Esta investigación propone un marco híbrido que combina técnicas de inteligencia artificial con algoritmos de optimización para mejorar la planificación de rutas en contextos logísticos complejos. El estudio integra un modelo generativo profundo, el Variational Autoencoder (VAE), con el metaheurístico Adaptive Large Neighborhood Search (ALNS) ejecutado en paralelo. Esta aproximación permite explorar soluciones más diversas, acelerar la convergencia y reducir los costos operativos. En pruebas con instancias estándar de ruteo y rutas reales en Lima, el método logró mejoras de 4–5% en benchmarks internacionales y más de 40% en escenarios reales. El trabajo demuestra el potencial de combinar IA generativa y optimización para transformar la logística y la toma de decisiones empresariales.
