Un modelo de rutas, preguntado a ciegas: selección de rutas con IA para la aviación regional india

El mercado: una década de rutas delgadas

La aviación doméstica india transportó 166.9 millones de pasajeros en 2025, según los propios registros de pares de ciudades de la DGCA. La cifra titular esconde su propia estructura. Una gran parte de esos pasajeros se mueve entre una docena de aeropuertos metropolitanos en aviones de fuselaje estrecho de 180 asientos. El resto se mueve en todo lo demás: las ciudades medianas, los pueblos de peregrinación, las pistas insulares, las capitales estatales que tuvieron aeropuerto antes que demanda.

Ese segundo nivel es donde vive la aviación regional, y se comporta de otra manera. Un planificador de Mumbai–Delhi pregunta cuántas frecuencias permiten los slots. Un planificador regional se hace una pregunta más difícil: ¿produce este par suficientes pasajeros para llenar a diario un avión pequeño, sin producir tantos como para que entre un operador de reactores de bajo coste y se lleve el mercado? La banda entre esos dos modos de fallo es estrecha. La mayoría de los pares de ciudades de la India quedan fuera de ella, a un lado o al otro.

El entorno normativo ha decidido ensanchar ese nivel. En 2026 el Gabinete de la Unión aprobó el Regional Connectivity Scheme, Modified UDAN, con una dotación de ₹28,840 crore que va del ejercicio 2026-27 al 2035-36. El programa financia nuevos aeropuertos a partir de pistas sin servicio y aporta financiación de brecha de viabilidad para los operadores dispuestos a atenderlos. La primera década de UDAN construyó la pista de despegue de la segunda: a mediados de 2026 el tablero diario de la propia DGCA cuenta 657 rutas RCS adjudicadas en 93 aeropuertos operativos, voladas por 10 operadores. Se piense lo que se piense de la economía de los subsidios, la dirección es inequívoca: más aeropuertos, más pares delgados, más decisiones sobre cuáles de ellos merecen un avión.

Más decisiones es la frase operativa. Cada aeropuerto nuevo multiplica las combinaciones que un planificador de red debe considerar. Diez ciudades dan 45 pares posibles. Cincuenta ciudades dan 1,225. Una aerolínea que pretende crecer de una docena de ciudades a cincuenta elige dentro de un campo combinatorio que crece de forma cuadrática, mientras el equipo de planificación mantiene su tamaño y la lista corta sigue siendo una ficción reconfortante.

Y equivocarse sale caro en ambas direcciones. Lance un par que no puede llenar el avión y la ruta sangra caja durante las dos o tres temporadas que se tarda en admitir el error. Descarte un par que estaba madurando en silencio y el anuncio de horarios de un competidor convierte su vacilación en la base de ellos. La selección de rutas es la decisión recurrente de mayor riesgo que toma una aerolínea regional, y se repite más rápido a medida que crece la red.

El avión moldea el problema tanto como el mercado. Un turbohélice de 70 asientos existe por una terquedad económica: por debajo de cierta densidad de demanda, el coste por asiento de un reactor no se cubre con las tarifas que pagará un mercado regional, mientras que el menor coste de viaje y la velocidad de crucero más baja del turbohélice encajan casi con exactitud en sectores de menos de dos horas. El precio de ese encaje es una envolvente operativa estrecha. Vuele el turbohélice demasiado corto y el rodaje, ascenso y descenso se comen el tiempo de bloque; vuélelo demasiado largo y la desventaja de velocidad de crucero se agrava frente a la competencia de reactores en el mismo par. La selección de rutas para un operador de turbohélices es, por tanto, una búsqueda acotada, y las búsquedas acotadas son precisamente donde los modelos de puntuación se ganan el sueldo: la envolvente es definible, los candidatos son enumerables y las contrapartidas se repiten.

Las respuestas convencionales a este problema vienen en dos formas. La primera es la experiencia: un jefe de planificación que lleva veinte años observando los pares de ciudades indios y lleva el mapa en la cabeza. Esto funciona, y las aerolíneas que lo tienen deberían cuidarlo. No escala más allá de esa persona, no se transfiere cuando se va y no puede auditarse a sí mismo. La segunda forma es el estudio de mercado de consultoría, producido en ocho semanas, entregado como una presentación, caduco en dos trimestres y estructuralmente incapaz de decir cómo llegó a su clasificación.

Queríamos demostrar una tercera forma. Un modelo pequeño y legible que lee datos públicos, puntúa cada par viable, muestra su aritmética y puede volver a ejecutarse cada mes por el precio de un café. No como sustituto del jefe de planificación con veinte años de oficio. Como el cuadro de instrumentos que tiene delante.

Los operadores: quién vuela de verdad la India regional

Antes de puntuar rutas, puntúe el campo. El mismo conjunto de publicaciones de la DGCA que registra el tráfico por par de ciudades registra también las operaciones por aerolínea, y leerlo zanja una cuestión que los comentarios del sector suelen despachar con la mano: quién está realmente en el negocio regional, a qué escala y en qué dirección se mueve cada uno.

La línea divisoria es la etapa media, la distancia que vuela el pasajero típico de una aerolínea, calculada aquí como pasajeros-kilómetro sobre pasajeros transportados en los doce meses hasta mayo de 2026. Los operadores de línea principal se agrupan entre 950 y 1,200 kilómetros. Los operadores regionales se agrupan entre 280 y 580. No hay casi nada en medio: el mercado doméstico de la India son dos mercados con una sola categoría de licencia.

Los datos operativos por aerolínea van unos dos meses por detrás del registro de pares de ciudades en el espejo público, así que la ventana de esta tabla son los doce meses hasta mayo de 2026; el modelo de rutas del resto del estudio llega hasta julio.

