Lo digo desde el principio: todo proyecto de visión por IA que llega al 99% de precisión en la aceptación bajará a poco más del 90% en seis meses. Eso no me sorprende. Lo que me sorprende es que nueve de cada diez contratos que he revisado no dicen quién responde por esa caída.
En otoño de 2024, un almacén 3PL de 120,000 pies cuadrados en Riverside me pidió hacer un análisis post mortem. A principios de ese año habían desplegado un sistema de conteo cíclico basado en visión: cámaras fijas a lo largo de los pasillos de estanterías, un modelo que contaba palés y reconocía SKUs cada noche. La precisión en la aceptación fue del 99.2%, y el jefe elogió al equipo de TI en la reunión de la empresa. Para el 4.º trimestre, las diferencias de conteo no dejaban de crecer. Una reauditoría manual descubrió que el modelo confundía un SKU reempaquetado con otro: tres meses seguidos de inventario contable que no cuadraba con el stock físico, justo durante la reposición de la temporada alta. Las causas raíz se acumularon rápido: más de 40 SKUs nuevos lanzados durante el verano, todos con nuevos colores de empaque; el turno de noche había bajado dos puntos la intensidad de las luces de los pasillos para ahorrar energía; los operarios nuevos apilaban los palés torcidos de formas que los datos de entrenamiento nunca habían visto. Ninguna de ellas era "el modelo se rompió". Todas eran "el mundo cambió".
Eso es deriva del modelo. El día de la puesta en marcha es el día más preciso en la vida de un sistema de IA. A partir de ahí solo puede ser menos preciso; la única pregunta es qué tan rápido. Los que hacen la selección hablan de la puesta en marcha. Los que hacen la operación hablan de los cinco años siguientes.
La deriva es una estación, no un error
La deriva tiene tres sabores. La primera es la deriva de datos: lo que ven las cámaras ha cambiado: nuevos SKUs, nuevo empaque, luces más tenues, polvo en el lente. La segunda es la deriva conceptual: las reglas del negocio cambiaron. Los palés mixtos antes estaban prohibidos; ahora la temporada alta tolera en silencio dos SKUs por palé, y el modelo se desmorona. La tercera, y la más traicionera, es la deriva operativa: el comportamiento de la gente cambió. El mismo SOP, pero un novato apila palés de forma totalmente distinta a un veterano de veinte años, y el modelo solo aprendió la técnica del veterano.
La deriva no se detecta por instinto. Se detecta con maquinaria. Las reglas permanentes que doy a los clientes son cuatro. Corre dos semanas de modo sombra tras la puesta en marcha, conciliando la salida del modelo contra conteos manuales cada día: la brecha se ve desde el primer día. Luego haz verificaciones puntuales semanales fijas, mínimo 200 palés, y convierte los resultados directamente en un número de precisión. Fija una línea roja, por ejemplo precisión a nivel de SKU por debajo del 97% durante dos semanas consecutivas, que avise a una persona con nombre y apellido. Y haz una reauditoría completa antes y después de cada temporada alta, porque el cambio de temporada es el coto favorito de la deriva. Si falta cualquiera de estas cuatro, la deriva se descubre tres meses tarde, como en Riverside, cuando los libros ya llevan un trimestre equivocados.
A dónde va realmente el dinero
La mayoría piensa que mantenimiento significa "llamar al proveedor cuando el modelo falla". Error. La operación continua gasta dinero en tres lugares, y cada uno necesita un responsable.
Lo primero es la recirculación de datos. Cada ciclo de reentrenamiento necesita cientos o más de mil imágenes recién etiquetadas: alguien tiene que fotografiar los casos problemáticos en planta, alguien tiene que etiquetarlos, alguien tiene que controlar la calidad de las etiquetas. El etiquetado es lo que todos planean hacer "cuando haya tiempo", por eso pasan tres meses sin un conjunto de datos utilizable. Lo segundo es el reentrenamiento en sí. Alquilar GPUs en la nube para una pasada toma desde unas horas hasta un par de días; la factura de cómputo es un error de redondeo frente al total del proyecto. El verdadero costo son los días de espera, cuando el negocio funciona con soluciones manuales temporales; en temporada alta, eso duele. Lo tercero es la persona que vigila las alertas. ¿En la descripción de qué puesto dice "lee el informe de precisión cada semana"? ¿A qué teléfono llega el aviso de la línea roja? Si no es trabajo de nadie, es trabajo de nadie: he visto alertas sin leer en un chat de grupo durante tres días más de una vez.
Mi recomendación es directa: reserva del 15 al 20 por ciento del gasto del primer año del proyecto para la operación continua. Ese es el denominador común de todos los almacenes que he visto que no explotaron. Gasta menos que eso, y el día que expire el "un año de mantenimiento gratis" del proveedor será el día en que la precisión empiece su caída libre. Todo lo que ahorraste vuelve en forma de diferencias de conteo y horas extra, con intereses.
Las líneas que tu contrato necesita antes de la puesta en marcha
Cuando negocies con el proveedor, no regatees solo el precio y la precisión de aceptación. Mete estas líneas en el cuerpo del contrato, y si un proveedor no acepta, busca otro.
Primero, cómo se mide la precisión: a nivel de SKU o a nivel de palé, por muestreo o por población completa. El mismo sistema puede ser 99% de una forma y 95% de la otra, así que alinea la vara de medir antes que nada o estarán discutiendo sin entenderse durante meses. Segundo, qué pasa por debajo de la línea roja: respuesta en cuántas horas, un plan de reentrenamiento en cuántos días, vuelta por encima de la línea en cuántos días tras el reentrenamiento. Cada nivel necesita un reloj. Tercero, quién es dueño de los datos: los datos etiquetados recirculados te pertenecen. El proveedor puede usarlos para mejorar el modelo, pero no para construir el proyecto de otro; si omites esta cláusula ahora, la litigarás en dos años. Cuarto, un piso de reentrenamiento: al menos trimestral, más uno extra antes de la temporada alta, con las fechas por escrito. Quinto, quién aporta la mano de obra de etiquetado: tu gente fotografiando y controlando calidad en sitio, o la suya, y quién paga.
Todo lo que no esté en el contrato se convierte en una negociación después. La discusión más cara que he presenciado fue de dos meses peleando por la definición de "precisión", mientras el modelo seguía contando mal y los libros seguían a la deriva. Solo la factura del arbitraje habría pagado dos ciclos de reentrenamiento.
La lista de verificación
Imprime esto y pégalo en la pared de la oficina de TI. Supera cualquier presentación de "estrategia de IA", y puedes empezar mañana:
- Definición de precisión en el contrato (nivel de SKU vs. nivel de palé, muestreo vs. completo)
- Volumen semanal de verificaciones puntuales fijado (mínimo recomendado de 200 palés)
- Umbral de línea roja y un primer respondiente con nombre (nombre y teléfono, no un alias de grupo)
- Dónde viven los datos recirculados, y quién fotografía, etiqueta y controla calidad
- Calendario de reentrenamiento fijado (trimestral, más uno antes de la temporada alta)
- SLA de respuesta del proveedor por escrito (horas para responder, días para entregar el modelo reentrenado)
- Un responsable nombrado para sincronizar cambios de iluminación, empaque y SKUs con el líder de IA
- Conciliación en modo sombra corriendo desde el primer día de la puesta en marcha
Traducido del inglés. En caso de discrepancia, prevalece la versión en inglés.
