Tamaño del mercado y pronóstico de crecimiento del aprendizaje automático en logística 2027–2036, por segmentos (modo de organización, modelo de implementación, componente, técnica, aplicación, usuario final), tendencias de la demanda regional (América del Norte, Asia Pacífico, Europa), información clave por país (EE. UU., Japón, Corea del Sur, Alemania, Francia, Italia) y panorama competitivo.
Tamaño del mercado y perspectivas de crecimiento
El mercado de aprendizaje automático en logística alcanzó un valor de 5140 millones de dólares en 2026 y se prevé que crezca a una tasa de crecimiento anual compuesta (CAGR) del 27,23 % entre 2027 y 2036, superando los 57 130 millones de dólares en 2036. Se estima que los ingresos del sector para 2027 serán de 6380 millones de dólares.
Obtenga más detalles sobre este informe
Solicitar informe de muestra gratuitoAprendizaje automático en el mercado logístico Intelligence Snapshot
Dinámica del mercado regional
- América del Norte representó el 34,56% en 2026, beneficiándose de redes logísticas maduras, una fuerte adopción digital, inversiones avanzadas en la cadena de suministro y la expansión de las aplicaciones de aprendizaje automático.
- La región de Asia-Pacífico está creciendo a un ritmo acelerado, ya que el comercio electrónico, la industrialización, los almacenes inteligentes, el transporte conectado y las cadenas de suministro digitalizadas impulsan la demanda regional.
Dinámica del segmento
- Las grandes empresas representaron el 63,36% del mercado en 2026, gracias a una mayor capacidad financiera y una infraestructura digital para la optimización de rutas, la previsión de la demanda, la gestión de almacenes y la utilización de la flota.
- El despliegue en las instalaciones del cliente es el que crece más rápidamente, ya que las organizaciones que manejan datos operativos confidenciales buscan un mayor control sobre la seguridad, el cumplimiento normativo, la personalización y la gobernanza de la información crítica.
Factores impulsores de la expansión del mercado
- Optimización de las operaciones de la cadena de suministro mediante IA que mejora la toma de decisiones logísticas predictivas.
- La aceleración de la automatización de almacenes mejora la eficiencia mediante sistemas de integración de aprendizaje automático.
- La integración de análisis en tiempo real habilitados por IoT fortalece la visibilidad logística de extremo a extremo.
Principales participantes del mercado
- Entre los principales actores del mercado de aprendizaje automático en logística se incluyen Amazon Web Services, Inc. (Estados Unidos), Microsoft Corporation (Estados Unidos), Google LLC (Estados Unidos), SAP SE (Alemania), Oracle Corporation (Estados Unidos), Blue Yonder Group, Inc. (Estados Unidos), DHL Supply Chain (Alemania), C.H. Robinson Worldwide, Inc. (Estados Unidos), project44, Inc. (Estados Unidos) y FourKites, Inc. (Estados Unidos).
Resumen de las previsiones del mercado global
Perspectivas del mercado
- Tamaño del mercado en 2026: 5.140 millones de dólares
- Tamaño estimado del mercado en 2027: 6.380 millones de dólares
- Tamaño de mercado proyectado: 57.130 millones de dólares para 2036
- Previsión de crecimiento: Tasa de crecimiento anual compuesta (CAGR) del 27,23% (2027-2036)
Perspectivas regionales y por segmento
- Mercado regional líder: América del norte
- Centro regional de alto crecimiento: Asia Pacífico
- Segmento de ingresos principales: Grandes empresas (Modo de organización) | Basado en la nube (Modelo de implementación) | Software (Componente) | Aprendizaje supervisado (Técnica) | Gestión del transporte (Aplicación) | Comercio minorista y comercio electrónico (Usuario final)
- Segmento de oportunidades emergentes: Pequeñas y medianas empresas (PYME) (Modo de organización) | En las instalaciones (Modelo de implementación) | Servicios (Componente) | Aprendizaje no supervisado (Técnica) | Gestión del transporte (Aplicación) | Sector sanitario (Usuario final)
Factores de crecimiento del mercado y tendencias de la industria
Optimización de las operaciones de la cadena de suministro mediante IA para mejorar la toma de decisiones logísticas predictivas.
