Este trabajo presenta un enfoque de aprendizaje por refuerzo (RL) para resolver el problema de orientación en equipo bajo condiciones de tiempo de viaje deterministas y dinámicas. El método propuesto se basa en la arquitectura del transformador y se entrena para construir rutas que se adaptan a variaciones en tiempo real, como el tráfico y los cambios ambientales. Una contribución clave de este trabajo es la capacidad del modelo para generalizar a través de instancias de problemas con diferentes números de nodos y vehículos, eliminando la necesidad de volver a entrenar cuando cambia el tamaño del problema. Para evaluar el rendimiento, se lleva a cabo un conjunto exhaustivo de experimentos que involucra 27,000 instancias sintéticas, comparando el modelo de RL con una metaheurística de búsqueda de vecindario variable. Los resultados indican que el modelo de RL logra una calidad de solución competitiva al tiempo que requiere significativamente menos tiempo computacional. Además, el enfoque de RL produce consistentemente soluciones factibles en todas las instancias dinámicas, demostrando una robustez sólida para cumplir con las restricciones de tiempo. Estos hallazgos sugieren que los métodos basados en el aprendizaje pueden ofrecer soluciones eficientes, escalables y adaptables para problemas de enrutamiento en entornos dinámicos e inciertos.