Los casos de uso que siguen son ejemplos ilustrativos de cómo AyGLOO se aplica en cada sector. Cada snapshot muestra tres cosas: qué decisión toma el modelo, por qué la toma y con qué certeza, y qué acción concreta se recomienda. El analista pasa de recibir una puntuación sin contexto a una recomendación razonada, cuantificada y lista para validar.

Prescriptive Decision AI para Aerolíneas
Aerolíneas
Revenue Management y Pricing Dinámico

El modelo de revenue management cierra y abre clases de tarifa en tiempo real sobre miles de combinaciones vuelo-fecha. El analista recibe la decisión pero no el razonamiento: no sabe con qué certeza se tomó, qué cambio la invertiría, ni a qué precio acepta el upgrade ese cliente concreto. AyGLOO añade ese contexto.

1
El analista entiende exactamente por qué el modelo tomó cada decisión y con qué nivel de certeza, sin tener que reconstruir el razonamiento manualmente.
2
Las correcciones manuales pasan a estar respaldadas por datos, reduciendo errores que de otro modo solo se detectan semanas después.
3
El árbol de escenarios maximiza el ingreso por vuelo mostrando el impacto económico de cada combinación posible antes de decidir.
4
El analista sabe exactamente a qué precio acepta el upgrade este cliente y cuánto hay que bajar la tarifa para retener demanda vacacional sin destruir el ingreso corporativo.
Hoy, lo que un analista de revenue suele recibir
IB9XXX MAD→JFK · 14 Mar Tarifa Y: €1.847 · CERRADA Economy · Clase Y cerrada por modelo · Sin contexto adicional
Con AyGLOO. Misma decisión de pricing, completamente enriquecida
IB9XXX MAD→JFK · 14 Mar · 31 días hasta salida Ocupación: 74% · Clase Y cerrada · Mínima abierta: €1.847
XAI Explicación de la decisión Twin Reglas con nivel de fiabilidad ISA Fiabilidad del modelo en este segmento CF Umbral de upgrade y retención de demanda What-if Sensibilidad de variables Twin Simulación de revenue PDF Trazabilidad regulatoria
1. Por qué se cerró esta clase. Twin model (profundidad 7 · fidelidad 97.1%)
100%IF ritmo_reservas > 2.0× AND participación_corporativa > 65% AND días_salida < 35 → Cerrar clase Y. Fiabilidad total: en estas condiciones mantener Y abierto reduce el ingreso neto en todos los casos históricos. Actuar sin revisión manual.
100%IF tarifa_competidor_mismo_día > tarifa_Y AND ocupación > 70% → No reabrir por debajo de €2.100. La brecha con el competidor soporta presión alcista; abrir Y canibaliza ingreso sin capturar demanda adicional neta.
87%IF últimas 4 salidas cerraron Y a 28–33 días AND ocupación_final > 88% → Patrón histórico consistente. Alta probabilidad de cerrar con >90% de ocupación.
62%IF ritmo_reservas > 2.0× sin otros factores → Señal débil aislada. No actuar solo con esta regla si la participación corporativa es baja.
Las reglas con 100% de fiabilidad permiten confirmar el cierre sin revisión manual. El analista solo interviene en las reglas con fiabilidad menor, donde el contexto operativo puede cambiar la decisión óptima.
XAITwin
2. Doble check del modelo en este segmento (ISA)
Segmento: "corporativo full-flex alta participación · ritmo >2× · MAD–JFK largo radio" · Corporativo (full-flex, alto ingreso): 68% · Vacacional (compra anticipada): 24% · Grupo: 8% · Elasticidad precio corporativo restante: baja (0.18) · Cerrar Y no reducirá materialmente la conversión corporativa · Decisión de alta confianza en este segmento.
Segmento de mayor incertidumbre: en rutas MAD–JFK con participación corporativa por debajo del 40%, el modelo tiene menor precisión histórica (PPV 61%) y ha generado falsos positivos en periodos post-festivos. En ese escenario se requeriría verificación manual antes de confirmar el cierre.
El ISA no describe el segmento: evalúa si el modelo se comporta bien o mal en el segmento donde se está tomando esa decisión. Si el semáforo fuera amarillo, el analista debería revisar antes de confirmar aunque las reglas del Twin digan 100%.
ISA
3. CF. Umbral de upgrade y precio mínimo de retención de demanda
Umbral de upgrade Business aceptable para este perfil (corporativo full-flex, MAD–JFK, 31 días): diferencial máximo €480 sobre tarifa Y · Diferencial actual Business–Economy: €1.380 · No ofrecer upgrade ahora: el gap es 2.9× el umbral histórico de aceptación para este segmento
Precio mínimo de retención de demanda vacacional: si Y se reabriera, la tarifa tendría que bajar a €1.520 para convertir 3 reservas adicionales · A ese precio el ingreso incremental sería €4.560 frente a un desplazamiento de ingreso corporativo estimado de €6.200–€7.800 · No reabrir Y por debajo de €2.100.
La recomendación se mantiene para cualquier ingreso desplazado por encima de €1.860/reserva, dentro del rango histórico del segmento corporativo en ventanas equivalentes.
El CF no es sensibilidad: es la acción mínima concreta que cambiaría la decisión del cliente. El umbral de upgrade €480 se calibra contra la distribución histórica de aceptación de upgrades de este perfil en este origen-destino en los últimos 24 meses.
CF
4. What-if. Sensibilidad de variables sobre el ingreso proyectado
Si el ritmo de reservas cayera a 1.4×: recomendación cambia a revisar apertura de Y a €1.980 · Si la participación corporativa cayera al 50%: elasticidad sube a 0.41, el coste de mantener Y cerrado se reduce a €800–€1.200 · Si el competidor bajara tarifa a €1.700: presión alcista desaparece, revisar umbral de reapertura · La participación corporativa es la variable más sensible: una caída de 15 puntos cambia la recomendación de cierre.
El what-if cambia una variable manteniendo el resto igual. Ayuda al analista a entender qué señal es determinante antes de decidir si hacer un override y bajo qué condiciones la recomendación de cierre dejaría de ser válida.
What-if
5. Simulación de revenue. Árbol de escenarios
Ingreso final proyectado (estrategia actual, Y cerrado): €487.200 · Si Y se reabre a €1.847: €485.400 (–€1.800) · Si Y se reabre a €1.520 para capturar demanda vacacional: €481.600 (–€5.600) · Si además se cierra W: €471.000 (–€16.200, riesgo de caída de ocupación) · Recomendado: mantener Y cerrado, mantener W abierto
Revisar en 7 días si el ritmo de reservas baja por debajo de 1.4×. En ese punto la recomendación de cierre dejaría de estar soportada por la regla de 100% de fiabilidad.
El caso de W cerrado (–€16.200) es el más útil: muestra por qué no se recomienda cerrar W aunque el ritmo y la ocupación podrían tentarlo. La elasticidad vacacional hace que la pérdida de carga supere la ganancia de ingreso en este segmento.
TwinPDF

