IA en logística inversa y devoluciones: qué se automatiza de verdad (y qué es marketing)

El problema real: una devolución cuesta dos veces

Una devolución no es una venta al revés. Es un coste. El producto viaja de vuelta, alguien lo recibe, lo inspecciona, decide qué hacer con él y, mientras tanto, ese dinero está inmovilizado. En España el problema es de los mayores de Europa: según el Informe Benchmark Anual de Devoluciones 2025 de ZigZag y Retail Economics, se devuelve el 23,7% de los pedidos online no alimentarios, y el volumen devuelto rozará los 13.300 millones de euros en 2025.

La foto empeora justo donde más se vende online. La ropa se devuelve al 31%, el calzado al 27% y la electrónica al 23%. No es un pico de un mal trimestre: el comercio electrónico europeo B2C creció un 7% en 2024, pasando de 784.000 a 842.000 millones de euros (EuroCommerce). El flujo de retorno crece a la vez que las ventas.

Un apunte para quitar humo. La cifra de 890.000 millones de dólares que verás repetida en LinkedIn es de Estados Unidos (NRF y Happy Returns, 2024), no de España ni de Europa. Sirve para dimensionar el problema global, no para tu almacén. Lo que te afecta es tu tasa de devolución y lo que te cuesta procesar cada retorno, igual que conviene calcular cuánto cuesta de verdad procesar una factura a mano antes de decidir dónde meter tecnología.

• Transporte de vuelta y logística del retorno.
• Mano de obra de recepción e inspección de cada artículo.
• Reacondicionamiento, reembalaje y reetiquetado.
• Pérdida de valor: lo que vale menos por haber salido del almacén.
• Reembolso adelantado al cliente antes de recolocar el producto.

Qué automatiza la IA de verdad hoy (y qué no)

La logística inversa tiene una cadena de decisiones. Recibes un paquete, identificas qué es y en qué estado llega, decides su destino (revender como nuevo, liquidar, reparar, reciclar), le pones precio y avisas a alguien. La IA es buena en las partes de esa cadena que son clasificación, predicción y texto. Es mala, o directamente inútil, en las que son manipulación física.

Esta tabla separa lo real de lo aspiracional. La columna que más importa es la última: lo que sigue siendo humano no es un fallo de la tecnología, es su límite honesto a día de 18/08/2026.

1. Clasificación y triaje de lo que vuelve

Es la aplicación más madura y la que antes da retorno. Cuando un paquete vuelve, alguien tiene que abrirlo, mirar el producto, comparar con el albarán, decidir si está para revender y meterlo en el sistema. Ese triaje suele depender de una o dos personas con experiencia, y es un cuello de botella los lunes después de un fin de semana de ventas.

Un modelo de visión mira la foto del artículo y su etiqueta, y propone categoría, referencia y una primera valoración de estado (nuevo precintado, abierto sin uso, con señales de uso, dañado). No sustituye el criterio final, pero elimina el trabajo de identificar y teclear. La persona pasa de mirar el 100% a revisar solo lo que el modelo marca como dudoso.

Qué necesitas y qué no

No hace falta una célula de visión artificial de decenas de miles de euros para empezar. Una parte del triaje se resuelve leyendo el motivo de devolución que escribe el cliente y los documentos que acompañan al retorno. Ahí la tecnología es la misma que usamos para el OCR de facturas con IA: extraer datos de un texto o una imagen y colocarlos en tu sistema sin que nadie los teclee.

En un operador logístico con el que trabajamos, el triaje de cada devolución dependía de dos personas con años de oficio. Al pasar la primera clasificación a un modelo que leía foto y albarán, esas personas dejaron de identificar cada artículo y pasaron a validar solo los casos que el sistema no tenía claros. El conocimiento seguía siendo suyo; lo que desapareció fue el tecleo repetitivo.

2. Pricing dinámico de liquidación y matching con compradores

Un producto devuelto que no vuelve a la venta principal acaba en liquidación. Aquí hay dos decisiones que la IA hace bien: a cuánto lo vendes y a quién. Fijar el precio de saldo a ojo es lento y suele dejar dinero sobre la mesa, en un lado o en el otro. Un modelo cruza el estado del artículo, el stock acumulado de esa referencia y la demanda reciente, y propone un precio. La persona pone el suelo (por debajo de aquí no vendemos) y aprueba.

