El mes pasado, un comercial de un sistema de picking por visión con IA se sentó en mi oficina, abrió su portátil y puso un vídeo: brazos robóticos clasificando paquetes, con una precisión del 99.7% parpadeando en pantalla. Luego llegó el precio, unos 380,000 yuanes al año, con la amable advertencia de que un almacén sin IA se está quedando atrás. Le hice una pregunta: ¿ese precio está pensado para 800 pedidos al día, o para 8,000? Se quedó callado. Ese silencio es toda la cuestión de comprar o construir IA para almacenes para un pequeño operador, en una sola escena. Los grandes almacenes compran la IA de una manera; nosotros la compramos de otra completamente distinta, y los proveedores que fingen lo contrario están vendiendo la solución de otro a tu problema. Todos los precios y cifras de retorno de este artículo son escenarios ilustrativos elaborados a partir de presupuestos que he visto de verdad, así que trata los números como una forma de pensar, no como una lista de precios.

Comprar o construir IA para almacenes empieza por tu número diario de pedidos

Esta es mi conclusión por adelantado. Si tu almacén envía menos de 1,000 pedidos al día, compra una solución estándar y mantente lejos de construir nada por tu cuenta. Si envías más de 3,000 al día y tu proceso ya funciona sin problemas, entonces merece la pena tener una conversación sobre construir. Si estás en medio, compra un módulo pequeño, demuéstralo y para ahí. ¿Por qué trazar la línea en el volumen de pedidos? Porque la factura de la IA no es una factura de software, es una factura de coste por pedido. Un sistema de verificación visual a 380,000 yuanes al año cuesta unos 1.30 yuanes por pedido con 800 pedidos al día, y unos 0.13 yuanes por pedido con 8,000 al día. El mismo sistema, el mismo precio: una carga en un pequeño almacén, calderilla en uno grande.

Un colega mío de Dongguan lo aprendió por las malas. Tiene un almacén de 3,000 metros cuadrados para accesorios 3C, unos 1,200 pedidos al día, y en marzo de 2026 compró directamente un sistema de verificación de picking con IA. Tres meses después, su tasa de errores de picking había bajado del 0.8% al 0.5%, lo que suena muy bien hasta que miras el dinero: el gasto mensual adicional habría cubierto a dos preparadores con experiencia durante un año completo. Sus palabras fueron sencillas: el sistema estaba bien, mi volumen de pedidos simplemente no lo merecía.

Los datos del sector le dan la razón, y son más feos de lo que la mayoría de los proveedores admite. El equipo NANDA del MIT informó en The GenAI Divide: State of AI in Business 2025 que aproximadamente el 95% de los pilotos empresariales de IA generativa no produjeron ningún impacto medible en la cuenta de resultados, y solo alrededor del 5% aportó valor real. El mismo informe encontró que los pilotos construidos con un socio externo tuvieron éxito aproximadamente el doble de veces que los desarrollados puramente internamente. Las cifras de Gartner cuentan una historia similar: solo alrededor del 48% de los proyectos de IA llegan a producción, tardando una media de ocho meses en llegar. Un pequeño almacén no puede permitirse esas probabilidades. Así que el primer paso en la selección de proveedores no es comparar funciones, es comparar rutas de salida: la opción que puedas permitirte abandonar gana la mitad de la batalla antes de empezar.

Cinco cosas que una demostración nunca te dirá

He visto demasiadas demostraciones desmoronarse al contacto con un almacén real. La herramienta de planificación de oleadas con IA de un proveedor funcionaba de maravilla con cajas estándar y SKU estándar, y luego se encontró con mi almacén lleno de artículos de formas extrañas y produjo oleadas peores que las que mi preparador senior planifica por experiencia. Cinco preguntas importan, y todas pertenecen al contrato antes de firmar.

Primero, pruébalo con tus propios pedidos reales durante una semana, nunca con los datos de muestra del proveedor, porque los datos de muestra no contienen nada de la realidad desordenada de tu almacén. Segundo, pregunta quién se encarga de la excepción: cuando el sistema lee mal una etiqueta, ¿detiene la línea por sí mismo o un humano limpia después? Consigue esa respuesta por escrito. Tercero, pregunta cuánto tarda la implementación y cuántas de tus personas necesita. Un pequeño almacén no tiene equipo de TI dedicado, así que cualquier despliegue de más de un mes debería ser un descarte automático; cuanto más se alarga, más perturba las operaciones diarias. Cuarto, pregunta de quién son los datos. Cuando termina el contrato, ¿puedes llevarte tu historial de pedidos y tus reglas configuradas? Un sistema que retiene tus datos como rehén es una jaula que estás alquilando. Quinto, pregunta cuánto cuesta marcharse: ¿cuántos meses de penalización por rescisión anticipada, y tu proceso se derrumba el día que se apaga la integración? Si el comercial se pone vago en cualquiera de estas cinco, aléjate, por muy barata que parezca la oferta.