Ejemplo ilustrativo. Cada despliegue se adapta a los modelos, datos y operativa de cada entidad.

Mantenimiento Predictivo de Flota (MRO)

Los modelos de mantenimiento predicen el riesgo de fallo de componentes a partir de datos de sensores y operación. El ingeniero recibe una probabilidad de fallo sin saber qué señal la impulsa, cuál es la intervención mínima para evitar un avión inmovilizado por avería (AOG), ni si el problema afecta solo a ese motor o a otros de la misma flota por el mismo lote de componentes. AyGLOO convierte esa alerta en cuatro beneficios concretos: las reglas del Twin explican exactamente qué combinación de sensores generó la alerta; el ISA confirma si el modelo es fiable en ese segmento de flota; el Graph detecta riesgos sistémicos por lote de componentes invisibles avión a avión; y la simulación cuantifica el coste de un AOG no planificado frente a la intervención preventiva, en euros, antes de decidir.

1
El ingeniero sabe exactamente por qué el modelo marcó ese componente y con qué certeza, sin interpretar datos de sensores en bruto ni buscar en históricos manualmente.
2
El ISA confirma si el modelo es fiable en ese segmento de flota antes de actuar, evitando tanto intervenciones innecesarias como falsas seguridades en segmentos con datos escasos.
3
El análisis de red detecta riesgos sistémicos por lote de componentes o perfil de ruta que son invisibles analizando cada avión por separado, antes de que el primer AOG haga visible el problema.
4
La simulación cuantifica €94K de coste de AOG no planificado frente a €38K de intervención preventiva. La justificación técnica para el registro de mantenimiento se genera lista para importar directamente al sistema de gestión de mantenimiento.
Hoy, lo que un ingeniero de MRO suele recibir
Aeronave: EC-MYX · A320neo Probabilidad de fallo: 76% · Riesgo: ALTO Componente: CFM LEAP-1A · Motor 2 · Sin contexto adicional
Con AyGLOO. Misma alerta, completamente enriquecida
EC-MYX · A320neo · CFM LEAP-1A Motor 2 Probabilidad de fallo: 76% (próximas 120 horas de vuelo)
XAI Por qué está marcado este componente Twin Reglas con nivel de fiabilidad ISA Fiabilidad del modelo en este segmento de flota Graph Análisis de red de componentes CF Intervención mínima Twin Simulación de coste AOG PDF Justificación técnica regulatoria
1. Por qué está marcado este componente. Twin model (profundidad 7 · fidelidad 97.1%)
100%IF margen_EGT_delta > 7°C AND consumo_aceite > 0.18 qt/hora_vuelo AND horas_desde_revisión > 3.500 → Riesgo de remoción no programada: ALTO. Fiabilidad total: actuar sin revisión adicional.
100%IF tasa_EGT > 2× media_flota AND excedencias_vibración_N1 ≥ 4 últimos 7 ciclos → Inspección boroscopio obligatoria en <50 horas de vuelo. Fiabilidad total.
84%IF tendencia_consumo_aceite > +70% en 6 semanas AND margen_EGT_delta > 5°C → Probable desgaste en sellos de turbina de alta presión (HPT). Verificar con boroscopio antes de decidir.
61%IF excedencias_vibración_N1 ≥ 3 AND horas_desde_boroscopio > 3.500 sin otros factores → Señal débil aislada. No actuar solo con esta regla sin datos adicionales.
Las reglas con 100% de fiabilidad permiten programar la intervención sin esperar confirmación adicional. Las reglas con fiabilidad menor requieren verificación antes de decidir el tipo de intervención.
XAITwin
2. Doble check del modelo en este segmento de flota (ISA)
Segmento: "LEAP-1A · 3.500–4.200 horas post-revisión · rutas cortas alta frecuencia" · Precisión del modelo en este segmento: 91% · Las alertas aquí acaban en remoción real en 9 de cada 10 casos · Sin sobrealarma sistemática detectada · Tasa de falsos positivos: 9% · Alerta de alta confianza.
