Empiece por el dinero, porque el caso de negocio del ROI de un proyecto de IA en el almacén vive o muere por él. El mes pasado, el dueño de un negocio de comercio electrónico de artículos para el hogar me trajo una propuesta de un proveedor: verificación visual con IA, primera fase a $800,000, con el vendedor prometiendo amortizar en un año. Le dije que no firmara nada hasta haber construido el total a tres años: suscripción de software, cámaras y computadoras edge, integración con el sistema de gestión de almacenes, limpieza de los datos históricos, capacitación del personal, más el mantenimiento anual y el ajuste del modelo. Cuando salió el total, la inversión a tres años se acercaba a $2 millones, y el beneficio neto anual sobre su volumen de pedidos apenas superaba $400,000. Amortización: cinco años. La amortización de un año del proveedor era el precio del primer año dividido por un beneficio inventado. Eso es exactamente contra lo que tiene que proteger un caso de negocio del ROI de un proyecto de IA en el almacén. (Todas las cifras de este ejemplo son hipotéticas, usadas para mostrar el método.)
Un proyecto de IA tiene cinco partidas de costo. El proveedor le cotiza una
El defecto más común de un caso de negocio es una sección de costos con una sola línea. El costo real tiene cinco partidas. Primera, software: suscripción o licencia perpetua, si el precio sube cada año, si escala con el volumen de pedidos. Segunda, hardware: cámaras, computadoras edge, mejoras de red, y si el calor de la temporada alta exige equipos de grado industrial. Tercera, integración: los días-persona para conectar con el sistema de gestión de almacenes y el ERP, lo que cuesta cada cambio de interfaz, y quién asume el riesgo. Cuarta, preparación de datos: limpieza de datos históricos, etiquetado, gobernanza de datos maestros, la partida que más se subestima. Quinta, capacitación y gestión del cambio: horas para que el personal aprenda el nuevo flujo, doble verificación manual durante el piloto, ventanas de inactividad para los cambios de proceso.
Gartner describió esta trampa hace años. Su pronóstico de julio de 2024 decía que al menos el 30% de los proyectos de IA generativa se abandonarían después de la prueba de concepto para finales de 2025, culpando a la mala calidad de los datos, los controles de riesgo inadecuados, los costos crecientes y el valor de negocio poco claro. A principios de 2026, un artículo de Gartner elevó la cifra: al menos el 50% de los proyectos de IA generativa se habían abandonado después de la prueba de concepto para finales de 2025. Las dos cifras difieren; la causa de muerte es la misma. Los pilotos son baratos. La producción es cara. Y el presupuesto nunca lo contó todo. También hay un costo oculto que nadie pone en la cotización: durante los primeros tres meses después de la puesta en marcha, mientras la precisión del modelo sigue subiendo, la dotación de verificación no baja. Se duplica. Escriba esa línea usted mismo, porque el proveedor no lo hará.
El caso de negocio de IA reconoce tres beneficios: mano de obra, rendimiento, errores
Del lado de los beneficios reconozco solo tres partidas. Mano de obra ahorrada: horas evitadas, multiplicadas por el costo laboral con carga completa. Rendimiento ganado: pedidos adicionales por hora, multiplicados por el margen por pedido. Errores evitados: tasa de envíos erróneos reducida en algunos puntos, multiplicada por el costo de retrabajo y compensación por pedido. Cualquier otra cosa en la columna de beneficios recibe primero un signo de interrogación. «Mejor experiencia del cliente» y «activos de datos más sólidos» pueden aparecer en la propuesta. No pueden aparecer en las cuentas de amortización.
Los datos del sector sirven como marco de referencia, nunca como promesa. Un estudio del MIT Intelligent Logistics Systems Lab y Mecalux, publicado en diciembre de 2025 y que abarca a más de 2,000 profesionales de la cadena de suministro y el almacenamiento en 21 países, encontró que el 60% de los almacenes ya tienen IA integrada, con un período típico de amortización de dos a tres años y presupuestos de IA que representan del 11% al 30% de los presupuestos de tecnología de almacén. Un estudio Forrester Total Economic Impact encargado por un proveedor reportó un ROI del 219% en tres años con amortización en menos de seis meses para una plataforma de inteligencia de almacén. Eso es un compuesto encargado por un proveedor, construido a partir de clientes entrevistados, no una promesa sobre su almacén. Cítelo con esa advertencia adjunta. La mano de obra representa del 50% al 70% de los costos operativos del almacén según el rango del sector comúnmente citado, por eso el ahorro de mano de obra es la mayor partida de beneficios. La base es así de grande.
