The short answer
Estos 25 prompts de IA están diseñados para las tareas diarias reales de los gerentes de logística. Vaya más allá de las solicitudes genéricas con prompts específicos y listos para copiar y pegar para cuadros de mando de rendimiento de transportistas, excepciones de previsión de demanda, evaluación de RFP, clasificación de interrupciones y documentación de decisiones asistidas por IA para cumplimiento. Cada uno está listo para sus datos específicos.
Los prompts genéricos de ChatGPT, como «analiza mis datos de cadena de suministro», son inútiles. Carecen del contexto, las restricciones y los formatos de salida específicos necesarios para el trabajo logístico profesional. La diferencia entre un experimento de IA fallido y un asistente genuinamente útil radica en la calidad del prompt.
Esta es una biblioteca de prompts listos para copiar y pegar, construida para el trabajo real de un gerente de cadena de suministro en septiembre de 2026. Están diseñados para la especificidad, cubriendo tareas como la creación de cuadros de mando de rendimiento de transportistas, la evaluación de respuestas a RFP y la clasificación de excepciones de sus plataformas de visibilidad. Desarrollamos estos prompts porque vimos una clara brecha entre los consejos genéricos que inundan internet y las necesidades concretas de los profesionales que trabajan en cadena de suministro y logística impulsadas por IA.
ZEKAI revisa todas las herramientas y flujos de trabajo de forma independiente. Nuestras recomendaciones se basan en la aplicación práctica y en lo que realmente funciona. Estos prompts están pensados para ser adaptados con sus datos del mundo real y obtener resultados accionables de modelos de lenguaje grandes (LLMs) como Claude, Gemini o ChatGPT.
Por qué los Prompts Genéricos Fallan en Logística
El problema central es la falta de contexto operativo. Una cadena de suministro es una red de restricciones específicas: plazos de entrega, niveles de servicio de los transportistas, capacidades de almacén y ventanas de entrega al cliente. Los prompts genéricos no comprenden estas restricciones y producen resultados vagos e inútiles. Los prompts efectivos proporcionan a la IA un rol, una tarea específica, los datos brutos, las restricciones y un formato de salida deseado.
los proyectos de IA fracasan debido a problemas de calidad de los datos, no a problemas con el modelo de IA en sí. Source: trax.tech
Esta estadística subraya la importancia de alimentar a la IA con datos limpios y bien estructurados a través de un prompt detallado. Un buen prompt actúa como un puente, traduciendo su realidad operativa en una consulta que la IA puede ejecutar eficazmente. Aunque solo el 22.2% de las organizaciones de cadena de suministro han implementado la IA a escala, casi el 66% identifica la calidad e integración de los datos como el diferenciador clave para el éxito. Esta biblioteca está diseñada para ayudarle a estructurar esos datos y consultarlos correctamente.
Prompts para Cuadros de Mando de Rendimiento de Transportistas y 3PL
Utilice estos prompts para transformar sus datos brutos de rendimiento de transportistas en un cuadro de mando estructurado y objetivo. Esto es ideal para revisiones trimestrales de negocios (QBRs) y la gestión del rendimiento.
para el período del 1 de julio de 2026 al 30 de septiembre de 2026. Los indicadores clave de rendimiento (KPIs) que rastreamos son:
- On-Time Pickup (OTP): El objetivo es >=98%
- On-Time Delivery (OTD): El objetivo es >=95%
- Tender Acceptance Rate: El objetivo es >=95%
- Cost per Shipment vs. Benchmark: El objetivo es <=105% del benchmark
- Damage/Loss Rate: El objetivo es <=0.5% del total de envíos
**DATOS:** El CSV tiene las siguientes columnas:
[Nombre del Representante del Transportista]
[Ciudad de Origen] - [Ciudad de Destino]
Para las empresas que operan en regiones específicas con múltiples transportistas locales, estos prompts pueden ser invaluables. Una plataforma como Boxy, que agrega más de 15 transportistas en Irak, puede proporcionar los datos brutos necesarios para realizar este tipo de análisis y optimizar su combinación de transportistas.
