reversión. La fila de bitácora registra el rollback como su propio evento con referencia a la acción original.

El ciclo importa más que cualquier capacidad individual. Un sistema sin simulación puede ser impresionante en demo y peligroso en producción; el costo de actuar antes de simular, en un patio, se paga en tiempo de permanencia que no se puede recuperar.

---

Las cinco decisiones que toma el autopiloto hoy

Cada una de estas capacidades está liberada, en producción, y gobernada por una política por acción y por CEDIS.

1. Sugerencias de horario en el portal del transportista

Cuando un transportista abre el wizard de citas para elegir fecha y hora, nuestro motor de sugerencias de horario rankea las ventanas disponibles en tiempo real y etiqueta la mejor con un badge "Recomendado". Tres señales alimentan el ranking:

• Capacidad disponible — la configuración del andén y la zona de almacén para esa ventana.
• Congestión predicha — un modelo entrenado sobre los patrones de hora pico del propio CEDIS. Los patios no son simétricos; el martes a las 11:00 no es el viernes a las 11:00.
• Puntualidad específica del transportista — el historial de puntualidad del propio transportista en los últimos 90 días. Un transportista que tiende a llegar 25 minutos tarde se rankea hacia ventanas que absorben esa desviación sin cascada.

La salida pasa por una guarda anti-alucinación. Cualquier horario que el modelo invente — algo fuera del set de disponibilidad verificada — se filtra antes de que el transportista lo vea. El ranking tiene rate-limit por organización y está disponible en el plan Pro.

Esta es la única capacidad del autopiloto que afecta la superficie del transportista. Las demás decisiones suceden dentro del mundo del operador.

2. El optimizador de horarios con modo simulación

Un cron nocturno evalúa las próximas 48 horas de citas contra capacidad y genera propuestas: mover esta cita al siguiente andén libre, ofrecer huecos al transportista A-grade que está en lista de espera, consolidar una tarde fragmentada. Cada propuesta llega a la vista del manager con su resumen de simulación adjunto.

Dos managers pueden correr la misma propuesta en simulación y ver el mismo delta proyectado — mismas citas afectadas, mismas notificaciones a enviar, mismo impacto en la utilización del andén — sin que ninguno toque producción. Este es el freno que te permite confiar en una acción automática sin haberla ejecutado nunca antes.

3. Auto-agendado por WhatsApp

La mayoría de las interacciones por WhatsApp son inequívocas: "mueve mi cita del viernes a las 3pm" se interpreta limpio y el bot lo resuelve. El caso interesante es el ambiguo. Con auto-agendado activo, el bot acepta intención libre tipo "lo que tengas esta semana" o "cualquier horario" y auto-asigna el mejor horario de los próximos 7 días usando el mismo motor de sugerencias del portal. El transportista confirma el horario propuesto antes de que se cree la cita.

Si el bot no puede resolver con seguridad — petición fuera de ventana, fecha ambigua, una cuenta que no puede verificar — no adivina. La conversación escala a humano y aterriza en la bandeja de excepciones.

4. Ajustar horario (mover una cita)

Cuando el motor detecta una razón de alta confianza para mover una cita — una ventana de no-show ya cerrada, una llegada tarde que se puede re-rutear a un horario libre más adelante, un disparador de calificación del transportista — la acción adjust_schedule mueve la cita a una nueva hora. Como los movimientos son reversibles, el rollback restaura la hora original exactamente, incluyendo cualquier efecto colateral en la asignación de andén.

Esta es la acción automática más común en un patio activo.

5. Contactar al transportista por exceso de tiempo de permanencia

Cuando un camión lleva más tiempo del umbral del CEDIS en un estado relevante para costo de estancia, el motor puede mandar un WhatsApp al contacto del transportista pidiendo que despache al operador de regreso al camión. Esta acción tiene una excepción deliberada que retomamos abajo: nunca se ejecuta en disparo automático, sólo en disparo iniciado por humano con la política puesta en auto.

---

Tres modos por acción, por CEDIS (manual / automático / desactivado)

La unidad de política no es "Cerebro AI está prendido" ni "el bot es autónomo". Es mucho más estrecha que eso, y la estrechez es la idea.

Para cada tipo de acción, cada CEDIS tiene su propio ajuste: Manual, Auto o Desactivado. Un CEDIS de retail en el Bajío puede correr sugerencias-de-horario en Auto y ajustar-horario en Manual; un CEDIS hermano en Monterrey, con un equipo de operaciones menos maduro, puede mantener ambos en Manual el primer trimestre. Los CEDIS no tienen que estar de acuerdo, y no debería forzárseles a estarlo.