El nivel regional merece su propia lectura, porque sus cinco miembros se mueven en cinco direcciones distintas.

Star Air es el líder actual en volumen, un operador de ERJ con sede en Karnataka que crece un tercio interanual con la etapa media más larga del nivel, el perfil de una regional acercándose a los límites de delgadez de la línea principal. Alliance Air, la incumbente estatal que sostuvo la misión UDAN durante años, se redujo a la mitad en un año; una historia de flota y financiación resolviéndose en las cifras de tráfico. FLY91 casi duplicó, el crecimiento más rápido del nivel, desde la base de ATR más pequeña. IndiaOne Air y flybig ilustran la mortalidad del nivel: operaciones de un dígito de aviones en las rutas más delgadas, una a la deriva, otra saliendo en la práctica. Cinco operadores, cinco trayectorias, una conclusión para un modelo de rutas: el nivel regional es una competencia abierta, y la bolsa de demanda que disputa es una que las aerolíneas de línea principal no pueden servir estructuralmente.

Esa rotación es el telón de fondo estratégico de todo lo que sigue. Las rutas que deja libres un operador en retirada se convierten en la oportunidad de otro en dos temporadas. Un instrumento actualizado cada mes ve la vacante el mes en que se va la capacidad.

La geografía de las rutas delgadas: un atlas nacional

El modelo construido para este estudio tiene forma de aerolínea a propósito: su cuarta pregunta puntúa la proximidad a las bases de una aerolínea. Quite esa pregunta, renormalice las otras tres y la misma puntuación corre de forma agnóstica al operador sobre todo el país. El resultado es un atlas: cada par de ciudades dentro de la envolvente del turbohélice, puntuado solo por tamaño, crecimiento y alcance, y luego agrupado en seis zonas analíticas por coordenadas. Las zonas son bandas de geografía, no regiones administrativas, y los pares que cruzan zonas se asignan por su punto medio.

De la tabla salen dos hechos estructurales. El Sur es la parte honda. Concentra 70 de los 184 pares en banda del país, el doble que su rival más cercano, sobre la mayor base de pasajeros. La geografía peninsular hace esto: un entramado de ciudades medianas a 250 o 700 kilómetros unas de otras, exactamente la zancada del turbohélice, con conexiones ferroviarias lo bastante lentas como para perder la comparación de tiempos. El Norte es ancho pero poco profundo. Más pares en la envolvente que ninguna zona, pero solo 37 en banda, porque la demanda del norte se concentra en rutas troncales hacia Delhi que superaron los 70 asientos hace mucho, mientras el resto es más delgado de lo que una rotación diaria puede justificar.

El Nordeste cuenta una tercera historia que merecería su propio informe: 19 pares en banda sobre un terreno donde volar sustituye a un día de carretera, el argumento estructural más fuerte del país a favor de los turbohélices, y la zona donde la mortalidad de operadores ha sido mayor. El −18% del Este es la caída regional más pronunciada del sector, concentrada en pares que perdieron servicio más que en pares que perdieron demanda.

El atlas se publica deliberadamente a nivel de zona y no como una lista nacional ordenada. Una puntuación agnóstica al operador es una lente de cribado, y los pares en lo alto de cada zona cambian de significado por completo según de qué avión, qué bases y qué competencia se pregunte. El instrumento existe para responder esa pregunta operador por operador; el atlas existe para mostrar dónde vale la pena hacerla.

La aerolínea, y la pregunta que nos planteamos

La aerolínea de este estudio opera una flota de seis turbohélices ATR 72-600 desde dos bases, una en la costa de Konkan y otra en el Decán. Sirve una red de alrededor de una docena de ciudades del oeste y el sur de la India, una mezcla de conexiones metropolitanas, ciudades medianas y una pista insular. Parte de su operación se realiza bajo adjudicaciones de rutas UDAN. Su ambición declarada, en entrevistas públicas, es una flota un orden de magnitud mayor, sirviendo varias veces más ciudades.

Elegimos esta aerolínea por tres razones. La red es reciente, lo que significa que cada ruta fue elegida deliberadamente por personas que siguen ahí, frente a las condiciones actuales del mercado y con datos modernos. La flota es uniforme, seis ejemplares de un solo tipo de avión, lo que reduce el problema de modelado a una única envolvente operativa. La ambición es pública, lo que significa que la pregunta que responde nuestro modelo, qué par viene después, es una pregunta que esta aerolínea afrontará decenas de veces en los próximos cinco años.

Hubo también una cuarta razón, y es la honesta. Construimos sistemas de IA para organizaciones, y lo más difícil de ese oficio es la primera conversación. Todo proveedor proclama capacidad. Las presentaciones son gratis. Queríamos entrar en la aviación con algo que funciona, con datos que nadie pudiera acusarnos de manipular, validado frente a decisiones que no podíamos conocer de antemano. La forma de ganarse la atención de un planificador de red es enseñarle un modelo que coincide de forma independiente con los aciertos que tuvo.

Así que fijamos la restricción que da título a este estudio. El modelo no recibiría ninguna información sobre la aerolínea. Ni su mapa de rutas, ni sus horarios, ni sus factores de ocupación, ni sus finanzas. Una sola entrada: el registro público de cuánta gente voló entre cada par de ciudades indias, cada mes, publicado por la Directorate General of Civil Aviation. Si el modelo no era capaz de encontrar la red de la aerolínea dentro de ese archivo, a ciegas, el modelo estaba equivocado y no se lo enseñaríamos a nadie.

Esa restricción suena a hándicap. En realidad es todo el argumento metodológico, y vale la pena detenerse en por qué.