BO Tool review Boxy — read our full review Pricing, free tier and where it falls shortPrompts para Previsión de Demanda y Gestión de Excepciones
La previsión es un área primordial para la IA, con Gartner prediciendo que el 70% de las grandes organizaciones adoptarán la previsión basada en IA para 2030. Estos prompts le ayudan a utilizar la IA para analizar las desviaciones de la previsión y gestionar por excepción.
.
**ACCIÓN:**
1. Para cada SKU, calcule el Error Absoluto (
[Categoría de Producto, ej., 'Decoración de Temporada']
(8 días a partir de ahora)
**ACCIÓN:**
1. Calcule los "Días de Suministro" restantes (
Prompts para Evaluación de RFP y Licitaciones
Responder y evaluar RFPs (Solicitudes de Propuesta) es un proceso con gran cantidad de documentos, perfecto para un LLM. Estos prompts ayudan a estructurar la evaluación y a generar retroalimentación consistente.
.
**CONTEXTO:** Necesitamos una forma estructurada y objetiva de comparar ofertas. Los criterios de evaluación, en orden de importancia, son:
1. Costo (Precio por envío/milla).
2. Nivel de Servicio (Tiempo de tránsito garantizado, compromiso de OTD).
3. Tecnología y Visibilidad (Capacidades de integración API, plataforma de seguimiento en tiempo real).
4. Estabilidad y Experiencia del Transportista (Años en el negocio, referencias, salud financiera).
5. Iniciativas de Sostenibilidad (Informes de emisiones de la flota, opciones de vehículos eléctricos/combustibles alternativos).
**ACCIÓN:**
1. Cree una tabla markdown para que sirva como cuadro de mando de evaluación.
2. Asigne un peso a cada uno de los 5 criterios. Los pesos deben sumar 100%. (ej., Costo: 40%, Servicio: 25%, Tecnología: 20%, Estabilidad: 10%, Sostenibilidad: 5%).
3. Para cada criterio, defina una rúbrica de puntuación de 1 a 5. Por ejemplo:
- **Costo (40%):** 5 = >10% por debajo del benchmark; 4 = 5-10% por debajo; 3 = en el benchmark; 2 = 5-10% por encima; 1 = >10% por encima.
- **Tecnología (20%):** 5 = Integración API completa y portal en tiempo real; 3 = Solo portal; 1 = Actualizaciones manuales.
4. Incluya columnas para
) y resuma sus puntos clave según nuestros criterios de cuadro de mando de evaluación.
**CONTEXTO:** Está utilizando el cuadro de mando creado en el prompt anterior. Necesita extraer la información relevante del PDF de 50 páginas del proveedor y mapearla a nuestros 5 criterios de evaluación.
**ACCIÓN:**
Para cada uno de los 5 criterios (Costo, Servicio, Tecnología, Estabilidad, Sostenibilidad), realice lo siguiente:
1. Encuentre la sección relevante en la propuesta del proveedor.
2. Extraiga las afirmaciones o puntos de datos específicos del proveedor.
3. Presente los hallazgos en una lista estructurada.
**Formato de Salida de Ejemplo:**
* **Costo (Peso: 40%):**
* Precio propuesto:
y hemos seleccionado a otro proveedor. Queremos mantener una buena relación con el licitador no seleccionado para futuras oportunidades.
**ACCIÓN:**
Escriba un correo electrónico a
Prompts para Riesgo de Proveedores y Respuesta a Interrupciones
Las interrupciones importantes de la cadena de suministro ocurren ahora cada 3.7 años en promedio, costando a las empresas un asombroso 45% de las ganancias de un año durante una década. Estos prompts le ayudan a utilizar la IA para evaluar proactivamente el riesgo y reaccionar rápidamente cuando ocurren interrupciones.
la cadena de suministro que duran un mes o más ocurren en promedio cada 3.7 años, costando a la organización promedio el 45% de las ganancias de un año durante una década. Source: mckinsey.com
.