Las organizaciones recurren cada vez más a la inteligencia artificial para mejorar la precisión y la capacidad de respuesta en la planificación a lo largo de complejas cadenas de suministro. El mercado del aprendizaje automático en logística se basa en modelos predictivos que analizan datos operativos, de transporte e inventario para anticipar las fluctuaciones de la demanda, optimizar la asignación de recursos y facilitar una toma de decisiones más rápida. Los algoritmos de aprendizaje automático también permiten el perfeccionamiento continuo de las estrategias logísticas al identificar patrones operativos que mejoran la programación, la utilización de la capacidad y el rendimiento de las entregas.
La aceleración de la automatización de almacenes mejora la eficiencia mediante sistemas de integración de aprendizaje automático.
La creciente adopción de almacenes automatizados está generando una fuerte demanda de sistemas inteligentes capaces de coordinar equipos robóticos, el movimiento de inventario y las operaciones de cumplimiento. A medida que se expanden las iniciativas de automatización, el mercado del aprendizaje automático en logística se beneficia de algoritmos que optimizan las rutas de recolección, la ubicación del inventario, la secuenciación del flujo de trabajo y la utilización de equipos en los centros de distribución. Estas capacidades reducen la intervención manual al tiempo que mejoran el rendimiento, la precisión de los pedidos y la consistencia operativa en entornos de almacenes de alto volumen.
La integración de análisis en tiempo real habilitados por IoT fortalece la visibilidad logística de extremo a extremo.
Los sensores conectados y las tecnologías de monitorización inteligente están transformando las operaciones logísticas al generar flujos continuos de datos operativos en las redes de transporte y almacenamiento. El aprendizaje automático en el mercado logístico se verá impulsado por la integración de análisis basados en IoT, que convierten la información en tiempo real en información útil para el seguimiento de envíos, la monitorización de activos, el mantenimiento predictivo y la gestión de incidencias. La visibilidad continua en toda la cadena de suministro permite a los proveedores logísticos identificar rápidamente las interrupciones y coordinar respuestas operativas más eficaces.
| Factor de crecimiento | Impacto en el CAGR | Influencia regulatoria | Relevancia geográfica | Tasa de adopción | Cronograma del impacto |
|---|---|---|---|---|---|
| Optimización de las operaciones de la cadena de suministro mediante IA que mejora la toma de decisiones logísticas predictivas. | 2% | Bajo | América del Norte, Asia Pacífico | Alto | A corto plazo |
| La aceleración de la automatización de almacenes mejora la eficiencia mediante sistemas de integración de aprendizaje automático. | 1,8% | Bajo | Asia Pacífico, Europa | Alto | A corto plazo |
| La integración de análisis en tiempo real habilitados por IoT fortalece la visibilidad logística de extremo a extremo. | 1,6% | Moderado | América del Norte, Europa | Alto | A corto plazo |
Obtenga información adaptada a su negocio con nuestras soluciones de investigación de mercado personalizadas.
Haga clic para obtener ahora su informe personalizado.
Dinámica de la demanda regional
América del Norte (Región más grande)
América del Norte lideró el mercado de aprendizaje automático en logística con una cuota del 34,56 % en 2026, gracias a redes logísticas consolidadas, una sólida adopción de tecnología digital y una importante inversión en capacidades avanzadas de gestión de la cadena de suministro. Los operadores logísticos aplican cada vez más el aprendizaje automático a la previsión de la demanda, la optimización de rutas, la planificación de inventarios, las operaciones de almacén y el mantenimiento predictivo para mejorar la toma de decisiones y la eficiencia operativa. El ecosistema de comercio electrónico bien desarrollado de la región y la creciente complejidad de la gestión omnicanal también impulsan a las empresas a implementar tecnologías basadas en datos que puedan responder rápidamente a las fluctuaciones de la demanda y las condiciones de transporte.
