Geolocalización de flotas: cómo calcular ETAs que se cumplen de verdad

Un sistema de ETAs predictivas combina tres fuentes: posición GPS en tiempo real (de la flota propia o de la app del conductor), condiciones de tráfico en vivo sobre la ruta restante, y el histórico real de esa ruta y ese punto de entrega, porque el tiempo medio de descarga en el muelle 3 de un cliente concreto es un dato que solo tu propia operación tiene.

El tercer factor es el más valioso y el menos evidente: ningún mapa genérico sabe que el cliente X siempre tarda 45 minutos en descargar aunque el sistema de citas diga 20, o que la nacional A tiene un atasco recurrente entre las 8:00 y las 9:30 los jueves que los mapas de tráfico capturan tarde. Ese conocimiento acumulado en el histórico de tu propia operación es lo que convierte una ETA estimada en una ETA fiable.

El resultado no es una ETA estática calculada al salir, sino una que se recalcula continuamente: si hay un corte en la A-42, el sistema lo ve antes que el conductor y ajusta la previsión sin que nadie tenga que llamar.

Eso permite un paso más importante que la propia ETA: avisar al cliente de forma proactiva cuando la entrega se va a desviar del compromiso, antes de que llame preguntando y antes de que la desviación se convierta en penalización de SLA. El impacto operativo más importante no es la precisión del número, sino que el departamento deja de recibir la llamada "¿dónde está mi pedido?" quince veces al día.

Técnicamente, esto se construye sobre PostGIS (datos geoespaciales en PostgreSQL) y un servicio de tráfico en vivo, con un modelo simple de corrección basado en el histórico propio, no hace falta un algoritmo de IA sofisticado para empezar a ganar precisión frente a la estimación a ojo del conductor.

El componente más valioso, el histórico de tiempos reales por ruta y por cliente, se construye solo operando el sistema durante semanas. Por eso la arquitectura correcta es: desplegar primero la geolocalización básica con tráfico en tiempo real, y añadir el modelo de corrección histórica cuando hay suficientes datos. No al revés. Ver caso real: ETAs predictivas en flota de transporte.

La geolocalización de vehículos o dispositivos de conductores tiene implicaciones legales que hay que gestionar desde el diseño, no como addendum. El RGPD y la legislación laboral española establecen que los trabajadores deben ser informados de forma explícita de que sus dispositivos o vehículos son rastreados, con qué finalidad y durante cuánto tiempo se conservan los datos de posición.

Lo que diseñamos: el rastreo activo solo durante la jornada laboral, con datos de posición que no se almacenan indefinidamente, y con acceso restringido a los datos de cada conductor (solo quien tiene necesidad operativa legítima puede ver la posición de un conductor concreto). El registro de consentimiento y la política de retención forman parte del entregable de un proyecto de geolocalización bien hecho, no son un trámite separado.

La ETA predictiva tiene el mayor impacto cuando no se queda dentro del sistema interno, sino cuando llega al cliente final. Una empresa de distribución que avisa proactivamente al destinatario con una ventana horaria actualizada reduce las llamadas entrantes de "¿dónde está mi pedido?" entre un 60-80% según los datos de los proyectos que hemos desplegado.

Esa comunicación puede ser un SMS automatizado cuando el vehículo queda a N paradas del destinatario, un email con enlace de seguimiento, o una integración con el portal de cliente si el destinatario es B2B. El canal depende del cliente, pero la lógica es la misma: la ETA sale del sistema cuando es útil, no cuando alguien se acuerda de comunicarla.