El año pasado un 3PL de Ontario me contrató como consultor. Querían pronóstico de demanda con IA, la demo del proveedor se veía impecable y el contrato estaba prácticamente firmado. Pasé dos días en sitio y lo primero que le dije al dueño al volver: si gastas este dinero ahora, lo pierdes. No porque el algoritmo fuera malo, sino porque de sus más de 20,000 SKU, más de 4,000 ni siquiera tenían código de barras. Los operarios identificaban el producto de memoria. Ningún algoritmo en la tierra puede pronosticar la parte de tu inventario que vive en la cabeza de alguien.
Esa es la forma más común en que la IA muere en un almacén: muere por los datos, no por la tecnología. He visto una docena de pilotos de IA a lo largo de los años, y siete u ocho de cada diez fracasos se remontan a una preparación de datos que nunca ocurrió. Los proveedores no te lo van a decir: ganan dinero vendiendo licencias, así que les encantaría que firmes temprano. Esta es mi propia lista de verificación: antes de que la IA entre en producción, hay que limpiar primero tres categorías de datos del almacén. Si una categoría no llega al mínimo, no lances el caso de uso que depende de ella. Ahorrarás más de lo que crees.
Datos maestros: SKU, ubicaciones, lotes — «suficientemente bueno» no basta
Los datos maestros son el cimiento sobre el que se apoya todo modelo de IA. Atributos de SKU faltantes, códigos de ubicación desordenados, información de lotes parchada a mano: en la operación tradicional todo esto se puede tapar con el conocimiento tribal de los veteranos. En el momento en que entra la IA, cada hueco se convierte en una mina terrestre.
A mis clientes les pongo tres mínimos duros. Primero, integridad de los datos maestros de SKU por encima del 95 %: dimensiones, peso, especificaciones de empaque, clase ABC. Si faltan, el slotting y la planificación de olas de la IA son basura entra, basura sale. No creas eso de que «el algoritmo rellena los huecos solo»: unas dimensiones desviadas un 10 % significan que cada recomendación de caja está mal.
Segundo, el 100 % de las ubicaciones debe ser escaneable. La IA que despacha AMRs y optimiza rutas de viaje asume que cada ubicación del sistema corresponde a una física. He visto una nave con 12,000 ubicaciones en el sistema donde una auditoría de piso encontró más de 300 ubicaciones fantasma: etiquetas caídas, estanterías retiradas, pero siguen en la base de datos. Alimenta eso a una IA y cada ruta que planifique es ficción.
Tercero, los datos de lotes y caducidad tienen que cerrar el ciclo. Para almacenes de alimentos y farmacia que usan IA de alertas de caducidad, sin registros de entradas y salidas a nivel de lote no hay muestras de entrenamiento en absoluto. Estos son los datos más lentos de reconstruir, porque la historia normalmente no existe: empiezas a recolectar hoy y esperas un trimestre completo.
¿Cómo arreglarlo? No lances una campaña de limpieza. Mi método: muestrea 200 SKU, calcula la tasa de error de los datos maestros. Por encima del 15 %, necesitas una reconstrucción sistemática: presupuesta de dos a tres meses. Por debajo del 5 %, puedes lanzar la IA y rellenar en paralelo. Haz este cálculo por adelantado, no después de que el algoritmo entre en producción.
Datos de eventos: las marcas de tiempo deben ser continuas, o el historial no vale nada
La IA aprende cómo funciona realmente tu almacén, y su libro de texto es cada escaneo, cada putaway, cada marca de tiempo de ola. El mayor problema aquí no son los datos faltantes, sino los datos rotos.
Muchos almacenes escanean recepción, putaway y picking religiosamente, y luego llevan pack y ship en papel. Las marcas de tiempo se detienen a la mitad. Una IA que intenta aprender el verdadero ciclo de pedido de una orden choca con un callejón sin salida a mitad de la lección. Otros dejan que el turno de noche se salte escaneos para alcanzar la cuota, dejando tramos enteros del registro en blanco: un modelo entrenado con esos datos subestimará sistemáticamente la capacidad del turno de noche.
Mi mínimo de aceptación: cobertura de escaneo por encima del 90 % en cada paso clave, continua durante tres meses. ¿Aún no llegas? Dos soluciones. La barata es gestión de cumplimiento de escaneo: mete la tasa de escaneo en el KPI del turno y la cobertura sube en dos meses con costo casi cero. La cara es hardware, como unidades automáticas de pesaje y escaneo en las estaciones de pack. Normalmente recomiendo primero la barata: arregla el hábito, consigue continuidad, y después hablamos de IA.
Una cosa más: guarda al menos seis meses de historia que cubran un ciclo completo de temporada baja y pico. Un modelo entrenado solo con datos de pico se pondrá histérico toda la temporada baja, y viceversa. Cuando un proveedor dice «con tres meses de datos basta», ese es el sonido de alguien que quiere cobrar antes.
Datos de resultados: sin un reporte de calificaciones, la IA nunca se gradúa
Las dos primeras categorías son entradas. Esta son salidas: registros de varianzas de conteo cíclico, registros de errores de picking, tasas de entrega a tiempo, clasificación de motivos de devolución. Los modelos necesitan datos de resultados para saber si están acertando. Sin ellos, después de la salida en vivo ni siquiera puedes decir si el modelo está mejorando o alucinando.
Esto se ignora más porque los datos de resultados viven en todas partes: varianzas en una hoja de cálculo, quejas en el correo, motivos de devolución en la cabeza de alguien. El año pasado evalué a un cliente para conteo cíclico con visión por IA y encontré dos años de registros de varianzas guardados solo como totales: sin detalle por SKU. El modelo ni siquiera podía aprender dónde estaban los errores. Su techo de precisión era obvio antes de empezar.
La solución es un registro maestro de resultados: fecha, SKU, paso del proceso, tipo de problema, impacto en dinero. Regístralo a mano durante dos meses para crear el hábito, y después sistematiza. También tiene un beneficio colateral: muchos problemas de gestión surgen solo de este registro. Obtienes una mejora de gestión antes de que la IA siquiera llegue.
Realidad del presupuesto: la preparación de datos consume del 60–70 % del proyecto. No te sorprendas.
Honestamente: en un piloto de IA, la preparación de datos típicamente consume del 60 al 70 por ciento del tiempo y el esfuerzo; la selección e implementación del algoritmo se quedan con el resto. Los planes de proyecto de los proveedores rara vez dicen esto: listarán la preparación de datos como «dos semanas de cooperación del cliente». Créelo, y tu proyecto se retrasa tres meses como mínimo.
Mi consejo: haz una revisión de salud de datos antes del arranque, puntuando cada una de las tres categorías sobre diez. Por debajo de 18 en total, ni hables de IA todavía: ejecuta la preparación de datos como su propio proyecto de tres a seis meses, y luego vuelve. Por encima de 24, ve directo al POC. He hecho esta revisión para cinco o seis clientes, y cada vez ha matado uno o dos proyectos condenados. Los ahorros son dinero real.
La verdad sin adornos: la preparación de datos no tiene glamour. Es todo trabajo pesado, por eso nadie se ofrece: los proveedores se la saltan y nadie dentro se hace cargo. Pero en la era de la IA, los datos son las nuevas estanterías. Estanterías desordenadas significan producto perdido; datos desordenados significan que tu IA es decoración. Vierte primero los cimientos, y la parte del algoritmo se vuelve fácil.
Traducido del inglés. En caso de discrepancia, prevalece la versión en inglés.