El matching es el paso menos conocido y el más interesante para quien mueve volumen. En lugar de publicar un lote y esperar, el sistema cruza lo que tienes para liquidar con el histórico de quién compra ese tipo de stock: qué categorías, qué tamaños de lote, a qué precio suele cerrar. Convierte una lista de saldos en ofertas dirigidas a los compradores B2B que de verdad las quieren.

Todo esto es, en el fondo, automatización comercial aplicada a la inversa. La misma lógica que ordena un embudo de ventas sirve para ordenar la salida del stock de retorno. Si ya tienes un CRM, encaja con lo que contamos en automatización comercial y CRM: que los datos del cliente y del comprador trabajen solos en vez de vivir en una hoja de cálculo.

3. Comunicación con compradores B2B y con el cliente final

En la inversa hay dos conversaciones que se repiten miles de veces. Con el cliente final: dónde está mi reembolso, cuándo llega la etiqueta, por qué me habéis descontado. Con el comprador de saldo: qué tienes disponible, en qué estado, a cuánto, cuándo lo mando. Las dos son perfectas para automatizar porque el 80% de los mensajes son variaciones de las mismas preguntas.

Un asistente conectado a tu sistema responde el estado de una devolución o de un pedido de liquidación en el momento, sin que nadie del equipo interrumpa lo que está haciendo. Cuando la consulta se sale del guion (una reclamación, una negociación seria), la pasa a una persona con el contexto ya recogido. Para el canal, un chatbot de WhatsApp para empresas es lo más natural en España, porque es donde el cliente y el pequeño comprador ya escriben.

El objetivo no es que nadie hable con nadie. Es que tu equipo no gaste la mañana copiando números de seguimiento. La relación comercial de verdad, la que cierra un acuerdo de saldo recurrente, la sigue llevando una persona.

Cuándo NO compensa automatizar tu logística inversa

Esto no es para todo el mundo, y prometerlo sería el humo del que estás harto. Hay casos claros en los que montar IA en la inversa es gastar dinero para presumir de proyecto.

La regla es sencilla: si no tienes volumen ni repetición, no hay nada que automatizar. La IA rinde cuando la misma decisión se toma cientos de veces. Si devuelves veinte pedidos al mes y son todos distintos, una persona con una buena plantilla va más rápido y te cuesta menos.

• Pocas devoluciones al día y muy variadas: no hay patrón que aprender, el coste no sale.
• Producto único o de alto valor donde cada retorno se perita a mano de todos modos.
• Datos sucios: si tu inventario y tus motivos de devolución no están mínimamente ordenados, primero se limpia eso.
• Sin proceso definido: si nadie sabe hoy quién decide el destino de una devolución, automatizar el caos solo lo acelera.
• Esperar que la IA reacondicione: limpiar, reparar o reembalar es trabajo físico y seguirá siéndolo.

Cómo empezar sin montar un proyecto de seis meses

El error habitual es querer automatizar toda la cadena de golpe. La forma que funciona es elegir el cuello de botella más caro y atacarlo primero, medir y luego seguir. En la mayoría de operaciones ese cuello es el triaje o la comunicación repetida, no el pricing.

Un piloto honesto se monta en semanas, no en trimestres, y se hace sobre una parte acotada: una familia de producto, un motivo de devolución, un canal de mensajes. Sirve para ver el número real en tu operación antes de invertir más. Si mueves volumen logístico, el punto de partida útil es esta lista de procesos de un operador logístico que ya se automatizan, para ubicar la inversa dentro del resto.

Nosotros lo implantamos midiendo antes y después, sin promesas de porcentaje mágico. Si quieres una lectura de tu caso concreto, para eso está la IA para logística que hacemos, y una primera conversación de consultoría de IA en Barcelona para decidir si tu volumen justifica dar el paso.

Preguntas frecuentes

Fuentes

• Informe Benchmark Anual de Devoluciones España 2025 (ZigZag Global y Retail Economics)
• Las devoluciones online en España superan los 13.300 millones en 2025 (Marketing4eCommerce)
• European E-commerce Report 2025 (EuroCommerce y Ecommerce Europe)
• NRF and Happy Returns Report: 2024 Retail Returns to Total $890 Billion (National Retail Federation)

Seguir leyendo