Asia Pacífico (Región de mayor crecimiento)
Se prevé que la región de Asia-Pacífico experimente el mayor crecimiento en el mercado del aprendizaje automático en logística, impulsado por la expansión del comercio electrónico, la rápida industrialización y la transformación digital de la infraestructura logística. El creciente volumen de actividad manufacturera y de distribución genera grandes cantidades de datos operativos que pueden aprovecharse para la predicción de la demanda, la optimización del inventario, la planificación del transporte y la toma de decisiones automatizada. Las inversiones en almacenes inteligentes, sistemas de transporte conectados y cadenas de suministro digitalizadas crean, además, condiciones favorables para la adopción del aprendizaje automático, ya que las empresas buscan mayor visibilidad, flexibilidad y eficiencia en redes logísticas cada vez más complejas.
| Parámetro | América del Norte | Asia-Pacífico | Europa | América Latina | Oriente Medio y África |
|---|---|---|---|---|---|
| Centro de innovación i Escala Incipiente En desarrollo Avanzado | |||||
| Región sensible a los costos i Escala Baja Media Alta | |||||
| Entorno regulatorio i Escala Restrictivo Neutral Favorable | |||||
| Factores impulsores de la demanda i Escala Débil Moderada Fuerte | |||||
| Etapa de desarrollo i Escala Emergente En desarrollo Desarrollado | |||||
| Tasa de adopción i Escala Baja Media Alta | |||||
| Nuevos participantes / Startups i Escala Escasos Moderada Numerosos | |||||
| Indicadores macroeconómicos i Escala Débil Estables Fuerte |
Principales perspectivas por país
A NOSOTROS.
Inteligencia logística impulsada por IAEl mercado estadounidense de aprendizaje automático en logística se centra en el análisis predictivo para la optimización de rutas, el inventario y la previsión de la demanda. Los proveedores de logística implementan cada vez más modelos de IA para mejorar la eficiencia operativa y respaldar la toma de decisiones en la cadena de suministro basadas en datos.
Alemania
Planificación predictiva de operacionesAlemania integra el aprendizaje automático en la logística para mejorar la eficiencia de los almacenes y la coordinación de la cadena de suministro de la industria manufacturera. Las empresas priorizan la planificación predictiva y la optimización inteligente de procesos para fortalecer el rendimiento de la logística industrial.
Japón
Análisis de suministro de precisiónJapón aplica el aprendizaje automático a la logística para lograr una gestión precisa del inventario, una planificación de entregas óptima y una previsión operativa eficaz. Las empresas combinan cada vez más la IA con la automatización para mejorar la capacidad de respuesta y, al mismo tiempo, mantener operaciones logísticas altamente eficientes.
Corea del Sur
Automatización de la logística inteligenteCorea del Sur acelera la adopción del aprendizaje automático en la logística mediante almacenes con inteligencia artificial y sistemas de transporte inteligentes. Las empresas utilizan análisis predictivos para optimizar la utilización de la flota, la visibilidad del inventario y el rendimiento de la logística.
Francia
Información sobre distribución inteligenteFrancia hace hincapié en las aplicaciones de aprendizaje automático que mejoran la planificación logística, la visibilidad de los envíos y la toma de decisiones en la cadena de suministro. Las organizaciones integran cada vez más el análisis predictivo en sus operaciones de distribución para optimizar la eficiencia y la calidad del servicio.
Italia
Planificación logística adaptativaItalia adopta tecnologías de aprendizaje automático para mejorar la coordinación logística en sus redes de fabricación y distribución. Las empresas utilizan cada vez más modelos predictivos para optimizar los niveles de inventario, la planificación del transporte y la asignación de recursos en los almacenes.
Liderazgo de segmentos y tendencias de crecimiento
Aprendizaje automático en el mercado logístico Share (%), por Modo de organización, 2026
Vaya más allá del gráfico y acceda a información completa y tablas de datos
Solicitar informe de muestra gratuitoAnálisis del segmento de modelos organizativos: Grandes empresas (segmento mayoritario) frente a pequeñas y medianas empresas (PYME) (segmento de mayor crecimiento)
El segmento de grandes empresas lideró el mercado de aprendizaje automático en logística con una cuota del 63,36 % en 2026. Las grandes organizaciones adoptaron cada vez más soluciones de aprendizaje automático para optimizar la planificación de rutas, las operaciones de almacén, la previsión de la demanda y la utilización de la flota en extensas redes de cadena de suministro. Su mayor capacidad financiera y el acceso a infraestructuras digitales avanzadas permitieron una implementación más rápida de herramientas de análisis predictivo y automatización, mejorando la eficiencia operativa, reduciendo los costes de transporte y fortaleciendo la visibilidad integral de la cadena de suministro.
