Transload apuesta a que la CCTV puede medir cada envío LTL: YC P26, lanzamiento en HN, ~50 000 USD/sitio/mes

Una empresa de software que convierte las cámaras de seguridad ya instaladas en las terminales de carga en medidores automáticos de dimensiones, que miden cada envío LTL a medida que avanza por el flujo de trabajo normal del muelle sin necesidad de hardware nuevo.

Que la visión artificial monocular sobre las cámaras de CCTV ya presentes en las terminales puede medir cada envío LTL, de modo que los transportistas recuperen la subfacturación sin cambiar el flujo de trabajo del muelle.

Los tres fundadores —Nils, Julius y Jago— estudiaron juntos en la TU de Múnich y se conocían desde hacía ocho años cuando fundaron transload en 2026. Jago creció en el sector gracias al negocio familiar de transporte LTL y cross-docking. Su primera idea fue IA para optimizar las rutas de las carretillas elevadoras dentro de las terminales de cross-dock, pero tras hablar con más de 50 empresas de transporte siguieron oyendo hablar de las dimensiones de la carga, y se dieron cuenta de que los avances recientes en la estimación de profundidad métrica monocular hacían posible recuperar una estructura 3D precisa a partir de imágenes de cámaras corrientes sin LiDAR.

La empresa se incorporó a la promoción Spring 2026 (P26) de Y Combinator y se lanzó públicamente en Hacker News el 8 de junio de 2026, y después en Launch YC el 21 de junio de 2026. Su sistema de dos pasos vincula la marca temporal de un escaneo de código de barras con el envío correcto en el vídeo —razonando sobre la mirada, la orientación del cuerpo y el movimiento— y luego segmenta el objeto y estima una caja delimitadora 3D métrica, con un error absoluto medio inferior a 1,5 pulgadas en la actualidad. Los fundadores afirman que trabajan con varios transportistas LTL, con un cliente que muestra errores de dimensiones en aproximadamente el 10 % de los envíos verificados, y sostienen que detectar esas diferencias vale unos 50 000 USD por sitio al mes.

En producción con clientes piloto y escalando la propia medición: el equipo afirma que su prioridad es llevar la precisión de la caja delimitadora por debajo de una pulgada con cobertura total, y que su primer caso de uso de pago es la recuperación de ingresos —identificar envíos con dimensiones subdeclaradas y corregir la facturación— antes de pasar a la optimización de la utilización de los remolques.

El fraude o error de dimensiones es medible y recurrente: cada envío con dimensiones subdeclaradas es un ingreso perdido, así que el cliente puede calcular el retorno por terminal antes de comprar.

La CCTV existente elimina el obstáculo de adopción: sin recorridos de carretillas elevadoras, congestión en el muelle ni flujo de trabajo nuevo, que es la razón por la que las estaciones de medición de dimensiones dedicadas solo muestreaban la carga.

El umbral técnico acaba de moverse: la profundidad métrica monocular barata hizo posible una medición 3D precisa con cámaras corrientes sin hardware LiDAR.

Una cuña estrecha mantiene el foco honesto: la recuperación de ingresos de envíos LTL subfacturados es un problema que los fundadores verificaron en más de 50 conversaciones con empresas de transporte.

Elegir el problema que los clientes mencionan en cada conversación y luego reutilizar los activos que ya poseen: no necesitar hardware nuevo hizo posible la venta a las terminales.

A 2 de septiembre de 2026, transload está en producción con pilotos: su perfil de YC (promoción Spring 2026) indica que el 15 % de los envíos de sus clientes resultan ser más grandes de lo declarado, lo que vale unos 50 000 USD por sitio al mes en refacturaciones y utilización de remolques, y según su lanzamiento en Hacker News trabaja con varios transportistas LTL, uno de los cuales muestra aproximadamente un 10 % de errores de dimensiones en los envíos verificados. El equipo de tres personas en San Francisco se centra en la precisión de la medición, con el objetivo de un error medio inferior a una pulgada con cobertura total.