Varias de las redes de Estaciones de Servicio recientemente premiadas por las petroleras tienen algo en común: utilizan sistemas de medición y seguimiento que les permiten controlar la operación mientras sucede. Estos operadores entendieron que reunir datos ya no es suficiente. La diferencia está en poder demostrar qué tarea se realizó, cuándo ocurrió, quién intervino y qué medida se tomó frente a cada desvío.
Durante la última década, el negocio incorporó telemedición, sensores, cámaras y programas de gestión para conocer con mayor precisión lo que sucede en la playa, los tanques y la tienda. Ahora aparece una nueva exigencia. La estación necesita demostrarle al cliente que el baño se limpia, a la petrolera que el combustible está en condiciones, al inspector que la documentación se encuentra al día y a su propia administración que las diferencias detectadas al finalizar el mes tienen una explicación.
dticenter es una empresa tecnológica que desarrolla herramientas de gestión y control para redes de Estaciones de Servicio y compañías petroleras. A partir de su trabajo con operadores reconocidos por sus volúmenes de venta y la calidad del servicio, sus fundadores, Pablo Romero y Daniel Viegas, plantean una diferencia central entre medir y dejar un rastro verificable: “El primero produce un informe; el segundo genera una prueba”.
Esa necesidad llevó a la compañía a desarrollar App Me, una aplicación destinada a conectar al personal de playa y de la tienda con los sistemas de gestión de la Estación de Servicio. La herramienta permite registrar tareas e información operativa, recibir el recibo de sueldo, acceder a un canal de denuncias y consultar calificaciones a tiempo para corregir posibles fallas.
El punto de partida es que ninguna plataforma puede ofrecer un diagnóstico completo si la información no llega a quienes realizan las tareas cotidianas. El personal genera gran parte de los datos de una estación, pero muchas veces es el último en conocer los resultados.
“El vendedor genera casi todos los datos de la estación y es el último en enterarse de cualquier cosa, incluido su propio desempeño”, señalaron Romero y Viegas en diálogo con Surtidores.
Con App Me, cada tarea puede quedar asociada a un registro, una persona y un momento determinado. El objetivo es reemplazar las indicaciones dispersas y las comunicaciones informales por constancias que permitan verificar lo realizado. De esta manera, “cada hallazgo termina en una constancia y no en un mensaje de WhatsApp”, sostuvieron los desarrolladores.
El baño es uno de los ejemplos más evidentes de esta lógica. Aunque suele ocupar poco espacio dentro de los indicadores de gestión, puede pesar considerablemente en la decisión de quien utiliza una Estación de Servicio como parada habitual durante su jornada. Su estado puede ser evaluado por cualquier persona, sin necesidad de contar con conocimientos técnicos sobre combustibles.
Cuando cada limpieza queda registrada digitalmente, la tarea deja de depender de una anotación o del recuerdo del personal. “Lo que se registra se hace”, afirmaron los fundadores de dticenter. El seguimiento contribuye a formar el hábito y permite que la conversación con la gerencia deje de limitarse a una indicación general como “hay que mejorar”.
“El control del baño no se hace para el auditor; se hace porque el cliente lo exige”, remarcaron.
El usuario no consulta los informes internos, pero aprendió a elegir a partir de señales concretas. Regresa donde encuentra instalaciones limpias y una atención eficiente, pero evita el establecimiento donde tuvo una mala experiencia. Muchas veces, además, deja esa percepción en una reseña que otros usuarios leen antes de decidir dónde cargar combustible, tomar un café o detenerse durante un viaje.
En esos casos, es el consumidor final quien detecta la falla antes que cualquier tablero de control en Power BI y actúa en consecuencia.
Otro punto sensible es la calidad del combustible. La presencia de agua en una cisterna puede descubrirse mediante un control diario o después de que el vehículo de un cliente presente una falla tras la carga. La primera alternativa permite prevenir el problema; la segunda obliga a actuar cuando el daño ya se produjo.
Una nota escrita en un cuaderno puede indicar que la tarea fue realizada, pero no necesariamente permite comprobar cómo se efectuó. Por esa razón, dticenter implementó un control digital desde la playa, acompañado por evidencia fotográfica obligatoria de las muestras.
La descarga constituye otro proceso que muchas veces queda fuera del seguimiento inmediato. Firmar un remito sin comparar la información con el movimiento real del tanque implica aceptar lo que indica el papel en una de las operaciones de mayor valor económico para una Estación de Servicio.
La conciliación enfrenta los litros incluidos en el remito con la variación registrada en la cisterna durante la descarga. Así, una diferencia puede identificarse cuando ocurre y no recién al realizar el balance de inventario.
Las cámaras también concentran datos que pocas estaciones utilizan para gestionar. Por lo general, las imágenes se revisan después de un robo, un accidente o un reclamo. Sin embargo, los sistemas de visión con inteligencia artificial pueden convertirlas en instrumentos para medir el tiempo de despacho de cada vehículo, el tránsito frente al establecimiento y la capacidad de captación.
Si la circulación se mantiene estable, pero disminuye la proporción de vehículos que ingresa, el problema puede encontrarse dentro de la propia operación. La misma lógica comienza a trasladarse a las tiendas de conveniencia, donde las cámaras permiten analizar cuántas personas ingresan, cuánto esperan y en qué momento se producen las principales demoras.
Según Romero, en las reuniones de gestión suele repetirse una escena: responsables de distintas áreas discuten sobre gráficos que se ven bien, pero contienen información pasada que ya no puede convertirse en una acción a tiempo. Por eso, la propuesta consiste en relacionar los registros de App Me con los eventos, las ventas y los movimientos de la operación.
Para la compañía, no puede existir una predicción útil cuando los datos se cargan manualmente, llegan tarde o carecen de evidencia. El resultado no depende solamente del algoritmo o de la apariencia de un gráfico en Power BI, sino de la calidad de la información, del momento en que se genera y de la capacidad de convertirla en acciones antes de que la falla sea advertida por el cliente.