El segmento de pequeñas y medianas empresas (pymes) está experimentando el crecimiento más rápido a medida que las plataformas de aprendizaje automático basadas en la nube se vuelven más accesibles y rentables. Las pymes están aprovechando cada vez más las soluciones logísticas inteligentes para automatizar la gestión de inventario, mejorar la precisión de las entregas y responder con mayor eficacia a la cambiante demanda de los clientes. La creciente concienciación sobre la toma de decisiones basada en datos y la necesidad de mantener la competitividad en cadenas de suministro cada vez más digitales siguen acelerando la adopción en este segmento.
Análisis del segmento de modelos de implementación: Basado en la nube (segmento más grande) frente a local (segmento de mayor crecimiento)
El modelo de implementación en la nube, que ostenta la mayor cuota de mercado en el sector del aprendizaje automático aplicado a la logística, representó el 70,08 % en 2026. Las plataformas en la nube han ganado una amplia aceptación gracias a su escalabilidad, menores costes de implementación y capacidad para procesar grandes volúmenes de datos logísticos en tiempo real. Además, permiten una integración perfecta con sistemas de gestión de transporte, plataformas de almacén y dispositivos conectados, lo que posibilita a las organizaciones implementar aplicaciones de aprendizaje automático de forma más eficiente en operaciones distribuidas.
El modelo de implementación local se está consolidando como el segmento de mayor crecimiento, ya que las organizaciones que manejan datos operativos altamente sensibles priorizan un mayor control sobre la seguridad, el cumplimiento normativo y la personalización del sistema. Los grandes proveedores de logística y las empresas con entornos de TI complejos siguen invirtiendo en infraestructura local para integrar capacidades de aprendizaje automático, manteniendo al mismo tiempo una gobernanza estricta sobre la información empresarial crítica.
Análisis de segmentos de componentes: Software (segmento más grande) frente a Servicios (segmento de mayor crecimiento)
El segmento de software dominó el mercado del aprendizaje automático en logística en 2026 y se consolidó como el componente de mayor crecimiento. Las plataformas de software constituyen la base de la implementación del aprendizaje automático, al permitir el análisis predictivo, la optimización de rutas, la previsión de la demanda y la toma de decisiones automatizada en todas las operaciones logísticas. Los continuos avances en las capacidades de inteligencia artificial, junto con la creciente demanda de plataformas analíticas integradas y automatización inteligente, refuerzan el liderazgo del segmento e impulsan un crecimiento sostenido.
| Segmento | Subsegmento | Segmento más grande | Segmento de más rápido crecimiento |
|---|---|---|---|
| Modo de organización | Grandes empresas, pequeñas y medianas empresas (PYME) | Grandes empresas | Pequeñas y Medianas Empresas (PYME) |
| Modelo de despliegue | Basado en la nube, en las instalaciones | Basado en la nube | En las instalaciones |
| Componente | Software, Servicios | Software | Servicios |
| Técnica | Aprendizaje supervisado, aprendizaje no supervisado | Aprendizaje supervisado | Aprendizaje no supervisado |
| Solicitud | Gestión de inventarios, planificación de la cadena de suministro, gestión del transporte, gestión de almacenes, gestión de flotas, gestión de riesgos y seguridad, otros. | Gestión del transporte | Gestión del transporte |
| Usuario final | Comercio minorista y electrónico, fabricación, atención médica, automoción, alimentos y bebidas, bienes de consumo, otros | Comercio minorista y comercio electrónico | Cuidado de la salud |
Panorama competitivo y posicionamiento de mercado
Principales actores en el mercado del aprendizaje automático en logística:
- Amazon Web Services, Inc. (Estados Unidos)
- Microsoft Corporation (Estados Unidos)
- Google LLC (Estados Unidos)
- SAP SE (Alemania)
- Oracle Corporation (Estados Unidos)
- Blue Yonder Group, Inc. (Estados Unidos)
- Cadena de suministro de DHL (Alemania)
- CH Robinson Worldwide, Inc. (Estados Unidos)
- project44, Inc. (Estados Unidos)
- FourKites, Inc. (Estados Unidos)
El posicionamiento competitivo está evolucionando, pasando de algoritmos predictivos aislados a una inteligencia operativa integral integrada en los flujos de trabajo logísticos. Los participantes del mercado compiten cada vez más en función de su capacidad para combinar datos en tiempo real de transporte, almacenamiento, inventario y planificación de la demanda en sistemas de toma de decisiones adaptativos que optimizan continuamente las operaciones. Las crecientes expectativas de los clientes respecto a cadenas de suministro resilientes han intensificado la inversión en modelos que mejoran la precisión de las previsiones, a la vez que responden dinámicamente a interrupciones, cambios en los patrones de demanda y fluctuaciones en las condiciones de entrega. Al mismo tiempo, el éxito depende cada vez más de una implementación escalable, la integración con los sistemas empresariales existentes y marcos de decisión explicables que fomenten una mayor adopción operativa en redes logísticas complejas.
