El otoño pasado pasé dos días enteros de pie detrás de las estaciones de empaque en un centro de fulfillment de comercio electrónico de 120,000 pies cuadrados en Inland Empire. No estaba mirando a la gente. Estaba mirando los monitores del techo. Todos los días, justo después de las 2 p.m., el transportador frente al empaque se convertía en un estacionamiento: las cajas se acumulaban en el punto de confluencia, detenidas por diez o quince minutos seguidos. El gerente del almacén me puso una mano en el hombro. "¿Ves eso, Lao Mi? El empaque es el cuello de botella. Nos falta personal."
No respondí. Porque los empacadores no parecían faltos de personal. Ninguna mano estaba ociosa.
Entonces la instalación hizo un pequeño piloto. Sin hardware nuevo — conectaron las cámaras domo Axis P3225-VE que ya estaban en la pared a una plataforma de analítica de video con IA y las apuntaron a exactamente dos puntos: las estaciones de empaque y la confluencia del transportador. Tres semanas de datos de referencia. El veredicto casi me hizo reír en voz alta: el empaque no era el cuello de botella en absoluto. El verdadero punto de estrangulamiento era la estación de escaneo aguas arriba de la confluencia. Dos operadores rotaban por ese puesto — uno rápido, uno lento. Cada vez que el lento tomaba el turno, el flujo de entrada se volvía irregular y la cola en el empaque se acumulaba aguas abajo. El atasco no lo causaba un tramo lento aguas abajo. Era inanición desde aguas arriba.
Desde entonces tengo una frase para quien pregunte: deja de adivinar dónde está el cuello de botella. Deja que las cámaras miren durante tres semanas.
Empieza en pequeño: uno o dos sospechosos, no todo el edificio
La forma más rápida de quemar dinero en analítica de video es desplegarla en toda la instalación el primer día. Mi consejo nunca cambia: elige los uno o dos puntos que ya sospechas y haz un pequeño piloto. Estaciones de empaque, puntos de confluencia del transportador, entradas de clasificación — donde sea que el material sea visible y los movimientos se repitan. Ahí es donde la IA realmente ve bien.
El método es sencillo. Alimenta las transmisiones de tus cámaras existentes a la plataforma de analítica, corre una referencia de dos a cuatro semanas y no cambies nada. Solo mira. Mira tres cosas: si el tiempo de ciclo de cada estación es estable (el mismo movimiento tomando 40 segundos hoy y 70 mañana significa que algo anda mal); la longitud de la cola (cuántas unidades están permanentemente apiladas frente a una estación); y el tiempo muerto anormal — una estación que se queda quieta por más de unos minutos se marca una vez. Esos "unos minutos" no tienen estándar de la industria. Cada edificio calibra su propio umbral a partir de los datos de referencia. Un umbral elegido de la nada solo te compra falsas alarmas.
Y ahí es donde están las trampas. La iluminación primero: en esa instalación de Inland Empire, un tragaluz daba de frente al transportador, y al mediodía la luz de fondo hacía que la imagen vibrara — la IA marcaba decenas de eventos de "tiempo muerto anormal" al día, todos falsos. Solo lo controlaron agregando una ventana de tiempo de calibración de iluminación. Luego la oclusión: un montacargas pasa frente al objetivo, el cuadro se pone negro durante quince segundos y la transmisión de datos queda con un hueco. Y luego está el problema del ángulo — las cámaras de almacén se instalan para prevenir robos, metidas en las esquinas, mirando hacia abajo a la coronilla de la gente. Si quieres ver el proceso, el objetivo debe apuntar al transportador y al material apilado frente a cada estación. Estás mirando cómo fluye la carga, no cómo se mueve la gente. Esa frase importa. Volveré a ella.
Las cuentas son fáciles. La gente es lo difícil.
El dinero primero. El mayor argumento de venta de esta tecnología es que no necesita hardware nuevo — las cámaras ya están en la pared. El precio es por punto de cámara, por suscripción. Las cotizaciones que he visto rondan unos pocos cientos de dólares por punto al mes — consulta con los proveedores los precios actuales, porque cambian. Esa instalación conectó cuatro puntos; la suscripción anual quedó por debajo de veinte mil dólares.
¿Cómo funcionó el retorno? Una vez identificado el verdadero cuello de botella, no gastaron mucho en arreglarlo — simplemente reorganizaron los turnos en la estación de escaneo aguas arriba para que la rotación lenta dejara de dejar la línea sin alimento. El rendimiento del empaque subió alrededor de diez por ciento. Según lo que he medido en campo, este tipo de corrección de "encuentra el verdadero cuello de botella y actúa" suele elevar la eficiencia entre un 8 y un 15 por ciento. Si alguien te promete más que eso, empieza a cuestionar sus datos.
Cuentas aproximadas: doce empacadores a veinte dólares la hora — más o menos la tarifa de mercado de Inland Empire en 2025 — y una ganancia del diez por ciento equivale a un poco más de cuarenta mil dólares al año en mano de obra ahorrada. La suscripción costó menos de veinte. Retorno en bastante menos de un año. Es una estimación aproximada, obviamente — la mezcla de pedidos y el costo laboral de cada edificio son distintos, así que haz la fórmula con tus propios números.
Ahora la parte de la gente — la más delicada de todo, y la más fácil de arruinar. Antes de que empiece el piloto, haz una reunión general y fija algunos compromisos. Las caras se difuminan; el algoritmo cuenta cajas, no personas, y el objetivo apunta al proceso, no a la persona. Los datos se reportan a nivel de estación — sin clasificaciones individuales, jamás, y nunca ligados a evaluaciones de desempeño. Eso tiene que quedar por escrito. En un edificio con sindicato, saltarse este paso significa que el representante sindical está en tu puerta en cuestión de días. He visto una instalación desplegar esto sin la conversación; dos semanas después, cayó una queja, el piloto se cerró y el dinero se perdió.
Lo curioso es que, cuando la comunicación se hace bien, tus operadores veteranos se convierten en los mejores anotadores que tienes. La IA marca un evento de tiempo muerto anormal; un veterano lo mira y dice: "Eso es un cambio de tarima, no flojera." Ese criterio de piso es algo que ningún algoritmo aprende en tres años.
Así que no me preguntes si la analítica de video con IA vale la pena comprarla. Pregúntate esto en cambio: ¿qué parte de tu operación parece lenta — y puedes probarlo con datos? Empieza ahí. Dos semanas de grabación de cámara bastan para empezar. Los datos no tomarán la decisión por ti, pero te dan algo sólido en qué apoyarte cuando empiece la discusión.
Traducido del inglés. En caso de discrepancia, prevalece la versión en inglés.