La mayoría de los equipos sigue la misma progresión:

1. Todo arranca en Manual. El equipo ve las sugerencias, lee las simulaciones y toma las decisiones a mano.
2. Tras una o dos semanas, la acción de menor riesgo — usualmente sugerencias en el portal, porque sólo afectan lo que el transportista ve — se promueve a Auto.
3. Las propuestas del optimizador siguen. Cada una fue revisada en simulación; el equipo ya tiene tacto para la calidad de la propuesta y la tasa de rollback.
4. Ajustar-horario llega al final, después de semanas de ejecución supervisada. Es la acción con mayor radio de impacto.

Nada en el sistema presiona al equipo a escalar más rápido. La bitácora muestra qué corrió en Auto, qué se revirtió y la tasa de rollback por acción. Esos son los datos que mueven la conversación, no una gráfica de marketing.

Si quieres ver esto corriendo sobre tus datos, abrimos un sandbox con citas reales durante la prueba. Todo arranca en Manual.

---

Modo simulación: practicar sin consecuencia

La simulación es el freno que distingue un sistema agéntico serio de un demo. Antes de que cualquier acción corra, el motor calcula su contrafactual completo contra una foto del estado de producción y entrega el resultado como un payload estructurado que el operador puede leer.

Un ejemplo real de una propuesta reciente del optimizador:

"Mover la cita #4821 (Norte Rápido) de D-04 14:00 a D-07 14:30 liberaría una ventana de 90 minutos en D-04 entre 13:30 y 15:00. Dos transportistas en lista de espera (A-grade) coinciden con la ventana liberada. Saldrían dos notificaciones. Ningún transportista actualmente en patio se vería afectado."

Ese párrafo es lo que el manager lee antes de aceptar o descartar la propuesta. El mismo párrafo, archivado, se vuelve la traza de auditoría cuando la acción corre. El equipo no está confiando en una caja negra — está confiando en una vista previa específica e inspeccionable de un cambio específico.

Así también se promueven reglas de Manual a Auto. Tras una semana corriendo la simulación de una acción a través del flujo manual de aprobación, el equipo tiene un cuerpo de evidencia — cada vista previa, cada ejecución aceptada, cada excepción revertida — que dice si el juicio del motor es lo suficientemente confiable como para quitar el freno humano.

---

La bandeja de excepciones: dónde van los casos raros

No toda señal puede ser resuelta con seguridad por el motor. La pregunta interesante es qué pasa con las que no.

En el Autopiloto de Docklyx, lo que se sale de política aterriza en la bandeja de excepciones en /cedis/{slug}/automation. Esto no es una bandeja genérica de alertas; es la superficie estructurada donde las excepciones esperan revisión humana con contexto completo adjunto.

Ejemplos de lo que aterriza ahí:

• Un mensaje de WhatsApp de un transportista cuyo número no está verificado para la organización.
• Una petición de horario que cae fuera de las ventanas publicadas del CEDIS.
• Un disparo de ajustar-horario donde el motor está incierto sobre la razón (el exceso de tiempo de permanencia es marginal, o la data de calificación del transportista es muy escasa).
• Un intento de auto-ejecución que chocó con un conflicto transitorio de base de datos y se difirió para revisión humana.

Cada excepción encolada lleva el disparador, la acción propuesta, la salida de simulación que el motor habría corrido y la razón por la que se detuvo. El manager o aprueba (la acción se ejecuta con los parámetros propuestos) o rechaza (la entrada se cierra con razón registrada). Ninguna excepción se pierde; nada escala con un coordinador que está comiendo.

Esta es la parte que separa a los equipos que confían en el autopiloto de los que no. Al motor no se le pide ser perfecto. Se le pide saber cuándo detenerse.

---

Rollback: cada acción tiene un deshacer

Cada acción automática reversible — ajustar-horario, movimientos del optimizador, ofertas de lista de espera — carga un rollback de un clic que restaura el estado previo exactamente. Los rollbacks se auditan como sus propios eventos, con referencia a la acción original y al usuario que inició la reversión.

La protección que importa en práctica es la anti-doble-rollback. Una acción ya revertida queda marcada como cerrada; no se puede revertir otra vez. La restricción existe porque en producción temprana vimos a un manager dar clic en rollback dos veces seguidas en una red intermitente, y el sistema en ese momento alegremente trató de "hacer rollback del rollback", aterrizando en un estado que nadie quería. El fix fue una sola columna en insight_actions — execution_result.rolledBackAt — y un check antes de que cualquier handler de rollback corra.

Algunas acciones a propósito no son reversibles. Contactar al transportista es el ejemplo más claro: un mensaje de WhatsApp ya entregado no se puede des-enviar, así que nunca exponemos un botón de rollback para esa acción, y nunca la dejamos correr en disparo automático. El sistema simplemente la omite cuando triggerSource=auto y espera a que un humano la inicie. Es una restricción con la que preferimos vivir antes que un mensaje de auditoría que preferiríamos no escribir.

