Zanatello Acosta
Consulting

Trabajo seleccionado

WRK.01

Primero la operación. Después el software.

Zanatello Acosta Consulting es nueva, así que las pruebas vienen de antes de ZAC: resultados de puestos anteriores en operaciones y productos que construí yo mismo con IA. Cada caso muestra el contexto, la fricción, la intervención y el resultado, señalado según dónde se hizo el trabajo.

Puestos anteriores · Operaciones

WRK.02
CASE.01Puesto anterior · Amazon Spain

Planificación nacional de capacidad

Contexto
Una red nacional de reparto de unos 2.500 socios (tiendas que reparten), planificada de forma centralizada.
Fricción
La planificación de la red no sabía con fiabilidad qué socios iban a estar disponibles, así que los planes fallaban y el cumplimiento variaba de un sitio a otro.
Intervención
Un proceso de planificación de turnos con un mecanismo de cumplimiento diseñado con el equipo legal, y una previsión de capacidad y volumen construida encima.
Adopción
Desplegado por fases, con formación para los socios, comunicación clara y seguimiento semanal de indicadores.

85 → 97%Cumplimiento de turnos de los socios

Leer el caso: Planificación nacional de capacidad
CASE.02Puesto anterior · Amazon Spain

Optimización de rutas

Contexto
Planificación de rutas para una red nacional de reparto, con furgonetas, ventanas de entrega y límites de conducción.
Fricción
Las rutas se configuraban a mano, nodo a nodo, sin forma de probar alternativas antes de cambiarlas.
Intervención
Un modelo en Python que agrupa las tiendas en rutas y fija el número de rutas por nodo, dentro de las restricciones de furgonetas, tiempos y ventanas de entrega.
Adopción
Se usó para probar escenarios antes de cada cambio, nodo a nodo, y después se integró en una rutina semanal de planificación estándar.

+27%Eficiencia de las rutas (paradas por ruta)

Leer el caso: Optimización de rutas
CASE.03Puesto anterior · Amazon Spain

Lanzamiento de logística inversa

Contexto
Un centro logístico que asumía un proceso de devoluciones de otro centro, con una semana de aviso.
Fricción
Sin línea adaptada, sin flujo, sin personas formadas y sin estándares, y con el volumen ya en camino.
Intervención
Un sprint de lanzamiento de siete días: adaptación de la línea, un flujo invertido, material de formación, zonas de clasificación y flujos.
Adopción
Formadores y operarios se formaron durante el sprint; la distribución, las auditorías y los informes mejoraron en los meses siguientes.

7 díasDel aviso a la operación en marcha

Leer el caso: Lanzamiento de logística inversa
CASE.04Puesto anterior · Amazon Spain

Estándares que viajaron

Contexto
Operaciones de devoluciones y de entrada con cientos de operarios repartidos en turnos.
Fricción
Los mismos errores de calidad volvían una y otra vez, la formación era improvisada y las buenas prácticas se quedaban en el turno que las descubría.
Intervención
Una escuela de calidad con seguimiento del rendimiento, formación dirigida y un muro de ejemplos reales, además de rutinas diarias para los jefes de equipo y una calculadora de personal de apoyo.
Adopción
Puesta en marcha con el equipo de formación y los jefes de equipo, documentada y después presentada a otros centros, que la adoptaron en toda Europa.

Toda la UEAdoptado por centros de toda Europa

Leer el caso: Estándares que viajaron

Proyectos propios · Construidos con IA

WRK.03

Productos que fundé y construí yo solo, usando IA para construir más rápido y dentro del propio producto. Ninguno tiene todavía uso de pago, así que muestran cómo construyo, no resultados de clientes.

Mapa de crisis en vivo y lista de alertas de OceanOps, tramados
CASE.05Proyecto propio · OceanOps

OceanOps

Contexto
Las crisis en arrecifes, como el blanqueamiento del coral, tienen alertas tempranas, capacidad de respuesta y financiación, pero ningún flujo de trabajo compartido que las conecte.
Fricción
Las alertas llegan, pero convertirlas en una respuesta coordinada, seguirla sobre el terreno y demostrar el resultado a quien financia se hace a mano, con herramientas dispersas.
Intervención
Una plataforma que ingiere cada día datos oceánicos públicos, clasifica cada evento por gravedad y urgencia, activa un protocolo de respuesta por fases, registra las acciones sobre el terreno y exporta registros auditables.
Adopción
Prototipo en uso, en conversación con programas de arrecifes sobre un piloto a medida. Todavía sin uso de pago.

PrototipoPlataforma funcional, construida en solitario

Leer el caso: OceanOpsVisitar oceanops.tech
Pantalla de búsqueda de candidatos en lenguaje natural de Scout, tramada
CASE.06Proyecto propio · Scout

Scout

Contexto
Los equipos pequeños de RR. HH. guardan miles de candidatos antiguos en su sistema de seguimiento de candidatos, pero rara vez vuelven a buscar en ellos.
Fricción
Encontrar a un buen candidato antiguo exige construir filtros complejos a mano, así que los equipos publican ofertas nuevas y empiezan de cero.
Intervención
Una búsqueda en la que el seleccionador describe al candidato ideal con lenguaje natural y la IA lo convierte en filtros, además de análisis de CV, una bolsa de candidatos antiguos para redescubrir y cruce con ofertas de empleo activas.
Adopción
Acceso anticipado. Construido y probado con datos de prueba; todavía sin clientes.

Acceso anticipadoProducto funcional, construido en solitario

Leer el caso: ScoutVisitar scoutcollab.com

¿Un problema parecido?

El mismo método funciona a cualquier escala: mapear el sistema, elegir la intervención más pequeña que importa, construirla y traspasarla.