Segmento de mayor incertidumbre: un motor LEAP-1A en sus primeras 500 horas post-revisión en este mismo segmento tiene precisión del 28% y sesgo detectado por escasez de datos históricos. Esa alerta requeriría verificación adicional antes de actuar.
El ISA evalúa si el modelo se comporta bien o mal en el segmento concreto donde se está tomando la decisión. Si el semáforo fuera amarillo, significaría que el ingeniero debería verificar antes de programar la intervención aunque la probabilidad de fallo sea alta.
ISA
3. Análisis de red de componentes. Riesgo sistémico por lote
EC-MYX Motor 2 comparte el lote de palas de turbina de alta presión (HPT) Lote 2024-B (proveedor CFM, entrega jun 2024) con 3 motores adicionales de la flota: EC-MZA Motor 1, EC-MZB Motor 2, EC-NXP Motor 1 · EC-MZA ya muestra degradación EGT temprana (+3.1°C, aún por debajo del umbral de alerta individual) · Los 4 aviones operan rutas MAD–Canarias de alta frecuencia con el mismo perfil de estrés térmico · Patrón no detectable analizando cada avión por separado: posible defecto de lote que afecta a 4 motores simultáneamente · Boroscopio preventivo recomendado para los 4 motores de este lote
Las palas HPT se fabrican y entregan en lotes. Si hay un defecto en un lote, los motores que llevan esas piezas fallan de forma correlacionada. Analizando EC-MZA por separado aparece como sano; el análisis de red lo marca porque ve las relaciones entre motores, no solo sus valores individuales.
Graph
4. CF. Intervención mínima que reduce el riesgo por debajo del umbral
Inspección boroscopio en <50 horas de vuelo: resuelve la incertidumbre diagnóstica · Si se confirma daño en palas HPT: proceder a sustitución (76% → 8%) · Si boroscopio sin hallazgos: riesgo residual por tendencia EGT + consumo aceite (76% → 34%) · Boroscopio sin hallazgos + servicio sistema de aceite: 76% → 18% · Visita completa a taller: 76% → 2%
El CF responde a la pregunta del ingeniero: ¿qué es lo mínimo que tengo que hacer para bajar el riesgo a un nivel aceptable? El boroscopio es una inspección no destructiva que cuesta y lleva mucho menos tiempo que una visita a taller. Si no encuentra daño visible, el riesgo baja del 76% al 34%.
CF
5. Simulación de coste. AOG no planificado frente a intervención preventiva
AOG no planificado en escala fuera de base: 18h de avión inmovilizado (AOG) en media · Coste directo: €94.000 (alquiler de aeronave de sustitución + compensación a pasajeros según normativa europea + reubicación de tripulación) · Boroscopio + sustitución palas HPT en base Madrid: €38.000 · Ahorro estimado: €56.000 · Ventana disponible en base Madrid: próximas 72h, se pueden preservar 4 rotaciones
Justificación técnica para el registro de mantenimiento pre-redactada: "Análisis predictivo de datos de telemetría y registros de vuelo identificó reducción acelerada de margen EGT de 8.4°C en 180 horas de vuelo (ref. umbral AMM 72-00-00) y consumo elevado de aceite de 0.19 qt/hora. Inspección boroscopio realizada conforme AMM 72-21-00. Hallazgos: rozaduras en palas HPT etapa 1. Palas HPT sustituidas conforme boletín de servicio LEAP-1A-72-0047. Aeronave liberada al servicio." · Exportación con un clic al sistema de gestión de mantenimiento
La normativa europea de aeronavegabilidad (EASA) exige que toda acción de mantenimiento quede documentada con justificación técnica trazable. "El modelo lo recomendó" no es una entrada válida en el registro técnico. AyGLOO genera ese borrador automáticamente en el formato requerido, referenciando parámetros concretos del manual de mantenimiento (AMM) y boletines de servicio (SB).
TwinPDF

Ejemplo ilustrativo. Cada despliegue se adapta a los modelos, datos y operativa de cada entidad.