---

Cómo se ve un CEDIS de 14 andenes después de un trimestre con autopiloto

Esta es una línea de tiempo real de un CEDIS de retail nacional en el Bajío, anonimizado. Catorce andenes, 80 a 110 citas diarias, tres coordinadores de operaciones, plan Pro.

Día 0. Onboarding. Cada acción arranca en Manual. El equipo pasó la primera semana viendo aterrizar las sugerencias en el dashboard y aceptándolas o descartándolas a mano. Los resúmenes de simulación se leyeron más de lo esperado; los managers dijeron que era la primera vez que tenían un registro escrito de "qué habría pasado".

Día 7. Sugerencias de horario en el portal promovidas a Auto. Este fue el movimiento de menor riesgo porque la acción sólo afecta lo que el transportista ve en el wizard. La tasa de aceptación del horario recomendado saltó de 48% (con el badge apagado) a 71% (con el badge prendido). Los transportistas ya estaban eligiendo mejores horarios; el motor sólo facilitó encontrar el mejor.

Día 30. Propuestas del optimizador promovidas a Auto sólo en la ventana nocturna. Las del día se quedan en Manual. El split deja al equipo revisar movimientos diurnos más pesados mientras el rebalanceo nocturno de menor apuesta corre sin intervención.

Día 90. Huecos de andén no usados, 22% por debajo de la línea base previa a Docklyx. Acciones automáticas ejecutadas: 3,142. Rollbacks: 41. De esos 41 rollbacks, 11 llevaron a apretar el umbral de la política correspondiente. La bitácora fue lo que movió el cambio, no una corazonada.

El número que nadie pidió, pero que el director de operaciones siguió mencionando: cero acciones no reversibles en el trimestre. Cada acción automática ejecutada se podía deshacer, y el equipo lo sabía.

---

Lo que a propósito no automatizamos

La disciplina operativa es tanto sobre lo que te niegas a hacer como sobre lo que sí haces. Tres cosas que explícitamente mantuvimos fuera del camino automático:

Severidad de incidentes. Cuando un guardia reporta un operador agresivo, ausencia de EPP o un faltante documental, la IA sugiere tipo y severidad, pero el manager debe confirmar antes de que el incidente quede registrado. La severidad alimenta la calificación del transportista, y un incidente mal clasificado tiene efectos compuestos aguas abajo en la prioridad de asignación de andén. Decidimos que es una decisión humana.

Contactar al transportista en disparo automático. Ya cubierto. Los mensajes no tienen botón de borrar.

Cualquier cosa que afecte facturación o términos contractuales. El autopiloto no toca tarifas del transportista, ventanas de estadía ni ningún campo que termine en una conciliación financiera. Esas son decisiones de política que los humanos negocian; el motor expone la data, pero no escribe la fila.

El patrón en los tres: el costo de equivocarse es asimétrico. Una reasignación equivocada de andén cuesta unos minutos de fricción operativa y un rollback. Una severidad mal clasificada acompaña a un transportista por meses. Hicimos que el costo de detenerse en "Manual" fuera menor que el costo de mandar la decisión equivocada.

---

Por dónde empezar si lo estás evaluando

Si operas un CEDIS en México y esto suena adyacente a hacia dónde necesita ir tu operación, el camino práctico se ve así:

1. Mapea las decisiones que ya tomas en autopiloto humano hoy — es decir, las llamadas que tus coordinadores hacen tan seguido que podrían escribir la regla en un post-it. Esas son las acciones que más se benefician del motor, porque el tiempo humano gastado en ellas es puro overhead.
2. Decide cuáles te sentirías cómodo viendo correr en simulación dos semanas, y luego en Auto. La lista suele ser más corta de lo que la gente espera.
3. Mantén el resto en Manual indefinidamente. No hay marcador de cuántas acciones tienes en Auto. El marcador es si la bitácora está limpia.

Podemos abrir un ambiente de sandbox conectado a tus citas reales durante la prueba — cada acción arranca en Manual, tú promueves lo que confíes, cuando confíes. Ahí es por donde empezar.

La alternativa — tratar de evaluar un sistema agéntico desde un mazo de demo o un caso de estudio genérico — es lo peor de los dos mundos. El punto del ciclo que acabamos de recorrer es que no tienes que confiar en la palabra de nadie. La simulación corre sobre tus datos. La bitácora registra cada decisión. Tú lees lo que pasó.

Eso es el autopiloto, de punta a punta. Lo demás es detalle de implementación.