Saltar al contenido
AI for Action
Proyectos

AlimentaciónProyecto de ejemplo · ONG ficticia

¿Cómo llega más comida a tiempo con las mismas horas de voluntariado?

Una organización conecta excedentes de comercios con entidades receptoras. Cada tarde hay que decidir quién recoge qué y a dónde lo lleva antes de que caduque o cierre el centro. El primer objetivo es ayudar a preparar un plan de recogidas factible que una persona coordinadora revise y ajuste.

ONG
Red de recuperación de alimentos
Lo lidera
[TBD]
Repositorio
Se abre con el proyecto
21:0022:0021:0012208161014

Seis recogidas que caducan, tres personas voluntarias, tres centros. ¿Quién va a dónde?

Demostración de la regla «greedy por proximidad»: cada persona voluntaria coge lo más cercano que caduque antes. Escenario ilustrativo, más pequeño que el del script de evaluación.
Ilustración interactiva del reto abierto de 2026.

El problema.

El problema, en palabras de la ONG

«Los avisos de comida llegan a la vez, a media tarde, y tengo dos horas de voluntarios y doce centros con horarios distintos. Si una recogida falla, esa comida se pierde.»

El dato
La situación

Viernes, 18:30. Han llegado 34 avisos de excedentes y los de pan caducan esta noche. Hay 9 personas voluntarias disponibles y dos de los centros receptores cierran a las 21:00. A las 19:15 cancelan dos voluntarios de la misma zona. La coordinadora reparte lo que puede por teléfono y, al final de la tarde, varias recogidas se quedan sin hacer.

Elige una tarea.

Tres tareas, cada una con lo que aprendes. Ábrela para ver los pasos y los requisitos.

  1. 01

    DefinirM

    Mapear restricciones de recogida y entrega

    Aprendes: A convertir lo que cuenta una persona en reglas que una máquina puede usar, con IA para ordenarlas.

    Saber qué condiciona cada recogida y cada entrega.

    Qué haces

    1. 1.Hablar con la coordinadora y con dos centros.
    2. 2.Listar horarios, caducidades, frío, capacidad y zonas.
    3. 3.Separar lo que nunca se incumple de lo negociable.

    Está aceptada cuando

    • La coordinadora confirma que no falta nada importante.
    • Cada restricción dice si es dura o negociable.
    • Tres tardes reales descritas, sin datos personales.
    Entregas
    Un documento con las restricciones clasificadas y ejemplos.
    Qué crédito da
    Tu ficha de contribución, revisada. Si es tu primera en este proyecto, también su badge.Técnica que demuestras: Definir con IA: de conversación a restricciones.
  2. 02

    ConstruirL

    Implementar el planificador de recogidas

    Aprendes: A orquestar varios agentes en paralelo (uno construye, otro prueba, otro revisa) sin disparar el gasto.

    Proponer un plan de recogidas factible y rehacerlo cuando alguien cancela.

    Qué haces

    1. 1.Modelar las restricciones como datos.
    2. 2.Proponer un plan que respete las restricciones duras.
    3. 3.Rehacerlo ante una cancelación, explicando cada cambio.

    Está aceptada cuando

    • Nunca incumple una restricción dura.
    • Recoge más comida que la regla simple, y dice cuánto.
    • Cada asignación lleva su explicación.
    Entregas
    Código con pruebas y un informe corto de resultados.
    Qué crédito da
    Tu ficha de contribución, revisada. Si es tu primera en este proyecto, también su badge.Técnica que demuestras: Orquestar agentes en paralelo con pruebas.
  3. 03

    ProbarM

    Probar escenarios de cancelaciones

    Aprendes: A diseñar con IA casos límite y medir de forma repetible qué hace un sistema.

    Comprobar que el plan aguanta las tardes difíciles.

    Qué haces

    1. 1.Construir ocho escenarios a partir de tardes reales.
    2. 2.Ejecutar el planificador en cada uno.
    3. 3.Describir dónde falla o sorprende.

    Está aceptada cuando

    • Incluye cancelaciones en cadena.
    • Se repite con un solo comando.
    • Cada fallo trae el escenario que lo provoca.
    Entregas
    Escenarios reutilizables, un script y un informe.
    Qué crédito da
    Tu ficha de contribución, revisada. Si es tu primera en este proyecto, también su badge.Técnica que demuestras: Probar con IA: escenarios repetibles.

Cuándo está terminado.

Qué significa «terminado» en el v0

Un plan de recogidas propuesto en minutos que respete horarios, caducidades y capacidad de cada centro, y que la coordinadora revise y rehaga cuando alguien cancela. Lo mediría la organización: comida recogida y tiempo de preparar el plan.

  • Reunir en un solo sitio los avisos de los comercios, la disponibilidad del voluntariado y los horarios de los centros.
  • Proponer un plan de recogidas que la coordinadora revisa y confirma antes de enviarlo.
  • Rehacer el plan cuando alguien cancela, sin perder lo ya confirmado.
  • Explicar cada propuesta: por qué esta persona y este centro.
Cómo sabremos si sirve: uso a 90 días

Kilos recogidos frente a avisados, y minutos para preparar el plan de cada tarde, antes y a los 90 días.

Riesgos y datos sensibles

  • Que proponga rutas imposibles: cada propuesta se explica en una frase y decide la coordinadora.
  • Que dependa de un servicio de pago que la organización no puede mantener.
  • Sin datos de las personas que atienden los centros receptores. Del voluntariado, solo disponibilidad y zona; nada de direcciones personales.

Datos y licencia

Apache-2.0. Comercios, centros y rutas salen de datos abiertos (OpenStreetMap, OSRM); los escenarios de prueba son inventados y lo dicen.

¿Cómo llega más comida a tiempo con las mismas horas de voluntariado? · Proyecto de ejemplo · ONG ficticia · AI for Action