| Empresa | Cuota de mercado | Ingresos de la empresa | CAGR de ingresos (%) | Cartera de productos | Presencia geográfica | Enfoque en innovación / I+D | Desarrollos estratégicos |
|---|---|---|---|---|---|---|---|
| Amazon Web Services Inc. (United States) | |||||||
| Microsoft Corporation (United States) | |||||||
| Google LLC (United States) | |||||||
| SAP SE (Germany) | |||||||
| Oracle Corporation (United States) | |||||||
| Blue Yonder Group Inc. (United States) | |||||||
| DHL Supply Chain (Germany) | |||||||
| C.H. Robinson Worldwide Inc. (United States) | |||||||
| project44 Inc. (United States) | |||||||
| FourKites Inc. (United States) |
Desarrollos/Noticias de la industria
| Nombre de la empresa | Fecha | Desarrollo clave |
|---|---|---|
| Amazonas | 24 de septiembre | Amazon anunció una inversión de aproximadamente 10.700 millones de dólares para expandir sus operaciones de logística y servicios en la nube en Alemania. La iniciativa se centra en la automatización logística mediante aprendizaje automático, integrando sistemas de robótica e inteligencia artificial en las operaciones de almacén para optimizar las tareas y mejorar la eficiencia general. |
| Oráculo | 24 de mayo | Oracle y Kuehne+Nagel han forjado una alianza estratégica para optimizar los procesos de gestión de la cadena de suministro y la logística. Esta colaboración integra las avanzadas capacidades de inteligencia artificial de Oracle con la experiencia logística de Kuehne+Nagel para mejorar la eficiencia operativa e implementar soluciones de valor añadido para su red de clientes. |
| Puerto flexible | 24 de abril | Flexport lanzó una plataforma logística basada en inteligencia artificial diseñada para optimizar las rutas de envío y anticipar las interrupciones en la cadena de suministro. La plataforma utiliza análisis predictivos e integración de datos en tiempo real de diversas fuentes para ofrecer información útil, lo que permite una supervisión proactiva de las redes logísticas. |
Personalizar su informe
Explore ejemplos de cómo este informe puede adaptarse a diferentes necesidades de investigación, incluidos segmentos personalizados, temas o capítulos adicionales e informes relacionados. Haga clic en una sección de la rueda o en su marcador numerado para explorar las opciones disponibles.
Aprendizaje automático en el mercado logístico — Segmentos personalizados
| Segmento | Subsegmento |
|---|---|
| Fuente de datos | Datos operativos de la empresa, datos de transporte y telemática, datos de almacén e inventario, datos de mercado externo y medioambientales. |
| Complejidad del proceso logístico | Logística de una sola etapa, logística de múltiples etapas, logística integrada de extremo a extremo. |
| Objetivo empresarial | Optimización de costes, mejora del nivel de servicio, previsión de la demanda, mitigación de riesgos. |
Aprendizaje automático en el mercado logístico — Índice personalizado
| Capítulo personalizado | Detalles personalizados |
|---|---|
| Priorización de casos de uso logísticos |
|
| Hoja de ruta de inversión en logística predictiva |
|
| Colaboración hombre-máquina en logística |
|
¿Necesita otra perspectiva de los datos?
Solicitar investigación personalizada¿Qué tamaño tiene el mercado del aprendizaje automático en logística?
¿Qué rendimiento se prevé que tenga el aprendizaje automático en el sector logístico durante la próxima década?
¿Cómo está mejorando el aprendizaje automático la toma de decisiones logísticas en las cadenas de suministro?
¿Qué papel desempeña la automatización de almacenes en la aceleración del aprendizaje automático en el mercado logístico?
¿Por qué las grandes empresas representan la mayor parte del uso del aprendizaje automático en la logística?