**CONTEXTO:** Estamos considerando un nuevo proveedor,
han votado a favor de la huelga, a partir de
[Pegue el texto del artículo de noticias sobre un incendio en una fábrica, un nuevo arancel comercial, un conflicto regional, etc.]
Prompts para Informes de Optimización de Rutas y Flotas
La optimización de rutas impulsada por IA es una tecnología madura que puede reducir significativamente los costos de combustible y los tiempos de entrega. Estos prompts son para informar a los conductores y analizar el rendimiento, no para generar las rutas en sí, lo cual es una tarea para software especializado.
- **Plan de Ruta (del software de optimización):**
- Paradas Totales:
- **Datos Planificados:**
- Hora de Inicio Planificada: 08:00
- Hora de Finalización Planificada: 14:27
- Millas Planificadas: 85
- Paradas Planificadas: 18
- **Datos Reales (de telemática):**
- Hora de Inicio Real: 08:15
- Hora de Finalización Real: 15:30
- Millas Reales: 92
- Paradas Reales Completadas: 18
- Notas del Registro Telemático: "Tráfico inusual en la I-5 de 10:15 a 10:45 AM debido a un accidente. Parada 7, cliente no listo, retraso de 20 min."
**ACCIÓN:**
1. Calcule la varianza para la duración, las millas y la hora de inicio.
2. Presente una comparación en una tabla markdown:
Herramientas especializadas como Optiyol están diseñadas para resolver el complejo Problema de Enrutamiento de Vehículos (VRP). Después de que genere un plan óptimo, puede utilizar los prompts anteriores para salvar la brecha entre la salida del algoritmo y la ejecución diaria del conductor humano.
OP Tool review Optiyol — read our full review Pricing, free tier and where it falls shortPrompts de Cumplimiento y Documentación (Ley de IA de la UE)
A partir de agosto de 2026, la Ley de IA de la UE impone requisitos de documentación, transparencia y supervisión humana a los sistemas de IA de «alto riesgo». La IA logística utilizada para la optimización de rutas o la gestión de trabajadores puede caer en esta categoría. Estos prompts ayudan a crear la documentación necesaria.
[e.g., 'Dynamic Replenishment Optimizer v2.1']
Más Prompts para Tareas Logísticas Diarias
- Cree una lista de verificación de 5 puntos para una auditoría de seguridad de almacén.
- Resuma este contrato de transportista de 10 páginas en 5 responsabilidades clave y 3 acuerdos de nivel de servicio (SLAs) clave. (Adjuntar contrato)
- Redacte un correo electrónico cortés pero firme a un proveedor que ha incumplido una fecha de entrega, solicitando un análisis de causa raíz y una nueva ETA.
- Analice esta lista de 100 SKUs y categorícelos por velocidad de ventas en categorías A, B y C basándose en la regla 80/20. (Adjuntar datos de ventas)
- Escriba un procedimiento operativo estándar (POE) para procesar una reclamación por mercancía dañada.
- Genere una lista de preguntas para la entrevista de un nuevo puesto de Coordinador de Logística, centrándose en las habilidades de resolución de problemas y análisis de datos.
- Convierta esta lista de excepciones de envío (tarde, dañado, dirección incorrecta) en una tabla dinámica que muestre las excepciones por transportista y por causa raíz. (Adjuntar registro de excepciones)
- Explique el concepto de «detención y sobrestadía» en términos sencillos, como si fuera para un nuevo miembro del equipo en el departamento de finanzas.
- Escriba un guion corto para una reunión diaria de pie, cubriendo el rendimiento de ayer, las prioridades de hoy y cualquier obstáculo inmediato.
