Voy a empezar con una queja. Ahora mismo todo el mundo grita que la IA pertenece al almacén. Los vídeos de demostración de las ferias se ven cada año más fluidos, los presupuestos de los proveedores se ven cada año mejores, y uno pensaría que cualquier almacén sin IA va a quebrar mañana. Llevo cinco años vendiendo en línea, he cambiado de almacén tres veces y he participado en dos pilotos de IA, y esta es la verdad honesta: la mayoría de los proyectos de IA en el almacén no mueren porque falle la tecnología. Mueren porque nadie calculó en serio primero los números del ROI del proyecto de IA en el almacén.

Los pilotos de IA en el almacén son muy buenos engañándote

El año pasado probé una verificación visual con IA en un almacén asociado. La pusimos en el banco de empaquetado: una cámara escanea cada paquete, el sistema lo compara con el pedido y marca cualquier paquete con faltantes o sobrantes. El día de la demostración parecía irreal. El ingeniero del proveedor prometió una precisión superior al 99 por ciento en el acto. Firmamos un piloto de tres meses e instalamos dos unidades.

Este es un escenario hipotético de cómo fue en realidad. En el primer mes, los números se veían muy bien y la tasa de error cayó muy por debajo del nivel de la antigua revisión manual por muestreo. Luego llegó el segundo mes. La temporada alta duplicó el volumen de pedidos, la cinta transportadora se aceleró y la cámara empezó a pasar cosas por alto. Cambiamos a un nuevo embalaje, el sistema no lo reconoció y alguien tuvo que reajustar el modelo. Lo peor de todo es que nadie en el almacén quería estar mirando alertas todo el día, así que cuando las alertas se acumularon, la gente empezó a aprobarlas en bloque y volvimos justo al punto de partida. En tres meses, las cuentas salieron así, todas las cifras son hipotéticas: hardware más software más integración sumaron unos $40,000 por adelantado, aproximadamente $1,100 al mes repartidos en tres años; el tiempo de revisión manual que ahorramos valía unos $900 al mes; menos pagos por errores de picking ahorraron unos $400 al mes. Sobre el papel eso es $200 al mes por delante, lo que suena bien, hasta que notas que el piloto solo cubría dos bancos de empaquetado. Extenderlo a todo el almacén duplicaría la inversión, y los retornos no necesariamente se duplicarían con ella.

Aquí está la parte contraintuitiva: un piloto exitoso no prueba casi nada sobre un despliegue completo. Cuanto más pequeño y limpio sea el piloto, mejor se ven los números. Un almacén real es datos sucios, embalaje nuevo, temporada alta y rotación de personal, todo a la vez. Las demostraciones de los proveedores siempre se hacen con datos limpios. Cómo son realmente los datos de tu almacén, solo tú lo sabes.

ROI de un proyecto de IA en el almacén: completa esta tabla antes de firmar

Mi regla ahora es sencilla. Antes de firmar nada para un proyecto de IA, completo la tabla siguiente, y si no puedo completarla, no firmo. Cada número en ella es un ejemplo hipotético: sustitúyelos por los números reales de tu almacén y vuelve a calcularlo.

| Concepto | Importe (ejemplo hipotético) | | Coste único: software, hardware, integración, formación | Unos $40,000 | | Coste mensual: suscripción, mantenimiento, reajuste | Unos $800 | | Ahorro mensual: tiempo de revisión manual | Unos $900 | | Ahorro mensual: menos errores de picking y devoluciones | Unos $400 | | Periodo de amortización | Unos 30 meses |

Si el periodo de amortización supera los dos años, normalmente me marcho. El razonamiento es sencillo: los productos de IA iteran rápido, y dentro de dos años la misma capacidad probablemente costará la mitad y será el doble de buena. Atarte a un contrato de tres años ahora significa pagar para financiar la investigación del proveedor. Hay un coste más que casi todos dejan fuera: el coste oculto del propio piloto. Ingenieros yendo y viniendo, personal apartado de sus turnos para ayudar con las pruebas, bancos de empaquetado parados para la recalibración, todo eso es dinero. En un ejemplo hipotético, tres meses de apoyo al piloto por parte del almacén pueden sumar fácilmente $3,000 en mano de obra, y ese número nunca aparece en ningún presupuesto, pero sale directamente de tu margen. Por eso el ROI de un proyecto de IA en el almacén tiene que calcularse sobre el panorama completo, no solo sobre la línea de la suscripción.

Aquí tienes un ejemplo hipotético que muestra por qué el volumen lo cambia todo. Un almacén pequeño que hace 800 pedidos al día con una tasa de errores de picking del 0.3 por ciento solo paga por dos o tres pedidos al mes, y los ahorros ni siquiera cubrirían la suscripción. Un almacén que hace 8,000 pedidos al día con la misma tasa de error se enfrenta a más de veinte pedidos problemáticos al día, con indemnizaciones y atención al cliente que cuestan mucho más de $10,000 al mes, y de repente el mismo sistema de IA tiene sentido. El mismo producto, diez veces el volumen, respuesta opuesta. El ROI nunca es una propiedad del producto. Es una propiedad de tu volumen. Tres preguntas van antes que la tabla. Primero, ¿este problema ocurre todos los días? Un problema que aparece una vez por semana no merece un proyecto de IA. Segundo, ¿los datos están listos, o necesitas tres meses de limpieza primero? Si la limpieza va primero, duplica el presupuesto. Tercero, si falla, ¿puedes volver al trabajo manual? Si no hay vuelta atrás, no lo tocaré, por barato que parezca.

Tres trampas en los proyectos de IA, y yo caí en dos de ellas

La primera trampa son los datos sucios. La demostración del proveedor usaba fotos tomadas con luz perfecta y ángulos perfectos. En tu almacén, la mitad de las luces están rotas, la cinta de los paquetes deslumbra y la cámara no ve más que manchas blancas. Nadie pone la limpieza de datos en el presupuesto. Al final la pagas tú mismo.

La segunda trampa es contar solo el precio del software y olvidar el precio de la integración. Una suscripción de unos cientos de dólares al mes parece barata, pero conectarla a tu WMS, cambiar la distribución del banco de empaquetado y formar al personal suele costar más que el propio software. Lo que falta en el presupuesto suele ser la partida más grande.

La tercera trampa es tratar el piloto como la meta. Muchos vendedores ven números de piloto preciosos, se lanzan a un despliegue completo y ven cómo todo se derrumba durante la temporada alta. El coste de dar marcha atrás es mayor que el propio piloto. La temporada alta es el mejor detector de mentiras: duplica el volumen, acelera la cinta transportadora y cada problema que la demostración ocultaba sale a la luz de golpe. Escalar antes de que un piloto haya sobrevivido a una temporada alta es como saltar sin comprobar el agua. Mi regla es que un piloto tiene que sobrevivir una temporada alta completa con los números aún en pie antes de que nadie hable de escalar.

Esto sí me funcionó: la próxima vez que alguien te traiga una propuesta de IA, sáltate el vídeo de demostración y pídele que complete la tabla de arriba. Si los números no cuadran, mándalo de vuelta a rehacer las cuentas. Un proveedor que puede mostrar su trabajo es el único tipo con el que vale la pena seguir hablando.

Por Ah K, Vendedor de comercio electrónico (5 años) Traducido del inglés. En caso de discrepancia, prevalece la versión en inglés.