PROGRAMA DEL CURSO
La Inteligencia Artificial ya está transformando las empresas de logística y transporte. Este programa está diseñado íntegramente alrededor de herramientas reales de 2026: n8n para automatización propia y auditable, Claude como modelo de razonamiento y análisis, y Antigravity —el IDE agentefirst gratuito de Google— para que el alumnado construya sus propias herramientas a medida. El resultado es un curso 100% práctico en el que el alumno sale de cada sesión con algo que puede usar el lunes siguiente.
Objetivos
Este programa enseña a utilizar la IA en tareas del día a día. La diferencia práctica es enorme: un jefe de tráfico que ha visto una demo sabe que la automatización existe; un jefe de tráfico que ha construido su propio flujo en n8n sabe cómo desplegarlo en su empresa la semana siguiente.
Para la empresa: reducción del 30–60% del tiempo administrativo, automatización de partes, CMRs, avisos y reclamaciones, y equipos más autónomos desde la primera semana.
Para el trabajador: productividad inmediata, reducción del estrés operativo y competencias esenciales para el sector transporte 2025–2030.
Este curso está dirigido a:
- Directores y responsables de operaciones, procesos, innovación o transformación digital.
- Profesionales técnicos que deseen adquirir una visión global de las tecnologías emergentes.
- Consultores y gestores de proyectos que buscan integrar IA, IoT y Big Data en sus estrategias.
- Mandos intermedios interesados en comprender las oportunidades y desafíos de la digitalización.
Programa del curso:
Módulo 1: IA para logística y transporte – Usos inmediatos
Teoría aplicada:
- Diferencias entre IA tradicional e IA generativa
- Qué puede hacer HOY la IA en una empresa de transporte
- Cómo hablarle a la IA para que actúe como profesional del sector
- Errores habituales al usar IA en logística y cómo evitarlos
|
Parte práctica:
- Crear un asistente personalizado con rol de jefe de tráfico, almacenero u oficinista
- Taller de prompts con estructura P.A.S.O. (Perfil· Acción · Soporte · Output)
- Redactar emails de tráfico, partes de incidencias e instrucciones a conductores usando Claude
- Buscar normativa ADR y CMR con IA sin inventar datos
|
Módulo 2: IA para la documentación del transporte y oficina técnica
| Teoría aplicada |
Parte práctica |
- Documentación típica: CMR, hojas de ruta, ADR, albaranes, POD, reclamaciones
- Riesgos legales de la automatización documental y límites de la IA
- Cómo la IA extrae, resume y clasifica documentos de transporte
- Diferencia entre OCR clásico y visión-IA en 2026
|
- Subir un CMR forografíado a Claude y extraer campos clave en tabla (matrícula, fecha, origen,destino)
- Clasificar y resumir en 4 líneas un parte de incidencias para dirección
- Crear una base de datos de CMRs y albaranes con extracción automática de campos
- Diseñar plantillas inteligentes para partes, reclamaciones e informes de ruta
|
Módulo 3: IA para atención al cliente, incidencias y calidad de servicio
| Teoría aplicada |
Parte práctica |
- Principales incidencias en transporte: retrasos, entregas fallidas, mercancía dañada
- Plazos legales y contractuales en reclamaciones: CMR, LOTT, contratos logísticos
- Detección de patrones de coste recurrente con IA predictiva
- Automatización de la gestión de incidencias sin perder el control humano
|
- Construir en n8n un flujo que clasifica incidencias entrantes por tipo y gravedad con Claude
- Crear un chatbot web de atención al cliente en 10 minutos (sin programar) con respuestas basadas en el protocolo de la empresa
- Configurar mensajes automatizados de seguimiento de incidencia
- Calcular el coste real de incidencias recurrentes con análisis asistido por Claude
|
Módulo 4: Automatización sin programar I – Tráfico y operaciones
| Teoría aplicada |
Parte práctica |
- Qué procesos de tráfico son automatizables y cuáles no deben delegarse nunca
- Anatomía de un flujo n8n: trigger · nodos de acción · ramas IF
- AI Agent nodes nativos en n8n 2.0: conectar Claude como cerebro del flujo
- Auto-alojar n8n para cumplimiento RGPD con datos de flota y conductor
|
- Construir un flujo que lee emails de cliente con Claude, extrae matrícula y nº de envío en JSON y responde automáticamente
- Añadir rama de escape humana: si confianza del AI Agent < 0.8, el email se escala al jefe de tráfico por Telegram
- Configurar avisos automáticos de salida de almacén y confirmación de entrega
- Probar el flujo completo con 5 emails reales anonimizados y medir el tiempo ahorrado
|
Módulo 5: Automatización sin programar II – Oficina, almacén y documentación
| Teoría aplicada |
Práctica real |
- Robots administrativos: el patrón vigilar · leer · extraer · validar · registrar · avisar
- Visión-IA para leer PODs manuscritos, CMRs y albaranes fotografiados
- Control inteligente de vencimientos de flota: ITV, tacógrafo, ADR, seguros, CAP conductor
- Cómo evitar que la IA invente datos: el campo confianza como salvaguarda obligatoria
|
- Construir el robot lector de PODs: Drive detecta la foto → Claude Vision extrae los campos → Sheets registra → Telegram avisa si hay incidencia o falta firma
- Montar el robot vigía-flota: Cron diario revisa la hoja de vencimientos y lanza alertas escalonadas a 60, 30 y 7 días por email y Telegram
- Probar con 12 PODs reales anonimizados: firmados, con reservas, ilegibles
- Exportar ambos flujos n8n en JSON
|
Módulo 6: IA para análisis de datos, flotas, rutas y KPI’s
| Teoría aplicada |
Práctica real |
- Tipos de datos disponibles en transporte y los KPIs que generan: OTIF, ratio km vacíos, margen por cliente, DSO logístico
- Higiene de datos antes de analizar: normalización, fechas, huecos, diccionario de campos
- Cómo obtener un script Python reutilizable de limpieza, no solo el fichero limpio
- Dashboard conversacional en 2026: Antigravity genera la app, Claude interpreta los datos
|
- Subir a Claude un Excel sucio de 12.000 viajes: limpieza automática + script Python documentado para reutilizar cada mes
- Pedir a Antigravity un dashboard interactivo con Plotly: OTIF, ratio km vacíos y margen por cliente, con gráficos de barras y tabla filtrable
- Formular tres preguntas analíticas concretas: «¿qué cliente me da peor margen?», «¿qué conductor consume más?», «¿qué ruta tiene mayor varianza de tiempos?»
