Seguí un proyecto piloto durante tres meses.
El almacén está en Chino, California — un 3PL dedicado a la preparación de pedidos de comercio electrónico, con poco más de 90,000 pies cuadrados, doce montacargas y dos turnos, el nocturno extendiéndose hasta las 2 a. m. El otoño pasado, un montacargas casi golpeó a un empacador del turno de noche en la puerta del muelle. Nadie resultó herido, pero el empacador escribió un correo de queja que llegó directo al cliente. El cliente era un gran vendedor. Recibimos un cuestionario de seguridad de doce páginas, y el dueño finalmente decidió: probemos el análisis de video con IA, enfocado específicamente en los casi-accidentes entre montacargas y peatones.
El piloto se realizó de mayo a agosto de 2026. Aquí va la mitad del veredicto de entrada: funciona — pero no como uno esperaría.
Dónde apuntar las cámaras
El primer error es cubrir todo el edificio. El software se cobra por posición de cámara, así que la cobertura total se encarece rápido — y es innecesaria. Los casi-accidentes se concentran en puntos calientes. Encuentra los puntos calientes.
Nuestras doce posiciones: entradas y torniquetes, donde personas y camiones deben cruzarse; la zona de carga de baterías, donde los montacargas giran constantemente; las intersecciones entre las zonas de staging y los pasillos principales; las puertas del muelle, donde una puerta que se abre elimina toda la visibilidad; y los fondos ciegos de los pasillos de estanterías. Esos cinco tipos de puntos concentraron más del ochenta por ciento de los casi-accidentes detectados en tres meses.
La altura fue una lección. Los primeros montajes se pusieron a veintiocho pies, justo sobre la cabeza, como piensa un instalador de seguridad. El algoritmo no veía a las personas en absoluto — un peatón era apenas unas docenas de píxeles. Bajamos a entre dieciocho y veinte pies, en ángulo hacia el pasillo de quince a veinticinco grados. De repente la IA tenía suficientes píxeles para trabajar, y las falsas alarmas bajaron con ello.
Un detalle más: no apuntes la cámara directamente hacia los montacargas que se acercan. En la puerta del muelle, la primera versión miraba la puerta de frente, y el contraluz del día lavaba todo el encuadre. En ángulo de treinta grados hacia un lado, problema resuelto. Con estos sistemas es setenta por ciento imagen, treinta por ciento algoritmo — imagen basura, resultados basura.
Y un ahorro de dinero: nueve de las doce posiciones reutilizaron las cámaras domo existentes del almacén; solo tres fueron nuevas. Pero una imagen de seguridad y una imagen para IA son dos cosas distintas. Antes de reutilizar nada, extrae una noche completa de grabaciones y revisa contraluz, vibración y vistas bloqueadas. Si algo está mal, no escatimes en esa cámara.
Cómo corregir las falsas alarmas
La primera semana, el sistema enviaba más de cuarenta alertas al día. Al segundo día el gerente de seguridad quería apagarlo todo. Esa es la causa número uno de muerte de estos proyectos: las falsas alarmas.
Tres correcciones, todas aprendidas a golpes.
Primera, escribe la definición del evento en piedra. Distancia persona-vehículo menor de tres metros, velocidad del montacargas por encima de aproximadamente ocho kilómetros por hora, y ambos convergiendo o cruzándose — las tres condiciones a la vez, o no cuenta como casi-accidente. Solo la distancia no cuenta: junto a una estación de empaque, personas y montacargas trabajan cerca todo el día. Eso no es un casi-accidente, es el trabajo.
Segunda, dibuja zonas de exclusión. Estaciones de empaque, zonas de carga, cualquier lugar donde el contacto cercano sea legítimo — encuádralo fuera del cuadro y no lo cuentes. Dibujamos seis zonas de exclusión y las falsas alarmas se cortaron a la mitad de la noche a la mañana.