Cualquier modelo ajustado a los datos propios de una aerolínea aprende las decisiones de esa aerolínea, incluidos sus errores. Se convierte en un eco. Un modelo construido solo sobre el registro público de demanda no tiene acceso a las decisiones, así que cuando las reproduce de todos modos, algo real queda demostrado: las decisiones son recuperables únicamente a partir de los datos de demanda. La validación corta en dos direcciones, y la segunda es la valiosa. Valida a la aerolínea. Un equipo de planificación que eligió, desde el juicio privado, las mismas rutas que un puntuador a ciegas encuentra en el registro público ha visto su criterio confirmado de forma independiente por la aritmética. Donde el puntuador y el equipo discrepan, la discrepancia es precisa, inspeccionable y digna de una reunión.

La ceguera zanja además la cuestión de credibilidad que mata la mayoría de las presentaciones analíticas de proveedores. Una clasificación producida después de estudiar la red del cliente siempre puede ser acusada, con educación, de ingeniería inversa. Una clasificación producida antes de cualquier contacto, con datos que cualquiera puede descargar, y mostrada con sus pesos a la vista, no. Es falsable en el sentido llano: cualquiera con un portátil puede volver a ejecutarla y comprobarla.

Una decisión de alcance completa el montaje. Modelamos la demanda, deliberadamente, y nada más. Las tarifas, los horarios de la competencia, la disponibilidad de slots y la logística de tripulaciones son todos reales, y todos están ausentes, y la sección de límites cerca del final de este estudio trata esa ausencia con detenimiento. La versión corta: el registro público sostiene honestamente un modelo de demanda. Fingir que sostiene un modelo de rentabilidad sería la clase de exceso que la industria aeronáutica ha aprendido a oler.

Una fuente de datos, cuatro preguntas

El modelo lee un único archivo: el registro mensual de la DGCA de pasajeros domésticos transportados entre cada par de ciudades indias, de abril de 2015 a julio de 2026. Tomamos el espejo legible por máquina que mantiene el repositorio de código abierto india-aviation-traffic, que agrega las estadísticas mensuales publicadas por la DGCA en un CSV continuo. Once años de datos: 66,453 registros mensuales de más de 1,800 pares de ciudades distintos que han visto al menos un pasajero programado.

A partir de ese archivo, el modelo hace cuatro preguntas sobre cada par de ciudades que un ATR 72-600 puede servir de forma plausible. Cada pregunta produce una subpuntuación entre cero y uno. Una suma ponderada produce una puntuación sobre 100, y cada par se clasifica frente a todos los demás. Ese es el modelo entero. No hay aprendizaje automático, ni embeddings, ni caja negra. Fue una decisión de diseño, y el razonamiento detrás de cada pregunta concentra la mayor parte del valor, así que aquí están completas.

El trabajo poco vistoso: hacer que un archivo público diga la verdad

Todo proyecto de datos tiene una etapa que nadie pone en el folleto. La nuestra consumió la mayor parte del tiempo de construcción, y pasarla por alto tergiversaría dónde va realmente el esfuerzo en este tipo de trabajo. El archivo de la DGCA es un regalo, once años de tráfico mensual por par de ciudades, publicado gratis. Es también un archivo montado por muchas manos a lo largo de muchos años, y se comporta como tal.

Empiece por los nombres. El archivo escribe Goa de cuatro maneras distintas, según el año y el aeropuerto: Goa a secas, Dabolim entre paréntesis, Mopa en dos variantes propias y, en los archivos más nuevos, “Dabolim” a secas sin mención alguna de Goa. Trátelas como ciudades distintas y el tráfico del estado se cuartea, arruinando todas las cifras posteriores. Esa última variante merece su propia confesión: una versión temprana de este modelo llevaba alias para solo tres de las cuatro etiquetas, y las filas de Dabolim a secas, más de tres millones de pasajeros al año, desaparecieron en silencio de todos los pares de Goa. El error salió a la luz solo cuando una comprobación de cobertura listó las ciudades con más tráfico que el modelo no podía ubicar y “DABOLIM” apareció cerca de lo alto de la lista. Todas las cifras de este informe son posteriores a esa corrección.

Goa no es un caso especial. Mumbai aparece de tres formas en cuanto abre Navi Mumbai. El nuevo aeropuerto de Rajkot llega como “Hirasar (Rajkot)”. Hindon se presenta como “Ghaziabad”. Tiruchirappalli gana una segunda “p” a mitad de década. Vijayawada pierde una “a”, Kolhapur arrastra un espacio final invisible al ojo y fatal para una comparación de cadenas, Agatti a veces es una isla y a veces no, y Bengaluru comparte una barra con Bangalore en una época del archivo. El modelo lleva una tabla de alias que pliega cada variante a un nombre canónico, y esa tabla se construyó de la única manera en que se construyen estas tablas: encontrando cada discrepancia después de que doblara en silencio una cifra que no debía doblarse, y añadiendo luego una comprobación de cobertura para que la siguiente se anuncie sola.

Después, el propio parseo. Varios nombres de ciudad contienen comas dentro de campos entrecomillados. Divida el archivo ingenuamente por comas, como hace un script rápido, y esas filas se rompen en basura que puede o no hacer que algo falle. La lección es vieja pero al parecer hay que reaprenderla una vez por proyecto: un CSV es un formato con reglas, y solo un parser de CSV de verdad las conoce.

Después, los artefactos, que son más sutiles porque la aritmética es técnicamente correcta. Las cifras extremas de crecimiento en estos datos vienen de dos ilusiones distintas, y exigen un trato distinto. La primera es el artefacto de inicio de servicio: Raipur–Visakhapatnam registra un +602 por ciento sobre una base del año anterior de 3,697 pasajeros, y Hindon–Varanasi registra un +3,175 por ciento sobre una base de 3,011. Ninguna de las dos cifras significa que la demanda explotara. Cada una significa que empezó un servicio programado donde antes no había prácticamente ninguno, y el porcentaje está midiendo el servicio, con su propia demanda inducida, a los pocos meses de existir. La segunda ilusión es más desagradable: antes de la corrección de alias descrita arriba, un par de Goa mostraba un crecimiento del +7,123 por ciento que se evaporó hasta el +2 por ciento en cuanto se fusionaron las etiquetas, porque el “crecimiento” era tráfico migrando entre grafías del mismo aeropuerto. Un modelo que no sabe reconocer esto clasificará con toda confianza el lanzamiento de una ruta, o una fila renombrada, como una explosión de demanda.