- Redactar con Claude la narrativa ejecutiva de 1 página para dirección con los hallazgos del dashboard
|
Módulo 7: IA para planificación de rutas, personal y previsión de demanda
| Teoría aplicada |
Práctica Real |
- VRP (Vehicle Routing Problem): por qué la ruta «razonable» del jefe de tráfico pierde entre un 15% y un 35% en kilómetros frente a la ruta óptima
- Antigravity como IDE agente-first: el alumno describe lo que quiere, la IA planifica, programa y verifica
- Restricciones reales en la optimización de rutas: ventanas horarias, capacidad de carga y descansos legales del conductor
- Previsión de demanda con Claude: tres niveles según madurez digital
|
- Pegar el «prompt maestro» en Antigravity y obtener OptiRuta FDL: app web propia con Flask + OR-Tools que carga un Excel de paradas, resuelve el VRP y muestra la ruta en un mapa Leaflet
- Probar la app con paradas reales en la provincia de Alicante: comparar ruta manual vs optimizada
- Subir histórico a Claude y obtener previsión de demanda a 4 semanas con intervalo de confianza y supuestos explícitos
- Calcular los recursos necesarios
|
Módulo 8: IA act, ciberseguridad y cumplimiento en empresas de transporte
| Teoría aplicada |
Práctica Real |
- AI Act (visión operativa): sistemas de riesgo alto en transporte, obligaciones del deployer y cómo crear un mapa de riesgos
- RGPD aplicado a IA: qué datos de flota no pueden compartirse con herramientas públicas (matrículas, rutas, tacógrafo, geolocalización)
- NIS2 y ciberseguridad: flotas conectadas, APIs expuestas y buenas prácticas de acceso
- Gestión responsable del dato: anonimización, seudonimización y política de retención
|
- Construir con Claude el mapa de riesgos IA de la propia empresa en 10 minutos: identificar sistemas de alto riesgo y obligaciones aplicables
- Crear en n8n un flujo de anonimización automática de datos sensibles antes de enviarlos a cualquier API de IA externa
- Auditar con Claude un contrato de servicio cloud de transporte e identificar cláusulas problemáticas desde el punto de vista del AI Act
- Verificar con la Have I Been Pwned API si correos corporativos han estado en brechas de datos conocidas
|
Módulo 9: IA en el puesto de trabajo: tráfico, almacén, oficina y dirección
| Teoría aplicada |
Práctica real |
- Cómo integrar la IA en la rutina diaria sin cambiar todos los procesos a la vez: microusos de 5 minutos que ahorran horas
- IA como copiloto operativo: qué ruta, qué orden de carga, cómo informar de una incidencia a dirección
- Gestión del cambio: resistencias típicas del equipo y cómo introducir la IA sin generar rechazo
- Itinerarios de adopción por perfil: conductor, mozo de almacén, jefe de tráfico, oficinista y director
|
- Construir con Antigravity un planificador automático de agenda semanal: lee las tareas pendientes de Sheets y propone el orden del día con Claude
- Crear en n8n un flujo de gestión de equipo: registro de turnos, avisos de ausencia y reasignación automática de tareas urgentes
- Diseñar el itinerario de adopción IA personalizado para la propia empresa: qué implantar primero, qué esperar y qué medir
- Simular con Claude una conversación difícil con un empleado resistente a la IA y practicar la respuesta del mando intermedio
|
Módulo 10: Proyecto final – Tu solución IA para la empresa
| Teoría aplicada |
Práctica real |
- Criterios de calidad de una solución IA lista para producción: impacto real, sencillez de uso, seguridad y cumplimiento
- Cómo presentar una solución tecnológica a dirección: Problema → Solución → Beneficio → Próximos pasos
- Escalabilidad y mantenimiento: qué cambia si la empresa crece de 10 a 50 vehículos
- Siguientes pasos tras el curso: comunidad, recursos de actualización y mentoría
|
- Cada alumno presenta en directo (5 min) su solución integradora: al menos un flujo n8n, un robot documental y una herramienta construida con Antigravity o Claude
- Demo en vivo de la herramienta funcionando con datos reales o realistas, incluyendo la rama de escape humana
- Entrega del informe ejecutivo de 1 página (redactado con Claude) explicando el ahorro estimado y cómo escalaría la solución
- Sesión de feedback del equipo docente y evaluación por pares: ¿la solución funciona en producción? ¿tiene salvaguardas? ¿es comprensible para dirección
|
Fecha y horario
- Fechas: 16, 18, 23, 25, 30 de junio de 2026. 5 sesiones de 4 horas de duración cada una
- Horario: 16h a 20h
Lugar de Realización – Modalidad streaming:
Precio:
- Precio socio: 500 €
- Precio NO socio : 590 €
- Formación bonificable por FUNDAE.
Demand Planning Inteligente | Estrategias avanzada ...
Transformación y Digitalización de la Supply Chain ...