En septiembre de 2025, el director general de un almacén 3PL en el este de China me llamó por un piloto de reconocimiento visual. La demostración del proveedor había alcanzado un 99.6% de precisión de reconocimiento, el contrato decía «precisión no inferior a 99%», y el formulario de aceptación ya estaba firmado. En la primera semana de operación real, las etiquetas dañadas, la cinta reflectante y los códigos de barras torcidos llegaron en masa, y la precisión cayó a aproximadamente el 91%. La estación de retrabajo necesitó dos horas extra de mano de obra al día para limpiar el desorden. Me preguntó de quién era la culpa. Mi respuesta fue que era culpa del contrato. Si los criterios de aceptación de una POC de IA consisten en una sola línea que dice «no inferior a 99%», sin definición del conjunto de pruebas, sin método de muestreo y sin protocolo de medición, esa línea no tiene fuerza vinculante en la reunión de aceptación. Un proveedor puede elegir 2,000 fotos limpias de cajas estándar y el número sigue siendo válido.

No es un caso aislado. A juzgar por las condiciones de entrega que publican varios integradores líderes, y por la docena de proyectos de IA para almacenes que he seguido durante los últimos dos años, la forma más común en que muere una POC no es que la tecnología falle. Es que el estándar de aceptación se escribió con demasiada laxitud.

Convertir los criterios de aceptación de una POC de IA en cuatro números medibles

Una función que funciona en la demostración tiene que sobrevivir a tres transiciones antes de funcionar en producción: cambia la distribución de los datos, cambia el ritmo operativo y aparecen las excepciones. Si el contrato define el éxito solo en el entorno de demostración, las tres transiciones se convierten en un coste para el comprador.

Categoría Métrica principal Cómo se mide Trampa habitual
Precisión Precisión de reconocimiento o predicción, tasa de error Muestreo continuo del flujo real, al menos 5,000 unidades, estratificado por categoría de producto Probar solo el conjunto de demostración, o informar la precisión global sin la peor categoría
Velocidad Tiempo de procesamiento por unidad, respuesta del sistema P95 Medición continua durante las horas punta, usando el percentil 95, no el promedio Informar solo promedios, que ocultan la cola larga de retrasos
Estabilidad Tiempo de funcionamiento continuo sin intervención manual, tiempo de recuperación tras un fallo 72 horas de funcionamiento continuo, registrando cada parada y cada recuperación Probar solo un turno diurno de ocho horas, nunca el turno de noche ni un cambio de turno
Coste Coste por unidad procesada, ahorro de mano de obra convertido en dinero Calculado a partir del volumen real y las horas de mano de obra durante el periodo de aceptación Contar solo la licencia de software, ignorando el retrabajo, el mantenimiento y la gestión de excepciones

La precisión es donde la redacción falla con más frecuencia. El mismo «99%» puede describir dos mundos distintos según se haya medido en un conjunto de demostración seleccionado por el proveedor o en el flujo real. El contrato debe indicar que el conjunto de pruebas procede de la mercancía real del comprador, que el muestreo cubre todas las categorías de producto y tipos de excepción, y que los resultados se evalúan categoría por categoría, puntuando la peor categoría por separado en lugar de esconderla dentro de un promedio global. La velocidad debe expresarse como un valor P95, no como un promedio, porque un almacén nunca sufre en el promedio: sufre cuando el peor 5% de los pedidos atasca la línea. La estabilidad debe expresarse como tiempo de funcionamiento continuo, y 72 horas es una referencia práctica, que cubre un turno de día, un turno de noche y un cambio de turno.

El coste es la métrica que más fácilmente se reduce a una frase vacía. «Se espera ahorrar el 30% de la mano de obra» no puede aceptarse, porque no tiene línea base. La versión viable es fijar primero la línea base —el coste real por unidad y las horas de mano de obra de ese proceso en las dos semanas anteriores a la POC— y compararla después con los valores medidos durante la aceptación. El retrabajo, la gestión de excepciones y la mano de obra de mantenimiento deben incluirse, o las horas que ahorra el proveedor volverán a consumirse en la estación de retrabajo.

Aprobar con datos de demostración, fracasar con flujo real

Un segundo caso procede de un almacén de comercio electrónico en Guangdong a finales de 2024. El algoritmo de programación de AMR del proveedor prometía un aumento del 25% en la eficiencia de picking, y la aceptación se midió en una sola oleada en un periodo de inactividad. Los números parecían excelentes. Cuando se ejecutó la simulación de temporada alta, el aumento cayó al 7%, y tras 72 horas de funcionamiento continuo el sistema sufrió un bloqueo de programación que tardó 40 minutos en reiniciarse. El contrato no decía nada sobre el tiempo de funcionamiento continuo, el tiempo de recuperación ni el rendimiento bajo concurrencia máxima. La POC se marcó como «aprobada», y los problemas surgieron en masa tres meses después de la puesta en marcha, cuando el retrabajo costó más que la propia POC.