Nuestro tratamiento es el suelo de 500 descrito arriba, que amortigua lo peor, más una etiqueta en vez de una corrección para el resto: el crecimiento grande sobre una base recientemente delgada se marca como artefacto de inicio de servicio siempre que sobreviva hasta la salida. Elegimos etiquetar en lugar de borrar deliberadamente. Un servicio nuevo que crece hacia su demanda inducida es información genuina sobre un mercado. Simplemente es un hecho distinto del crecimiento orgánico, y el lector merece saber cuál de los dos está mirando.

Un caso límite más merece mención porque muestra al modelo discrepando con una ruta que existe. La aerolínea sirve un par costero cuya distancia de círculo máximo queda por debajo del suelo de 150 kilómetros del modelo, así que el modelo se niega a puntuarlo. El suelo es económicamente correcto, los sectores tan cortos rara vez cubren sus costes de ciclo con la economía del ala fija, y la ruta en cuestión existe bajo una adjudicación de conectividad regional, donde la financiación de brecha de viabilidad cambia la ecuación que el modelo puntúa. Dejamos el suelo en su sitio y anotamos la exclusión. Un modelo que dobla sus reglas en silencio para halagar la red observada ha renunciado a su verdadero trabajo.

La razón para detenerse en todo esto va más allá del orgullo del oficio: la diferencia entre un modelo creíble y uno bochornoso vive casi por entero en esta capa. La lógica de puntuación de las cuatro preguntas cabe en una ficha, y cualquier analista competente podría reconstruirla en una tarde. Lo que no podría hacer en una tarde es saber que Kolhapur arrastra un espacio final. El trabajo con datos públicos se acumula: los alias, los suelos y las etiquetas construidos para este modelo se transfieren ahora a cualquier cuestión de aviación india que toquemos después.

La prueba que tenía que superar primero

Todo lo anterior es preámbulo de un momento: preguntar al modelo terminado, que no sabe nada de ninguna aerolínea, cuáles de los 2,743 pares le gustan más, y comprobar después dónde cayó la red real de la aerolínea en esa clasificación.

El protocolo merece una frase de pedantería, porque las pruebas a ciegas solo son tan honestas como su secuencia. Las cuatro preguntas y sus pesos se escribieron y se congelaron primero, solo desde el razonamiento de negocio. La lista de rutas de la aerolínea se armó por separado, a partir de información pública de horarios, y se comparó con la clasificación solo después de que la clasificación existiera. Ningún peso se revisó tras la comparación. Un modelo ajustado hasta halagar la respuesta conocida solo demuestra que su autor sabe ajustar, y por eso el congelamiento llegó antes que la mirada.

Este es el resultado, completo. El modelo puntuó y clasificó los 2,743 pares dentro de la envolvente del ATR. La red de la aerolínea quedó así.

Ocho de las diez rutas de la aerolínea están en el top 100 de 2,743 del modelo, dos de ellas dentro del top diez. Si la clasificación fuera aleatoria, el número esperado de esas diez rutas cayendo en cualquier top 100 es 0.36. Al modelo nunca se le dijo que estas rutas existieran como red. Las encontró porque la firma de demanda que llevó a un equipo veterano de planificación a elegirlas está escrita con claridad en el registro público, y las cuatro preguntas están afinadas para leer exactamente esa firma.

Piense en lo que dice realmente cada uno de esos puestos altos. El par insular del puesto 6 combina un mercado cautivo, cero alternativa de transporte de superficie y una longitud de sector en el corazón de la banda del turbohélice. Hubli–Hyderabad en el puesto 9 es una conexión de capital estatal que crece un 27 por ciento con el tamaño natural exacto para una rotación diaria. Los pares en 35, 37 y 39 son la jugada regional clásica: tráfico de capital estatal y de ciudad del delta, demasiado delgado para servicio constante con reactor, lo bastante grueso para volar a diario. Un equipo de planificación vio todo esto con sus propios métodos. El modelo lo vio con cuatro preguntas y un archivo público.

Ahora las dos entradas al final de la tabla, porque parecen fallos y son lo contrario. Los dos pares metropolitanos ocupan los puestos 317 y 323, con 1.3 y 1.5 millones de pasajeros al año. Si el modelo fuera un recomendador de rutas de propósito general, clasificar mercados de un millón de pasajeros en los puestos 300 sería un error. Pero el modelo puntúa oportunidad de turbohélice, nunca importancia, y los pares de ese tamaño superaron el punto dulce de 70 asientos hace años. Los reactores ya están ahí. El comportamiento correcto de este puntuador es rebajar esos pares, y lo hace, exactamente por la razón declarada: la pregunta de tamaño llega a su tope y se invierte por encima de la banda de rutas delgadas. La aerolínea vuela ambos pares de todos modos, verosímilmente por alimentación de red, presencia de marca y posicionamiento de aviones, razones estratégicas reales que viven fuera de la jurisdicción de un modelo de demanda. El modelo no necesita estar de acuerdo con cada ruta para ser útil. Necesita discrepar de forma legible.

