Empecemos por la conclusión: la preparación de datos para la IA es donde se ganan o se pierden la mayoría de los proyectos de IA en almacén, y casi no tiene nada que ver con elegir un modelo. En las más de 30 puestas en marcha de WMS que he liderado, el patrón se repite siempre. Un equipo gasta su presupuesto en una demostración del algoritmo, luego conecta los datos de producción y descubre que la mitad de los códigos de ubicación no coinciden, que los conteos de inventario no cuadran con los libros y que dos de cada diez pedidos históricos carecen de campos clave. El modelo no está equivocado. Simplemente no tiene nada sólido con lo que trabajar.

En el otoño de 2024 estuve en un almacén 3PL en el este de China. El cliente quería sugerencias de reposición con IA, y la demostración se veía muy bien. En cuanto conectamos los datos reales, todo se vino abajo: el mismo producto tenía tres códigos distintos en tres sistemas, la mitad de los registros de picking no tenía información de ubicación, y una quinta parte de los pedidos de salida de los últimos seis meses carecía de datos de peso. Detuvimos el proyecto seis semanas solo para corregir los datos. Ya he visto este mismo fracaso tres veces, y el guion siempre es el mismo. El lado del negocio quiere ver resultados rápido, el lado técnico quiere hacer una demostración rápido, y la preparación de datos se trata como algo que se hace de paso. Los trabajos de paso siempre vuelven a cobrar el doble.

La preparación de datos para la IA abarca tres tipos distintos de datos

La preparación de datos para la IA abarca tres tipos de datos, y confundirlos es como los equipos pierden semanas. El primero son los datos maestros: productos, ubicaciones, proveedores, clientes. Los datos maestros tratan de la unicidad. Un producto recibe un código y un nombre. Una ubicación recibe una coordenada y un estado. Cuando los datos maestros están sucios, cada juicio que hace la IA se construye sobre una base equivocada. La comprobación es sencilla: exporta la tabla de productos y elimínale los duplicados por separado por nombre, especificación y código de barras. Fusiona los duplicados antes de hacer cualquier otra cosa.

El segundo tipo son los datos transaccionales: pedidos de recepción, pedidos de envío, pedidos de transferencia, hojas de conteo. Este es el único libro de texto que tiene la IA para aprender cómo funciona realmente un almacén. Los datos transaccionales tratan de la integridad. Un pedido sin marca de tiempo nunca ocurrió. Un registro de picking sin ubicación no tiene ruta. Mi método es el muestreo mensual: extraer 100 pedidos al azar cada mes y seguir cada uno de principio a fin. Si la tasa de campos faltantes supera uno de cada diez, los datos de ese mes quedan fuera del conjunto de entrenamiento.

El tercer tipo son los datos de estado: instantáneas de inventario, ocupación de ubicaciones, estado de los equipos. Los datos de estado tratan de la frescura. La IA necesita el almacén tal como está ahora mismo, no como estaba el mes pasado. Muchos almacenes actualizan las instantáneas de inventario una vez por noche en un trabajo por lotes, así que los cambios hechos durante el día no aparecen hasta el día siguiente. Las recomendaciones construidas sobre ese tipo de datos llegan después de que la mercancía ya se ha movido.

Cada tipo de datos se ensucia a su manera. Los datos maestros se desordenan, los datos transaccionales se pierden, los datos de estado se quedan obsoletos. Limpiarlos con un único proceso es lo mismo que no limpiarlos en absoluto.

El orden importa, y hacerlo al revés es el error clásico

El orden correcto es primero los datos maestros, luego los datos transaccionales y luego los datos de estado. Los datos maestros son el diccionario. Si el diccionario está mal, cada traducción posterior está mal. Vi un proyecto gastar tres semanas limpiando pedidos históricos, solo para descubrir que el esquema de codificación de productos había cambiado dos veces y que la mitad de los códigos de esos pedidos ya estaban retirados. Tres semanas perdidas.

¿Qué cuenta como «terminado» para los datos maestros? Mi lista de verificación de puesta en marcha tiene tres barreras duras: los códigos de producto son cien por cien únicos, los códigos de ubicación corresponden uno a uno con las ubicaciones físicas, y los nombres de proveedores y clientes están deduplicados. Si esas barreras no se cumplen, no sigas adelante. Seguir adelante solo acumula intereses sobre el retrabajo.