¿Qué factores impulsan una adopción más rápida del aprendizaje automático local en el sector logístico?
¿Qué convierte a Norteamérica en el mercado líder de aprendizaje automático en logística?
¿Cómo está impulsando la región Asia-Pacífico la adopción del aprendizaje automático en la logística?
¿Quiénes son los principales actores que están dando forma al panorama del aprendizaje automático en la logística?
Nuestros clientes
"El equipo superó nuestras expectativas con la profundidad del informe. Los conocimientos prácticos proporcionados fueron cruciales para afrontar los desafíos del mercado."
Tata Motors
"El informe nos pareció muy informativo. La experiencia y la atención a los matices del mercado influyeron significativamente en nuestra dirección empresarial."
DENSO Corporation
"Los resultados de la encuesta de consumidores fueron muy buenos. Ahora tenemos una visión más clara de la pérdida de clientes y de las estrategias de retención."
HL Mando
Nuestro equipo de investigación y metodología
Cada informe de Fundamental Business Insights es elaborado por un equipo de investigación especializado en cada sector, validado mediante una metodología estructurada de investigación primaria y secundaria, y revisado para garantizar su precisión antes de llegar a usted.
Descripción general del equipo de investigación
Preparado por el Automotive & Transportation Equipo de investigación
Entrega
Publicados
Demand
Disponible
Soporte
Confianza y cumplimiento
Áreas de investigación
10 áreas de coberturaInteligencia de investigación
| Fuente | Referencia |
|---|---|
| International Organization of Motor Vehicle Manufacturers (OICA) | www.oica.net |
| SAE International | www.sae.org |
| International Energy Agency (IEA) | www.iea.org |
| International Transport Forum (ITF) | www.itf-oecd.org |
| International Road Federation (IRF) | www.irf.global |
| International Organization for Standardization (ISO) | www.iso.org |
| United Nations Economic Commission for Europe (UNECE) | unece.org |
| National Highway Traffic Safety Administration (NHTSA) | www.nhtsa.gov |
| U.S. Department of Transportation (USDOT) | www.transportation.gov |
| European Automobile Manufacturers' Association (ACEA) | www.acea.auto |
| Society of Indian Automobile Manufacturers (SIAM) | www.siam.in |
| International Air Transport Association (IATA) | www.iata.org |
| International Civil Aviation Organization (ICAO) | www.icao.int |
| International Maritime Organization (IMO) | www.imo.org |
| International Union of Railways (UIC) | uic.org |
| American Public Transportation Association (APTA) | www.apta.com |
| International Federation of Robotics (IFR) | ifr.org |
| CharIN | www.charin.global |
| World Shipping Council | www.worldshipping.org |
| International Federation of Freight Forwarders Associations (FIATA) | fiata.org |
Flujo de investigación y garantía de calidad
Recopilación de datos
Información verificada recopilada mediante investigación primaria y secundaria.
Triangulación de datos
Validación cruzada mediante múltiples fuentes de datos independientes.
Modelización de previsiones
Estimaciones de mercado desarrolladas utilizando tendencias históricas y modelos analíticos.
Validación de analistas
Los resultados son revisados por expertos del sector para garantizar su precisión y coherencia.
Revisión editorial y de calidad
Controles editoriales, de calidad y cumplimiento finales antes de la publicación.
Publicación final
Publicado tras completar satisfactoriamente el proceso de revisión interna.
Cobertura del informe
📊 Evaluación del mercado
- Tamaño y previsión del mercado
- Segmentación del mercado
- Análisis regional
- Impulsores del crecimiento y desafíos
- Dinámica del mercado
🏢 Inteligencia competitiva
- Panorama competitivo
- Perfiles de empresas
- Benchmarking competitivo
- Fusiones y adquisiciones
- Análisis de cuota de mercado o estrategias de empresas clave
🔍 Análisis estratégico
- Análisis de la cadena de valor
- Las cinco fuerzas de Porter
- Análisis PESTLE
- Tendencias de precios
- Análisis de oferta y demanda
🚀 Perspectivas futuras
- Panorama tecnológico
- Panorama regulatorio
- Panorama de inversión y financiación
- Oportunidades emergentes
- Perspectivas futuras del mercado
¿Tiene alguna pregunta sobre este informe o necesita un alcance personalizado?
Solicitar personalización