Tres discrepancias leves se sitúan en la banda del 72 al 82, y compensa mirar sus subpuntuaciones. Goa–Pune, con 456,000 pasajeros al año, se está saliendo por arriba de la banda de 70 asientos; el modelo le recorta la puntuación de tamaño por la misma razón que entierra los pares metropolitanos, solo que con más suavidad. Hyderabad–Vijayawada y Bengaluru–Hubli pierden puntos por crecimiento, no por tamaño: mercados sólidos cuyo impulso del año móvil fue modesto en esta ventana. Eso es el modelo diciendo “ruta sólida, madurando” o “ruta sólida, ahora mismo no es una ola”, lecturas defendibles y, más importante, inspeccionables. Cualquiera puede abrir las subpuntuaciones y ver las sumas que compara.

La distribución detrás de la tabla importa tanto como los puestos que contiene. Represente las 2,743 puntuaciones en orden de clasificación y la curva cae con fuerza en el primer centenar de pares, y luego se aplana en un medio largo e indiferenciado. Las rutas de la aerolínea se agrupan en la parte empinada, que es la colocación significativa: el modelo separa con decisión sus primeras decenas de pares, y la red está dentro de ese grupo separado en lugar de dispersa por la meseta donde las diferencias de puesto significan poco. Un puesto 9 en esta curva es una afirmación fuerte. Un puesto 900 frente a 1,000 es ruido, y a los usuarios del modelo se les dice así.

Unas palabras sobre lo que esta validación establece y lo que no, porque es fácil sobreafirmar y preferimos quedarnos cortos. Formalmente, la prueba muestra que la función de clasificación del modelo, construida y ponderada antes de cualquier comparación con la red de la aerolínea, asigna puestos dentro del 4 por ciento superior a ocho pares que la aerolínea eligió de forma independiente. Los pesos se fijaron por razonamiento de negocio y se congelaron antes de la validación. Lo que la prueba no establece es capacidad predictiva sobre la rentabilidad. Una ruta puede ser perfecta en demanda y aun así perder dinero por las tarifas, y el modelo no dice nada sobre tarifas, un límite que este estudio se toma en serio en su propia sección.

Lo que la prueba compra, en términos prácticos, es autoridad. Cuando este modelo afirma después que un par sin servicio se parece a las mejores rutas de la aerolínea, esa afirmación hereda credibilidad del redescubrimiento a ciegas. La afirmación tiene un significado específico y comprobable: el par puntúa como puntúan Agatti–Goa y Hubli–Hyderabad, con las mismas cuatro preguntas, en los mismos datos públicos. Es una clase de afirmación distinta del “vemos potencial aquí” de un consultor, y esa diferencia es todo el sentido de construir el instrumento antes de plantear el argumento.

Lo que encontró: tres pares que la aerolínea no vuela

Con la validación sobre la mesa, la misma clasificación puede leerse al revés. Quite todos los pares que la aerolínea ya sirve y mire lo que queda arriba. Este estudio muestra tres de los pares resultantes, elegidos porque cada uno cuenta una historia distinta sobre cómo argumenta el modelo. Varios más superaron el mismo listón de puntuación, y los retenemos deliberadamente: una lista ordenada entregada al por mayor invita a la refutación de salón, mientras que una lista corta trabajada en una sala, junto a las cifras propias de un operador, se convierte en un plan.

Presentar el análisis: un informe que el lector sobrevuela

Un análisis correcto pero no leído no cambia nada, así que la capa de presentación recibió la misma atención de diseño que el modelo. Los hallazgos se publicaron como una única página web autocontenida, y su construcción forma parte de este caso porque las decisiones se generalizan a cualquier entregable analítico pensado para un directivo operativo y no para un analista.

La página está construida en torno a un solo recorrido continuo. Un mapa del oeste y el sur de la India queda fijo detrás del texto y, a medida que el lector se desplaza, una cámara lo sobrevuela: la red se dibuja ruta a ruta en el orden en que el modelo las clasificó, y cada uno de los tres pares sin servicio se vuela como su propio tramo, con un avión trazando la línea punteada de ciudad a ciudad mientras llegan al lado las cifras de ese par. Desplazarse es la única interacción que el lector tiene que aprender. Todo lo demás, las anatomías de puntuación, las tiras de clasificación, el tema visual, es profundidad opcional.

Cuatro decisiones de presentación hicieron el trabajo persuasivo.

Validación antes que oportunidad, siempre. La estructura de la página fuerza el orden del argumento: el lector conoce primero el método del modelo, después la prueba de que redescubrió la red existente y solo entonces cualquier sugerencia. Un lector que acaba de ver a un modelo a ciegas clasificar las decisiones conocidas como buenas de su sector dentro del cuatro por ciento superior extiende confianza provisional a la pantalla siguiente. Los mismos tres pares, presentados primero, se leerían como la opinión de un proveedor más.

Cada puntuación se abre a su aritmética. Cada tarjeta de ruta se despliega, al tocarla, en las cuatro subpuntuaciones con los puntos exactos ganados y perdidos: 18.3 de 22 en alcance, 9.9 de 18 en encaje de base. Nada se presenta como un veredicto que no se pueda descomponer. Esta es la expresión de interfaz de toda la filosofía del modelo, y los lectores notan la diferencia entre una cifra que pueden abrir y una cifra que deben aceptar.

Los fallos se anotan, no se esconden. La tabla de validación de la página incluye los dos pares metropolitanos al final de la clasificación, con una nota que explica por qué un puntuador de oportunidad de turbohélice debería clasificar bajo los mercados de un millón de pasajeros. Dejar dentro las filas de peor aspecto, con su razonamiento, compró más credibilidad que las filas mejor clasificadas por sí solas.

Los límites tienen su propio capítulo, en la página, sin que nadie lo pida. Las tarifas, los horarios de la competencia, los slots y los artefactos de crecimiento se declaran en el propio informe, en lenguaje llano, antes de que ningún lector pueda plantearlos. En todas las conversaciones desde entonces, la sección de límites ha sido la parte que los lectores más sofisticados mencionan primero, y con aprobación.