Para los datos transaccionales hay un atajo: no intentes limpiar todo el historial. Toma el tramo continuo más reciente de datos de buena calidad, digamos los últimos tres meses, y exige que sea completo y consistente. La IA aprende patrones, no arqueología. Tres meses de datos limpios valen más que dos años de historial medio sucio.

Los datos de estado son los más difíciles, porque la prueba no es una limpieza única sino una capacidad duradera. Antes de la puesta en marcha, haz una pregunta: ¿puede un cambio de inventario aparecer en el sistema dentro de una hora de haber ocurrido? Si no, las sugerencias de la IA siempre irán un paso por detrás. Ninguna implementación de IA corrige esa brecha. Solo disfraza el retraso.

Hagamos cuentas: lo que te ahorra la preparación de datos para la IA

Toma un almacén de tamaño mediano como ejemplo: 500 pedidos al día, tres líneas por pedido en promedio. Eso son 45,000 líneas transaccionales al mes. Con una tasa de campos faltantes de uno de cada diez, eso significa 4,500 registros rotos cada mes, y más de 50,000 en un año. Una vez que la IA está en marcha y empieza a dar sugerencias extrañas, corregir esas 50,000 líneas cuesta varias veces lo que habría costado antes de la puesta en marcha, porque el negocio ya está funcionando sobre los datos sucios y no puede parar.

Así que la preparación de datos merece su propia línea de presupuesto y su propio calendario. En mi experiencia debería ocupar al menos un tercio de todo el cronograma del proyecto de IA. Cualquier cosa menos, y es probable que el proyecto vuelva para retrabajo dentro de los dos meses posteriores a la puesta en marcha. Los gerentes suelen fruncir el ceño ante esa proporción porque la preparación de datos no produce nada visible. Eso es verdad, y también es lo que decide si todo lo que viene después es real.

He aquí un juicio contraintuitivo: más datos no son mejores datos. Muchos almacenes empiezan con «tenemos cinco años de historial», lo que suena abundante. Ábrelo y encuentras dos cambios de sistema, tres revisiones de las reglas de codificación y seis meses de libros manuales en medio. Cinco años así valen menos que tres meses de datos consistentes. La IA no le teme a los datos pequeños. Le teme a los datos que se contradicen a sí mismos.

También hay un problema de propiedad que se ignora. El lado del negocio cree que los datos son un trabajo técnico, el lado técnico cree que es un trabajo del negocio, y al final nadie es dueño de ellos. En cada inicio de proyecto lo escribo: el negocio es dueño de los datos maestros, operaciones es dueña de la integridad transaccional y el equipo de sistemas es dueño de la frescura del estado. Tres dueños, una revisión semanal de conteos. La propiedad poco clara siempre termina en un libro desordenado.

Dos puntos de fallo más que sigo viendo. Uno es un cambio en las reglas de codificación que nadie anuncia. Un código de producto gana un dígito, un esquema de códigos de barras cambia, y la IA sigue reconociendo la mercancía con las reglas viejas. Cada cambio de regla va al registro de cambios y a todas las partes interesadas el mismo día, no solo un mensaje en un pequeño grupo de chat. El otro es mezclar datos de prueba con datos de producción. Los pedidos de prueba, los pedidos de formación y los pedidos de simulacro mezclados en las transacciones le enseñan a la IA patrones que nunca ocurrieron. Elimínalos antes de la puesta en marcha y mantén un entorno de pruebas separado. Compartir un entorno para ahorrar esfuerzo es una falsa economía.

Mi lista de verificación de puesta en marcha termina siempre con la misma línea: busca un picker de primera línea, muéstrale una sugerencia de la IA y pregúntale: «¿Esto se parece a nuestro almacén?». Si asiente, la preparación de datos está hecha. Si niega con la cabeza, vuelve y sigue limpiando. El modelo nunca te dirá que los datos están sucios. Solo la gente de la planta puede.

Por Lin Xiao, Consultor de implementación de WMS Traducido del inglés. En caso de discrepancia, prevalece la versión en inglés.