Esta es la parte contraintuitiva: las cuentas del ahorro de mano de obra son las más fáciles de equivocarse. Ahorrar diez personas no equivale a ahorrar diez salarios. Las primas del turno nocturno, las horas extra, los costos hundidos de reclutamiento y capacitación, y si las personas que se quedan necesitan un aumento, todo pertenece al cálculo. La prensa del sector, al informar sobre la Encuesta Global de Logística 2024 de McKinsey, encontró que el 41% de las empresas sobreestimaron el ahorro de mano de obra en más del 35% en sus modelos iniciales. El patrón siempre es el mismo: la eficiencia pico del piloto tratada como estado estable, y la dotación de temporada baja tratada como ahorro. Tome cualquier número de un piloto, réstele el treinta por ciento, y luego póngalo en el caso de negocio.
Cómo calcular la amortización para que el ROI del proyecto de IA en el almacén se sostenga
La fórmula son dos líneas, y pertenece a la página uno del caso de negocio. El período de amortización en años es igual a la inversión total dividida por el beneficio neto anual. El beneficio neto anual es igual al beneficio anual menos el costo operativo anual. La fórmula es simple. Los tres datos son la parte difícil. La inversión total es el total a tres años, no la cotización del primer año. El beneficio anual es la suma de los tres beneficios, cada uno con datos de referencia detrás: la tasa actual de envíos erróneos, los pedidos actuales por hora, los pedidos actuales manejados por persona por día. Sin una línea base, el beneficio es inventado.
Exijo que cada proyecto muestre tres escenarios: optimista, base y pesimista. La regla para el caso pesimista es beneficios recortados en un treinta por ciento y costos elevados en un veinte por ciento. Aquí hay un ejemplo hipotético:
| Escenario | Inversión a tres años | Beneficio neto anual | Amortización |
|---|---|---|---|
| Optimista | $1.8 millones | $900,000 | 2 años |
| Base | $2.0 millones | $600,000 | 3.3 años |
| Pesimista | $2.4 millones | $420,000 | 5.7 años |
Lea la tabla como corresponde: el caso optimista es para el proveedor, el caso base es para el jefe, el caso pesimista es para usted. Si la amortización pesimista pasa de cinco años, no apruebe el proyecto ahora. Si el caso base pasa de tres años, recorte el alcance antes de aprobar nada. Las cinco razones por las que veo que los casos de negocio se rechazan con más frecuencia: sin datos de referencia, así que los beneficios se adivinan; ahorros de mano de obra contados sin el costo de las personas que se quedan; números pico del piloto tratados como normales; oscilaciones de temporada alta ignoradas, con las cuentas de temporada baja aplicadas al pico; y sin plan de salida, así que nadie sabe cómo detener un piloto que falla. Toque dos de las cinco, y el caso de negocio vuelve para reescribirse.
La lista de verificación previa a la aprobación: diez puntos, sin firma hasta que todos pasen
Pegue esta lista de verificación en la última página del caso de negocio. Diez puntos, todos deben pasar antes de que alguien firme. Uno, existen datos de referencia: tasa de envíos erróneos, tiempo de manipulación por pedido, costo laboral con carga completa. Dos, las cinco partidas de costo están incluidas, con un total a tres años. Tres, cada uno de los tres beneficios tiene su propia hoja de cálculo. Cuatro, la amortización en tres escenarios está hecha. Cinco, preparación de datos: ¿se pueden usar los datos históricos tal cual, o cuántas semanas de limpieza necesitan? Seis, la lista de integración: cuántos sistemas, quién es dueño de cada interfaz. Siete, alcance del piloto: una zona o una línea, y qué número define el éxito. Ocho, el plan de salida: cuánto tiempo antes de que el piloto se detenga, y cuál es el tope del costo hundido. Nueve, responsables nombrados: un responsable de negocio y un responsable técnico, por nombre, no por departamento. Diez, fechas de revisión: día 30 y día 90 después de la puesta en marcha, con autoridad para detener si los números no se cumplen.
Cada punto corresponde a un fracaso real que he presenciado. El punto nueve es el más fácil de falsear: un responsable listado como departamento significa que nadie decide nada cuando se rompe. El punto diez es el más fácil de retrasar: la reunión de revisión se desliza mes tras mes hasta que el presupuesto se agota y alguien descubre que el modelo nunca produjo un beneficio.
Así que aquí tiene una conclusión que puede calcular: si la amortización del caso base pasa de tres años, recorte el alcance antes de aprobar. Si el caso pesimista pasa de cinco años, no apruebe el proyecto ahora. Ponga esa tabla en la página uno del caso de negocio. Vale más que diez páginas de propuesta técnica. La tecnología puede esperar su turno. El dinero no puede.
Por Lao Zhou, Analista de Costos Logísticos Traducido del inglés. En caso de discrepancia, prevalece la versión en inglés.