La elección de una página viva en lugar de un PDF era en sí misma un argumento. Una presentación de diapositivas congela un análisis en el momento de exportarlo y pide que se le crea; una página cuyas tablas responden, cuyas anatomías se abren y cuyo mapa vuela invita al lector a hurgar en ella, y hurgar es como se convierten los escépticos. El medio también encaja con la promesa del propio modelo: algo construido para reejecutarse cada mes debería llegar en una forma que visiblemente pudiera hacerlo, y no como una instantánea con una fecha ya envejeciendo al pie.

Dos cortesías menores lo redondearon. La página es un solo archivo sin dependencias externas, así que carga en cualquier sitio, funciona sin conexión una vez abierta, respeta el modo oscuro y las preferencias de movimiento reducido, y se imprime limpia en papel para el lector que quiera garabatear sobre ella. Y se publicó discretamente, sin indexar, dirigida a su lector previsto y no a los buscadores, porque una demostración construida para un operador debería comportarse como correspondencia, cortés incluso en sus metadatos.

Lo que el modelo no puede ver, declarado antes de que nadie pregunte

Un modelo se gana la confianza por los límites que declara, así que esta sección es la lista honesta más larga que sabemos escribir. Cuatro cosas son invisibles para un puntuador construido sobre el registro de pares de ciudades de la DGCA, y cada una es capaz de revertir por sí sola una decisión de ruta.

Ejecutarlo como instrumento, no como informe

Un estudio de mercado es un evento. Un instrumento es un hábito. La diferencia decide si el trabajo analítico se acumula o se evapora, y merece explicitarse cómo es el hábito con este modelo, porque el perfil operativo es la parte menos vistosa y más persuasiva.

El modelo son unos cientos de líneas de Python simple. Ingiere dos archivos CSV descargados del espejo público, corre en segundos en un portátil e imprime su clasificación completa con todas las subpuntuaciones a la vista. No hay servicio al que suscribirse, ni panel que licenciar, ni proveedor en el circuito. Cuando la DGCA publica un mes nuevo, el ciclo de descarga y ejecución lleva menos de un minuto, y la clasificación de junio puede ponerse junto a la de mayo línea por línea. Una reunión de planificación mensual puede abrirse con un diff: qué pares se movieron, qué subpuntuaciones los movieron y si el movimiento es señal o artefacto.

Imagine el ritual en concreto. Llega el archivo de julio. La ejecución lleva un minuto. El diff muestra la subpuntuación de crecimiento de Calicut–Hyderabad bajando de 26.0 hacia 24 a medida que el año explosivo se solapa consigo mismo, Hyderabad–Kolhapur estable, y un par del que nadie hablaba subiendo del puesto 90 al 60 con dos meses consecutivos de ganancias discretas. Diez minutos de una reunión de planificación, una vez al mes, y la visión periférica de la red queda barrida. Sin analista asignado en permanencia, sin estudio trimestral encargado, sin presentación.

Esa cadencia cambia la naturaleza de las preguntas que hace un equipo. Un estudio estático invita a un veredicto: aceptar o rebatir. Un instrumento mensual invita a hipótesis: si el crecimiento de este corredor se mantiene por encima del 20 por ciento dos trimestres más, cruza nuestro umbral; vigílalo. La selección de rutas se parece menos a un litigio sobre las conclusiones de un consultor y más a una lista de vigilancia con alarmas, que es como ya piensan los planificadores experimentados. El instrumento no sustituye al pensamiento. Le da al pensamiento una memoria, y una memoria que sobrevive a los cambios de personal.

Versionar el juicio importa tanto como versionar el código. Los cuatro pesos son una declaración de creencia explícita y fechada: así valoramos el tamaño frente al impulso frente al alcance frente a la geografía, a fecha de este trimestre. Cuando la creencia cambie, porque abra una base nueva o la flota sume un tipo de mayor autonomía, los pesos cambian en un solo lugar visible, y toda clasificación histórica puede reejecutarse bajo la nueva creencia para comparar. El juicio institucional suele vivir en cabezas y en consensos de pasillo. Aquí vive en cuatro números bajo control de versiones, discutibles por cualquiera, auditables por cualquiera, y esa migración del juicio del folclore a artefactos inspeccionables vale, en nuestra experiencia en varios sectores, más que la propia salida del modelo. Es el mismo principio que aplicamos al diseñar estructuras operativas de IA para empresas: el pensamiento sigue siendo humano, la aritmética se vuelve infraestructura, y nada derivado se regenera nunca de forma opaca cuando puede almacenarse, fecharse y firmarse.

La economía merece un párrafo llano. Toda esta construcción, adquisición de datos, limpieza, modelado, validación y el informe interactivo, la ejecutó un equipo pequeño en días, con datos públicos gratuitos y sin ciclo de compras. No es una jactancia sobre el equipo; es un hecho sobre la época. El coste marginal de convertir un registro público en un instrumento de decisión validado se ha desplomado, y cualquier afirmación analítica que antes justificaba un estudio de seis cifras tiene ahora que competir con lo que un grupo competente puede construir y validar en una semana. Las organizaciones que interiorizan esto revalorizan sus preguntas en consecuencia. El insumo escaso ya no es la potencia analítica. Es saber qué preguntas merecen instrumentarse, y ese saber sigue caminando dentro de la cabeza de los operadores.

