Maritime AI Saves Time—But Who Pays the Verification Tax?
63% of maritime professionals use AI daily, yet only 8% say their organisation has mature governance for it.
El sector marítimo ha integrado plenamente la inteligencia artificial en sus operaciones cotidianas, con un 63% de los expertos interactuando con estas herramientas a diario. Sin embargo, la confianza en su funcionamiento sigue siendo un desafío en desarrollo. Un estudio reciente elaborado por Thetius en colaboración con Marcura expone cómo, pese a su adopción generalizada, las empresas navieras aún enfrentan dilemas clave: cómo validar resultados, asignar responsabilidades y establecer marcos regulatorios, lo que el informe denomina el “coste de verificación”.
A pesar de su uso extendido, únicamente un 8% de los encuestados considera que su organización ha alcanzado un nivel avanzado y con controles adecuados en el empleo de IA. La brecha entre implementación y fiabilidad es notable: un 55% invierte como mínimo sesenta minutos semanales en supervisar o ajustar los productos generados por algoritmos, mientras que casi el 20% dedica más de cinco horas a esta labor. No obstante, el 85% reconoce que, tras contabilizar el tiempo de revisión, la IA optimiza su productividad global.
El «impuesto de verificación»: el precio de validar la IA en el sector marítimo: maritime ai
Esta carga de comprobación surge de la incertidumbre sobre la precisión de los sistemas automatizados.
La mayoría de los profesionales detecta fallos en los resultados de la IA con cierta frecuencia, y menos del 10% afirma que los datos de su organización están completamente preparados para depender de estos sistemas. Curiosamente, un 47% admite que reduciría drásticamente el tiempo de verificación si la experiencia previa demostrara la consistencia de los outputs. El informe subraya que el reto no consiste en suprimir la supervisión humana, sino en calibrarla: mantenerla en áreas donde los errores tendrían consecuencias graves y aligerarla a medida que aumente la credibilidad de la tecnología.
Janani Yagnamurthy, Vicepresidenta Senior de Producto en Marcura, destacó la importancia del contexto en la toma de decisiones asistida por IA.
“Maritime doesn’t have a shortage of data. The problem is that the context needed to make a good decision is often scattered across contracts, emails, documents, systems and the experience of the people doing the work. Putting AI on top of that fragmentation doesn’t make the problem disappear.
The opportunity is to bring that context together at the point where a decision is being made, and then learn from what actually happens. When the system can show what it is basing an answer on, be tested against real outcomes and improve from human corrections, there is less reason to check everything from scratch. That is how AI starts to earn trust rather than simply asking for it.”
Janani Yagnamurthy·Senior Vice President, Product, Strategic Growth at Marcura
De la sugerencia a la ejecución autónoma
Los riesgos se intensifican a medida que la IA evoluciona hacia sistemas capaces de actuar sin intervención humana. Actualmente, un 72% de las empresas ya emplea, prueba o planea implementar soluciones de IA “agente” con autonomía operativa. Sin embargo, solo un 15% afirma contar con estructuras de gobernanza preparadas para este salto tecnológico.
El documento señala que el 70% de los profesionales siempre contrastaría una recomendación de IA antes de aplicarla en decisiones empresariales críticas, mientras que el 80% sostiene que debe existir una persona identificable responsable de las resoluciones comerciales, independientemente de las capacidades de la inteligencia artificial.
La IA también está transformando la transmisión de conocimiento dentro de las organizaciones. Un 75% de los participantes indica que facilita la incorporación acelerada de empleados con menos experiencia. Un caso concreto es CP Optimiser, una herramienta de revisión de contratos de fletamento desarrollada por Marcura y Tomini Chartering. Este sistema analiza cláusulas contractuales utilizando el conocimiento acumulado de la empresa, identificando riesgos que tradicionalmente dependían de la pericia de colegas veteranos.
Thomas Stjernholm, Director Comercial de Tomini Chartering, definió la herramienta como un “cerebro colectivo” para la organización.
El informe Earning Trust concluye que las compañías deben evaluar el proceso completo de interacción humano-IA, distinguir entre verificaciones imprescindibles y redundantes, y establecer protocolos claros. El objetivo no es sustituir el criterio humano, sino potenciarlo, garantizando que la IA gane confianza mediante transparencia, fiabilidad y rendición de cuentas.
Sign up free to ask CAMAL AI for a summary, the key points or anything else about this story.
Related stories
CAMAL AI
Financial Ports Newsletter
The maritime economy, every morning
Ports, shipping and freight markets in one short email. Free.