- Revise este formulario de declaración de aduanas para verificar su integridad y coherencia con la factura comercial adjunta.
| Prompt Category | Best For… | Data/Tool Input Needed |
|---|---|---|
| Cuadros de Mando de Transportistas | QBRs, gestión del rendimiento del transportista | Datos de envío de TMS, ERP o agregador como Boxy |
| Previsión de Demanda | Reuniones de S&OP, planificación de inventario | Datos de Previsión vs. Reales de software de planificación o ERP |
| RFP y Licitaciones | Compras, selección de proveedores | Documentos de RFP, propuestas de proveedores, benchmarks internos |
| Riesgo y Disrupción | Gestión proactiva de riesgos, respuesta a crisis | Fuentes de noticias, datos de proveedores, ETAs de envíos de plataformas de visibilidad |
| Optimización de Rutas | Informes a conductores, análisis de rendimiento | Planes de ruta de software como Optiyol, datos telemáticos |
| Cumplimiento (Ley de IA de la UE) | Auditorías, documentación de decisiones asistidas por IA | Salida/recomendaciones de cualquier sistema de IA de «alto riesgo» |
Swipe the table sideways →
Cómo Construir Su Propia Biblioteca de Prompts
Los mejores prompts son específicos para su operación. Comience con las plantillas aquí y personalícelas.
- Defina el Rol: Siempre dígale a la IA quién es. «Usted es un analista de logística senior» es mejor que nada.
- Declare la Tarea: Sea explícito. «Genere un cuadro de mando», no «mire estos datos».
- Proporcione Contexto y Restricciones: Este es el paso más importante. Dele los objetivos de KPI, las reglas de negocio, las ventanas de entrega y el objetivo.
- Estructure los Datos: Explique las columnas de su CSV. Cuanto mejor defina la entrada, mejor será la salida.
- Especifique el Formato de Salida: Pida una tabla markdown, un objeto JSON o un resumen de 3 puntos. Si no especifica el formato, obtendrá un muro de texto.
A medida que la adopción de la IA en la cadena de suministro madura —pasando de solo el 5% de las empresas que utilizan IA agéntica en 2025 a un 60% proyectado para 2030— la capacidad de elaborar prompts efectivos se convertirá en una habilidad central para cada gerente. Comience a construir sus bibliotecas personales y de equipo ahora para mantenerse a la vanguardia. La demanda de roles en la cadena de suministro que requieren habilidades de IA ya ha aumentado un 387% en tres años, y esta tendencia solo se acelerará.
Para más recursos sobre la integración de la IA en sus operaciones, visite nuestro centro de IA para Cadena de Suministro y Logística.
¿Cómo se utilizará la IA en la cadena de suministro?
R: La IA se utiliza en toda la cadena de suministro para la previsión de la demanda, la optimización de rutas, la automatización de almacenes (robótica y sistemas de visión), el mantenimiento predictivo de vehículos, el análisis del rendimiento de los transportistas y la automatización de tareas administrativas como el procesamiento de documentos y la conciliación de facturas. A partir de 2026, el enfoque está cambiando de pilotos específicos a sistemas integrados y agénticos.
¿Cuáles son las limitaciones de ChatGPT en la cadena de suministro?
R: ChatGPT y otros LLMs generales carecen de acceso a datos en tiempo real, no pueden integrarse directamente con su TMS o ERP, y no tienen una comprensión inherente de sus restricciones operativas específicas (ej., su red, sus niveles de servicio). Son potentes para analizar los datos que usted proporciona y generar documentos, pero no pueden ejecutar tareas operativas directamente.
¿Puede la IA optimizar las rutas logísticas?
R: Sí, absolutamente. La optimización de rutas impulsada por IA es una aplicación madura que utiliza algoritmos para encontrar las rutas de múltiples paradas más eficientes basándose en el tráfico, las ventanas de entrega, la capacidad del vehículo y otras restricciones. Esto se realiza típicamente mediante software especializado (como Optiyol), no un chatbot de propósito general.
¿Cómo se escribe un buen prompt para la gestión de la cadena de suministro?
R: Un buen prompt incluye cinco elementos: 1) Un Rol claro para la IA (ej., «Usted es un analista de compras»). 2) Una Tarea específica (ej., «Evalúe esta respuesta a la RFP»). 3) Contexto y restricciones (ej., «Nuestro objetivo principal es la reducción de costos»). 4) Una descripción de los Datos proporcionados. 5) Un Formato de Salida definido (ej., «Proporcione una tabla markdown»).