Lo que cambiaría con un operador dentro del circuito merece decirse en concreto, porque convierte la lista de límites de confesión en hoja de ruta. Los datos de tarifas convertirían la clasificación de demanda en una clasificación de contribución, la diferencia entre “la gente vuela este par” y “este par paga el avión”. Los datos de horarios añadirían una capa de saturación, separando las olas abiertas de las abarrotadas. Las restricciones de slots y de tierra podarían la lista al subconjunto volable antes de que nadie se enamore de una cifra. Y el historial propio de maduración de rutas del operador, cómo arrancaron de verdad sus rutas jóvenes, calibraría la pregunta de crecimiento contra una verdad de campo que ningún archivo público contiene. Cada añadido es un trabajo acotado, de semanas y no de trimestres, porque el chasis al que se atornillan ya funciona.

Las preguntas que haría un planificador de red

Este estudio lo leerán, si es que alguien lo lee, personas que han pasado carreras enteras tomando la decisión que modela. Tendrán objeciones, y son buenas objeciones. Aquí están las seis que esperaríamos del lector más agudo de la sala, respondidas como las responderíamos al otro lado de una mesa.

El instrumento, una semana después: el registro completo y las preguntas que ya puede responder

El estudio anterior corría sobre un archivo: el registro de pares de ciudades, agregado por un espejo abierto. En la semana posterior a escribirlo fuimos a la fuente y tomamos todo lo que la DGCA publica bajo Aviation Data and Statistics: las mismas tablas de pares de ciudades hasta abril de 2015 (dos meses que al espejo le faltan, recuperados de los propios PDF de la DGCA), las estadísticas operativas mensuales de cada aerolínea desde 2009 (salidas, horas de bloque, asientos-kilómetro, factor de ocupación, carga), las tablas trimestrales internacionales desde 2015 y 144 informes mensuales de tráfico con puntualidad, cancelaciones y reclamaciones. Todo ello vive ahora en un almacén con nombres de ciudad canónicos y siete comprobaciones de reconciliación. La comprobación que más importa: los totales de pares de ciudades y los totales por aerolínea, dos publicaciones distintas de la DGCA que cuentan los mismos pasajeros, coinciden al pasajero en 135 de 135 meses.

Con las tablas por aerolínea en el mismo sitio que los pares de ciudades, el modelo deja de ser una pantalla y se convierte en un conjunto de instrumentos. Cada uno se declara con su ventana y su propia medida de error, porque esa es la única manera de que un planificador de red deje entrar una cifra en la sala.

El patrón, más allá de la aviación

Quítele las hélices a este estudio y queda un método genérico. Tiene cinco pasos, y cada uno se transfiere a cualquier sector donde una decisión de selección recurrente y de alto riesgo se encuentra con un registro público.

Encuentre la columna vertebral pública. Todo sector regulado publica más de lo que sus participantes suelen usar: aprobaciones de fármacos y listas de desabastecimiento, tráfico portuario, adjudicaciones de licitaciones, cuentas anuales, registros de sanciones, catastros, estadísticas de comercio. El archivo de pares de ciudades de la DGCA es de corazón inusualmente limpio, once años, mensual, universal, pero no es inusual que exista. La primera hora de este método es siempre la misma pregunta: ¿qué cuenta ya el regulador?

Codifique el juicio, en pequeño. Las cuatro preguntas salieron de razonar cómo piensa un planificador de red, escrito y ponderado. Todo dominio operativo tiene sus equivalentes cuatro a seis preguntas que sus veteranos aplican por instinto: qué hace buena a una licitación para pujar, buena a un área de captación para una clínica, bueno a un SKU para incluir en surtido, buena a una cuenta para llamar primero. La disciplina está en mantener el modelo lo bastante pequeño como para que toda puntuación pueda defenderse en voz alta, porque en cuanto una puntuación no puede explicarse, la sala vuelve al instinto y el instrumento muere.

Valide a ciegas contra decisiones conocidas. Este es el paso que separa el método de una hoja de cálculo con opiniones, y está disponible en cualquier dominio con un historial observable. Antes de que el modelo pueda recomendar, debe redescubrir: clasificar las elecciones que la organización ya hizo, sin que se le diga cuáles fueron. Si pasa, toda sugerencia posterior hereda credibilidad ganada. Si falla, el modelo se equivocó en privado, a coste cero, que es el lugar más barato donde puede fallar un modelo.

Declare los límites como agenda de datos. Lo que la columna vertebral pública no pueda ver, aquí las tarifas, en otros sitios los márgenes, la capacidad o la intención, se convierte en una lista con nombre, y la lista funciona a la vez como plan de integración de los datos internos del propietario. Los límites declarados por adelantado convierten el escepticismo en delimitación de alcance.

Ejecútelo con cadencia y mantenga el juicio versionado. El instrumento se reejecuta cuando el registro se actualiza, sus pesos viven bajo control de versiones como declaraciones de creencia fechadas, y sus salidas se guardan junto al razonamiento, de modo que todo desacuerdo futuro sea un diff y no un debate sobre recuerdos.

Para hacer concreta la transferencia, pruebe el método en otro sector en un párrafo. Un distribuidor farmacéutico que decide qué cuentas hospitalarias perseguir se enfrenta a la misma forma de problema que el planificador de rutas: miles de candidatos, unas pocas decenas viables, juicio concentrado en cabezas veteranas. La columna vertebral pública existe, en licitaciones de compra de medicamentos, registros de camas hospitalarias y datos de licencias regulatorias. El juicio de la casa se comprime en un puñado de preguntas: ¿tiene la cuenta el tamaño adecuado para nuestra huella logística, están creciendo sus compras, está dentro de nuestro radio de cadena de frío, está cerca de cuentas que ya servimos? La validación a ciegas está disponible, porque la cartera actual de cuentas del distribuidor es un conjunto de decisiones históricas que el modelo debe redescubrir antes de poder recomendar. Mismo instrumento, sustantivos distintos. Nada en el caso de aviación dependía de la aviación; dependía de un registro público, un juicio comprimible y un historial comprobable, y esos tres ingredientes son comunes.