Tercera, escalona las alertas. Solo los encuentros cercanos a alta velocidad van al teléfono del gerente de seguridad. Los pases lentos van a un informe semanal para las estadísticas. No insensibilices a la gente — grita "lobo" tres veces y nadie mirará la cuarta, cuando sea de verdad.
Otra clase de falsas alarmas venía de montacargas vacíos corriendo rápido. Pequeños, rápidos, fáciles de que el modelo los juzgue mal contra un peatón distante. La solución fue un techo de velocidad: todo lo que pase de quince kilómetros por hora se registra como exceso de velocidad — un problema distinto — y queda fuera de las estadísticas de casi-accidentes. No mezcles las dos cosas.
Después de tres meses: de cinco a ocho casi-accidentes genuinos enviados al día, falsas alarmas reducidas a alrededor del veinte por ciento. Una palabra honesta aquí: el noventa y cinco por ciento de precisión en las presentaciones de los vendedores es un número de laboratorio. En el campo, el ochenta por ciento es un sistema bien afinado. Todo lo anterior está medido en nuestro piloto, no en una sala de demostración.
El turno de noche trajo su propia trampa. Para ahorrar energía, el almacén apagaba la mitad de las luces de los pasillos de noche, y las falsas alarmas se duplicaban en modo de visión nocturna. Cuatro luces adicionales en los pasillos lo arreglaron — más barato y más rápido que un mejor algoritmo.
Haciendo las cuentas
Los costos primero, claro. Suscripción de software por posición para doce posiciones, una caja de cómputo en el borde (edge) en la sala de servidores, tres domos nuevos más la mano de obra de instalación. El gasto del primer año quedó en el rango de treinta a cincuenta mil dólares — una aproximación medida en el piloto, no una cotización. Obtén tus propios números de los proveedores.
El retorno llegó en tres partes.
Una: el valor de un solo accidente evitado. OSHA estima aproximadamente 85 muertes relacionadas con montacargas y 34,900 lesiones graves al año en Estados Unidos. El número que importa para tus cuentas es este: en un atropello a un peatón, los costos médicos y legales directos son la parte pequeña. El tiempo de inactividad, la investigación, las multas de OSHA, las auditorías de clientes, las subidas del seguro — los costos indirectos son varias veces los directos. Evita una lesión moderada en tres años y el sistema se paga solo.
Dos: el seguro. En la renovación entregamos a la aseguradora nuestra línea de tendencia de casi-accidentes, y la prima bajó alrededor de un ocho por ciento — medido en el piloto, tu aseguradora puede variar, pero los datos ganan a un apretón de manos.
Tres: la capacitación. La capacitación en seguridad antes eran diapositivas. Ahora son los propios clips de casi-accidentes del almacén. Los nuevos empleados ven imágenes reales del pasillo exacto por el que caminarán cada día. No se puede poner un ROI preciso, pero el gerente de seguridad dice que la diferencia en la atención es visible.
Tres meses, más de 230 casi-accidentes detectados — más de diez veces lo que se reportó a mano en todo el año anterior. El almacén no se volvió más peligroso. Siempre fue así de peligroso; nadie lo reportaba.
Así que no midas "accidentes evitados". Mide "riesgos corregidos y cerrados". En tres meses cerramos diecisiete: dos espejos convexos, un pasillo convertido a un solo sentido, tres zonas de staging reubicadas, el resto cosas pequeñas como señales de velocidad y chalecos reflectantes. Las cosas pequeñas importan — todo el valor del análisis de casi-accidentes vive en el ciclo cerrado.
¿Vale la pena? Sí — pero no porque la IA sea brillante. Porque por primera vez, los casi-accidentes se convirtieron en datos contables, reproducibles y corregibles. Antes de este sistema, vivían solo en las historias de los veteranos, recordados después de que algo realmente pasaba.
Por dónde empezar, en una frase: no compres software todavía — dedica dos semanas a excavar un año de registros de incidentes y quejas, marca tus tres principales puntos calientes, pon tres cámaras ahí durante un mes, y expande solo si el material cuenta una historia.
Traducido del inglés. En caso de discrepancia, prevalece la versión en inglés.
