Resumen:
Los errores en la conversión de direcciones de entrega a coordenadas geográficas (geocodificación) generan desvíos operativos, incumplimientos de plazos, insatisfacción de actores clave y costos evitables en la logística de última milla para comercio electrónico (e-commerce) de Bluy, la empresa en la que se basa esta propuesta de mejora, y afectan la reputación y la continuidad de la misma en un entorno competitivo.
El objetivo del presente trabajo fue elaborar un plan de mejora basado en inteligencia artificial, mediante modelos de lenguaje, con fin de depurar direcciones y aumentar la precisión de la geocodificación. Con el objetivo de recabar información actualizada y relevante que facilite la elaboración de un diagnóstico riguroso y la toma de decisiones para la formulación del plan de mejora, se aplicó una metodología mixta que integró una encuesta a 52 transportistas, una entrevista a un gerente de e-commerce, una revisión bibliográfica y un experimento comparativo de modelos de lenguaje.
Los resultados obtenidos indicaron que los errores son frecuentes y se asocian principalmente a direcciones mal estructuradas con texto adicional. Esto se traduce en kilómetros y tiempo extra, reintentos y tensiones con destinatarios. La evidencia cualitativa, por su parte, destacó que la efectividad de las entregas condiciona la continuidad de la relación comercial con los clientes.
El experimento comparativo realizado mostró viabilidad técnica. Se evaluaron ChatGPT 5.1, Gemini 3 Pro y Llama 4. ChatGPT 5.1 alcanzó 80 % de normalización correcta y Gemini 3 Pro 70 %, superando el umbral definido en la hipótesis del trabajo de reducir al menos 60 % los errores de codificación.
En términos económicos, el análisis realizado demostró que la inversión inicial de USD
37.450 se recuperará en 16 meses, en tanto que se proyecta un ahorro acumulado de USD 142.800 en un periodo de 5 años.