¿Cuál es un ejemplo de aplicación de IA en logística?
R: Un ejemplo común es una plataforma de visibilidad impulsada por IA (como FourKites o Project44) que proporciona seguimiento en tiempo real de los envíos. Utiliza la IA para predecir la Hora Estimada de Llegada (ETA) de un envío con mayor precisión que los datos del transportista por sí solos, al considerar el tráfico, el clima y los tiempos de permanencia en el puerto, y luego alerta a los gerentes sobre posibles retrasos.
¿Ayuda la IA en la previsión de la demanda?
R: Sí, la IA representa una mejora significativa sobre los métodos estadísticos tradicionales. Los modelos basados en IA pueden analizar patrones más complejos e incorporar una gama más amplia de datos externos (como el clima, días festivos y eventos promocionales) para crear previsiones más precisas y granulares con menos intervención manual.
¿Qué IA es mejor para la logística?
R: No existe una única IA «mejor». Depende de la tarea. Para la optimización de rutas, necesita un solucionador VRP especializado. Para la automatización de almacenes, necesita sistemas de visión por computadora y robótica. Para el análisis de datos y la generación de documentos, un Modelo de Lenguaje Grande (LLM) potente como Claude 3, GPT-4 o Google Gemini es lo mejor, accesible a través de un buen prompt.
Adónde ir ahora
Tres rutas, elegidas según lo que acabas de leer.
Fuentes (25)
- Itransition, «AI Use Cases and Key Statistics and Trends for 2026», August 2026
- Wiss, «Supply Chain Visibility: Financial Impact on Manufacturing», April 2026
- The Loadstar, «AI adoption in supply chains hampered by change management, not technology», June 2026
- McKinsey, «What is supply chain?», August 2022
- Conexiom, «Supply Chain Disruption Stats: 20 Costs (2026)», June 2026
- McKinsey, «Supply-chain resilience: Is there a holy grail?», December 2021
- World Economic Forum, «Leveraging digital tools in the age of supply chain disruption», January 2025
- Forbes, «Supply Chains, 2026: Less Globalization, More AI», October 2025
- Locus, «Logistics AI Governance EU 2026: Six Architectural Mechanisms», June 2026
- Volvo Autonomous Solutions, «EU AI Act explained: How Europe’s new AI regulations will affect autonomous transport», November 2025
- Gartner, «Gartner Forecasts Supply Chain Management Software with Agentic AI Will Grow to $53 Billion in Spend by 2030», April 2026
- Gartner, «Gartner Says There is an Outsized Need for AI Talent in Supply Chain», June 2026
- Epic Growth, «AI for logistics & supply chain operators», 2026
- Trax Technologies, «Why Supply Chain AI Projects Fail: The $100M Data Quality Problem», August 2025
- o9 Solutions, «2026: The age of the AI supply chain», November 2025
- European Parliament, «EU AI Act: first regulation on artificial intelligence», February 2025
- Open Sky Group, «Supply Chain AI Statistics: 18+ Statistics You Should Know for 2026», April 2026
- Semarchy, «What is Data Quality?», February 2025
- Stibo Systems, «Supply chain analytics: What is it and why it’s important?», December 2024
- Mecalux, «Data quality: What it is and how it’s measured», March 2026
- Pinsent Masons, «A guide to high-risk AI systems under the EU AI Act», February 2024
- Netguru, «AI in logistics: applications, ROI and adoption guide», July 2026
- Gartner, «Gartner Predicts 70% of Large Organizations Will Adopt AI-Based Supply Chain Forecasting to Predict Future Demand by 2030», September 2025
- nShift, «AI in logistics in 2026: the skills gap is the real constraint», July 2026
- IBM, «What Is Data Quality?», September 2023
Ve Zekai primero en Google
El briefing semanal de IA para tu profesión
Un correo semanal: los cambios de IA que realmente afectan a tu profesión — herramientas, ofertas y qué hacer al respecto.