Mi propio almacén pagó la matrícula de esto en noviembre de 2025. Persiguiendo la comodidad antes de la temporada alta, contraté un chatbot de IA que clasificaba los tickets de atención al cliente. Cuando llegó el pico, su precisión cayó, las consultas de devoluciones y cambios volvieron en masa al equipo humano, y dos empleados hicieron cuatro turnos de noche consecutivos. Desde entonces tengo una regla: cualquier herramienta nueva de IA funciona primero dos semanas en temporada baja, y ningún sistema nuevo entra en producción dentro del mes previo a la temporada alta.

Comprar o construir IA para almacenes: las cuentas a tres años

Las discusiones son baratas, así que aquí están las cuentas para un almacén de 3,000 metros cuadrados que hace unos 1,000 pedidos al día:

| | Comprar una solución estándar | Construirlo tú mismo | | Coste inicial | Unos 50,000 yuanes para implementar | Unos 600,000 yuanes o más para desarrollo más hardware | | Coste fijo anual | Unos 300,000 yuanes en cuotas de suscripción | Unos 500,000 yuanes o más para dos ingenieros | | Tiempo hasta entrar en producción | Alrededor de un mes | De 6 a 12 meses | | Si fracasa | Cancelas la suscripción, pierdes la cuota de implementación | Coste hundido, y te quedas atrapado con ello | | Para quién encaja | Volumen inestable, sin equipo técnico | Volumen estable, un proceso realmente inusual |

Esta es la parte contraintuitiva. La parte más cara de comprar no es la cuota de suscripción, es el tiempo que tu gente pierde en la implementación. Mi almacén tiene exactamente una persona que se encarga de nuestros sistemas. Si pasa todo el despliegue llevando de la mano al proveedor, ¿quién vigila los pedidos de excepción? Y la parte más cara de construir no es escribir el modelo, es alimentarlo con datos. Un modelo se puede construir en tres meses, pero unos datos limpios y etiquetados que cubran tus casos límite tardan un año en acumularse. También hay una verdad directa que nadie en una conferencia de proveedores te dirá: el mejor dinero que un pequeño almacén puede gastar en IA no es en IA en absoluto, es en limpiar primero los códigos de ubicación y los datos maestros. La IA no puede leer un libro desordenado. Aliméntala con registros de producto duplicados y erróneos y multiplicará tus errores por diez. En la primera mitad de 2025 mi almacén hizo exactamente esa limpieza, auditoría de ubicaciones y purga de datos maestros, y nuestra tasa de errores de picking cayó a la mitad por sí sola, sin gastar ni un solo yuan en IA. Una vez hecho ese trabajo, puedes ver la demostración de un proveedor con la cabeza despejada, porque puedes distinguir si resuelve tu problema o solo alcanza el objetivo de ventas del comercial.

Tres reglas de la casa para comprar IA con un presupuesto pequeño

Regla uno: compra algo que solucione un dolor concreto, nunca una plataforma. Si un proveedor puede decir, con palabras sencillas, este sistema te ahorra 20 errores de picking al día, podemos hablar. Si todo lo que puede decir es que eleva tu nivel de inteligencia, no lo aceptaría ni gratis. Regla dos: alquila antes de comprar, pilota antes de desplegar. Que un proveedor te deje pagar mensualmente y decidir después de una temporada alta es en sí mismo un filtro. Los que aceptan confían en su producto; los que se niegan confían en su contrato. Regla tres: traza una línea roja para la IA. Asesora, nunca decide. Puede planificar la oleada, pero un humano confirma el envío. Puede señalar la excepción, pero un humano ordena la parada. Cuando una máquina se equivoca una vez, eso es un incidente; cuando una persona se equivoca una vez, eso es experiencia. Mantén esa línea y hasta un despliegue de IA fallido seguirá siendo un pequeño desastre sobrevivible. La selección de proveedores, al final, no trata de elegir tecnología. Trata de elegir un socio: ¿validarán con tus datos reales, cobrarán por resultados, escribirán las condiciones de salida en lenguaje sencillo? Si la respuesta es sí a las tres, pagar un poco más vale la pena. Si esquivan aunque sea una, aléjate, aunque la oferta parezca gratuita.

Los pequeños almacenes tienen su propia forma de sobrevivir. Los grandes almacenes compiten por lo alto que pueden llegar sus sistemas; nosotros competimos por hacer que cada yuan caiga donde cuenta. Comprar o construir IA para almacenes no tiene una respuesta universal. La respuesta está en tu número diario de pedidos y en tu libro de cuentas, no en la presentación de un comercial.

Por Xiao Ma, Propietario de un pequeño almacén Traducido del inglés. En caso de discrepancia, prevalece la versión en inglés.