Ambos casos apuntan a la misma causa. Existe una brecha sistemática entre el entorno de pruebas de la POC y el entorno de producción, y el tamaño de esa brecha depende de qué datos se usaron, a qué ritmo se probó y durante cuánto tiempo. Los datos de demostración son la zona de confort del proveedor; los datos reales son la realidad diaria del comprador. Mi recomendación es fijar tres cosas en el contrato: primero, los datos de prueba deben proceder de la mercancía real del comprador, muestreados para cubrir los patrones de oleadas de temporada alta y los tipos de excepción; segundo, la medición de aceptación debe cubrir al menos un periodo operativo completo de máxima actividad, nunca una ventana de inactividad por sí sola; tercero, el periodo de aceptación debe durar al menos dos semanas, incluyendo un cambio de turno y un ciclo completo de gestión de excepciones.

Hay un punto contraintuitivo: cuanto más alto se fija el objetivo de precisión, más fácilmente se distorsiona una POC. Un objetivo del 99.9% suena riguroso, pero en la práctica a menudo empuja al proveedor a sobreajustar el conjunto de demostración, dedicando su energía a pulir el conjunto de pruebas hasta la perfección en lugar de hacer el sistema más robusto. Un objetivo de aceptación útil no es un solo número impresionante, sino un conjunto escalonado de métricas: precisión global, precisión de la peor categoría y cobertura de tipos de excepción, las tres deben superarse juntas. La disyuntiva es clara. Un conjunto de métricas de aspecto más laxo pero estructuralmente completo te da credibilidad con la mercancía real; un solo número muy alto suele darte una buena demostración.

Si la aceptación fracasa, el contrato necesita una salida

Una vez claras las métricas, el contrato aún tiene que decir qué ocurre cuando no se cumplen. Muchos contratos de POC solo tienen una frase aquí —«si la aceptación fracasa, ambas partes negociarán»— que en la práctica significa una disputa. Una estructura más duradera es una salida escalonada: en la primera aceptación fallida, el proveedor recibe una remediación gratuita en un plazo de 30 días, con el alcance y el tope de coste escritos en el contrato; si fracasa una segunda vez, el comprador puede rescindir, recuperar las tarifas de implementación no gastadas y liquidar el hardware entregado a su valor depreciado, con la propiedad de los datos y del modelo fijada en la firma.

La aritmética muestra lo que vale esa cláusula. Tomemos una POC que cuesta 400,000 yuanes con un presupuesto total de despliegue de 4 millones. Si el estándar de aceptación es vago y el sistema se declara aprobado, solo para quedarse corto durante el despliegue, el retrabajo y la remediación pueden consumir fácilmente otro millón de yuanes, más tres meses de ventana perdida. Frente a eso, dos páginas de condiciones de aceptación no cuestan casi nada. La otra cara del mismo cálculo es que una POC es, en esencia, un pequeño pago por información —la respuesta a si esta solución realmente funciona en mi almacén. Si el estándar de aceptación está escrito de forma que el proveedor no puede perder, el dinero no compra información sino un billete hacia el despliegue.

Una POC exitosa también necesita una cláusula de traspaso para el paso a producción. Tres cosas pertenecen al contrato: primero, los datos de aceptación de la POC y el conjunto de pruebas se conservan como línea base de la puesta en marcha, y las métricas de producción no deben caer por debajo de los valores de aceptación de la POC; segundo, el despliegue avanza por etapas, cada una con un punto de control, y un punto de control incumplido detiene el despliegue en esa etapa; tercero, el periodo de soporte in situ del proveedor y los tiempos de respuesta se escriben en las condiciones de despliegue en lugar de dejarse como promesas verbales. La ruptura más peligrosa entre la POC y la puesta en marcha es el momento en que termina la aceptación y las mejores personas del proveedor se marchan, dejando un sistema del que nadie responde.

El juicio, a estas alturas, es bastante claro: la aceptación de una POC no es una revisión técnica sino una fijación del precio del riesgo. Las métricas escritas en el contrato deciden quién asume la incertidumbre de la mercancía real; la cláusula de salida decide quién tiene derecho a parar cuando esa incertidumbre supera las expectativas. En los próximos dos o tres años, los proyectos de IA para almacenes no harán más que multiplicarse, y las demostraciones de los proveedores serán cada vez más pulidas. La forma de saber si un proveedor va en serio está pasando de mirar la demostración a mirar si está dispuesto a poner los criterios de aceptación de la POC de IA en el contrato, y si esas métricas sobreviven al contacto con la mercancía real. En cuanto a tu próxima POC, quién fija los números en el formulario de aceptación es una cuestión que vale la pena resolver antes de firmar el contrato, no después.

Por Dr. Chen, Investigador de la cadena de suministro Traducido del inglés. En caso de discrepancia, prevalece la versión en inglés.