Ninguno de estos pasos exige tecnología heroica, y esa observación es la tesis silenciosa de este estudio. El entusiasmo actual por la IA en la empresa se concentra en la generación, los chatbots, los copilotos, la redacción de documentos, y la mayoría de las organizaciones ya han comprado o construido la capa fácil. El valor que se acumula está un nivel más arriba, en la instrumentación de decisiones: tomar las selecciones que la gente veterana repite bajo incertidumbre y darle a cada una una columna vertebral de datos públicos, una puntuación explícita del juicio de la casa, una validación a ciegas y una cadencia mensual. La selección de rutas aéreas resulta demostrar el patrón con nitidez, porque el registro público es generoso y las decisiones son famosas. El patrón en sí es portable a cualquier escritorio donde alguien pregunte repetidamente “¿cuál viene ahora?”.

Reproducir este estudio

Todo lo que hay en este estudio puede verificarse desde un portátil, y una afirmación de reproducibilidad debería venir con la receta real, así que aquí está.

Los datos son el archivo agregado de pares de ciudades domésticos del espejo de código abierto india-aviation-traffic de las estadísticas mensuales de la DGCA, dos CSV que suman unos 4.5 MB. El modelo es un único script de Python sin dependencias más allá de la biblioteca estándar. La ejecución dura segundos e imprime dos bloques: la tabla de validación, la red conocida de la aerolínea clasificada a ciegas, y las mejores oportunidades sin servicio con sus subpuntuaciones.

Los parámetros que definen el modelo, en un solo sitio: envolvente de 150 a 900 kilómetros con banda ideal de 250 a 700; punto dulce de tamaño de 2,000 a 25,000 pasajeros al mes con decaimiento proporcional fuera de él; crecimiento medido como doce meses móviles frente a los doce anteriores con un suelo de base de 500 pasajeros y puntuación neutra por debajo; ciudades base ponderadas con puntuación completa si hay contacto y 0.55 en caso contrario; pesos 34, 26, 22, 18. Las distancias son de círculo máximo a partir de coordenadas aeroportuarias publicadas. El alias de nombres de ciudad se aplica antes de cualquier agregación, y la tabla de alias forma parte del código, no es un paso de preprocesado que alguien tenga que recordar.

Quien vuelva a ejecutarlo contra un mes posterior de la DGCA obtendrá cifras distintas, que es el sentido de un instrumento. La afirmación de validación está fechada: a doce meses cerrados en julio de 2026, los puestos son los impresos en la tabla de validación, y el modelo que los produjo se congeló antes de la comparación. Si un mes posterior mueve un puesto, es el mercado hablando, y la respuesta correcta es la curiosidad por la subpuntuación que se movió.

La edición almacén añade una segunda receta. La exportación completa de la DGCA, los parsers, las puertas de reconciliación, los modelos y las herramientas de conversación viven en un repositorio; aviation build, aviation gates, aviation models y aviation report reconstruyen todo desde los archivos brutos en unos veinte minutos, y aviation mcp expone las mismas cuatro herramientas (esquema, SQL de solo lectura, salidas de modelos, búsqueda documental) a cualquier asistente compatible con MCP.

Adaptar el estudio a otro operador es una lista corta de comprobación, no una reconstrucción. Sustituya el conjunto de bases por las bases propias del operador, que cambia una línea. Sustituya los parámetros de envolvente si la flota difiere, un reactor regional de 90 plazas estira la banda de alcance y sube la banda de tamaño, y ambas ediciones son dos números cada una. Revise la tabla de alias frente a cualquier ciudad que toque la nueva red y esta no tocara, porque las rarezas de nomenclatura son la única parte del trabajo garantizada a reaparecer. Después ejecute la misma validación a ciegas contra la red conocida del nuevo operador antes de leer una sola oportunidad, y mantenga la misma regla que mantuvimos: un modelo que no puede redescubrir la red existente no tiene por qué sugerirle añadidos. La regla no cuesta nada de aplicar y es toda la diferencia entre un instrumento y una diapositiva.

Una última palabra sobre lo que este estudio pide a su lector. Si usted dirige una red, la invitación es explícita en la sección de límites: los cuatro puntos ciegos del modelo nombran los cuatro conjuntos de datos que lo completarían, y la finalización son semanas de trabajo, en sus instalaciones, contra sus cifras. Si dirige algo que no tiene nada que ver con aviones, la invitación es la sección del patrón: en algún punto de su operación hay una decisión de selección recurrente, un registro público que incide en ella y un puñado de preguntas que sus mejores personas ya se hacen por instinto. La distancia entre esa materia prima y un instrumento validado es mucho más corta de lo que la industria analítica le ha entrenado a esperar.

¿Qué demostró este ejercicio, al final? Tres cosas, en orden creciente de consecuencia.

Demostró que una década de decisiones de aviación regional india es legible en datos públicos, lo cual es un cumplido a la publicación de la DGCA y a los planificadores cuyas elecciones dejaron una firma tan limpia. Demostró que el juicio detrás de una decisión recurrente de alto riesgo puede escribirse en pequeño, validarse a ciegas y convertirse en un instrumento que no cuesta nada volver a ejecutar, lo cual es una afirmación sobre método disponible para cualquier sector con un registro público. Y nos demostró, sobre todo a nosotros, que la forma más rápida de ganarse la atención de un operador serio es hacer trabajo real sobre su problema antes de pedirle su tiempo, publicar la aritmética y declarar los límites antes de que se lo pidan.

El modelo está en marcha. El registro se actualiza cada mes. Y 2,743 pares de ciudades están ahora vigilados por algo que nunca se cansa de vigilar, a la espera de que las cifras que solo un operador tiene terminen el cuadro.