¿Sirve la computación cuántica para ruteo y logística hoy?

Estado a: agosto de 2026. El ruteo es la cara del marketing de optimización cuántica y el lugar más difícil para ganar de verdad, porque los titulares clásicos son brutales. Esta es la foto medida, no el folleto.

¿Qué se afirma?

La logística es el pitch al que echa mano todo vendor cuántico: flotas, ventanas de reparto, bodegas — combinatorio, caro, en todos lados. El reclamo, dicho suelto, es que la optimización cuántica (QAOA en máquinas de compuertas, o recocido en D-Wave) va a resolver problemas de ruteo que ahogan a las computadoras clásicas. El reclamo casi nunca viene con lo único que lo haría verificable: contra qué solver clásico, en qué instancia, a qué tamaño.

¿Qué está realmente probado?

El lado clásico no es un espantapájaros. Es un muro.

En el benchmark clásico CVRPLIB-X (100 a 1.000 clientes), un mano a mano del 26 de julio de 2026 pone a Hexaly 15.0 a 0,1%–0,9% del mejor conocido en todos los tamaños dentro de un minuto, y a Google OR-Tools a grosso modo entre 3,6% y 7,8% en ese mismo minuto. Son rutas de 1.000 ciudades, resueltas casi al óptimo, en una corrida de laptop. Ese es el baseline que cualquier método cuántico tiene que batir.

Ahora el lado cuántico, en hardware real. El problema de ruteo de vehículos más grande efectivamente ejecutado en una computadora cuántica de compuertas en el registro revisado por pares es de 3 nodos, 2 vehículos. Escalar a 4 nodos generó un circuito de 12 qubits con unas 1.685 RZ + 883 RX + 425 compuertas de dos qubits; corrió más de 4 horas y devolvió una solución inviable (Azfar et al., 2025). Los autores no reclaman ventaja; nombran la profundidad de circuito y el ruido como el muro.

Los "casos" de recocido son trabajo real — y son híbridos. En el más citado, un estudio español de reparto de paquetes en D-Wave (Osaba et al., Scientific Reports, oct 2024) corrió 14–29 repartos por un solver híbrido (LeapCQMHybrid) e igualó las rutas óptimas de OR-Tools donde las restricciones lo permitían, desviándose ≤6,3% solo cuando se lo obligó a honrar reglas de prioridad que OR-Tools ignora. Un estudio de AGV de bodega de diciembre de 2025 escaló a 1.000 vehículos — pero solo agrupando el problema clásicamente hasta bajarlo de 10.000 variables primero, y sus autores dicen sin vueltas que los recocedores "quedan detrás de estos solvers maduros" en problemas mixtos-enteros generales. En un pipeline híbrido, la capa clásica hace el ruteo; la cuántica lo decora.

¿Dónde estaría el punto de cruce?

Ni cerca. Un estudio de recursos de 2025 de Volkswagen y el Centro de Supercómputo de Jülich (Onah & Michielsen) preguntó qué haría falta para codificar la instancia más chica de CVRPLIB en una máquina de compuertas, siquiera.

La codificación QUBO directa de esa instancia más chica exige un mínimo de 5.305 qubits lógicos; una codificación eficiente HOBO todavía necesita 7.685 para el caso Golden₅ (bajando de 200.000+, pero lejísimos del hardware). Los dispositivos proyectados de próxima generación llegan a 400–1.200 qubits. Su veredicto: la ventaja cuántica temprana en ruteo capacitado es "improbable en hardware NISQ incluso en el mejor de los casos", con unas pocas instancias "a una o dos generaciones de hardware de distancia". Eso es una estimación sobre hardware que aún no existe — el punto de cruce (ver ¿Qué es el punto de cruce?) para ruteo es una proyección, no una medición.

¿Por qué el ruteo es la trampa del baseline débil?

Porque es trivialmente fácil verse bien. La calidad de ruta contra un vecino-más-cercano ingenuo o un baseline aleatorio mejora con casi cualquier cosa, lo cuántico incluido — y ese delta se reporta como "la optimización cuántica funciona". No significa nada. Un resultado de ruteo solo cuenta si le gana al mejor solver clásico conocido — OR-Tools, LKH, Hexaly, Gurobi — en la misma instancia, al mismo tamaño y presupuesto de tiempo. La fuerza del titular clásico es exactamente lo que oculta un benchmark de baseline débil (ver Por qué un baseline clásico débil arruina un benchmark cuántico). En ruteo, el titular es de talla mundial, así que la vara es alta y los reportes honestos la libran callándose sobre la ventaja.

¿Qué dice el banco propio de Rosetta?

Todavía no sellamos un veredicto específico de ruteo, y no vamos a insinuar uno que no corrimos. Nuestro vecino medido más cercano es la optimización de portafolios — la misma forma de pelea: QAOA contra un solver de restricciones fuerte (CP-SAT) sobre instancias idénticas. En nuestra corrida sellada (V-0012, 20 pruebas a n=12/16/20), CP-SAT clavó el óptimo probado 20/20 mientras QAOA se quedó 25%–48% lejos, con el lado cuántico simulado sin ruido — el escenario más generoso posible — y aun así perdió. El ruteo vive en el mismo régimen que los portafolios contra un campo clásico todavía más fuerte. Un banco de ruteo dedicado de Rosetta está en el backlog; hasta que se corra, este veredicto se apoya en el registro externo de arriba, citado por fecha.

Qué no sabemos

No sabemos el tamaño real del punto de cruce para ruteo capacitado — nadie lo midió, porque ninguna máquina puede aún codificar una instancia del benchmark, así que todo número aquí del lado cuántico del ledger es o una demo chica de hardware o una estimación de recursos sobre hardware que no existe. No sabemos si un futuro algoritmo cuántico de ruteo no-QAOA, no-recocido cambia la foto. No sellamos nuestra propia corrida de ruteo, así que nos apoyamos en resultados externos y los etiquetamos como tales. Y los casos de recocido híbrido son ingeniería genuina — no los llamamos inútiles, solo notamos que el ruteo en ellos es clásico.

Rosetta Q publica veredictos con datos crudos reproducibles. Esto es contenido educativo, no un claim de producto. Cada dato fechado linkea su fuente; los negativos se reportan, no se esconden.